일자리와 노동시장

국내 43만 개 기업의 채용공고 1,041만 건을 분석한 결과, 신입 채용 공고 감소는 ChatGPT 출시 반년 전인 2022년 여름부터 시작됐으나 생성형 AI 노출도가 높은 직무일수록 더 긴 경력을 요구하는 변화는 ChatGPT 등장 이후에 본격화됐다.

앤드루 응은 AI가 일자리를 없앤다는 공포가 과장됐고, 그 공포는 일부 선두 AI 기업의 규제 포획 시도에서 비롯됐다고 주장한다. 그는 대학 교육이 변화를 2년 늦게 반영한다는 점과 지금의 AI 사용 습관이 학습을 해친다는 점을 문제로 꼽고, 만드는 비용이 급락한 지금은 무엇을 만들지 정하는 일이 병목이라고 말한다.

Mercor가 미국 공인회계사 12명에게 회계 벤치마크 APEX-Accounting을 줄여 만든 월말 결산 과제 네 개를 맡겼다. Claude Opus 5는 스무 번 모두 10분 안에 만점을 받았고 회계사 평균은 37%였다. 저자는 함정이 많은 과제와 맥락도 동료도 없는 환경이 이 격차를 만들었다고 해석하면서, 벤치마크 과제 가운데 사람이 혼자 풀 수 없는 과제의 비중이 늘고 있다고 지적했다.

미국 재무장관과 연준 의장이 AI 생산성 붐으로 나라가 부유해진다고 말하는 시점에, 미국의 노동소득분배율은 1947년 집계를 시작한 뒤 가장 낮은 52.8%까지 내려갔다. EY-Parthenon 수석 이코노미스트 그레고리 다코는 그 격차를 만든 생산성이 AI가 아니라 재래식 자동화에서 왔다고 진단하며, 절반도 바닥이 아니라고 말한다.

스태프 엔지니어는 캘린더에 사고 시간을 비워 문제를 찾지 않는다. 일상의 대화를 흡수해 문제를 쌓아 두고, 서로 달라 보이는 요청들이 같은 형태로 겹칠 때까지 기다린 뒤에 만들기 시작한다는 실무 기록.

Stanford의 Erik Brynjolfsson과 ADP의 Nela Richardson이 460만 명·730여 직업을 추적하는 Canaries Dashboard를 공개해 작년 paper의 결론을 2026년 4월까지 연장했다. 22~25세 신입의 AI 고노출 직업 고용은 연 -3.8% 속도로 줄고 있고, 그 감속은 매월 0.5%p씩 더 깊어진다. 논쟁의 위치는 이제 “AI가 변혁적이냐"에서 “규모와 시기"로 옮겨졌다.

Prof G Markets가 2026년 상반기 AI 해고 5만 건 뒤에서 벌어진 다른 그림을 짚는다 — AI는 대체하려는 인건비보다 자주 더 비쌌고, 미국 AI 스타트업의 80%는 이미 10~30배 싼 중국 오픈소스 LLM으로 옮겨 갔다.

Mauro Bieg는 지금 AI가 프로그래밍에 일으키는 변화가 지난 10년 프론트엔드의 ‘잃어버린 10년’과 닮았다고 본다. 탈숙련화·누수 많은 추상화·Stack Overflow 복붙의 연장이라는 세 렌즈로 현 국면을 진단하고, 바우하우스 운동에서 응답의 단서를 찾는다.

Every CEO 댄 시퍼가 Lenny’s Podcast에서 내놓은 12가지 예측 — Codex·Claude Code가 새 업무 OS가 되고, CLI는 끝났으며, SaaS는 죽지 않고, AI가 자동화될수록 인간 노동은 오히려 늘어난다.

Every의 Dan Shipper가 쓴 매니페스토. 사내에서 가능한 모든 작업을 자동화했음에도 사람이 할 일은 오히려 늘었다는 역설에서 출발해, 벤치마크의 프레임 구조와 AGI에 닿아도 사라지지 않는 ‘framer’의 자리를 짚는다.