Bick et al. (2026) · 가능한 일과 실제 쓰는 일 사이
대표성 있는 미국 노동자 과업별 설문 · NBER Working Paper 35677
1. 논문 소개
Alexander Bick, Adam Blandin, David J. Deming, Tyler R. Schumacher는 사람들이 실제 업무의 어떤 과업에 생성형 AI를 쓰는지 조사했다. 이 연구는 기술이 할 수 있다고 예측되는 일과 노동자가 실제로 쓰고 있다고 보고한 일을 비교할 자료를 만든다. 논문은 2026년 8월에 공개된 NBER Working Paper 35677이다. 논문 첫머리에는 이 글이 토론을 위해 공개하는 워킹페이퍼라고 적혀 있다.[1]
연구자들은 Real-Time Population Survey에서 응답자의 직업과 세부 과업을 연결했다. 2025년 8월부터 2026년 5월까지 네 조사 차수에 걸쳐 직업별 주요 과업을 보여 주고, 응답자가 정기적으로 하는 과업과 그중 생성형 AI의 도움을 받은 과업을 물었다. 5주에는 도입 관행의 차이를 다루었다. 이번 주에는 현재 AI를 쓰는 범위와 사업 확장을 위한 준비를 어떻게 구분할지 다룬다.[1]
2. 논문의 주요 내용과 이론
연구자들은 O*NET 자료를 바탕으로 응답자 직업의 중요한 활동 열 개를 제시했다. 과업별 사용률은 그 활동을 실제로 하는 사람 가운데 생성형 AI를 쓰는 사람의 비율이다. 어떤 AI 서비스에 대화가 많이 기록되었는지와 노동자가 특정 직업 목적으로 AI를 쓰는지는 서로 다른 분모로 계산된다. 그래서 사용률을 읽을 때는 어떤 활동을 하는 사람을 기준으로 계산했는지 확인해야 한다.[1]
결과를 보면 생성형 AI 사용은 여러 직업과 과업에 넓게 퍼져 있다. 그러나 대부분의 과업에서 AI를 쓰는 사람은 그 과업 수행자의 절반 미만이다. 같은 종류의 일을 하는 노동자 사이에서도 사용 정도의 차이가 크다. 그림 6은 직업별, 과업별 사용률의 분포를 보여 준다. 이 분포를 보면 모든 직원이 같은 속도로 AI를 쓰기 시작하고 같은 범위에서 활용한다는 가정은 다시 검토해야 한다.[1]

Bick et al. · 그림 6: 직업과 과업별 AI 사용의 차이
왼쪽은 직업별, 오른쪽은 상세 과업별 AI 사용률 분포다. 가로축은 사용률이고 세로축은 가중 분포다. 직업은 사람 수로, 과업은 관측 수로 가중했으며, 최소 관측 수 기준을 적용했다. 기술적으로 가능한 일을 평가한 점수와 실제 사용률은 서로 다른 자료이므로 각각 확인한다.
원문 Figure 6 · PDF 17쪽. 학술 해설을 위한 부분 도판 인용. 원저작물의 권리는 권리자에게 있다.
원문 그림 영역 발췌 · 한국어 해설은 수업에서 작성.
노출 점수는 어떤 직업이나 과업이 기술의 영향을 얼마나 받을지 예측한 값이다. 노출 점수는 사용 차이의 일부를 설명하지만 전부를 설명하지 못한다. 그림 7과 8은 직업 수준과 과업 수준에서 노출 예측과 실제 사용을 비교한다. 논문은 책임, 자료 보호, 자율성 같은 조건을 사용 차이에 대한 가능한 해석으로 논의한다. 이 조건들을 사용 차이의 원인으로 확정한 실험 결과처럼 읽어서는 안 된다.[1]
AI 플랫폼의 대화 기록을 바탕으로 과업을 분류한 결과와 설문으로 측정한 결과도 서로 다르다. 논문은 대화 문구만으로는 사용자의 직업 목적을 알기 어려워서, 대화 기록 방식이 사용을 일반적인 활동 범주로 몰아서 분류할 수 있다고 분석한다. 설문은 응답자가 스스로 알고 있는 사용만 잡아낸다. 또 직업별 주요 활동 열 개만 묻기 때문에 측정 범위가 제한된다. AI 도입 지표만으로 생산성, 안전, 조직의 준비 정도 전체를 직접 계산할 수는 없다.[1]
3. AI 에이전트 시대의 시사점
사업 확장을 검토할 때는 팀의 AI 사용률과 함께 어느 과업에서 어떻게 쓰는지도 물어야 한다. 초안을 많이 만드는 부서라도 근거 확인과 고객 대응에는 다른 지원이 필요할 수 있다. 이 제안은 과업별로 측정하는 연구의 방식을 조직의 준비 점검에 적용한 수업의 해석이다. 과업마다 실제로 무엇을 수행했고 어떤 책임이 남았는지 따로 기록할 수 있다.
다른 조직의 도입 소식으로 자기 조직의 준비 정도를 추론하려면 두 조직의 조건을 비교해야 한다. 자료 접근, 교육, 승인 절차, 고객이 지는 위험, 지원 인력이 같은지 확인한다. 현재 사용 정도의 차이는 어디에서 문제를 확인해야 하는지 알려 줄 수 있다. 하지만 이 설문은 직원의 확장 불안이나 시간 압박의 원인을 직접 검증하지 않았다. 그렇게 설명하려면 근거가 더 필요하다.
지속 행동형 에이전트, 곧 계속 스스로 작업을 이어 가는 AI로 서비스를 넓히면, 대화형 생성 도구를 쓸 때와는 다른 행동 기록을 확인해야 한다. 에이전트에게 맡긴 범위, 승인 과정, 오류와 복구를 확인하고, 실제로 고객 약속을 지켰는지 평가한다. AI가 널리 쓰인다는 사실, 기술적으로 가능하다는 예측, 조직이 결과를 책임질 준비가 되었는지를 각각 확인하면 확장과 지역 집중을 더 구체적인 조건에서 비교할 수 있다.
