🔬 physics

Occupational Convergence or Divergence? Mapping Labor Market Structural Shifts Driven by AI Penetration

10개국의 구인 데이터를 활용한 본 연구는, AI 주도의 기술 수요가 좁은 범위의 기술적 핵심인 STEM 직종 내에서는 수렴을 촉진하는 반면, 광범위한 노동 시장으로까지는 침투하지 못함으로써 동시에 직업적 계층화를 심화시키고, 결과적으로 기존의 장벽을 강화하며 이미 우위에 있는 노동자들에게 혜택을 집중시킨다는 점을 밝히고 있다.

원저자: Rafiazka Hilman, Julia Koltai

게시일 2026-08-03

📖 3 분 읽기☕ 가벼운 읽기

CC BY 4.0

원저자: Rafiazka Hilman, Julia Koltai

원본 논문은 CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) 라이선스로 제공됩니다. ✨ 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기

직업 시장을 서로 다른 종류의 업무를 나타내는 다양한 동네들이 모여 있는 거대하고 북적이는 도시라고 상상해 보십시오. 오랫동안 사람들은 인공지능(AI)과 같은 새로운 기술이 모든 문을 열 수 있는 만능 열쇠가 되어, 모든 사람의 기술을 더 비슷하게 만들고 사람들이 한 직업에서 다른 직업으로 쉽게 이동할 수 있도록 도울 것이라고 생각했습니다. 이 아이디어를 '수렴(convergence)'이라고 부릅니다. 반면에, AI가 거대한 벽처럼 작용하여 일부 사람들을 고도의 기술을 갖춘 요새 안으로 밀어 넣고, 나머지 사람들은 구도시에 남겨두어 그들 사이의 격차를 더 넓힐 것이라는 두려움도 있었습니다. 이것은 '발산(divergence)'이라고 불립니다. 연구자들이 던지는 핵심 질문은 이것입니다. AI는 모두를 위한 다리를 건설하고 있습니까, 아니면 소수를 위한 요새를 건설하고 있습니까? 이 질문에 답하기 위해서는 몇 가지 간단한 것들을 이해해야 합니다. AI는 기본적으로 코드를 작성하거나 데이터를 분석하는 등 인간이 수행하는 업무를 할 수 있는 매우 똑똑한 컴퓨터 도구입니다. '기술'은 노동자가 직무를 수행하는 데 필요한 도구와 요령이며, '직업 구조'는 모든 다양한 직업이 어떻게 조직되어 있는지 보여주는 지도와 같습니다. 만약 AI가 이 지도를 바꾼다면, 이는 어떤 이들에게는 직업을 구하는 것을 훨씬 어렵게 만들고 다른 이들에게는 훨씬 쉽게 만들어 우리 사회 전체를 재편할 수 있음을 의미합니다.

그렇다면 이 연구는 실제로 무엇을 발견했을까요? 연구자들인 라피아즈카 힐만(Rafiazka Hilman)과 율리아 콜타이(Júlia Koltai)는 추측을 멈추고 지도를 그려보기로 했습니다. 그들은 디지털 탐정처럼 행동하며, 미국과 영국부터 브라 Brazil과 인도에 이르기까지 10개국의 수백만 개의 온라인 구인 광고를 스캔하여, 고용주들이 AI를 언급할 때 정확히 어떤 기술을 요구하는지 확인했습니다. 그들은 단순히 일자리의 수를 센 것이 아니라, 특수한 컴퓨터 방식을 사용하여 직업과 기술이 서로 어떻게 연결되는지를 보여주는 거대한 네트워크 지도를 그렸습니다.

여기서 그들이 발견한 반전이 있습니다. AI는 모두를 위한 다리를 건설하고 있는 것도, 그렇다고 단순히 벽을 쌓고 있는 것도 아닙니다. 대신, AI는 매우 다른 두 개의 구역으로 나뉜 분리된 도시를 만들고 있습니다.

