▲

미국 직업 시장 시각화 도구

 (karpathy.ai)
1P by GN⁺ 18시간전 | ★ favorite | 댓글 1개
  • Andrej Karpathy가 미국 노동통계국의 342개 직업과 1억 4,300만 개 일자리 데이터를 기반으로 직업별 고용 규모와 특성을 시각화한 도구
  • 각 직사각형의 면적은 고용 규모, 색상은 선택한 지표(예: 성장 전망, 중간 임금, 교육 수준, AI 노출도)를 나타냄
  • 사용자는 직업 타일을 클릭해 BLS 공식 페이지를 바로 열람할 수 있음
  • LLM 기반 색상화 기능을 통해 사용자 정의 프롬프트로 직업별 점수를 산출하고 시각화 가능
  • AI 노출도, 로봇 영향, 해외 이전 위험 등 다양한 기준으로 직업군을 재분석할 수 있는 데이터 탐색형 개발 도구임

개요

  • 이 도구는 Bureau of Labor Statistics Occupational Outlook Handbook의 데이터를 시각적으로 탐색하기 위한 연구용 도구
    • 총 342개 직업과 1억 4,300만 개의 일자리를 포함
    • 각 직업은 고용 규모에 비례한 면적으로 표시되며, 색상은 선택한 지표에 따라 달라짐
  • 선택 가능한 지표에는 예상 성장률, 중간 임금, 교육 요건, AI 노출도가 포함
  • 각 타일을 클릭하면 해당 직업의 BLS 상세 페이지로 이동 가능

LLM 기반 색상화 기능

  • GitHub에 공개된 소스 코드에는 스크레이퍼, 파서, LLM 프롬프트 파이프라인이 포함
    • 사용자가 직접 프롬프트를 작성하면, LLM이 각 직업을 평가하고 트리맵 색상을 자동 생성
  • “Digital AI Exposure” 옵션은 현재 AI가 각 직업에 미치는 영향을 추정한 예시
    • AI가 디지털 영역에서 빠르게 발전하고 있다는 점을 반영
  • 사용자는 휴머노이드 로봇 노출도, 해외 이전 위험, 기후 영향 등 다른 기준으로 프롬프트를 작성해 재분석 가능

Digital AI Exposure 평가 기준

  • AI 노출도는 직업이 AI에 의해 얼마나 재편될 가능성이 있는지를 0~10점으로 평가
    • 직접적 영향(AI가 인간 업무를 자동화)과 간접적 영향(생산성 향상으로 인한 인력 감소)을 모두 고려
  • 디지털 기반 직무일수록 높은 점수를 받음
    • 예: 글쓰기, 코딩, 분석, 커뮤니케이션 등은 7점 이상
    • 반대로 물리적 존재나 수작업이 필요한 직무는 낮은 점수

점수 구간별 기준

  • 0–1점: 거의 물리적 업무로, AI 영향이 미미함 (예: 지붕공, 조경사, 상업 잠수부)
  • 2–3점: 주로 물리적·대인 업무로, AI는 주변 업무만 보조 (예: 전기기사, 배관공, 소방관, 치과 위생사)
  • 4–5점: 물리적 업무와 지식 노동이 혼합된 직무 (예: 간호사, 경찰관, 수의사)
  • 6–7점: 주로 지식 노동으로, AI 활용 시 생산성 향상 가능 (예: 교사, 관리자, 회계사, 기자)
  • 8–9점: 완전한 디지털 업무 중심으로, AI 발전에 따라 구조적 변화 가능 (예: 소프트웨어 개발자, 그래픽 디자이너, 번역가, 데이터 분석가, 법률 보조원, 카피라이터)
  • 10점: 완전한 정보 처리형 직무로, AI가 대부분 수행 가능 (예: 데이터 입력원, 텔레마케터)

주의 사항

  • AI 노출 점수는 LLM의 추정치로, 실제 예측이나 고용 전망을 의미하지 않음
  • 높은 점수는 직업이 사라진다는 뜻이 아니라, 업무 방식이 변화할 가능성을 나타냄
  • 예를 들어, 소프트웨어 개발자는 9/10으로 평가되지만, AI로 인해 생산성이 높아져 수요가 증가할 수도 있음
  • 점수는 수요 탄력성, 규제, 사회적 요인 등은 고려하지 않음
  • 많은 고노출 직업은 대체가 아닌 재구성될 가능성이 있음
▲
GN⁺ 18시간전  [-]
Hacker News 의견들

