Why GenAI is More Likely to Support Workers Than Replace Them
생성형 AI의 업무 스킬 대체 가능성 분석
Indeed의 AI at Work 보고서에 따르면, 2,800개 이상의 업무 스킬 중 생성형 AI(GenAI)가 “매우 가능성 높게” 대체할 수 있는 스킬은 단 하나도 없는 것으로 나타났다. 대부분의 스킬(68.7%)은 GenAI가 대체하기 “매우 어렵거나” “어려운” 것으로 평가되었다. 약 28.5%의 스킬은 향후 기업들이 일부 관행을 변경하고 도구가 개선된다면 GenAI로 대체될 가능성이 있는 것으로 분석되었다.
보고서는 GenAI가 스킬에 대한 이론적 지식을 제공하는 데는 강하지만, 해당 스킬을 사용해 문제를 해결하는 능력은 상대적으로 떨어진다고 분석했다. 특히 실제 실행이 필요한 스킬(예: 항공, 요리 등)의 경우 GenAI의 유용성이 제한적일 수밖에 없다고 설명했다. 결국 특정 직업에 대한 GenAI의 영향은 해당 직업에서 요구되는 스킬 중 GenAI가 잘 수행할 수 있는 것과 그렇지 않은 것의 비율에 따라 달라질 것으로 전망했다.
직종별 GenAI의 영향 차이
GenAI가 각 직종에 미치는 영향은 해당 직종에서 요구되는 스킬의 특성에 따라 크게 달라질 것으로 예상된다. 예를 들어 소프트웨어 개발 직종의 경우, 일반적인 구인 공고에서 요구되는 스킬 중 71% 이상이 GenAI로 대체 “가능” 또는 “가능성 높음”으로 나타났다. 반면 간호사 직종의 경우 32.9%만이 대체 가능한 것으로 분석되었다.
이러한 차이는 각 직종에서 요구되는 스킬의 특성 때문이다. 소프트웨어 개발자의 경우 Python이나 JavaScript 같은 코딩 언어 스킬이 중요한데, GenAI는 이러한 스킬에서 상대적으로 높은 능력을 보인다. 예를 들어, 소프트웨어 개발자 구인 공고의 40.6%에서 요구되는 “Java” 스킬에 대해 GenAI는 이론적 지식(4점 – “좋음”), 문제 해결 능력(3점 – “보통”), 대체 가능성(3점 – “가능”)으로 비교적 높은 점수를 주었다.
반면 간호사에게 필요한 “간호” 스킬(간호사 구인 공고의 44.8%에서 요구됨)의 경우, GenAI는 이론적 지식은 높게 평가했지만(4점 – “좋음”) 문제 해결 능력은 낮게 평가했다(2점 – “기본”). 특히 이 스킬의 물리적 실행이 “필수적”이라고 판단했는데, 이는 “간호가 환자 케어, 약물 투여 등을 위해 물리적 존재를 요구하기 때문”이라고 설명했다. 따라서 “간호” 스킬의 대체 가능성은 “어려움”(2점)으로 평가되었다.
GenAI의 강점과 한계
보고서는 GenAI의 주요 강점이 스킬과 관련된 이론적 지식을 제공하는 것이라고 분석했다. GenAI는 방대한 양의 데이터를 학습하여 다양한 분야의 정보를 신속하게 요약하고 재구성할 수 있다. 그러나 이 도구들은 완벽하지 않아서 때로는 잘못된 추론을 하거나 부정확한 결론을 내릴 수 있다고 지적했다.
GenAI의 문제 해결 능력과 물리적 실행의 필요성이 인간 대체 가능성을 결정하는 주요 요인으로 나타났다. 분석된 스킬의 70.7%에서 GenAI의 문제 해결 능력은 “보통”(3점) 수준으로 평가되었다. 물리적 실행의 필요성이 높을수록 GenAI의 대체 가능성은 낮아졌는데, 물리적 실행이 “필수적” 또는 “매우 필요”한 스킬의 약 30.1%는 GenAI가 인간을 대체하기 “매우 어렵거나” “어려운” 것으로 나타났다.
GenAI 활용을 위한 제언
보고서는 GenAI가 당장 사람의 일자리를 대체하지는 않겠지만, GenAI를 생산적으로 활용할 줄 아는 사람이 그렇지 못한 사람의 일자리를 대체할 가능성이 높다고 강조했다. 따라서 모든 근로자들은 이러한 도구들을 탐색하고, 그 기능을 이해하며, 장단점을 평가하고, 자신의 업무에 어떤 영향을 미칠 수 있는지 평가해야 한다고 조언했다.
또한 기업과 교육 기관들은 기본적인 GenAI 스킬부터 고급 프롬프트 엔지니어링 스킬까지 가르치는 대규모 훈련 프로그램 개발과 배포에 투자해야 할 것이라고 제안했다. GenAI의 잠재력을 최대한 활용하기 위해서는 많은 기업과 산업에서 디지털화와 전자 기록 보관에 대한 투자가 필요할 것이라고 전망했다.
결론적으로 이 보고서는 GenAI가 인력 부족 문제를 완화하고 생산성을 높이는 데 도움이 될 수 있지만, 그 적용은 산업과 직종에 따라 균일하지 않을 것이라고 전망했다. 특히 물리적 실행의 중요성이 높은 직종에서는 GenAI의 영향력이 제한적일 것으로 예측했다. 반면 반복적인 문서 작업 등을 GenAI가 도와줌으로써 근로자들이 핵심 업무에 더 집중할 수 있게 될 것이라고 전망했다.
이 보고서는 GenAI 시대에 맞는 새로운 평가 방식의 필요성을 강조했다. ‘진정성 있는 평가'(authentic assessment)의 중요성이 더욱 부각될 것이며, GenAI의 특성을 고려한 문제 설계, 명확하고 엄격한 채점 기준 수립, AI 리터러시 교육 강화 등이 필요하다고 제안했다.
이 보고서의 원문은 링크에서 확인할 수 있다.
기사는 클로드 3.5 Sonnet과 챗GPT-4o를 활용해 작성되었습니다.
관련 콘텐츠 더보기
