AI가 지구화학자를 대체할까요? AI가 질량분석은 처리할 수 있어도, 노두까지 직접 걸어 올라가는 건 결국 누군가의 몫입니다

지구화학자의 일에는 어떤 알고리즘도 흉내 낼 수 없는 특별한 순간이 있습니다. 30파운드짜리 시료 가방을 멘 채 네바다의 능선을 네 시간 동안 걸어 올라갑니다. 정작 도착해 보니 목표로 한 노두는 위성 영상이 시사했던 것보다 훨씬 더 풍화되어 있습니다. 채취하고 싶었던 광맥은 망치를 대면 부스러지는 암면 위에 있습니다. 당신은 앞으로 10분 안에 결정해야 합니다 — 풍화된 표면을 채취할지, 두 시간 떨어진 덜 유망한 노두까지 이동할지, 아니면 아예 다른 종류의 시료를 채취할지. 그 결정, 그리고 한 지구화학자의 경력에 걸쳐 그와 같은 만 가지의 결정들, 그것이 바로 AI 모델이 할 수 없는 일입니다. 우리 데이터에서 지구화학자는 41% AI 노출도와 단 18% 자동화 위험을 보이며 — 과학 분야에서 가장 회복탄력성이 높은 프로필 중 하나입니다. 그 이유를 살펴봅니다. [추정]

지구화학자가 실제로 하는 일 — 그리고 실험실 작업이 더 작은 조각인 이유

지구화학은 넓게 보면 지구의 화학적 조성 — 암석, 광물, 물, 퇴적물, 대기, 그리고 그들 사이의 상호작용 — 을 연구하는 학문입니다. 지구화학자는 매우 다양한 환경에서 일합니다: 광물 탐사, 석유와 가스, 환경 정화, 학술 연구, 정부 지질조사, 그리고 점점 더 기후과학 분야까지.

이 일은 대략 세 단계로 나뉩니다:

1단계: 수집. 시료가 있는 곳으로 가는 일입니다. 여기에는 외딴 지형에서의 현장 작업, 시추 프로그램, 환경 부지 시료 채취, 그리고 심해 탐사가 포함됩니다. 육체적으로 고되고, 날씨에 좌우되며, 판단이 집약된 작업입니다. 현장의 지구화학자는 무엇을, 어디서, 어떤 밀도로 채취할지 결정합니다. 이런 결정은 위성이나 모델에서는 내릴 수 없습니다.

2단계: 분석. 시료를 분석 장비 — 질량분석기, X선 형광 분석, 가스 크로마토그래프, 전자 마이크로프로브 — 에 통과시키는 일입니다. 이것이 지난 10년간 AI에 의해 가장 크게 변화한 부분입니다. 스펙트럼 해석, 피크 식별, 검량선, 품질 관리가 모두 점점 더 자동화되고 있습니다. 과거에 근무 시간의 절반을 원시 스펙트럼 해석에 쏟던 지구화학자는 이제 그 시간의 일부만 들입니다.

3단계: 해석. 분석 결과를 지질학적 이해로 번역하는 일입니다. 이 동위원소 비율이 이 암석의 연대에 대해 무엇을 의미하는가? 이 미량 원소 신호가 광상 형성 과정에 대해 무엇을 말해주는가? 이 부지의 환경 오염 신호가 의심되는 오염원과 일치하는가? 이것은 분석 데이터를 지질학적 맥락, 선행 문헌, 그리고 연구 대상 시스템에 대한 지구화학자의 이해와 통합하는, 판단이 무겁게 실린 작업입니다.

AI는 2단계를 크게 잠식했습니다. 1단계나 3단계는 거의 건드리지 못했습니다. 그 비대칭성이 바로 낮은 자동화 위험 수치를 만들어냅니다.

