미래의 일은 사람, 에이전트, 로봇의 파트너십으로 재구성되며, 현재 기술로 근무 시간의 약 57%를 자동화 가능하나 이는 기술적 잠재력일 뿐 일자리 감소 예측이 아님
오늘날 고용주가 요구하는 기술의 70% 이상이 자동화 가능한 업무와 그렇지 않은 업무 모두에 사용되어 대부분의 기술이 여전히 유효하되 적용 방식이 달라짐
AI 유창성(AI 도구 사용·관리 능력) 수요가 2년간 7배 증가해 채용 공고에서 가장 빠르게 성장하는 기술로 부상
2030년까지 미국에서만 약 2.9조 달러의 경제적 가치 창출 가능하며, 이를 위해 개별 업무가 아닌 워크플로우 전체를 재설계해야 함
Skill Change Index에 따르면 디지털·정보 처리 기술이 가장 큰 변화를 겪고, 돌봄·지원 관련 기술은 가장 적은 변화가 예상됨
핵심 개요
미래 업무는 AI 기반의 사람, 에이전트, 로봇 간 파트너십으로 전환
현재 기술로 미국 근무 시간의 약 57% 가 이론적으로 자동화 가능하나, 이는 기술적 잠재력이며 실제 채택에는 수십 년 소요 예상
일부 역할은 축소, 일부는 성장 또는 변화, 새로운 역할 등장 전망
고용주가 요구하는 기술의 70% 이상이 자동화 가능·불가능 업무 모두에 사용되어 대부분의 기술이 유효하되 적용 맥락이 변화
Skill Change Index는 향후 5년간 각 기술의 자동화 노출도를 측정하며, 디지털·정보 처리 기술이 가장 영향받고 돌봄 기술은 최소 변화 예상
AI 유창성 수요가 2년간 거의 7배 증가해 미국 채용 공고에서 가장 빠른 성장세 기록
2030년까지 미국에서 약 2.9조 달러의 경제적 가치 창출 가능하며, 이를 위해 조직이 인력을 준비하고 개별 업무가 아닌 워크플로우 전체를 재설계해야 함
AI가 업무의 경계를 재정의
에이전트와 로봇의 자율성·역량 강화
과거 기계는 규칙을 따르도록 설계되어 미리 정해진 대로만 작동
AI 등장으로 인지적·물리적 업무를 수행하는 에이전트와 로봇이 방대한 데이터셋에서 학습해 더 많은 역량 확보
자연어 포함 다양한 입력에 대응하고, 사전 규칙 대신 맥락에 적응 가능
현재 기술로 미국 근무 시간의 약 57% 를 이론적으로 자동화 가능하나, 실제 채택은 정책, 노동 비용, 구현 비용, 개발 시간 등에 좌우
전기 보급에 30년 이상, 산업용 로봇도 유사한 수십 년 경로를 따랐으며, 2023년 기준 대부분의 애플리케이션을 클라우드에서 운영하는 기업은 약 5분의 1 수준
AI가 모든 유형의 업무에 영향
비물리적 업무가 미국 근무 시간의 약 3분의 2 차지
비물리적 업무의 약 3분의 1은 AI가 아직 도달하지 못한 사회적·감정적 기술 필요
나머지는 추론, 정보 처리 등 자동화에 적합한 업무로, 미국 총 임금의 약 40% 차지
물리적 업무는 미국 근무 시간의 약 35% 차지하며, 로봇이 진전했으나 대부분의 물리적 업무는 기술이 아직 신뢰성 있게 복제하지 못하는 미세 운동 기술, 손재주, 상황 인식 필요
미국 인력의 약 40% 에서 물리적 업무가 근무 시간의 절반 이상 차지(운전자, 건설 노동자, 요리사, 의료 보조원 등)
로봇 발전으로 생산, 식품 준비 등 일부 저임금 역할 포함 직종 변화 예상
수중 작업, 수색·구조, 위험 환경 점검 등 사람에게 위험하거나 불가능한 업무도 로봇이 계속 수행