첫째, '테크 코어(Tech Core)'가 있습니다. 이곳은 모든 AI 관련 직업의 약 4분의 3에서 5분의 4가 모여 있는 작고 초연결된 동네입니다. 이곳에 필요한 기술을 살펴보면, 마치 비밀스러운 암호와 같습니다. 이 그룹에 속한 거의 모든 사람은 파이썬(Python), SQL, 머신러닝, 그리고 데이터 분석을 알아야 합니다. 이들은 모두 동일한 도구 세트를 공유하기 때문에, 이 직업들은 서로 점점 더 비슷해지고 있습니다. 이는 이 작고 기술적인 클럽 내부에서 일어나는 수렴의 사례입니다.

하지만 일단 이 테크 코어를 벗어나는 순간, 다리는 사라집니다. 교사, 간호사, 트럭 운전사 또는 판매직 노동자와 같은 나머지 직업 시장에서는 AI 기술이 거의 나타나지 않습니다. 이 연구는 AI 기술이 모두를 위한 공통 기술로 퍼져나가지 않고 있음을 시사합니다. 대신, AI는 그 기술적인 요새 안에 갇혀 있습니다. 이것은 발산을 만듭니다. 즉, 기술에 능숙한 핵심 계층과 나머지 사람들 사이의 거대한 격차를 만드는 것입니다.

연구자들은 또한 이러한 기술이 '언제' 필요한지에 대해서도 놀라운 사실을 발견했습니다. 그들은 인턴부터 CEO에 이르기까지 다양한 경력 단계의 구인 광고를 살펴보았습니다. 그들은 AI 기술에 대한 수요가 경력의 아주 초기 단계에서 가장 강렬하게 나타난다는 것을 발견했습니다. 그것은 마치 "출입 금지" 표지판이 바로 정문 앞에 놓여 있는 것과 같습니다. 고용주들은 AI 지식을 입사 초기 단계의 면접을 보기 위한 필수적인 티켓처럼 취급하고 있습니다. 즉, 시작할 때 이러한 특정 기술을 갖추지 못한다면 아예 들어갈 수 없을지도 모른다는 뜻이며, 반면 고위 경영진들은 이를 그다지 필요로 하지 않을 수도 있습니다.

요컨대, 이 논문은 AI가 노동 시장을 '이분화된(bifurcated)' 구조, 즉 갈라진 경로로 재편하고 있다고 제안합니다. 기술적인 세계 내부에서는 직업들이 공유된 핵심 기술을 중심으로 하나로 합쳐지고 있습니다. 하지만 그 기술적인 세계와 나머지 경제 사이의 간극은 점점 더 깊어지고 있습니다. AI가 기회를 더 평등하게 만들기보다는, 진입 장벽을 높여 기술 교육을 미리 받지 못한 사람들이 노동 시장에 합류하는 것을 더 어렵게 만들고, AI의 혜택을 이미 기술적인 클럽에 속해 있는 사람들에게 집중시키고 있다는 것을 이 연구는 나타냅니다. 미래 직업 시장의 지도는 연결된 격자 형태가 아니라, 광활하고 연결되지 않은 대양에 둘러싸인 고도의 기술을 갖춘 섬이 되어가고 있는 듯합니다.

기술 요약: 직업적 수렴인가, 발산인가? AI 침투에 따른 노동 시장 구조적 변화의 매핑

문제 제기

인공지능(AI)의 급격한 확산은 노동 시장을 변화시키고 있으나, 이러한 변화의 구조적 함의는 여전히 모호하다. AI 관련 기술 수요가 직업적 수렴(여러 직업 범주 간 이동을 용이하게 하는 공통 역량 세트를 형성함)을 촉진하는지, 아니면 직업적 발산(전문화와 차별성을 강화하여 노동 시장의 계층화를 심화함)을 유도하는지에 대한 비판적 격차가 존재한다. 기존 문헌은 AI 채택률, 생산성 향상, 임금 프리미엄을 광범위하게 다루고 있지만, AI 역량이 직업 구조 전반에 어떻게 분포되는지에 대한 종합적인 분석은 부족하다. 특히, AI 기술이 범용적인 층으로서 부문 간 이동을 가능하게 하는지, 아니면 특정 클러스터 내에 집중되어 진입 장벽을 높이고 기존의 불평등을 악화시키는지 여부는 불분명하다.