이 패턴은 지구화학에만 국한된 것이 아닙니다. AI 도입이 경제 전반에서 작동하는 방식을 반영합니다. According to the Anthropic Economic Index (2026), 측정된 AI 사용은 완전 자동화(업무 상호작용의 43%)보다 증강(업무 상호작용의 57%) 쪽으로 기울어 있으며, AI는 직업 전체보다 특정 업무 수준에서 적용되는 경향이 있습니다 [사실]. 지구화학은 교과서적인 사례입니다: AI는 작업의 한 단계를 거의 통째로 흡수했지만, 그 직업을 정의하는 부분인 현장과 해석 단계는 대체로 손대지 않은 채 남겨두었습니다.

41% 노출도 수치를 분해해 보면

41% 노출도는 일상 업무가 AI 도구와 얼마나 교차하는지를 측정합니다. 실제로는 다음과 같은 모습입니다.

오늘날 AI가 크게 보조하는 영역:

• 질량 스펙트럼과 크로마토그램에서의 피크 식별
• 분석 실행을 위한 검량과 품질 관리
• 지구화학 데이터베이스 검색 (문헌, 광물 데이터베이스)
• 대규모 데이터셋에서의 초기 패턴 인식 (예: 탐사 데이터에서의 이상치 탐지)
• 지질도 디지털화와 특징 추출
• 일부 형태의 작도와 시각화

자동화에 저항하는 영역:

• 현장 부지 선정과 시료 채취 전략
• 물리적 판단이 필요한 시료 전처리
• 현미경 하에서의 암석학적 해석
• 분석 데이터와 지질학적 맥락의 통합
• 비정상적이거나 예상치 못한 결과의 해석
• 비전문가(광산 임원, 규제 당국, 일반 대중)와의 소통
• 새로운 질문을 위한 분석 캠페인 설계
• 보고서와 논문 작성
• 동료 심사와 과학적 논쟁

18% 자동화 위험은 이러한 작업 중 AI 단독으로 노동자를 대체할 만큼 충분히 잘 수행될 수 있는 비율을 포착합니다. 그 수치가 낮은 이유는 유전학자의 수치가 낮은 이유와 같습니다: 과학은 판단이 무겁고, 잘못될 경우의 결과가 중대하며, 그 일은 어떤 모델도 한꺼번에 보유하지 못하는 여러 종류의 지식을 통합합니다. [추정]

현장 작업이 사라지지 않는 이유

지구과학에 종사하지 않는 사람들에게서 흔히 받는 질문이 있습니다: 이제 드론이 현장 작업 대부분을 할 수 있지 않나요? 일부는 할 수 있고, 그 영향은 실제로 있었습니다. 드론 기반 초분광 영상은 많은 곳에서 광물 탐사가 수행되는 방식을 바꿔놓았습니다. 라이다(Lidar) 측량은 어떤 현장 조사단도 보지 못했을 식생 아래의 지질학적 특징을 드러냅니다. 위성 탑재 센서는 막대한 양의 원격 탐사 데이터를 반환합니다.

그러나 대규모 선별과 지상 검증을 위한 시료 채취 사이에는 차이가 있습니다. 원격 탐사는 어떤 지역을 이상 지역으로 표시할 수 있습니다. 그 이상이 무엇인지 알려면, 누군가는 여전히 암석 망치, 노트, 그리고 시료 가방을 들고 그곳으로 가야 합니다. 분석적 신뢰의 사슬 — 위성 신호에서 광체로, 그리고 채광 타당성으로 이어지는 — 은 여전히 현장의 지구화학자를 거쳐 갑니다.

두 번째 이유: 이 분야의 의사결정이 갖는 경제적 가치는 막대하며, 그 결정에는 책임이 필요합니다. 광산 회사는 AI 단독 평가만 믿고 5억 달러짜리 프로젝트를 시작하지 않습니다. 규제 당국은 알고리즘 해석만으로 부지 정화를 승인하지 않습니다. 누군가 — 자격증과 직업적 평판을 가진 사람 — 가 서명해야 합니다. 그것은 기술적 제약이 아닙니다. 지구과학 작업에 대가가 지불되는 방식의 구조적 제약입니다.