사람은 필수 불가결
현재 역량 수준에서 에이전트는 미국 근무 시간의 44%, 로봇은 13% 를 수행 가능
자동화를 더 확장하려면 의도·감정 해석(에이전트), 미세 운동 제어(로봇) 등 현재 인간만 가능한 역량 필요
기술 발전에 따라 일부 역할 축소, 다른 역할 확대 또는 초점 변화, 새로운 역할 창출 예상
방사선학 사례: 2017~2024년 방사선 전문의 고용이 AI 발전에도 연간 약 3% 성장, AI가 정확도·효율성 향상하며 의사는 복잡한 의사결정과 환자 케어에 집중
Mayo Clinic은 2016년 이후 방사선과 직원을 50% 이상 확대하면서 수백 개 AI 모델 배포
AI가 새로운 유형의 업무와 역할 창출 중(소프트웨어 엔지니어의 에이전트 생성·개선, 생성형 도구를 활용한 디자이너·크리에이터의 새 콘텐츠 제작 등)
7가지 작업 유형
약 800개 직종을 물리적·비물리적 자동화 잠재력에 따라 분석해 7가지 유형으로 분류
자동화 잠재력이 가장 낮은 직종은 사람 중심(people-centric), 자동화 가능 업무 비율이 높은 직종은 에이전트 중심(agent-centric) 또는 로봇 중심(robot-centric) 으로 분류
2~3가지가 균형 있게 결합된 역할은 혼합 또는 하이브리드 유형으로 분류
사람 중심 역할
헬스케어, 건물·유지보수 등에서 발견되며 미국 일자리의 약 3분의 1 차지
평균 연봉 약 71,000달러
현재 기술로 복제 불가능한 물리적 활동이 근무 시간의 약 절반 차지
에이전트 중심·로봇 중심 역할
자동화 잠재력이 가장 높은 역할로 전체 일자리의 약 40% 차지
대부분 법률·행정 서비스의 에이전트 중심 역할로 평균 연봉 약 70,000달러, 문서 작성 등 기술적으로 AI 시스템이 처리 가능한 대규모 인지 업무 포함
로봇 중심 역할(운전자, 기계 운전자 등)은 물리적으로 요구 수준 높고 때로 위험하며 평균 연봉 약 42,000달러
에이전트-로봇 역할은 전체 근로자의 약 2% 로 평균 연봉 약 49,000달러, 물리적 업무가 근무 시간의 53% 차지, 주로 자동화 제조·물류 운영 등 소프트웨어 지능이 물리적 시스템을 지시하는 생산 환경에서 발견
하이브리드 역할
인간, 에이전트, 로봇을 결합한 다양한 직종으로 인력의 약 3분의 1 고용
급여, 물리적 강도, 자동화 잠재력이 크게 다르지만 모든 환경에서 사람이 필수
사람-에이전트 역할: 교사, 엔지니어, 금융 전문가 등 디지털·AI 도구로 업무 향상 가능, 평균 연봉 74,000달러, 미국 근로자의 약 5분의 1 차지
사람-로봇 역할: 유지보수·건설에서 발견, 기계가 인간 노력에 힘과 정밀성 추가, 물리적 업무가 근무 시간의 약 81% 차지, 평균 연봉 54,000달러, 미국 근로자의 1% 미만 해당
사람-에이전트-로봇 역할: 운송, 농업, 식품 서비스에서 발견, 세 가지 형태의 노동이 거의 동등하게 결합, 물리적 업무가 근무 시간의 약 43% 차지, 평균 연봉 60,000달러, 미국 근로자의 약 5% 해당
기술 요구사항의 변화
채용 공고 분석 결과 약 6,800개 기술이 1,100만 건 이상의 채용 공고에서 빈번히 언급
거의 모든 직종에 2030년까지 최상위 4분위에 해당하는 고도로 변화된 기술이 최소 하나 이상 존재
