기술 요약: 스페인의 인공지능과 고용에 대한 영토적 및 성별 관점

1. 문제 제기

생성형 인공지능 (AI) 의 급속한 확장은 노동, 생산성, 사회 통합의 미래에 관한 논의를 근본적으로 재편성했습니다. 국제 문헌은 직업의 AI 노출도를 측정하기 위한 강력한 방법론 (예: SOC, ISCO 또는 ESCO 분류 사용) 을 정립했지만, 스페인 맥락에서는 상당한 방법론적 격차가 존재합니다. 스페인의 공식 노동 통계는 주로 특정 직업이 아닌 주 (province) 및 자치주 (autonomous community) 수준에서 경제 활동 부문 (CNAE) 별로 세분화되어 있습니다.

이러한 불일치는 국제적 AI 노출 지수를 스페인 지역 데이터에 직접 적용하는 것을 방해하여, 표적화된 공공 정책, 노조 전략, 영토 계획의 개발을 저해합니다. furthermore, 기존 문헌은 여성이 AI 자동화에 매우 취약한 행정 및 서비스 부문에서 과대 대표되어 있다는 증거가 있음에도 불구하고, 영토적 격차와 성별별 취약성의 교차점을 종종 간과합니다. 본 논문은 스페인의 특정 통계 구조 (CNAE) 를 존중하고 세분화된 영토 및 성별 분석을 가능하게 하는 AI 노출을 측정하기 위한 객관적이고 비교 가능한 도구의 시급한 필요성을 다루고 있습니다.

2. 방법론

본 연구는 국제적 직업별 AI 지표와 스페인 부문별 데이터 간의 격차를 해소하기 위한 예비적이고 재현 가능한 방법론을 제안합니다. 접근 방식은 세 가지 주요 단계를 포함합니다:

2.1. AI-CNAE 발생 행렬 구성

저자들은 Tomlinson 등 (2025) 의 "AI 적용 가능성 점수"를 적응화했는데, 이는 마이크로소프트 코파일럿 (Microsoft Copilot) 과 같은 생성형 AI 도구와의 20 만 건 이상의 실제 상호작용에 기반합니다. 직업 코드를 직접 사용하는 대신, 저자들은 이러한 직업적 역량을 스페인 CNAE(2 자리) 분류로 번역하는 매핑 행렬을 구축합니다.

• 요인 할당: 각 CNAE 부문에는 0.06 에서 0.30 사이의 "발생 요인"이 할당됩니다.
• 논리: 수동, 물리적 또는 반복적 업무가 지배적인 부문 (예: 농업, 건설) 은 낮은 요인을 받습니다. 행정, 언어, 분석 또는 종합 업무가 특징인 부문 (예: 금융, 전문 서비스, 정보 및 통신) 은 더 높은 요인을 받습니다.
• 종합: 이 행렬은 국제적 증거와 스페인 부문의 특정 직업 구성의 가중치 합계를 나타냅니다.

2.2. 데이터 출처 및 계산 모델

본 연구는 2021 년과 2022 년 스페인 국가 통계원 (INE) 의 마이크로 데이터를 활용하며, 특히 주, 부문 (CNAE), 성별별로 세분화된 연간 취업 인구 센서스를 사용합니다.

• 부문별 노출: 각 주 $p$와 부문 $c$에 대해 "AI 조정 고용"은 다음과 같이 계산됩니다:
  $$IA\_employment(p,c) = employment(p,c) \times factor_{IA}(c)$$
• 영토 지표: 주의 총 노출도는 총 AI 조정 고용을 총 주 고용으로 나눈 비율로 정의됩니다:
  $$IA\text{-}share(p) = \frac{\sum_{c} IA\_employment(p,c)}{\sum_{c} employment(p,c)}$$
• 성별 세분화: 동일한 계산을 남성과 여성 고용에 대해 별도로 수행하여 성별별 노출 지수 ($IA\text{-}share_{female}$ 및 $IA\text{-}share_{male}$) 를 도출합니다.

2.3. 한계

저자들은 명시적으로 본 연구가 실제 대체나 실직이 아닌 잠재적 구조적 노출을 측정하는 예비 연구임을 밝힙니다. 이 모델은 각 CNAE 부문 내에서 동질적인 직업 구성을 가정하며, 이는 내부 이질성을 가릴 수 있습니다. 새로운 업무 창출, 생산성 향상, 기업의 채택 속도 등의 동적 효과를 고려하지 않습니다.

