방법론

아래 문헌은 이 사이트에 표시된 수치의 배경이 되는 자료에 속하며, AI 노출도를 설명할 때 참고하는 문헌도 함께 실었습니다. 값은 각 발행 기관이 부여한 값 그대로 싣습니다. 표시는 현지화됩니다 — 예컨대 어떤 발행 기관이 값을 수가 아니라 낱말 범주로 표현한 경우, 화면에 보이는 표현은 그 범주를 페이지 언어로 옮긴 것입니다. 현지화는 값이 어떻게 적히는지를 바꿀 뿐, 그 발행 기관이 부여한 값 자체를 바꾸지 않습니다. 데이터셋 귀속과 라이선스는 크레딧 및 출처 페이지에 있습니다.

• Massenkoff & McCrory (2026) - AI의 노동시장 영향참고
• Eloundou et al. (2023) - GPTs are GPTs: 이론적 업무 노출도 프레임워크
• Brynjolfsson et al. (2025) - Canaries in the Coal Mine: ADP 급여 마이크로데이터로 측정한 고용 효과
• 미국 노동통계국(U.S. Bureau of Labor Statistics) - 고용 전망 2025-2035
• O*NET SOC 분류 체계 - 표준화된 직업 및 업무 분류

아래에서 설명하는 수치는 외부 발행 기관의 값을 다시 싣는 것이며, 각 수치는 표시되는 자리에서 출처를 밝힙니다. 직업 페이지에 순위·비중·발행된 범위 안의 위치가 표시될 때, 그 값은 새로운 측정치가 아니라 발행 기관 자신의 값들 사이의 관계를 나타냅니다 — AI Changing Work는 자체 측정치를 발행하지 않습니다. 이 절에서는 아래 지표들을 발행 기관의 정의 그대로 설명합니다.

OpenAI "GPTs are GPTs" — 베타(β)

β = 직접 노출(E1) + 0.5 × 도구 활용 시 노출(E2), 원본 저장소의 정의를 따릅니다. 직업 단위로는 저자들이 공개한 두 가지 평가 방식(인간 평가자, GPT-4 평가자)을 함께 표시하고, 과업 단위로는 β ≥ 0.5 인 과업의 비율을 표시합니다. 값은 공개된 그대로 0–1 이며, 표시할 때만 백분율로 변환합니다.

Anthropic Economic Index — 관측 노출도

이론적 노출 지표에 실측된 Claude 사용량을 가중한 값으로, 원 보고서의 정의를 따릅니다. 해당 데이터셋이 공개된 시점에 관측된 사용 현황을 나타냅니다. 과업 단위 침투율도 함께 표시합니다 — 해당 직업의 과업 중 사용이 관측된 개수와 그 평균입니다. 값은 공개된 그대로 0–1 입니다.

Anthropic의 2030년 경제 시나리오(워킹페이퍼 2026-02, 2026년 9월)는 AI가 일에 얼마나 닿는지를 가늠하는 출발점으로 이 관측 노출 지표를 썼습니다. 논문이 보고한 평균은 지식노동 직업 0.22, 그 밖의 직업 0.01입니다. 시나리오 보기 (Anthropic)

미국 노동통계국 — 고용전망 2025–35

고용·중위 임금·증감률은 BLS 고용전망 2025–35(Table 1.2)에서 전재한 값이며, 이는 퍼블릭 도메인인 연방정부 간행물입니다. 개별 직업명이 아니라 SOC 직업군 단위 수치이므로 같은 SOC 코드를 공유하는 직업은 동일한 값을 갖습니다. 고용은 천 명 단위로 공표됩니다.

미국 노동통계국 — AI 상대 노출 밴드

미국 노동통계국은 자국 고용 매트릭스(NEM)의 각 직업을 Low·Moderate·High·Very high 네 개의 상대 밴드 중 하나에 넣어 고용전망 2025–35과 함께 발행합니다. 이 밴드는 그 표에 실린 직업들 사이의 순위 위치이며, 수준값도, 도입 확률도, 고용 전망도 아니고, 자동화와 보강을 구분하지도 않습니다. 또한 노동통계국 자신의 1차 측정이 아닙니다 — 앞서 발행된 여러 연구에서 직업별 백분위 순위를 가져와 네 밴드로 묶은 값입니다. 그 연구 중 둘은 이 사이트가 이미 싣고 있는 데이터셋과 같은 계열이므로, 이 밴드와 그 수치들은 서로 독립적이지 않습니다. 밴드 라벨은 노동통계국이 쓴 그대로를 페이지 언어로 옮겨 싣고, 노동통계국이 발행하지 않는 순서 번호는 화면에 올리지 않습니다. 이 밴드는 개별 직업명이 아니라 NEM 코드 단위로 부여되며, 한 NEM 코드가 이 사이트의 여러 직업을 덮을 수 있습니다. 따라서 같은 NEM 코드를 쓰는 직업은 같은 밴드를 받습니다.