직종의 3분의 1에서 기술의 10% 이상이 큰 변화 예상
기술 요구사항의 구체화·전문화
각 직종과 연관된 고유 기술 수가 10년 전 평균 54개에서 64개로 증가해 고용주가 역할을 설명하는 방식이 더 구체화
고임금 분야는 더 많은 기술과 더 큰 전문화 필요 경향
데이터 사이언티스트, 경제학자의 채용 공고는 90개 이상의 고유 기술 나열
자동차 운전자는 10개 미만 나열
고임금 직종은 관리, 정보, 디지털 기술 강조
저임금 역할은 실무 작업, 장비 운영, 케어·지원 제공에 집중
이전 가능한 기술과 8대 고빈도 기술
각 기술 변화의 물결이 근로자의 업무 방식을 바꿔왔으나, 오늘날의 차이점은 속도
2023년까지 AI 관련 기술 수요는 클라우드 컴퓨팅, 사이버보안 등 다른 디지털 기술과 비슷한 속도로 성장
생성형 AI 부상 이후 급격히 가속: 지난 2년간 약 600개의 새 기술이 채용 공고에 등장(지난 10년간 추가된 총량의 약 3분의 1)하며 많은 것이 AI 및 관련 기술과 연결
급속한 변화로 이전 가능한 기술의 가치 상승
전문화 증가에도 8대 고빈도 기술(커뮤니케이션, 고객 관계, 작문, 문제 해결, 리더십, 관리, 운영, 세부 지향)이 산업과 임금 수준에 걸쳐 지속적으로 유효
이러한 기술은 노동 시장의 연결 조직을 형성하고 인력 개발의 핵심
많은 다른 기술도 직종 간 이전 가능: 예를 들어 Account Executive에 필요한 기술의 절반 이상이 175개 다른 직종에도 등장
AI 유창성(AI Fluency) 수요의 급성장
AI 유창성(AI 도구 사용·관리 능력) 수요가 2025년 중반까지 2년간 거의 7배 급증
현재 약 700만 명의 근로자가 종사하는 직종에서 요구 사항으로 부상
기술적 AI 기술(AI 시스템 구축·배포) 수요도 성장 중이나 더 느린 속도
AI 기술 수요의 75% 가 세 개 직업군에 집중: 컴퓨팅·수학, 관리, 비즈니스·금융
나머지는 건축·엔지니어링, 설치·유지보수·수리, 교육 등 10개 기타 직업군에서 발생
건설, 운송, 식품 서비스 등 9개 직업군(인력의 약 40%, 중위 소득 이하)에서는 AI 관련 기술 수요가 제한적
고용주들은 프로세스 최적화, 품질 보증, 교육 등 AI 인접 역량 수요도 증가 중
반면 기계가 이미 잘 수행하거나 크게 향상시키는 분야(리서치, 작문, 단순 수학)의 채용 공고 언급은 감소 중이나, 이러한 기술은 여전히 인력 대부분에게 필수
대부분의 인간 기술은 유효하되 사용 방식 변화
기술의 약 72% 가 AI가 수행할 수 있는 업무와 사람이 해야 하는 업무 모두에 필요
소수의 기술은 대인 갈등 해결, 디자인 씽킹 등 공감, 창의성, 맥락적 이해에 뿌리를 둔 고유하게 인간적인 것으로 유지 예상
스펙트럼 반대편에는 데이터 입력, 금융 처리, 장비 제어 등 대부분 AI 주도가 될 가능성 높은 기술 존재
이 영역에서 사람은 실무에서 물러나 설계, 결과 검증, 예외 처리에 집중
양 극단 사이의 광범위한 중간 영역에서 사람과 AI가 나란히 협력
기술 파트너십 형성: 기계가 루틴 업무 처리, 사람이 문제 프레이밍, AI 에이전트·로봇에 지침 제공, 결과 해석, 의사결정 수행