세 번째 이유: 지구 시스템은 지저분합니다. 지구화학 데이터의 신호 대 잡음비는 가변적이며, 그 지저분한 경우들이야말로 답이 가장 중요한 경우들입니다. 깨끗한 데이터셋으로 훈련된 모델은 지구화학자가 실제로 다뤄야 하는 데이터에서 실패합니다. 모델이 틀렸을 때를 알아차리고 그것을 무효화할 수 있는 인간이 루프 안에 있어야 하며, 현재로서는 그 인간이 대체 불가능합니다.

일이 변하고 있는 지점

표면적인 수치가 회복탄력성을 시사하긴 하지만, 지구화학자 직무의 질감은 중요한 방식으로 바뀌고 있습니다.

더 큰 데이터셋, 손으로 해석하는 비율은 더 작아짐. 2015년의 전형적인 탐사 프로그램은 수천 건의 시료 분석을 산출했을 것입니다. 오늘날 같은 프로그램은 비슷한 예산으로 그 열 배를 산출할 수 있습니다. 지구화학자의 일은 더 이상 그 하나하나를 해석하는 것이 아닙니다 — 그것은 자동화되어 있습니다. 그 일은 무엇을 채취할지 설계하고, 어떤 자동 판정을 신뢰할지 결정하며, 그 결과를 시스템 모델에 통합하는 것입니다.

인접 분야와의 통합 증가. 지구화학은 점점 더 수문학, 기후과학, 환경공학, 원격 탐사와 얽혀가고 있습니다. 번창하는 지구화학자는 여러 하위 분야를 유창하게 구사할 수 있는 사람입니다.

데이터 과학 역량이 이제 기본. 파이썬 프로그래밍, 통계 모델 다루기, 재현 가능한 분석 파이프라인 구축 — 이것들은 한때 지구화학에서 변두리 기술이었습니다. 이제는 산업계의 대부분 신입과 점점 더 학계에서도 기대되는 역량입니다.

현장 캠페인의 표적화 강화. 원격 탐사가 우선순위 높은 부지를 더 큰 확신으로 식별하기 때문에, 오늘날 평균적인 현장 시즌은 더 적은 부지에 더 집중된 작업을 포함하며, 각 부지에서 더 깊은 분석을 수행합니다. 이 변화는 직무의 현장 판단 부분을 시간당 더 중요하게 만듭니다 — 덜이 아니라.

진짜 압박이 있는 곳

지구화학이 교란에 면역이라고 시사한다면 오해를 부르는 일일 것입니다. 압박은 실재하며, 이해할 가치가 있습니다.

전체적인 궤적에 대한 관점을 위해: U.S. Bureau of Labor Statistics (2025)는 지구과학자(geoscientists)의 고용이 2024년부터 2034년까지 3% 성장할 것으로 — 전체 직업 평균과 비슷한 수준으로 — 전망하며, 10년간 매년 약 2,000개의 일자리가 새로 생기고, 2024년 5월 기준 중위 연봉은 9만 9,240달러라고 보고합니다 [사실]. 이것은 호황이 아니라 안정적인 수준이며, 그 일자리의 상당수는 은퇴하거나 다른 곳으로 옮기는 노동자를 대체하는 데서 나옵니다. 핵심은 변동을 동반한 안정성이지, 대체가 아닙니다. 그 안정적인 틀 안에서, 세 가지 구체적인 압박이 일을 재편하고 있습니다.

압박 하나: 광업과 석유 업계의 통합. 광업과 에너지 회사들이 통합되면서, 생산 단위당 사내 지구화학자의 총수는 20년째 감소해 왔습니다. 이것은 직접적으로 AI 이야기가 아닙니다 — 기업 전략 이야기입니다. 그러나 AI는 더 작은 지구화학자 팀을 더 생산적으로 만들어 그 추세를 가속합니다.

압박 둘: 학계 취업 시장. 지구화학 분야의 정년 트랙 자리는 여러 해 동안 정체되거나 감소해 왔습니다. AI는 이 점에서 작은 요인입니다. 더 큰 요인은 대부분의 자연과학에 영향을 미쳐온 동일한 자금 압축입니다. 당신의 경력 계획이 학계 자리에 달려 있다면, 그 시장은 여전히 빠듯하고 경쟁이 치열합니다.

