고객 서비스 담당자
사무 및 행정 지원AI 노출도
- 데이터 출처: BLS발행 시점: '26.08
매우 높음· 상대
낮음4단계 상대 범주매우 높음직업군 단위 값
척도 · 모수 · 출처
4단계 상대 범주 (낮음 / 보통 / 높음 / 매우 높음)
BLS 고용전망 표의 세부직업 831개 기준. 값은 NEM(전국고용매트릭스) 코드 단위로 부여되므로, 같은 NEM 코드를 쓰는 직업은 같은 밴드를 받습니다
- 데이터 출처: Anthropic발행 시점: '26.03
0.701
0.000여기 실린 값의 범위0.745척도 · 모수 · 출처
- 데이터 출처: ILO발행 시점: '25
0.58
0.09여기 실린 값의 범위0.70직업군 단위 값
척도 · 모수 · 출처
생성형 AI 노출 지수, 발행된 그대로 0–1
ISCO-08 직업군 단위 — 같은 코드를 쓰는 직업은 모두 같은 값
본 사이트 산출이며 ILO가 발행한 수치가 아닙니다. 본 사이트가 ILO 데이터셋에 연결한 직업 1,012개 가운데 이 값 이상인 직업이 5%입니다.
이 원천이 어떤 종류의 값인가
BLS 범주는 절대 수준이 아니라 상대 순위이며, 1차 측정도 아닙니다. 여러 선행 연구가 매긴 직업별 백분위 순위를 4단계로 묶은 값입니다. 고용·임금 예측도, 도입 확률도 아니며 자동화와 증강을 구분하지 않습니다.
작업별 노출도
숨긴 작업 9개 보기| 작업 | Claude.ai원천값 / 비중 % | API원천값 / 비중 % |
|---|---|---|
제품이나 서비스에 관한 정보를 제공하고, 주문을 받거나 입력하고, 계정을 해지하거나, 불만 사항의 세부 내용을 수집하기 위해 전화나 대면으로 고객과 협의한다.Confer with customers by telephone or in person to provide information about products or services, take or enter orders, cancel accounts, or obtain details of complaints. 43-4051 | 0.060085.7 | 0.020028.6 |
문의에 답변하거나, 청구 조사 결과나 예정된 조정 사항을 알리기 위해 고객에게 연락한다.Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments. 43-4051 | 0.010014.3 | 0.030042.9 |
신규 또는 추가 서비스나 제품의 판매를 권유한다.Solicit sales of new or additional services or products. 43-4051 | 0.00000.0 | 0.010014.3 |
해결되지 않은 고객 불만을 추가 조사를 위해 지정 부서로 넘긴다.Refer unresolved customer grievances to designated departments for further investigation. | —0 | 0.010014.3 |
이 탭의 값은 관측이 아니라 예측 라벨입니다. Eloundou et al.(2023)은 인간 평가자와 GPT-4 두 평가 기준을 공개했고, 이 표의 β는 그중 GPT-4 평가 기준 하나로만 유도한 값입니다 — 평가 기준이 다르면 같은 태스크라도 값이 달라질 수 있습니다. 다른 탭의 관측 비중(%)과는 단위도 의미도 다르니 같은 축에 놓고 비교하지 마세요.
| 작업 | βE1 + 0.5 × E2 |
|---|---|
컴퓨터로 계약 양식을 작성하고 주소 변경 기록을 만들거나 서비스 중지 명령을 발행한다.Complete contract forms, prepare change of address records, or issue service discontinuance orders, using computers. O*NET 태스크 ID 2584 | 1.0 |
이의가 제기된 상품을 원래 청구서와 송장 정보와 비교하고 반품 상품의 송장을 작성한다.Compare disputed merchandise with original requisitions and information from invoices and prepare invoices for returned goods. O*NET 태스크 ID 2589 | 1.0 |
문의·불만·의견 내용과 취한 조치를 적어 고객 상호작용이나 거래 기록을 관리한다.Keep records of customer interactions or transactions, recording details of inquiries, complaints, or comments, as well as actions taken. O*NET 태스크 ID 2578 | 0.5 |
상품 교환·환불·요금 조정 같은 활동을 수행해 고객의 서비스나 청구 관련 불만을 해결한다.Resolve customers' service or billing complaints by performing activities such as exchanging merchandise, refunding money, or adjusting bills. O*NET 태스크 ID 2579 | 0.5 |
고객 문제를 해결하기 위한 적절한 변경이 이뤄졌는지 확인한다.Check to ensure that appropriate changes were made to resolve customers' problems. O*NET 태스크 ID 2580 | 0.5 |
문의에 답변하거나, 청구 조사 결과나 예정된 조정 사항을 알리기 위해 고객에게 연락한다.Contact customers to respond to inquiries or to notify them of claim investigation results or any planned adjustments. O*NET 태스크 ID 2581 | 0.5 |
해결되지 않은 고객 불만을 추가 조사를 위해 지정 부서로 넘긴다.Refer unresolved customer grievances to designated departments for further investigation. O*NET 태스크 ID 2582 | 0.5 |
요청된 서비스의 요금을 결정하고, 예치금이나 대금을 수납하거나 청구를 준비한다.Determine charges for services requested, collect deposits or payments, or arrange for billing. O*NET 태스크 ID 2583 | 0.5 |
민원의 타당성을 평가하고 공과금을 늘릴 수 있는 극한 기상 같은 가능한 원인을 판단하기 위해 관련 정보를 모두 수집해 조사한다.Obtain and examine all relevant information to assess validity of complaints and to determine possible causes, such as extreme weather conditions that could increase utility bills. O*NET 태스크 ID 2585 | 0.5 |
신규 또는 추가 서비스나 제품의 판매를 권유한다.Solicit sales of new or additional services or products. O*NET 태스크 ID 2586 | 0.5 |
β = E1 + 0.5 × E2 · E1 = LLM에 직접 접근하는 것만으로 소요시간이 50% 이상 줄어드는 태스크, E2 = LLM 위에 별도 소프트웨어를 얹으면 50% 이상 줄어드는 태스크. 값은 0 / 0.5 / 1.0 세 단계뿐입니다.
데이터 출처·라이선스 — O*NET®, Anthropic Economic Index, Eloundou et al. (2023): 상세 고지는 크레딧 및 출처 페이지 참조
직업 정보
이 직업과 관련된 최근 변화
2026년 6월: ADP 리서치가 AI 고노출 직업 사례로 지목. 그룹 단위 급여 데이터에서 고노출 직업 고용은 전년 대비 0.2% 감소, 22~25세는 4.3% 감소(33개월 연속). 해당 비율은 이 직업 단독이 아니라 고노출 그룹 전체 수치입니다.
[출처: ADP Research, Canaries Dashboard (June 2026)]2026년 5월: 앤트로픽 관측 노출도: high (zero->observed gap small). 단순한 소프트웨어 파이프라인과 낮은 통합 비용으로 관측 노출도 높음.
[출처: Anthropic Economic Research (Massenkoff & McCrory, 2026)]2026년 4월: NBER 6,000명 경영진 설문: 69%가 AI 도입했으나 90%는 고용 영향 제로. 향후 3년 -0.7% 고용 감소 예측.
[출처: NBER Working Paper 34836]