기계에 아직 부족한 판단력과 맥락적 이해를 인간이 제공하며 협업과 감독 결합
Skill Change Index(SCI)
SCI는 다양한 채택 시나리오에서 각 기술의 자동화 잠재적 노출도를 측정하는 시간 가중 지표
가장 수요가 높은 100개 기술 중 AI 효과가 크게 다름
코칭 등 사람 중심 기술은 자동화 노출이 가장 낮음
송장 처리 등 수동·루틴 기술은 노출이 가장 높음
품질 보증 등의 기술은 분포 중간에 위치해 AI가 기술을 대체하기보다 사용 방식을 변화시키는 영역
7,000개 기술의 노출도
디지털·정보 처리 기술이 SCI에서 가장 높은 순위로 AI의 데이터 처리·분석 능력 향상 반영
돌봄·지원 기술은 가장 적은 변화 예상
기술 진화의 세 가지 경로
고노출 기술(상위 4분위): 수요 감소 가능성 높음, 회계 프로세스, 특정 언어 프로그래밍 등 AI가 이미 잘 수행하는 전문 기술이 주로 해당
중간 4분위 기술: 수요 증감보다 본질과 적용 방식이 진화 가능성 높음, 인간 판단과 디지털 도구를 결합하는 이전 가능한 기술이 주로 해당, AI 유창성도 여기 포함, 작문·리서치 등의 기술을 사람들이 새로운 방식으로 적용
저노출 기술(하위 4분위): 지속 가능성 높음, 리더십, 헬스케어 기술 등 인간 연결과 케어에 기반한 기술이 주로 해당
경제적 가치와 워크플로우 재설계
AI 기반 자동화로 2030년까지 미국에서 중간 채택 시나리오 기준 연간 약 2.9조 달러의 경제적 가치 창출 가능
이러한 이득 실현은 개별 업무 자동화가 아닌 전체 워크플로우 재설계를 통해 사람, 에이전트, 로봇이 효과적으로 협력할 수 있도록 해야 함
대부분의 기업이 아직 실질적 이득 미달
기업의 약 90% 가 AI에 투자했다고 답하나, 측정 가능한 이득을 보고하는 기업은 40% 미만
격차의 원인: 많은 프로젝트가 아직 파일럿/시범 단계이거나, 조직이 전체 워크플로우 재설계 대신 개별 업무에 AI 적용 중
예: 은행에서 직원에게 임시 사용 챗봇 제공 vs 대출 승인·처리·관리를 위해 사람과 함께 재구상된 프로세스에 맞춤 에이전트 배치의 차이
생산성 이득의 분포
미국 경제 전반의 190개 비즈니스 프로세스 분석
잠재적 생산성 이득의 약 60% 가 부문별 도메인 관련 워크플로우에 집중(각 산업의 핵심 활동)
제조업: 공급망 관리
헬스케어: 임상 진단 및 환자 케어
금융: 규제 준수 및 리스크 관리
추가 이득은 IT, 재무, 행정 서비스 등 모든 부문을 지원하는 교차 기능에서 발생
사례 연구: AI 내장 워크플로우
AI를 중심으로 워크플로우를 재설계하는 80개 구현 사례 확인
관리자와 전문가가 실행자가 아닌 오케스트레이터·검증자 역할로 점점 전환
데이터 분석가, 언더라이터, 엔지니어 등 도메인 전문가가 초기 분석 또는 초안 생성을 수행하는 에이전트와 파트너십
가장 가치 있는 인간 기술이 AI 유창성, 적응력, 산출물 비판적 평가로 이동해 사람이 더 높은 가치의 업무에 집중 가능
영업 사례: 글로벌 기술 기업
도달 범위 확대와 고객 관계 심화 추구
기존 모델에서는 인간 영업팀이 일관성 없는 우선순위 방법 사용, 수천 개 소규모 계정에 대한 맞춤형 접근 역량 제한, 상위 잠재 고객만 맞춤형 관심 수령
영업 프로세스 초기 단계 자동화를 위해 여러 AI 에이전트 도입
