방법론

여러 권위 있는 데이터 출처를 통합하여 AI의 직업 영향에 대한 종합적인 관점을 제공합니다. 새로운 연구를 지속적으로 모니터링하여 평가를 업데이트합니다.

• Massenkoff & McCrory (2026) - AI의 노동시장 영향: 실제 Claude 사용 데이터 기반 관측 노출 지표주요
• Eloundou et al. (2023) - GPTs are GPTs: 이론적 작업 노출 프레임워크 (베타 점수 0, 0.5, 1)
• Brynjolfsson et al. (2025) - 탄광의 카나리아: ADP 급여 마이크로데이터 기반 관측 고용 효과
• 미국 노동통계국 (2024) - 직업별 성장률 포함 2024-2034 고용 전망
• O*NET SOC 분류 시스템 - 모든 평가에 사용되는 표준 직업 및 작업 분류 체계

각 직업에 대한 AI의 영향을 정량화하는 4가지 주요 지표를 사용합니다. 각 지표는 AI가 업무 작업과 상호작용하는 다양한 차원을 포착합니다.

종합 노출

이론적 및 관측 노출 데이터를 종합하여 직업의 작업이 현재 AI 역량과 얼마나 겹치는지를 단일 요약 점수(0-100)로 제공하는 결합 지표입니다.

이론적 노출

학술 연구 및 역량 평가를 기반으로 AI가 잠재적으로 자동화할 수 있는 범위를 측정합니다. 주로 Eloundou et al. (2023)의 베타 작업 노출 점수에서 파생되며, 각 작업의 LLM 자동화 취약성을 평가합니다.

관측 노출

실제 사용 데이터를 기반으로 AI가 실제로 수행하는 작업을 측정합니다. O*NET 직업 과제에 매핑된 수백만 건의 Claude 대화 분석에서 파생되어 실제 도입 패턴을 반영합니다.

자동화 위험

평가 기간 내 상당한 일자리 대체 확률입니다. 노출 지표와 고용 추세 데이터, 임금 수준, 작업 대체 가능성을 결합하여 인력 감소 가능성을 추정합니다.

각 직업을 개별 작업으로 분해하고, 현재 및 근미래 AI 시스템이 각 작업을 얼마나 자동화할 수 있는지 평가합니다. 이 작업 수준 접근 방식은 전체 직업 추정보다 더 세밀한 인사이트를 제공합니다.

작업 수준 분해

O*NET의 상세 업무 활동(DWA)을 사용하여 각 직업을 구성 작업으로 분해합니다. 전체 직업에 대한 일괄 판단 대신 각 작업을 독립적으로 평가합니다.

베타 점수 방법론

Eloundou et al. (2023)에 따라 각 작업에 베타 점수를 부여합니다: 0 (노출 없음), 0.5 (인간 감독 하 부분 노출), 1 (AI 자동화에 완전 노출). 이 점수를 집계하여 직업 수준 지표를 산출합니다.

시계열 구성 (2023-2028)

2023-2025년 실측 데이터와 2026-2028년 추정 전망을 사용하여 시계열 데이터를 구성합니다. 모든 시각화에서 실선과 점선으로 실측 데이터와 추정치를 명확히 구분합니다.

전망 방법론

2026-2028년 미래 추정치는 관측된 추세율, 발표된 AI 역량 개선, BLS 고용 전망을 기반으로 합니다. 모든 전망 값은 추정치로 명확히 표시됩니다.

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

표본 크기

관측 노출 데이터는 수백만 건의 Claude 대화를 기반으로 하며, 고빈도 사용 직업에 대해 견고한 통계적 커버리지를 제공합니다. 그러나 드문 직업은 표본 크기가 작고 신뢰 구간이 넓을 수 있습니다.

지리적 및 직업 커버리지

현재 55개 직업을 다루며 200개 이상으로 확대할 계획입니다. 데이터는 주로 미국 노동시장과 영어 기반 AI 상호작용을 반영하므로 글로벌 패턴을 완전히 대표하지 못할 수 있습니다.

업데이트 빈도

새로운 연구 발표나 데이터 공개 시 핵심 지표를 업데이트합니다. BLS 전망은 매년 업데이트됩니다. 관측 노출 데이터는 Anthropic의 새로운 분석이 발표될 때 업데이트됩니다.

이론적 vs. 관측 격차

이론적 노출(AI가 할 수 있는 것)과 관측 노출(AI가 실제로 하는 것) 사이에는 종종 상당한 격차가 있습니다. 도입 장벽, 규제 제약, 조직 관성으로 인해 실제 AI 영향은 일반적으로 기술적 역량보다 뒤처집니다.

주요 데이터 업데이트 및 방법론 변경 사항의 투명한 기록을 유지합니다.

모든 데이터 포인트는 원본 출처와 연결됩니다. 투명성과 독립적 검증을 위해 전체 인용 정보를 제공합니다. 아래 전체 참고문헌 목록을 확인하세요.