3. 주요 기여

• 방법론적 적응: 본 논문은 국제적 AI 노출 지표를 스페인 CNAE 프레임워크로 체계적으로 번역한 첫 사례를 제공하여, 이전에는 국가 수준이나 광역 지역 추정만 가능했던 주 단위 분석을 가능하게 합니다.
• 영토 지도화: 스페인 전역 52 개 주의 AI 노출에 대한 상세한 지도를 생성하여 경제적 전문화에 기반한 구조적 취약성을 식별합니다.
• 성별 분석: 남성과 여성 간의 AI 노출에 있어 지속적인 구조적 격차를 정량화하여, 모든 영토에서 여성 노동력이 AI 주도 전환에 체계적으로 더 많이 노출되어 있음을 드러냅니다.
• 정책 도구: 노조, 정책 입안자, 연구자들이 동향을 모니터링하고 국가 AI 전략 (ENIA) 에 부합하는 "공정한 전환" 전략을 설계할 수 있는 투명하고 개방적인 방법론을 제공합니다.

4. 결과

2021~2022 년 데이터 분석은 몇 가지 일관된 패턴을 드러냅니다:

4.1. 총체적 노출

스페인은 총 고용의 18% 에서 22% 사이에서 변동하는 "IA-share"를 보이며, 중간에서 높은 수준의 총체적 AI 노출을 나타냅니다. 이는 스페인 노동 시장의 상당 부분이 생성형 AI 적용 가능성이 높은 업무에 종사하고 있음을 시사합니다.

4.2. 영토 양극화

**마드리드, 바르셀로나, 발렌시아, 아리칸테, 말라가, 카나리아 제도 (라스팔마스 및 산타크루스데테네리페)**를 포함한 고노출의 명확한 "중부 - 지중해 회랑"이 식별됩니다. 이러한 주는 21% 이상의 노출을 초과합니다.

• 주요 동인: 고노출은 첨단 서비스, 금융, 전문 컨설팅, 정보/통신, 도소매/상업의 집중과 상관관계가 있습니다.
• 저노출: 내륙 지역 (예: 소리아, 테루엘, 사모라, 팔렌시아) 이나 강력한 농업 또는 전통 제조업 기반을 가진 주는 더 낮은 노출 (약 17.5%~18.5%) 을 보입니다.
• 안정성: 주의 순위는 2021 년과 2022 년 사이에 놀라울 정도로 안정적으로 유지되어, 노출이 단기적 경기 변동이 아닌 깊은 구조적 경제 요인에 의해 주도됨을 확인시켜 줍니다.

4.3. 성별 격차

모든 단일 주에서 여성 고용은 남성 고용보다 AI 노출도가 더 높습니다.

• 크기: 격차는 일반적으로 1.5~3 퍼센트 포인트 범위이지만, 서비스 산업이 매우 발달한 지역에서는 더 큽니다.
• 원인: 여성은 교육, 의료, 행정, 사회 서비스와 같은 AI 적용 가능성이 높은 부문에 불균형적으로 집중되어 있습니다. 반면, 남성은 건설, 운송, 채굴 산업과 같이 AI 적용 가능성 요인이 낮은 부문에서 더 많이 대표됩니다.
• 시사점: 이는 여성 노동력에 대한 구조적 취약성을 나타내며, 특정 정책으로 완화되지 않는 한 AI 채택이 여성 고용 패턴에 불균형적으로 영향을 미칠 수 있음을 시사합니다.

5. 중요성과 주장

본 논문은 실직에 대한 확정적인 예측이 아니라 전략적 계획을 위한 진단 도구로 자신을 위치시킵니다. 그 주요 중요성은 다음과 같습니다:

1. 데이터 격차 해소: 하위 국가 수준에서 이전에는 답변할 수 없었던 AI 영향에 대한 질문에 답하기 위해 표준 스페인 통계 데이터 (INE/CNAE) 를 활용할 수 있게 합니다.
2. 구조적 불평등 강조: AI 노출이 무작위가 아니라 노동 시장의 기존 영토 전문화 및 성별 분리선을 따름을 보여줍니다.
3. "공정한 전환" 정보 제공: 스페인 정부와 사회 파트너가 지리적 및 인구통계학적 표적에 맞는 훈련, 재교육 및 보호 정책을 설계할 수 있는 기준을 제공합니다.

저자들은 AI 의 즉각적인 영향이 보완적 (생산성 향상) 일 가능성이 높지만, 본 연구에서 식별된 구조적 노출은 대체 위험과 적응 필요성이 가장 큰 영역을 강조한다고 결론지었습니다. 그들은 향후 연구가 더 세분화된 직업 데이터로 모델을 정교화하고 동적 채택률을 통합해야 한다고 강조하지만, 현재 프레임워크는 스페인에서 포용적이고 공정한 기술 거버넌스를 위한 필수적인 첫걸음을 제공한다고 말합니다.