우선순위 에이전트: 공개·독점 데이터 기반으로 계정 점수화·순위화
접근 에이전트: 고객 연락
고객 응답 에이전트: 후속 조치 관리, 관심/무관심/불확실로 리드 분류
일정 에이전트: 고잠재력 리드에 대한 통화·리마인더 설정
핸드오프 에이전트: 인간 판단 필요 시 전문가에게 파일 이관
결과: 신규 매출, 교차 판매, 유지율 증가로 연간 매출 7~12% 증가 전망, 영업 역할 전반에서 30~50% 시간 절감
비즈니스 개발 전문가가 제안서 작성, 파트너십 협상, 관계 구축 등 전략적 참여에 더 많은 시간 투자 가능
향후 코칭 에이전트(영업팀에 실시간 피드백), 관리 에이전트(루틴 행정 업무 처리 어시스턴트) 추가 가능
고객 운영 사례: 대형 유틸리티 기업
앱·웹사이트에 여러 셀프서비스 옵션이 있음에도 연간 700만 건 이상의 지원 전화 처리
기존 대화형 음성 응답 시스템은 문의의 약 10% 만 해결, 나머지는 인간 고객 서비스 담당자에게 전달
전체 고객 기반에 에이전틱 대화형 AI 배포
인바운드 콜 에이전트: 고객 인증
의도 식별 에이전트: 통화 목적 파악
통화 일정 에이전트: 약속 관리
셀프서비스 에이전트: 백엔드 시스템과 통합
결과: 현재 모든 통화의 약 40% 를 처리하고 그 중 80% 이상을 인간 개입 없이 해결
에스컬레이션 필요 시 검증된 계정 세부정보와 대화 이력과 함께 전송해 원활한 핸드오프 보장
통화당 평균 비용 약 50% 감소
대기 시간 단축, 일관된 처리, 빠른 해결로 고객 만족도 점수 6%포인트 상승
인간 담당자는 더 복잡하고 감정적으로 민감하며 고가치 문제 관리
향후 고객 문제 식별 에이전트(서비스 중단 감지·선제적 고객 연락 모니터링), 코칭 에이전트(실시간 통화 중 인간 담당자에게 실시간 지침 제공) 추가 가능
고급 AI 에이전트가 결국 고객 문의의 80~90% 처리 가능 전망
의료 작문 사례: 글로벌 바이오제약 기업
신약의 안전성·효능 데이터를 문서화하는 임상 연구 보고서 작성 프로세스 개선 추구
기존 모델에서는 의료 작성자가 수동으로 연구 데이터 수집, 긴 보고서 작성, 여러 검토 주기 조정
제한된 역량과 긴 소요 시간이 늘어나는 제출 수요 충족 능력 제약
보고서 작성을 위한 워크플로우 재구성 AI 플랫폼 개발
구조화·비구조화 연구 데이터 합성, 수 분 내 포괄적 초안 생성, 회사 스타일·규정 준수 템플릿 적용, 오류 자체 검토
의료 작성자 역할이 수동 초안 작성에서 AI 시스템과 협력하고 임상 판단 적용으로 전환
결과: 첫 인간 검토 초안의 터치 시간 약 60% 감소, 오류 약 50% 감소
다른 관련 프로세스·기술 변화와 결합 시 시장 출시 노력이 수 주 단축, 추가 개선 예상
향후 임상 연구 계획부터 제출까지 주요 단계 지원 에이전트 활용 가능: 임상 연구 계획 에이전트(시험 프로토콜 조립), 데이터 매핑 에이전트(데이터 분석·합성), 보고서 작성 에이전트(전체 초안 생성), 검증 에이전트(규정 준수 확인), 검토 에이전트(오류 스캔), 제출 초안 에이전트(규제 기관 제출용 문서 생성)
연구 주기 전반에 적용 시 타임라인 수 개월 단축 가능
IT 현대화 사례: 지역 은행
AI 에이전트를 사용해 중소기업용 뱅킹 애플리케이션 현대화
