AI 업무 노출도 지도

직업 전체 단위에서 그 질문에 믿을 만하게 답할 수 있는 사람은 없습니다. 자신만만한 헤드라인을 내는 전망가도 마찬가지입니다. 평가할 수 있는 것은 자기 과업 구성입니다. 한 주 중 어느 부분이 AI가 이미 초안을 만들 수 있는 산출물을 내고, 어느 부분이 판단, 책임, 물리적 현장, 신뢰를 요구하는가입니다. 미국 직업 정보 데이터베이스인 O*NET의 과업 프레임과 국제노동기구(ILO)의 변형 분석은 모두 대부분의 직업이 통째로 사라지기보다 직업 안에서 과업이 옮겨 가는 쪽을 가리킵니다. 자기 과업을 지도로 그리면, 답 없는 걱정이 스스로 통제하고 갱신할 수 있는 구체적 평가로 바뀝니다.

세 가지 성질의 결합이 가장 중요합니다. 과업의 입력과 출력이 디지털 텍스트, 코드, 이미지, 구조화된 데이터라는 것. 기존 사례에 풍부하게 나타나는 패턴을 따른다는 것. 그리고 산출물 검증이 싸서 오류가 빠져나가도 비용이 작다는 것입니다. 세 가지가 다 있어야 자동화 압력이 강합니다. 싼 검증이 빠지면 과업은 증강 쪽으로 옮겨 갑니다. 사람 검토자가 계속 필요하기 때문입니다. 물리적 작업이나 대인 작업처럼 디지털 형태 자체가 빠지면 현재의 노출은 크게 떨어집니다.

첫수로는 아닙니다. 고노출 지도가 우선 요구하는 것은 떠나는 것을 고민하기 전에 자기 분야 안에서 자리를 옮기는 것입니다. 분야 지식은 자산이고, 직업을 바꾸면 그것을 버리게 되기 때문입니다. 더 가까운 선택지는 이렇습니다. 그 과업에서 AI와 비교당하는 사람이 아니라 AI를 쓰는 사람이 되고, 분야에 여전히 필요한 검토와 판단 업무 쪽으로 시간을 옮기고, 저노출 구역을 키우는 것입니다. 정직하게 노력해도 지금 자리에서 그 구역이 자라지 않는다면, 그때 구조 있는 전환 계획을 세울 가치가 있습니다.