오픈AI 조사: 직장용 ChatGPT 대화 43.5%가 ‘내 직무 밖 일’을 다뤘다
오픈AI가 7월 27일(현지시간) 미국 ChatGPT 이용자의 업무 관련 메시지 80만 건 이상을 분석한 보고서를 공개했다. 분석 결과 업무 메시지 전체의 16.8%, 직업 특성이 뚜렷한 메시지의 43.5%가 이용자 본인의 직무가 아닌 다른 직종에 전통적으로 속했던 일을 다뤘다. AI가 사람을 곧바로 대체한다는 결론보다, 한 사람이 맡는 일의 경계가 먼저 넓어지고 있다는 신호에 가깝다.
예를 들어 소규모 사업자가 홍보 문구를 쓰고 계약서를 검토하거나 기초 재무 분석을 하고, 영업 담당자가 고객 데이터를 직접 살펴보며, 마케팅 담당자가 웹사이트 문제를 해결하는 식이다. 이전에는 다른 부서나 외부 전문가에게 넘겼을 일을 AI의 도움으로 먼저 처리하는 사례가 늘고 있다는 설명이다.
43.5%는 모든 업무 대화의 비율이 아니다
숫자를 읽을 때 가장 중요한 조건이 있다. 오픈AI는 글쓰기, 요약, 일정 관리처럼 거의 모든 직업에서 공통으로 하는 일을 ‘일반 업무’로 분류했다. 43.5%는 이런 일반 업무를 제외하고 직업별 성격이 분명한 메시지만 놓고 봤을 때, 사용자의 본래 직무 밖에 해당한 비율이다. 업무 관련 메시지 전체를 기준으로 한 비율은 16.8%다.
오픈AI는 이런 현상을 ‘업무 교차’라고 불렀다. 특정 직종에 속했던 일이 다른 직종의 AI 사용에서 나타나는 현상이라는 뜻이다. 고객 경험 담당자의 직업별 메시지에서는 77%가 다른 직무의 일이었고, 디자이너는 75%, 인사 담당자는 69%, 법률 담당자는 56%, 마케팅 담당자는 53%였다.
반대로 모든 직종이 같은 방식으로 변한 것은 아니다. 엔지니어는 다른 분야의 일을 가져오는 비율이 비교적 낮았지만, 소프트웨어 문제 해결 같은 엔지니어링 업무가 다른 직종에서 자주 나타났다. 마케팅 업무는 다른 분야로 널리 퍼지는 동시에 마케터도 재무·기술 등 외부 업무를 많이 가져오는 양쪽 흐름을 보였다.
작은 회사에서 변화가 더 먼저 보였다
평균적인 이용자를 기준으로, 구성원이 2~5명인 ChatGPT 업무공간에서는 본래 직무 밖 업무 비중이 18.9%였다. 100명이 넘는 업무공간에서는 16.3%로 낮아졌다.
큰 회사에는 법무, 재무, 디자인, 개발처럼 일을 넘길 전문 부서가 따로 있는 경우가 많다. 작은 회사에서는 문제를 처음 발견한 사람이 직접 해결해야 할 가능성이 크다. AI가 전문가를 완전히 대신했다기보다, 전문가에게 넘기기 전 초안 작성·자료 정리·기초 분석을 맡는 범용 도구로 먼저 쓰이고 있다는 해석이 가능하다.
직장인 입장에서는 직무 이름보다 실제 업무 구성이 빨리 바뀔 수 있다는 뜻이다. 마케터가 간단한 데이터 분석과 웹 문제 해결을 배우고, 인사 담당자가 설문 분석이나 내부 안내물 제작까지 맡는 식이다. 기업은 단순히 ‘AI 사용 여부’를 묻기보다, 어느 업무를 직원이 새로 맡고 있으며 최종 검토 책임은 누구에게 있는지 정해야 한다.
이 조사로 알 수 없는 것도 많다
이번 보고서는 OpenAI가 자사 ChatGPT 사용 기록을 분석한 연구다. 모든 직장인이나 다른 AI 서비스 이용자를 대표한다고 볼 수 없고, 메시지가 다른 직무에 해당했다는 사실만으로 결과가 정확했는지도 알 수 없다. 계약 검토, 재무 계산, 기술 문제 해결은 AI가 초안을 만들 수 있어도 전문가 확인이 필요한 영역이다.
