AI가 인구학자를 대체할까? 인구 데이터는 똑똑해지지만 해석은 인간 몫

인구학은 출생, 사망, 이주, 고령화, 그리고 이것들 사이의 복잡한 상호작용을 다루는 과학입니다. 숫자로 만들어진 분야이기에 AI는 명백한 동맹처럼 보이는 동시에 잠재적 위협처럼 보이기도 합니다. 한국의 합계출산율이 방금 0.72를 찍었습니다. 인류 역사상 기록된 가장 낮은 수치죠. AI는 그 곡선을 묘사하고, 어디로 향하는지 투영하고, 다음에 무슨 일이 일어날지 1,000가지 변형을 시뮬레이션할 수 있어요. 그런데 그 모델들 중 어느 것도 왜 한국의 한 세대가 아이를 낳지 않기로 결심했는지 말해주지 못해요. 묘사와 이해 사이의 그 간극이 정확히 인구학자라는 직업이 살고 있는 곳이고, 이 직업이 사라지는 게 아니라 변모하고 있는 이유이기도 합니다.

현실은 양극단 중 어느 쪽보다도 미묘합니다.

데이터가 시사하는 것

인구학자는 보통 통계학자, 경제학자, 사회학자로 전문화되어 일하기 때문에 BLS의 전용 직업 분류가 없어요. 우리 DB의 인접 직군 통계학자 노출도 83%·위험도 37%, 사회학자 노출도 54%·위험도 41%, 설문 연구자 노출도 61%·위험도 50% 데이터를 근거로, 인구학자의 전반적 AI 노출도는 약 55-65%, 자동화 위험도는 대략 35-45% 수준으로 추정합니다.

노출도가 높은 이유는 일의 정량적 핵심에 있어요. 인구 추계, 생명표 계산, 이주 모델링, 센서스 데이터 통계 분석 — 이것들은 모두 AI와 머신러닝이 상당한 자동화 잠재력을 보여주는 작업이에요. 인구학자의 중위 연봉은 보통 $80,000-$100,000 사이이고, 정부 기관(특히 미국 센서스국), 대학, 연구 기관, 민간 부문에 고용이 분산되어 있습니다. 미국 연방 정부만 해도 센서스국, 국립보건통계센터, 사회보장청 최고계리관실, 국토안보부 이민통계국에 걸쳐 수백 명의 인구학자를 고용하고 있어요. 이 모든 기관이 현재 5년 전이라면 이국적이라고 여겨졌을 머신러닝 워크플로우를 시범 운영 중입니다.

AI가 인구학 연구를 변모시키는 곳

AI는 몇몇 인구학 응용 분야에서 정말로 강력해요. 위성 이미지 분석은 이제 신뢰할 만한 센서스 데이터가 없는 지역의 인구 밀도와 도시화 패턴을 추정할 수 있어요. 전통적 인구조사가 비현실적인 개도국에서 결정적입니다. 사우샘프턴 대학의 WorldPop이나 Facebook Data for Good 같은 기관이 위성 이미지와 센서스 데이터를 결합해 합성곱 신경망을 학습시키는 방식으로, 사실상 지구 거의 모든 거주 지역에 대해 30미터 해상도의 격자 인구 추정치를 산출해냈어요. 마지막으로 신뢰할 만한 센서스가 15-20년 전이었던 나라들에서는 이 모델들이 종종 공식 통계를 능가합니다.

머신러닝 모델은 다수의 데이터 출처 — 모바일 폰 기록, 소셜미디어 위치정보, 행정 기록, 전력망 소비량, 야간 조명 강도까지 — 를 결합해 거의 실시간으로 이주 흐름을 추정할 수 있어요. 2022년 러시아의 우크라이나 침공 당시 연구자들은 주요 사건 발생 후 48시간 이내에 난민 이동에 대한 합리적 추정치를 만들어내고 있었어요. UNHCR 등록 시스템이 몇 주 동안 포착하지 못했을 통신사 메타데이터를 활용한 거죠.

과거에는 인구학자가 출산력, 사망률, 이주에 관한 가정을 수동으로 명시해야 했던 인구 추계 모델이 이제는 수천 개의 시나리오를 생성하는 확률론적 접근을 포함할 수 있고, AI가 현재 트렌드에 비추어 어느 시나리오가 가장 그럴듯한지 평가하는 걸 돕습니다. 유엔 인구국은 2014년에 확률론적 추계로 전환했고, 그 기저의 베이지안 위계 모델은 이후 수십 개국의 국가통계기관에 통합되었어요.

자연어 처리는 행정 기록, 인구동태 통계, 설문 응답을 대규모로 분석해서 비정형 텍스트에서 인구학적 정보를 수작업 코딩보다 훨씬 빠르게 추출할 수 있어요. 손글씨 사인이 적힌 사망 원인 필드가 있는 사망진단서, 이민 진술서, 망명 신청서가 이제 머신러닝 모델로 분류·코딩될 수 있는데, 훈련된 인간 코더와 95%+의 일치율을 보입니다. 인구학자들은 진짜로 모호한 사례에만 집중할 수 있게 된 거죠.

왜 인간 인구학자가 여전히 결정적인가

인구 동학은 순수한 데이터 분석이 포착할 수 없는 방식으로 문화, 정치, 경제에 깊이 박혀 있어요. 왜 한국의 합계출산율은 0.72까지 — 인류 역사상 최저치 — 떨어졌을까요? 숫자는 그 추세를 묘사하지만, 그것을 설명하려면 한국의 직장 문화, 주거비용, 젠더 역학, 교육 기대치, 강도 높은 경제 경쟁이 미치는 심리적 영향을 이해해야 해요. 어떤 AI 시스템도 이런 종류의 통합된 사회 분석을 생산할 수 없어요. 풀어볼 가치 있는 모든 인구학적 퍼즐이 마찬가지에요. 일본이 20년 동안 1.3 근처에서 멈춘 출산율, 이탈리아의 연령구조 역전, 사하라 이남 아프리카의 청년 인구 폭증, 인도가 향후 20년 동안 거둬들였다가 잃을 인구 보너스. 각각 그 숫자 뒤의 제도, 역사, 정책 선택을 이해하는 연구자가 필요합니다.