  • 내 또래 개발자들이 1년 안에 새 직장을 못 구하는 이유가 소프트웨어 개발자 시장이 평균보다 빠르게 성장해서라니 놀라움

    • 매년 미국은 12만 명 이상의 H1B, L1, OPT 비자 소지자를 받아들이고 있음. 전체 190만 명의 개발자 수를 고려하면, 단순히 고용을 유지하려면 매년 5% 이상 성장해야 함. 여기에 미국 내 졸업생까지 포함하면 10% 성장률이 필요함. 장기적으로는 비현실적임.
      의회나 대통령이 H1B 비자를 일시 중단하거나, 비자 수수료를 20만~50만 달러로 인상해 진짜 예외적인 인재만 받도록 해야 함. 지금은 대기업이 대량 해고하면서도 비자를 남발하는 구조임
    • “평균보다 빠르게 성장”이라는 표현이 통계의 함정처럼 들림. 실제로는 지역, 인력 공급, 다른 직종 변화 등 여러 요인을 고려해야 함. 많은 사람들이 업계를 떠나면서 생긴 빈자리가 ‘성장’으로 보이는 착시일 수도 있음. 단일 데이터포인트로 전체를 판단하는 건 통계적 착시에 불과함
    • 아마 당신은 ‘컴퓨터 프로그래머’일 수도 있음. 이 직종은 고용이 6% 감소할 것으로 예상됨
    • 데이터는 2024년 기준임

  • “Top Executives” 직군의 일자리 수가 “Retail Sales Worker”와 비슷하다는 게 흥미로움. 자동화와 미국의 글로벌 경제 역할을 생각하면 이해되지만, 계급과 불평등의 통념과는 어긋나는 현상임

    • 이 직군의 중간 연봉은 105,350달러이며, “General and Operations Manager”와 “Chief Executive”가 포함됨. 소규모 기업의 경영자들도 포함된 듯함. BLS 링크
    • 나도 그 그래프를 보고 처음엔 말이 안 된다고 생각했음. 하지만 같은 링크를 보면 실제로 그 수치가 맞음
    • 긱 이코노미가 정부 통계의 신뢰도를 망치고 있음. 많은 라이드셰어 운전자가 ‘CEO’로 분류되는 경우가 있음
    • “계급과 불평등의 통념과 어긋난다”는 말이 흥미로움. 좀 더 설명해줄 수 있는지 궁금함

  • 시각화가 멋지지만, 색맹 모드가 있었으면 좋겠음. 빨강과 초록을 구분할 수 없음

    • 임시로 쓸 수 있는 해킹 스크립트를 만들어줬음. Chrome 콘솔에서 “allow pasting”을 먼저 활성화해야 함
    • Daltonize 같은 도구를 써보면 좋을 듯함. 색각 이상자를 위해 생리학적으로 인식 가능한 색상 조정을 해줌. 예시 이미지
    • 색맹이 아닌 입장에서 궁금한데, 시스템의 Accessibility 설정(고대비 모드 등) 으로는 해결이 안 되는지?
    • 나도 빨강/초록 색맹이라 같은 문제를 겪고 있음

  • AI가 만들어내는 잉여 생산물(surplus) 은 어디로 가는가에 대한 고민임. 데이터센터나 연구소 투자가 아니라, 실제 AI가 만들어내는 결과물의 분배를 말함.
    AI는 우리가 일하는 방식과 선택을 바꾸고, 경쟁은 그 잉여를 새로운 구조에 재투자함. 결국 그 구조는 필수 인프라가 되어버림. 컴퓨터가 수백만 배 빨라졌지만, 임금이나 노동시간은 거의 변하지 않은 이유가 여기에 있음. 잉여는 결국 ‘기본 비용’으로 흡수됨

