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.
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.