AI가 바꾸는 사무 업무

‘AI 때문에 사라질 직업’이라는 질문을 내 업무에 대입하려면 한 단계 더 잘게 나눌 필요가 있습니다. 직업 하나는 서로 다른 여러 작업으로 이루어져 있기 때문입니다.

노출도는 무엇을 뜻할까

국제노동기구의 2025년 연구는 직업을 구성하는 작업을 살펴 생성형 AI의 잠재적 영향을 평가했습니다. 사무 지원 직군의 노출도가 높게 나타났지만, 많은 직업에는 사람이 해야 할 작업이 남아 있어 직업의 변화가 중요한 경로라고 설명합니다.

Anthropic의 2026년 연구도 기술적 가능성과 실제 사용을 나눕니다. Claude 사용 자료 등을 활용한 분석에서 프로그래머, 고객상담원, 데이터 입력 업무 등의 노출도가 높게 나타났습니다. 특정 서비스의 사용 자료를 포함한 지표라는 점까지 함께 읽어야 합니다.

업무를 나누어 보는 예시

아래 표는 설명을 위한 업무 분해 예시입니다. 각 작업의 실제 자동화율이나 특정 직종의 미래 고용을 측정한 표는 아닙니다.

업무 영역	도구 활용을 검토할 작업	사람이 확인할 부분
문서 작성	자료 정리와 초안	사실·맥락·출처의 정확성
고객 응대	반복 질문의 답변 초안	예외 상황과 최종 처리 책임
자료 입력	문서에서 항목 추출	누락·오인식·원자료 대조
개발 업무	코드 초안과 테스트 제안	요구사항·보안·실제 동작

도구가 초안을 빨리 만들었다고 업무 전체가 끝난 것은 아닙니다. 반대로 모든 단계를 사람이 기존 방식으로 유지해야 한다는 뜻도 아닙니다. 어떤 단계에서 시간을 줄이고, 어느 단계에서 검증이 필요한지 적어 보는 것이 첫걸음입니다.

사라짐과 변화를 구분하기

기술이 어떤 일을 할 수 있다는 사실만으로 그 직업의 채용이 줄었다고 결론 내릴 수는 없습니다. Anthropic 연구도 노출도가 높은 근로자에게 체계적인 실업 증가를 확인하지 못했으며, 젊은 층의 채용 둔화에 관해서는 잠정적인 신호를 보고했습니다.

도입 비용, 조직의 업무 배분, 법적 책임과 검증 절차 등도 실제 변화에 영향을 줍니다. 직무의 이름보다 그 안의 작업과 책임을 살펴야 하는 이유입니다.

내 업무를 점검하는 질문

• 자주 반복하지만 규칙이 명확한 작업은 무엇인가요?
• 결과를 맞다고 판단하려면 어떤 원자료가 필요한가요?
• 오류가 나면 누가 확인하고 수정해야 하나요?
• 민감한 자료를 입력해도 되는지 조직의 기준이 있나요?
• 도구를 썼을 때 검증 시간을 포함해 실제 시간이 줄었나요?

이 질문들은 연구 결과를 업무에 적용하기 위한 편집부의 제안입니다. ‘안전한 직업’을 단정하는 목록 대신, 내가 하는 일을 설명하고 점검할 수 있는 목록으로 활용해 보세요.