AI Changing Work는 자체 노출도·위험도·자동화 점수를 일절 산출하지 않습니다. 원천 데이터셋이 해당 직업을 다루지 않는 경우, 대체 수치를 넣지 않고 미포함 사실을 표시합니다.

직업은 개별 과업 단위로 기술합니다. 공개된 노출 데이터셋 자체가 직업 전체가 아니라 과업을 평가하기 때문입니다. 이 절에서는 그 외부 평가를 이 사이트의 직업에 어떻게 연결하는지 설명합니다.

작업 수준 분해

각 직업을 구성 과업으로 분해해, 원천 데이터셋의 과업 단위 평가를 연결할 수 있게 합니다. 과업 목록은 O*NET에서, 거기에 연결되는 평가값은 외부 데이터셋에서 오며 수정하지 않습니다.

외부 노출 지표

직업·과업 노출 값은 공개된 연구 데이터셋에서 그대로 옮긴 것입니다: Anthropic Economic Index (CC BY 4.0), OpenAI "GPTs are GPTs" exposure rubric (MIT License), ILO Working Paper 140 (CC BY 4.0) 및 BLS AI exposure categories (Public domain (17 U.S.C. §105)). 원천 값은 각 발행 기관이 부여한 값 그대로 싣습니다. AI Changing Work는 그 값을 재척도화·재가중·재분류하거나 섞지 않으며, 자체 노출 점수도 산출하지 않습니다. 저희는 O*NET 직업·과업 코드로의 매핑을 수행하며, 데이터셋에 없는 직업은 점수를 부여하지 않고 미포함으로 표시합니다. 표시는 현지화됩니다 — 예컨대 어떤 발행 기관이 값을 수가 아니라 낱말 범주로 표현한 경우, 화면에 보이는 표현은 그 범주를 페이지 언어로 옮긴 것입니다. 현지화는 값이 어떻게 적히는지를 바꿀 뿐, 그 발행 기관이 부여한 값 자체를 바꾸지 않습니다.

고용전망

고용·임금·증감률 수치는 미국 노동통계국 고용전망 2025–35 (Table 1.2)에서 전재한 값이며, 연방정부 저작물로 퍼블릭 도메인입니다. SOC 직업군 단위 값이므로 같은 SOC 코드를 공유하는 직업은 동일한 수치를 갖습니다. 저희가 자체 산출한 고용전망은 없습니다.

한계에 대한 투명성은 책임 있는 분석에 필수적입니다. 데이터를 해석할 때 다음 요소를 고려하시기 바랍니다.

기반 표본 없음

저희 수치는 측정된 표본에서 도출한 것이 아닙니다. 뒷받침하는 설문, 텔레메트리, 패널이 없으므로 신뢰구간을 제시할 수 없습니다. 이 사이트의 모든 숫자를 검증되지 않은 추정치로 보시기 바랍니다.

지리적 및 직업 커버리지

커버리지는 원천 데이터셋에 따라 제한됩니다. 목록의 1,048개 직업 가운데 일부는 노출 데이터셋 가운데 하나 이상에 없으며, 그 데이터셋의 수치는 표시하지 않습니다. 기반 데이터는 주로 미국 노동시장과 영어 기반 AI 사용을 반영하므로 전 세계 양상을 대표하지 않을 수 있습니다.

업데이트 빈도

지표는 저희가 자체 분석을 다시 수행할 때 개정됩니다. 외부 데이터 제공자로부터 자동 업데이트를 받지 않습니다.

이론적 vs. 관측 격차

노출도는 도입률이 아닙니다. 원천 데이터셋은 과업이 얼마나 노출되어 있는지, 또는 집계 시점에 얼마나 사용이 관측되었는지를 측정합니다. 도입 장벽·규제·조직 관성 때문에 현실의 변화는 대개 기술적 역량보다 늦습니다. 또한 수치는 각 데이터셋이 공개된 시점을 나타내며 오늘의 상태가 아닙니다.

주요 데이터 업데이트 및 방법론 변경 사항의 투명한 기록을 유지합니다.

여기 열거한 문헌은 이 사이트 수치의 배경이 되는 출처와 보조 참고 문헌에 속합니다. 직업 페이지의 각 수치는 어느 데이터셋에서 왔는지 함께 표시합니다.