또한 이 수치는 일자리 감소율이 아니다. 한 사람이 더 다양한 일을 한다는 사실은 생산성 향상, 업무 부담 증가, 전문 인력 채용 감소 가운데 어느 방향으로든 이어질 수 있다. 회사가 AI 사용 데이터를 공개한 만큼, 자사 서비스의 경제적 가치를 강조할 이해관계도 함께 고려해야 한다.
보고서가 말하는 ‘업무 교차’는 무엇인가
보고서는 미국 이용자가 보낸 업무 관련 메시지를 그 사람의 직업과 비교했다. 예컨대 영업 담당자가 고객 관계나 협상에 관한 도움을 구하면 본래 직무 안의 일로 볼 수 있지만, 고객 데이터 분석처럼 전통적으로 다른 직무가 맡아 온 일을 요청하면 업무 교차로 분류하는 방식이다. 직업별 업무의 역사적 기준에는 미국의 직업 정보 체계인 O*NET이 사용됐다.
이 기준은 ‘누가 반드시 해야 하는 일’을 법처럼 정하는 것이 아니다. 실제 회사에서는 직무가 이미 겹쳐 있고, 같은 제목의 직업도 조직마다 하는 일이 다르다. 보고서가 보여주는 것은 AI 사용자가 과거의 대표적인 직무 구분과 비교해 얼마나 자주 경계를 넘어서는 요청을 했는지다. 그래서 43.5%를 ‘직장인의 절반이 다른 사람의 일자리를 가져갔다’고 읽으면 틀린다.
또 분석 단위는 사람이나 프로젝트가 아니라 메시지다. 질문 한 건이 짧은 아이디어 요청인지, 실제 업무 전체를 대체한 것인지 구분하지 않는다. 같은 이용자가 여러 번 질문했을 수도 있고, 답변을 업무에 쓰지 않았을 수도 있다. 숫자는 행동의 방향을 보여주지만 노동시간이나 채용 감소를 직접 계산한 값은 아니다.
어떤 일이 다른 직무로 가장 많이 이동했나
보고서가 강조한 흐름은 양방향이다. 마케팅과 엔지니어링에 속했던 업무는 다른 직종 이용자들이 자주 가져갔다. 동시에 디자인, 영업, 인사 분야 이용자는 자신의 전통적인 영역 밖에서 여러 종류의 도움을 요청하는 경향이 컸다. 이는 AI가 모든 전문성을 똑같이 평평하게 만드는 것이 아니라, 문서·분석·기초 제작처럼 말로 설명하고 중간 결과를 확인하기 쉬운 일을 먼저 이동시키고 있음을 시사한다.
생활 속 장면으로 바꾸면 이해하기 쉽다. 영업 담당자는 분석가에게 자료를 넘기기 전에 고객 표에서 경향을 찾아볼 수 있다. 마케터는 개발팀의 순서를 기다리지 않고 웹페이지 오류의 원인을 정리하거나 간단한 수정안을 만들 수 있다. 인사 담당자는 설문 결과를 묶고 시각화 초안을 만들 수 있다. 디자이너는 조사 문구나 발표 자료의 구조까지 맡을 수 있다.
이 과정에서 전문가의 일이 완전히 사라지는 것은 아니다. 오히려 요청의 시작점이 달라진다. 과거에는 빈 화면과 원자료를 전문가에게 넘겼다면, 이제는 비전문가가 AI와 초안을 만든 뒤 어려운 부분만 전문가에게 가져갈 수 있다. 전문가는 반복적인 첫 단계보다 검증, 예외 처리, 최종 판단에 더 많은 시간을 쓰게 될 가능성이 있다. 반대로 회사가 이를 단순한 인력 절감 수단으로만 보면 검토받지 않은 초안이 최종 결과로 넘어갈 위험도 커진다.
작은 조직에서 비율이 더 높았던 이유
보고서에서 2~5명 규모의 작은 ChatGPT 업무공간 이용자는 평균적으로 업무 관련 메시지의 18.9%가 직무 밖 활동에 해당했다. 100명 이상 규모에서는 16.3%였다. 차이가 극단적으로 크지는 않지만, 전문 부서가 적은 조직에서 AI가 빈자리를 메우는 도구로 쓰일 가능성과 맞아떨어진다.
작은 회사의 대표나 초기 직원은 원래도 여러 역할을 동시에 맡는다. 고객 문의에 답하면서 홍보물을 만들고, 비용을 계산하면서 계약 조건을 읽는다. AI는 이 다중 역할을 새로 만든다기보다, 혼자 처리할 수 있는 범위를 넓혀 줄 수 있다. 필요한 사람을 채용하기 전까지 임시로 업무를 진행하거나 외부 전문가에게 질문할 내용을 정리하는 데 특히 유용하다.