내부 개발 속도를 높이기 위해 다양한 프로그래밍 언어 업데이트 목표
기존 방식: 수백만 줄의 코드에 대한 수동 문서화, 코드 리팩토링, 테스트로 수개월의 작업, 대규모 예산, 광범위한 엔지니어링 역량 필요
여러 현대화 업무에 AI 에이전트를 사용하는 파일럿 시작
평가 에이전트: 레거시 코드베이스 스캔해 종속성 식별
기능 에이전트: 목표 상태 아키텍처 생성
코딩 에이전트: 코드를 새 프레임워크로 마이그레이션하고 자동 테스트 수행
개발자들이 15~20개 에이전트와 협력해 아키텍처 무결성, 규정 준수, 기능 정확성을 위한 산출물 검증·개선
현대화 과정에서 애플리케이션이 데스크톱에서 모바일로, 온프레미스에서 클라우드로, 모놀리식에서 마이크로서비스 아키텍처로 전환
AI 에이전트가 대부분의 반복적 실행을 담당하면서 인간 업무 초점이 계획, 오케스트레이션, 테스트로 이동
초기 결과: 최대 70% 코드 정확도
은행은 파일럿 모듈 이후 전체 현대화 노력에 에이전트 사용 확대 계획, 필요 인간 시간 최대 50% 감소 추정
향후 현대화 계획 에이전트(프로세스 조정), 품질 보증 에이전트, 테스트 에이전트 지원 가능
AI가 관리 업무와 기술을 재편
AI가 더 많은 분석·의사결정 지원 업무를 담당하면서 관리 업무의 본질이 사람 감독에서 사람·AI 에이전트·로봇이 협력하는 시스템 오케스트레이션으로 전환
관리자가 영향력 행사, 멘토링 등 더 높은 가치의 업무에 시간 재배분 가능하면서 더 큰 기술적 유창성도 요구
예: 영업 관리자가 AI 기반 인사이트를 사용하고 관계를 강화하도록 팀 코칭에 더 많은 시간 투자 가능
예: 고객 서비스 관리자가 사람과 AI 에이전트의 하이브리드 인력을 감독하며 AI 시스템과 직원 모두 훈련해 서비스 개선 가능
비즈니스 리더를 위한 핵심 질문
미래 가치를 위한 비즈니스 재구상
초기 AI 노력은 워크플로우 재고보다 기존 개선에 초점을 맞추는 경우가 많음
더 큰 이득은 프로세스 전체 재설계에서 발생
미래 가치 구축을 위해 수년 앞을 내다보고 역으로 작업해 AI 관련으로 어떤 역할, 기술, 구조가 변화해야 하는지 파악 필요
리더는 지금 주요 재설계에 투자할 곳과 단기 이득을 위해 현재 모델을 개선할 곳 선택 필요
핵심 비즈니스 변혁으로서 AI 주도
AI는 거의 모든 기능에 영향
리더는 기술 프로젝트 또는 더 광범위한 비즈니스 변혁으로 접근 가능
IT 부서에 책임 위임 시 구현 속도는 빨라질 수 있으나, 지속적인 변화와 실질적 전략적 우위는 고위 리더십의 가시적 헌신과 AI가 조직 전반의 사람과 비즈니스에 미치는 영향에 대한 지속적 관심에 좌우
실험과 학습의 문화 구축
AI 구현에는 특히 초기에 불확실성 수반
빠르게 테스트하고 적응하는 조직이 가장 빠르게 학습하는 경향
호기심, 위험 감수, 실패에서 학습, 협업을 지원하는 문화에 좌우
문화 변화는 어렵지만 AI가 요구할 가능성이 높은 규모의 변혁에 필수
신뢰 구축과 안전 보장
AI가 기업의 책임 유지와 감독 방식을 변화
초점이 개별 산출물 확인에서 명확한 정책 설정, AI 로직 검증, 예외 처리, 인간 개입이 가장 필요한 시점 결정으로 이동
과제: 혁신과 효율성을 제한하지 않으면서 리스크 관리와 안전 보장에 충분한 감독을 유지하는 올바른 균형 유지
