세계은행: MENAAP 일자리 AI 자동화 위험 10% 미만, 보완 가능 13~20%

중동·북아프리카·아프가니스탄·파키스탄(MENAAP) 지역에서 생성형 AI에 의한 단기 자동화 위험에 놓인 일자리는 10% 미만이고, AI로 생산성이 높아질 수 있는 일자리는 13~20%다. 세계은행 MENAAP 수석이코노미스트실이 10월 7일 낸 2026년 10월 지역 경제 업데이트 「From Divide to Opportunity: AI, Jobs, and Growth」의 노동시장 결론이다. 데이터 기준일은 2026년 9월 24일이다.

세 가지 발견

1. 낮은 자동화 위험은 육체노동 비중에서 나온다. [사실] 약 3만 개 과업을 채점한 ILO·폴란드 NASK 노출 지수로 보면 자동화 위험은 일자리의 0~10%로, 요르단과 아랍에미리트가 가장 높고 아프가니스탄과 파키스탄이 가장 낮다. 보완(증강) 비중은 이라크와 레바논이 가장 큰데, 판매직과 기계 조작원 비중 때문이다. 업종별로는 상업이 보완 가능성이 가장 크고 농업·건설은 대부분 노출되지 않는다. 보고서는 낮은 위험이 저생산성 직업에 노동력이 몰려 있다는 뜻이기도 하다고 덧붙였다.

2. 온라인 프리랜서는 이미 영향을 받고 있다. [사실] 이집트와 파키스탄은 주요 온라인 작업 플랫폼의 5대 공급국에 속한다. 2022년 1월~2024년 12월 AI 대체 가능성이 가장 높은 상위 4분위 기술에서, MENAAP 노동자가 완료한 일감의 금액은 하위 4분위 대비 9.8%, 건수는 5.6% 줄었다. 활동 노동자 수는 5.8%, 처음 진입한 노동자 수는 12.1% 감소했다. [추정] 신규 진입 감소폭이 기존 노동자 감소폭의 약 2배로, 저자들은 AI가 신참부터 밀어낸다고 해석한다. 이 기술 분야 노동자는 일감 수는 줄었지만 건당 수입은 늘었고, 새 기술을 6% 더 빠르게 추가했다.

3. 걸프 국가가 가져가는 몫은 작다. [사실] Claude 대화 데이터로 만든 노동비용 환산치(그 대화가 처리하는 과업을 사람에게 맡겼을 때의 비용)는 전 세계 고소득국에서 GDP의 약 4.2%다. 이 지역 고소득 걸프 경제에서는 1.1%, 중소득 경제에서는 0.4%다. [추정] 걸프 경제는 세계 같은 소득군이 얻는 비율의 약 4분의 1만 가져가는 셈이다. 국가 안에서 첫 수혜자는 소프트웨어 엔지니어, 데이터 분석가, 변호사 같은 고임금 전문직이다.

도입이 얕은 이유

[사실] 요르단에서는 조사 대상 기업의 24%가 AI를 일부 쓰지만, 의사결정 지원이나 업무 자동화에 쓰는 곳은 5% 미만이다. 지역 전체로 보면 실물자본에 투자하는 기업은 24%, 정식 직원 교육을 하는 기업은 19%로, 다른 개발도상국의 37%·30%보다 낮다. 5억 명 이상이 쓰는 아랍어는 전 세계 URL의 0.7%, 우르두어는 0.03%에 그친다. 모델은 아랍어 방언에서 정확도가 떨어지는데, 콜센터와 서비스 업무 대부분이 방언으로 이뤄진다. 팔레스타인 노동부가 운영하는 구직 매칭 플랫폼 JobMatch.ps는 첫 모델을 주로 유럽 노동시장 데이터로 학습시켜 정확도가 낮았다.

[사실] 분석한 7개 경제 모두에서 도시 거주자와 대졸자의 노출도가 더 높고, 파키스탄의 대졸자가 가장 높다. 이집트, 이란, 모로코, 파키스탄, 요르단강 서안·가자에서는 노출도가 높은 사무직·ICT 직업이 공공부문에 많이 몰려 있다.

해당 직업

파키스탄의 Claude 사용은 그래픽 디자인, 콘텐츠 제작, 번역에 집중돼 있고 보고서는 이를 프리랜서 플랫폼 작업과 연결한다. 이집트는 소프트웨어에 집중돼 있다. 따라서 통역사·번역가와 소프트웨어 개발자가 이 근거에 가장 가깝다. 방언 문제는 고객 서비스 상담원에게 해당한다. 상업의 보완 가능성은 소매 판매원에게 적용된다.

준비할 것

• 프리랜서: 기술 구성을 넓힌다. ChatGPT 이후 새 기술을 추가한 노동자가 줄어든 일감을 더 잘 메웠고, 고객은 복잡한 과업에 계속 더 높은 값을 냈다.
• 신규 진입자: 대체 가능 구간보다 위에서 시작한다. 대체 가능성이 가장 높은 기술로의 진입은 전체 참여보다 2배 빠르게 줄었다.
• 이중 언어·방언 역량은 가치가 있다. 모델은 현대 표준 아랍어를 방언보다 잘 처리하므로, 현지 언어 서비스 업무는 넘기기 어렵다.

한계

ILO-NASK 점수는 폴란드 과업 데이터에서 나왔고 모든 나라의 과업 내용이 같다고 가정하며, 세계은행은 이를 보정하면 저소득국 점수가 더 낮아진다고 적었다. 노동비용 환산치는 전체 노동력보다 학력이 높을 수 있는 Claude 사용자를 기반으로 하고 임금과 고용을 고정한다. 온라인 작업 결과는 2024년 12월에 끝나는 한 시기의 플랫폼 데이터다.

출처

• World Bank, "Middle East, North Africa, Afghanistan and Pakistan Economic Update, October 2026: From Divide to Opportunity - AI, Jobs, and Growth", 2026년 10월 7일: https://documents.worldbank.org/curated/en/099116410062615883
• World Bank, 같은 보고서의 차트 부록, 2026년 10월 21일: https://documents.worldbank.org/curated/en/099826110212613588

이 분석에 대해

이 글은 AI의 도움을 받아 보고서 전문(제2장과 요약)을 바탕으로 작성했다. 보고서는 CC BY 3.0 IGO로 공개됐다. [추정]으로 표시한 두 수치는 보고서 수치로 우리가 계산한 것이다. 이 번역은 세계은행이 작성한 것이 아니며 세계은행 공식 번역으로 간주해서는 안 된다.