인구학적 예측은 AI를 곤란하게 만드는 방식으로 본질적으로 불확실해요. 이주 패턴은 정치적 위기로 하룻밤 사이에 바뀔 수 있어요. 팬데믹은 몇 달 안에 사망 패턴을 재편할 수 있어요. 미국 기대수명은 2019-2021년 사이 2.7년 떨어졌다가 회복되었는데, 팬데믹 전 어떤 모델도 상상하지 못한 움직임이었죠. 정부 정책(이민 개혁, 보육 보조금, 연금 개혁)은 역사 데이터가 예측할 수 없는 의도적 교란을 도입해요. 헝가리의 출산 장려 세금 감면, 프랑스의 아동 수당, 싱가포르의 결혼 보너스 — 각각이 자연 실험이고 그 결과는 인간의 해석을 요구해요. 같은 정책이 문화적 맥락에 따라 전혀 다른 반응을 만들기 때문이에요.

어떤 추세가 지속될지 어떤 추세가 교란될지에 대한 — 그리고 왜 그런지에 대한 — 인구학자의 판단이 자동화될 수 없는 가치입니다. 훈련받은 인구학자가 2024년 스페인 출산력 데이터를 읽으면, 감소의 어느 부분이 순환적인지(2008년 금융위기와 2020년 팬데믹에 대한 지연된 반응), 어느 부분이 구조적인지(여성 노동시장 참여와 주거비 변화), 어느 부분이 정말 새로운 무언가를 반영하는지(경제적 결과가 아닌 문화적 정체성으로서의 자발적 무자녀의 부상)를 말해줄 수 있어요. AI 모델은 그저 선이 내려가고 있다고 말할 수밖에 없죠.

정책의 절박함

인구학적 전문성은 이번 세기의 가장 결정적인 정책 과제들에 절박하게 필요해요. 연금과 의료 시스템을 압박하는 인구 고령화, 기후로 인한 이주, 개도국의 도시화 압력, 산업화된 세계 전반에서 떨어지는 출생률의 경제적 함의 같은 문제들이죠. 이것들은 데이터 분석이 필요하지만 충분하지 않은 문제들이고, 인간 인구학자가 제공하는 종류의 맥락적·학제적 이해를 요구합니다.

미국 사회보장 신탁기금을 생각해 보세요. 최고계리관실의 연례 보고서는 출산, 사망, 이민, 장애 발생률에 관한 인구학적 가정에 달려 있어요. 각 가정은 데이터 자체가 아니라 데이터로 정보를 얻은 인간 판단의 산물입니다. 가정된 합계출산율이 1.95에서 1.80으로 살짝 이동하면 신탁기금 고갈 시점이 몇 년 움직이고, 워싱턴의 모든 개혁 토론의 정치가 바뀌어요. 그 판단을 내리는 인구학자는 어떤 자동화 시스템도 대체할 수 없는 일을 하고 있어요. 그 판단이 단순한 통계 패턴만이 아니라 가용한 정책 수단, 비슷한 추계의 역사적 신뢰성, 한 방향이나 다른 방향으로 틀렸을 때의 제도적 결과까지 저울질해야 하기 때문이에요.

인구학자가 해야 할 일

전산 인구학과 인구 분석을 위한 머신러닝 응용에 전문성을 쌓으세요. 데이터 통합과 비전통적 데이터 출처를 다루는 기술을 개발하세요. 모바일 폰 기록, 위성 이미지, 소셜미디어, 행정 데이터셋 같은 것들요. 공간 데이터를 다루는 코드를 쓸 줄 알아야 해요(R의 sf와 _raster_ 패키지, Python의 geopandas와 _rasterio_ 라이브러리). 모든 인구학적 질문이 점점 더 지리적 질문이 되고 있기 때문이에요.

정책 커뮤니케이션에 투자하세요. 인구학적 추계를 정부, 기업, 국제기구를 위한 실행 가능한 계획으로 번역하는 능력 말이에요. 유엔, 세계은행, 주요 컨설팅 회사에서 가장 가치 있게 평가받는 인구학자는 항상 최고의 모델링 전문가가 아니에요. 재무장관 앞에 서서 15분 안에 인구학적 전환이 연금 시스템에 무엇을 의미하는지, 현실적인 정책 선택지가 무엇인지 설명할 수 있는 사람들이에요.

그리고 인구학적 숫자에 의미를 부여하는 맥락적·문화적·역사적 지식을 유지하세요. 역사를 읽으세요. 연구 대상 국가에서 시간을 보내세요. 데이터를 만드는 사람들과 대화하세요. AI는 당신이 평생 할 수 있는 것보다 빠르게 숫자를 처리할 거예요. 당신의 일은 그것들이 무엇을 의미하는지 이해하는 것입니다.

_이 분석은 AI 지원으로 작성되었으며, Anthropic Labor Market Report와 미국 노동통계국(BLS) 추계 데이터를 활용했습니다._

관련: 다른 직업은 어떨까?

AI는 많은 직업을 재편하고 있습니다:

• AI가 철학자를 대체할까?
• AI가 언어학자를 대체할까?
• AI가 변호사를 대체할까?
• AI가 교사를 대체할까?

_우리 블로그에서 1,016개 직업 분석을 모두 확인하세요._