관리자의 하이브리드 팀 리드 역량 구비
AI가 관리의 의미 재정의
루틴 감독 자동화로 관리자가 코칭, 영향력 행사, 사람·에이전트·로봇의 하이브리드 팀 오케스트레이션에 집중 가능
관리자는 편향 테스트, 성과 검증, 무결성 유지에도 핵심 역할 수행
자동화로 직접 통제가 감소하면서 결과에 대한 책임 유지가 더 어려워질 수 있음
인간과 기계 기여 및 상호작용 평가를 위한 새로운 성과 지표와 피드백 시스템 필요
AI가 해방시킨 역량 활용 결정
기업은 AI가 해방시킨 역량을 어떻게 사용할지 결정 필요: 인력 개발과 더 높은 가치의 업무에 재투자 또는 더 큰 효율성과 비용 절감에 집중
대부분 둘 다 일부씩 수행
이 전환 관리는 어떤 역할이 진화할 수 있는지 파악하고 직원에게 명확한 기술 기반 성장 경로 제공 필요
AI로 지속적 학습과 훈련이 조직 강점에 더욱 중요
직업 변화와 기술 니즈가 더 빠르게 진화하면서, 근로자가 자신의 기술이 새로운 유형의 업무에 어떻게 이전되는지 이해하도록 돕는 것이 사람과 기업 모두의 회복력 강화에 기여
AI 유창성이 조직 전 레벨로 확대 필요
기업은 디지털 도구, 실습 프로젝트, 코칭을 통해 이러한 기술 구축 가능, 다른 조직·기관과의 파트너십으로 학습 접근성 확대와 새로운 기회 개방 가능
기관을 위한 핵심 질문
교육과 훈련의 진화
기술 니즈가 진화하면서 교육이 핵심 역할 수행
AI 유창성의 기초(비판적 사고, 결과 질문, 가정 도전, 편향·오류 인식 등)를 초등학교부터 개발해 사람들이 이러한 기술을 효과적으로 사용하고 안내하는 법 학습 필요
커리큘럼을 재설계해 기술 지식과 적응력, 분석적 사고, 협업 등 이전 가능한 인간 기술 결합 가능
대학은 AI를 학문 분야 전반에 통합하고, 직업·커뮤니티 칼리지는 숙련 거래 훈련 확대 가능
AI가 더 개인화되고 지속적인 학습 지원 가능
리스킬링 수요 증가에 따라 평생 학습 투자 필요
교육 시스템과 고용주가 공유 프로그램, 유연한 모델, 수입 병행 견습, 빠른 자격 인증을 통해 더 긴밀히 협력해 사람들의 직업·산업 간 이동 지원 필요
이전 가능한 기술이 새로운 기회로 연결되는 시스템
AI가 업무를 변혁하면서 많은 사람이 완전히 새로운 직종으로 이동 필요
그러한 전환에 이전 가능한 기술이 필수적이나, 노동 시장이 이를 인식하고 보상할 수 있어야 의미 있음
명확한 기술 정의, 능력을 입증하는 신뢰할 수 있는 방법(테스트 또는 검증된 자격증), 더 나은 매칭 플랫폼이 이를 가능하게 함
고용주, 학교, 자격 인증 기관 간 연결 구축으로 업무와 기회에 대한 접근성 확대 가능
지역 경제와 커뮤니티 대응
AI 영향은 산업과 지역에 따라 크게 다름
데이터를 통해 이러한 차이를 이해하는 것이 효과적 조치의 첫 단계
변화가 발생하는 곳에 대한 명확한 그림으로 산업 그룹, 교육자, 인력 기관, 노조가 지역 니즈에 맞는 훈련과 직업 전환 전략을 위해 협력 가능
용어 정의
채택(Adoption): 조직 또는 노동력 맥락 내 실제 업무 활동과 워크플로우에 AI 및 자동화 기술 배포, 자동화 잠재력이 얼마나, 얼마나 빨리, 얼마나 광범위하게 포착되는지 결정