    • 그 잉여는 결국 상위 1%의 주머니로 들어감. 지난 50년간 컴퓨터·인터넷·자동화가 만든 생산성 향상도 대부분 그쪽으로 갔음. 관련 데이터
    • 개인 프로젝트에서는 프로그래밍 시간을 절약해도, 결국 더 야심찬 프로그램을 만드는 데 그 시간을 씀. 기업도 마찬가지로 더 큰 목표를 추구함
    • 잉여는 결국 자본의 소유자에게 돌아감. 노동은 이미 오래전부터 자본에 밀리고 있음
    • 만약 AI가 ‘쓸모없는 일’을 수조 배 더 효율적으로 처리해도 경제적 이득이 거의 없다면, 그건 그 일들의 실질적 경제 가치가 낮다는 뜻일지도 모름. 하지만 주식시장이 멀쩡한 걸 보면, 적어도 세 가지 중 하나는 틀린 전제임: 경제가 정체 중이거나, AI가 엄청나게 생산적이거나, 혹은 주식시장이 현실과 동떨어져 있거나
    • 결국 시장경제에서는 기업주가 결정함. 장기적으로는 상품이 더 저렴해지는 방향으로 흘러감. 농업의 역사만 봐도 그렇음. 참고 링크

  • BLS의 데이터는 실제 상황보다 시차가 크고 예측 신뢰도가 낮음. 2000~2010년대에 보험계리사(Actuary)가 가장 유망하다고 했던 걸 기억함? 기술 변화가 빠른 시대엔 이런 예측은 의미가 없음

    • 데이터가 최신은 아니지만, 신뢰성은 높은 편임. 내가 예전에 BLS 데이터 제출에 참여했는데, 고용주가 2주마다 보고함. 완벽한 예측은 불가능하지만, 보고된 데이터 기반의 가이드로 보면 됨. AI의 영향은 누구도 정확히 모름
    • 그렇다면 당신이 보는 실제 상황은 어떤지 궁금함
    • 대학 시절 내 파트너가 보험계리사 자격증(FCAS)을 따려 했던 이유가 이거였음. 지금은 안정적이지만, 워낙 진입 장벽이 높은 소수 직종임
    • 데이터의 품질 자체가 낮다면, 아무리 많아도 합성 데이터와 다를 바 없음
    • 트럼프가 BLS 국장을 해임하고 “위대함을 되찾겠다”는 인사를 임명했던 일도 있었음. 이런 정치적 개입을 보면 데이터를 얼마나 신뢰할 수 있을지 의문임

  • 흥미로운 점은 학사 학위 직업의 평균 연봉이 석사 학위 직업보다 8천 달러 높음

    • 아마 석사 학위가 필요한 직종들이 포화 상태이기 때문일 것임. 교육, 사회복지, 도서관학 같은 분야에서 자격 인플레이션(qualification creep) 이 일어나고 있음

  • “Software Developers +15%”라니 기쁨, 하지만 “Computer Programmers -6%”는 충격임

    • BLS 기준으로 Software Developer의 중간 연봉은 131,450달러, 출처.
      Computer Programmer는 98,670달러, 출처.
      개발자는 사용자 요구 분석, 시스템 설계, 유지보수, 문서화 등 전체 소프트웨어 생명주기를 다룸. 반면 프로그래머는 주로 코드 작성, 수정, 테스트에 집중함
    • 나도 프로그래머지만, 그 직함으로 올라온 구인공고는 대부분 열악한 조건임. ‘Software Engineer’라는 타이틀이 붙는다고 진짜 엔지니어가 되는 건 아님. 결국 단어 놀음임
    • 나도 그 차이를 궁금했음. 그래도 190만 개의 개발자 일자리와 12만 개의 프로그래머 일자리를 보면 희망적인 신호로 보임
    • 아마 용어 변화 때문일 수도 있음. 예전엔 프로그래머라 불리던 역할이 이제는 개발자로 통합된 듯함
    • 프로그래머는 줄지만, 테스터와 QA는 늘어날 거라는 전망이 있음. AI가 보편화된 미래에는 품질 관리가 더 중요해질 것 같음. 하지만 개발자 직군이 그만큼 늘어난다는 뜻은 아닐 수도 있음

  • 부동산 관점에서 보면, AI에 가장 노출된 직업군은 사무직임. 비서, 서기, 회계, 고객 서비스, 변호사, 개발자 등이 포함됨. 최근 몇 년간 오피스 부동산이 회복세라 했지만, AI로 인한 일자리 감소가 현실화되면 두 번째 충격파가 올 수도 있음

  • 이 시각화는 마우스 오버가 핵심인데, 모바일에서는 거의 쓸모가 없음

    • Canvas 렌더링이라서 그렇다고 함. 반응형 접근성이 떨어짐

  • 모델(Model) 직업이 AI 노출도 8/10으로 나온 게 흥미로움

답변달기