그러나 작은 조직일수록 검토 장치도 약할 수 있다. AI가 만든 계약 해석을 변호사 확인 없이 사용하거나, 재무 계산을 회계 검토 없이 의사결정에 넣으면 작은 오류가 큰 손실로 이어진다. ‘직무 밖 일을 할 수 있다’와 ‘그 결과에 책임질 전문성이 있다’는 다른 말이다. 보고서가 보여주는 확장은 기회인 동시에 새로운 관리 부담이다.
직장인에게 필요한 능력도 달라진다
직무 경계가 넓어질수록 질문을 잘 쓰는 기술만으로는 부족하다. 다른 분야의 결과에서 이상한 부분을 알아차리고, 언제 전문가에게 넘겨야 하는지 판단하는 능력이 중요해진다. 마케터가 코드를 처음부터 짤 필요는 없어도, 고객 정보가 외부로 전송되는 수정인지 확인할 줄은 알아야 한다. 영업 담당자가 통계 전문가가 아니더라도 표본이 너무 작거나 비교 기준이 잘못됐는지 의심할 수 있어야 한다.
교육도 한 번의 AI 사용법 강의보다 업무별 검토 기준에 가까워질 가능성이 크다. 회사는 직원에게 허용된 데이터, 금지된 의사결정, 전문가 승인이 필요한 단계, 결과를 기록하는 방법을 알려야 한다. 직원에게 더 많은 종류의 일을 맡기면서 책임과 교육은 그대로 둔다면 AI는 생산성 도구가 아니라 숨은 과부하가 될 수 있다.
채용 공고 역시 변할 수 있다. ‘마케팅만 담당’이 아니라 기초 데이터 분석과 웹 운영을 함께 이해하는 사람, ‘인사만 담당’이 아니라 설문과 내부 콘텐츠 제작을 연결할 수 있는 사람을 찾게 될 수 있다. 다만 모든 직무를 한 사람에게 몰아주는 방식은 지속 가능하지 않다. 업무 범위를 넓힌 만큼 우선순위와 보상, 최종 책임도 다시 정해야 한다.
연구 수치를 어디까지 믿어야 하나
오픈AI는 80만 건이 넘는 미국 이용자의 업무 메시지를 무작위 표본으로 분석했다고 밝혔다. 직업 정보는 ChatGPT Business에서 연결됐지만, 분석한 메시지는 해당 이용자의 개인 ChatGPT 계정에서 나온 업무 관련 활동이다. 표본은 미국 전체 노동자를 대표하지 않으며, ChatGPT Enterprise 이용자로 일반화할 수도 없다는 제한이 보고서에 명시돼 있다.
연구자는 메시지가 어떤 업무인지 분류할 수 있지만 답변의 품질, 실제 사용 여부, 절약한 시간, 전문가 검토 여부는 관찰하지 못했다. 따라서 이번 조사는 생산성 증가를 입증하지도, 특정 직업의 감소를 예측하지도 않는다. 오픈AI가 자사 서비스의 가치를 설명하는 보고서라는 이해관계도 함께 봐야 한다.
그럼에도 메시지 수준의 실제 사용 자료는 설문과 다른 장점이 있다. 사람들이 AI를 쓴다고 답한 직무가 아니라, 어떤 종류의 도움을 요청했는지 관찰했기 때문이다. 앞으로 독립 연구가 비슷한 패턴을 확인하고, 업무 교차가 품질·임금·채용·노동시간에 어떤 결과를 내는지 연결해야 이번 발견의 경제적 의미가 분명해질 것이다.
실제로 달라지는 점
이번 조사에서 주목할 변화는 ‘AI가 어떤 직업을 없애나’보다 ‘기존 직업 안에 어떤 일이 새로 들어오나’다. 직무 경계가 흐려지면 채용 공고와 교육도 바뀔 가능성이 크다. 한 분야의 깊은 지식에 더해, AI가 만든 다른 분야의 결과를 검토하고 위험한 부분을 전문가에게 넘기는 능력이 중요해진다.
다음에 확인할 것은 업무 교차가 실제 성과와 임금, 채용에 어떤 영향을 주는지다. 이번 데이터는 사람들이 무엇을 시도하는지는 보여주지만, 그 결과가 더 좋았는지까지 증명하지는 않는다.