에이전트(Agents): 디지털 세계에서 업무 활동을 수행하는 기계, 사람의 비물리적 역량(자연어 생성, 사회적·감정적 추론, 창의성 등)을 증강 또는 대체
AI 기반 에이전트(AI-powered agents): AI가 내장된 에이전트로 더 자율적으로 행동하고 워크플로우 오케스트레이션 가능; 에이전틱 AI라고도 함
AI 기반 로봇(AI-powered robots): AI가 내장된 로봇으로 더 자율적으로 행동하고 워크플로우 오케스트레이션 가능
인공지능(Artificial Intelligence, AI): 전통적으로 인간 지능이 필요한 업무를 수행하는 소프트웨어의 능력, 잠재적으로 사람의 역량을 증강 또는 대체
역량(Capabilities): 기술 적용을 지원하는 물리적 또는 비물리적 능력, 업무 활동 수행에 필요한 인간 수준의 성과를 기반으로 평가; 비물리적 역량에는 인지적(자연어, 논리적 추론, 창의성, 내비게이션 등) 및 사회적·감정적 역량 포함
생성형 AI(Generative AI): 비구조화 데이터를 입력으로 받아 파운데이션 모델(방대한 양의 다양한 데이터로 훈련된 대규모 인공 신경망)을 통해 비구조화 데이터를 생성하는 AI 애플리케이션
비물리적 업무(Nonphysical work): 물리적 움직임이 아닌 인지적 또는 사회적/감정적 역량을 포함하는 업무(문제 해결, 정보 처리, 창조, 타인과 협업 등)
직종(Occupations): 기술, 업무 맥락, 기타 자격 측면에서 설명 가능한 유사한 업무 또는 업무 활동을 공유하는 직업 집합; 미국에서는 노동통계국이 유지하는 표준직업분류 시스템 사용
물리적 업무(Physical work): 대근육 운동 기술, 미세 운동 기술, 이동성 등 동작 기반 역량을 필요로 하는 물리적 세계와의 직접 상호작용을 포함하는 업무; 일반적으로 물체, 도구, 기계 조작 또는 이동, 재료 조립 또는 위치 지정, 인간의 힘이나 손재주에 의존하는 동작 수행 포함
로봇(Robots): 물리적 세계에서 업무 활동을 수행하는 기계, 사람의 물리적 역량(대근육 운동 기술, 미세 운동 기술, 이동성)을 증강 또는 대체
기술(Skills): 사람이 업무 활동을 수행하기 위해 배치하는 지식, 역량, 속성, 종종 공식 교육, 훈련, 업무 경험을 통해 습득; Lightcast와 ESCO가 기술에 대한 시장 주도 분류 시스템 제공
기술적 자동화 잠재력(Technical automation potential): 특정 수준의 기술 역량으로 이론적으로 자동화될 수 있는 근무 시간의 비율; 각 직종의 세부 업무 활동 분석을 통해 미국 경제 전반의 기술적 자동화 잠재력 평가; 미국 노동통계국과 O*NET이 발행한 데이터베이스를 사용해 약 800개 직종을 약 2,000개 활동으로 분해하고, 인간이 현재 직장에서 수행하는 방식을 기반으로 각 활동에 필요한 역량 결정
업무 활동(Work activities): 직종의 목표를 달성하기 위해 사람이 하는 일을 나타내는 관찰 가능한 업무 행동; 미국에서는 O*NET이 상세 업무 활동(DWA)으로 공식 분류
워크플로우(Workflows): 정의된 목표를 향해 업무를 집단적으로 진전시키는 구조화된 업무 활동 시퀀스, 프로세스(규칙, 종속성, 정보 흐름 등)에 의해 안내되며 사람과 기술 포함