압박 셋: 일상적인 환경 시료 채취. 지구화학에서 가장 자동화하기 쉬운 구석은 일상적인 환경 규제 준수 시료 채취입니다 — 알려진 규제 한계에 대해 표준 항목을 측정하는 일입니다. 이 작업은 AI 지원 도구를 사용하는 자격이 덜 필요한 기술자가 할 수 있습니다. 당신의 경력이 주로 이 작업 위에 세워져 있다면, 다각화할 가치가 있습니다.

이것이 당신의 경력에 의미하는 바

당신이 지구화학자이거나 지구화학자가 되기 위해 훈련 중이라면, 데이터와 구조적 그림은 다음을 시사합니다.

• 현장 작업과 해석에 집중하라. 당신을 자동화 바깥에 닻 내리게 하는 직무 부분은 현장과 통합 단계에 있는 부분입니다. 당신의 포트폴리오가 이 둘 모두를 보여주도록 하십시오.
• 데이터 과학 유창성을 길러라. 소프트웨어 엔지니어가 될 필요는 없지만, 데이터셋을 정리하고, 모델을 만들고, 출판 수준의 시각화를 산출하는 파이썬 스크립트를 작성할 수 있는 지구화학자는 상용 소프트웨어에만 전적으로 의존하는 사람보다 현저히 더 고용 가능성이 높습니다.
• 지저분한 문제를 전문 분야로 삼아라. AI를 당황하게 만드는 경우는 신호 대 잡음비가 나쁘고, 지질이 복잡하고, 답이 중요한 경우입니다. 이런 경우는 인간을 필요로 하며 그에 걸맞은 대가를 지불합니다.
• 다학제적 폭을 키워라. 기후과학, 수문학, 환경공학으로 다리를 놓을 수 있는 지구화학자는 가장 수요가 높습니다. 순수 분석 전문가는 더 취약합니다.
• 규제 당국과 대중 소통 측면을 가꿔라. 보고서, 공개 증언, 동료 심사 출판, 전문가 증인 업무 — 이것들은 직무에서 자동화로부터 가장 단절된 부분입니다. 또한 종종 당신을 리더십으로 승진시키는 부분이기도 합니다.
• 일상적인 환경 규제 준수 업무를 한다면, 폭을 넓혀라. 프로젝트 관리, 규제 컨설팅, 또는 방법 개발 쪽으로 이동하십시오. 순수한 일상적 시료 측정은 가장 압박받는 영역입니다.

지구화학의 자동화 저항성에는 어딘가 시적인 데가 있습니다. 이 분야는 사람들이 행성의 화학을 대규모로 이해하고 싶어 했기 때문에 존재합니다. AI는 그 화학에 대한 데이터를 생성하는 비용을 극적으로 낮췄습니다. 그 데이터가 무엇을 의미하는가 — 지구가 어떻게 작동하는지에 대해 무엇을 말해주는가, 오염된 부지를 어떻게 할 것인가, 다음 발견을 위해 어디를 시추할 것인가 — 라는 질문은 여전히 깊이 인간적인 질문입니다. 지구화학자의 일은 그 질문을 던지고, 또 답하는 것입니다. 그 일은 어디로도 사라지지 않습니다.

작업 수준 분해는 지구화학자 직업 페이지에서 확인하세요. 관련 지구과학 직무에 대해서는, 우리 과학 카테고리 페이지가 더 넓은 분야에 걸쳐 AI 노출도가 어떻게 변화하고 있는지 추적합니다.

업데이트 이력

• 2026-05-16: 3단계 작업 분해, 현장 작업 대체 불가능성 프레임워크, 압박 분석으로 분석 확장. 경력 가이드 추가.
• 2025-09-12: 최초 게시.

_이 글은 AI 보조로 작성되어 편집팀의 검토를 거쳤습니다. 인력 동향은 미국지구과학연구소(American Geosciences Institute)의 연례 보고서에서 가져왔습니다._