2023년 샌드라 엘룬두(Tyna Eloundou) 등이 발표한 논문 'GPTs are GPTs'는 미국 노동자의 80%가 LLM(거대언어모델)에 업무 노출되어 있으며, 19%는 전체 업무의 절반 이상이 영향을 받을 것으로 추정했다. 이러한 수치는 IMF, OECD 보고서를 비롯해 미국 상원 법안 마련 등에 핵심 근거로 사용되어 왔다. 하지만 Cohere 연구진은 당시 2023년 기술 역량에 기반해 산출된 정적인 노출 지표를 현재 노동 시장 의사결정에 적용하는 것이 상당한 오류를 낳고 있다고 비판했다.

기존 지표의 한계는 명확하다. 우선 2023년 모델과 현재의 AI 성능 차이로 인해 26% 포인트의 격차가 발생했다. 또한, 분석에 사용된 ONET(미국 노동부의 직무 분류 체계)이 국가별 노동 시장 특성을 반영하지 못한다는 지적도 있다. 무엇보다 업무를 단순한 항목의 나열로만 간주해 전문적인 판단력, 직장 내 인간관계, 상황적 맥락과 같은 인간 고유의 요소를 배제했다는 점이 문제로 꼽힌다. 이러한 데이터의 한계는 2026년 이후를 대비하는 정책 결정 과정에서 더욱 증폭될 위험이 있다.

이에 연구진은 보다 동적인 측정 도구를 개발하고 있다. 최신 접근 방식은 AI 역량 평가와 실제 고용 데이터를 연계하는 형태다. 실제로 노출 지표가 10점 상승할 때마다 고용률이 5.6%에서 8.5% 포인트 하락한다는 연구 결과가 도출되기도 했다. 또한, 다양한 분석 체계를 결합하고 업무의 순차적 연관성을 검토하는 등 보다 정교한 예측 방법론이 논의되고 있다.

연구진은 노출 지표를 확정적인 예측치가 아닌 하나의 참고 신호로 활용해야 한다고 강조했다. 정책 입안자들은 노동자 보호 체계와 재교육 인프라를 강화하는 동시에, 노동자를 파트너로서 존중해야 한다. 또한 기술 발전 속도에 맞춰 진화하는 측정 도구를 도입하고, 노동자가 자동화를 원치 않는 업무를 고려하는 등 노동자 중심의 분석 방식을 통합할 필요가 있다.

2023년 샌드라 엘룬두(Tyna Eloundou) 등이 발표한 논문 'GPTs are GPTs'는 미국 노동자의 80%가 LLM(거대언어모델)에 업무 노출되어 있으며, 19%는 전체 업무의 절반 이상이 영향을 받을 것으로 추정했다. 이러한 수치는 IMF, OECD 보고서를 비롯해 미국 상원 법안 마련 등에 핵심 근거로 사용되어 왔다. 하지만 Cohere 연구진은 당시 2023년 기술 역량에 기반해 산출된 정적인 노출 지표를 현재 노동 시장 의사결정에 적용하는 것이 상당한 오류를 낳고 있다고 비판했다.

기존 지표의 한계는 명확하다. 우선 2023년 모델과 현재의 AI 성능 차이로 인해 26% 포인트의 격차가 발생했다. 또한, 분석에 사용된 ONET(미국 노동부의 직무 분류 체계)이 국가별 노동 시장 특성을 반영하지 못한다는 지적도 있다. 무엇보다 업무를 단순한 항목의 나열로만 간주해 전문적인 판단력, 직장 내 인간관계, 상황적 맥락과 같은 인간 고유의 요소를 배제했다는 점이 문제로 꼽힌다. 이러한 데이터의 한계는 2026년 이후를 대비하는 정책 결정 과정에서 더욱 증폭될 위험이 있다.

이에 연구진은 보다 동적인 측정 도구를 개발하고 있다. 최신 접근 방식은 AI 역량 평가와 실제 고용 데이터를 연계하는 형태다. 실제로 노출 지표가 10점 상승할 때마다 고용률이 5.6%에서 8.5% 포인트 하락한다는 연구 결과가 도출되기도 했다. 또한, 다양한 분석 체계를 결합하고 업무의 순차적 연관성을 검토하는 등 보다 정교한 예측 방법론이 논의되고 있다.

연구진은 노출 지표를 확정적인 예측치가 아닌 하나의 참고 신호로 활용해야 한다고 강조했다. 정책 입안자들은 노동자 보호 체계와 재교육 인프라를 강화하는 동시에, 노동자를 파트너로서 존중해야 한다. 또한 기술 발전 속도에 맞춰 진화하는 측정 도구를 도입하고, 노동자가 자동화를 원치 않는 업무를 고려하는 등 노동자 중심의 분석 방식을 통합할 필요가 있다.