방법론

본 연구는 대규모 데이터 수집, 자연어 처리(NLP), 그리고 다층 네트워크 분석을 결합한 통합 파이프라인을 활용하여 직업, 기술, 경력 단계 간의 관계를 매핑한다.

1. 데이터 수집 및 범위

출처: LinkedIn, Indeed, Glassdoor에서 스크래핑한 구조화된 구인 광고.
시간적 범위: 2025년 12월부터 2026년 5월까지.
지리적 범위: 글로벌 노스(Global North)와 사우스(Global South)를 아우르는 10개국 (브라질, 중국, 독일, 인도, 인도네시아, 네덜란드, 싱가포르, 남아프리카 공화국, 영국, 미국).
필터링: GPT-OSS(Ollama를 통한)를 활용한 프롬프트 엔지니어링으로 확장된 키워드 기반 전략을 통해 AI, 데이터 과학, 데이터 분석 또는 비즈니스 인텔리전스 역량을 요구하는 공석을 식별하였다.

2. 정보 추출 (2SIE)

2단계 정보 추출 접근법이 사용되었다:

1단계 (규칙 기반): 텍스트 콘텐츠를 표준화하기 위한 토큰화, 표제어 추출(lemmatization) 및 키워드 매칭.
2단계 (프롬프트 기반): LLM의 제로샷 프롬프팅을 사용하여 기대되는 기술적/소프트 스킬, 제출일, 표준 직업 분류(SOC) 코드를 포함한 구조화된 JSON 데이터를 추출하였다. 모델은 AI 관련 기술을 식별하고 간결한 요약을 생성하도록 지시받았다.

3. 분석 프레k임워크

기술 순위 공간 (Skill Rank Space): 직업 클러스터 내에서의 기술 수요 점유율( $f_g(s)$ )에 따라 역량을 정렬하여 기술 수요의 집중도(가파른지 혹은 완만한지)를 분석하였다.
이분 네트워크 모델링 (Bipartite Network Modeling): 노동 시장을 직업 노드(그룹, 특정 직업, 숙련도 수준)를 나타내는 $U$ $U$ 와 기술 노드를 나타내는 $V$ $V$ 로 구성된 이분 그래프 $G = (U, V, E)$ $G = (U, V, E)$ 로 모델링하였다.
- 가중치: 에지의 가중치는 특정 기술을 요구하는 직업 범주의 구인 게시물 비율을 나타낸다.
일부 모드 투영 (One-Mode Projection): 공유된 AI 기술을 기준으로 직업 간 유사도를 계산하기 위해 이분 네트워크를 직업 층으로 투영하였다. 에지 가중치는 공유된 기술의 수와 자카드 유사도 계수(Jaccard similarity coefficient)를 사용하여 계산되었다.
커뮤니티 탐지: 루뱅(Louvan) 및 레이든(Leiden) 알고리즘을 적용하여 모듈성( $Q$ )을 극대화하고 유사한 기술 포트폴리오를 가진 직업 클러스터를 식별하였다. 강건성 검사는 기번-뉴먼(Girvan-Newman) 알고리즘을 사용하여 수행되었다.
시각화: 결과는 거시적(숙련도), 중시적(SOC 그룹), 미시적(개별 직업) 수준에서 네트워크 투영을 보여주는 인터랙티브 대시보드인 "직업 관측소(The Occupation Observatory)"에 매핑되었다.

주요 결과

1. 기술적 핵심(Technical Core)으로의 집중

AI 수요는 협소한 기술적 핵심 영역에 압도적으로 집중되어 있다. 10개국 전반에 걸쳐 AI 관련 공석의 약 4분의 3에서 5분의 4(75~~80%)가 STEM 및 기술 직종에 위치한다. 경영 및 비즈니스 직종은 약 10~~20%로 두 번째로 큰 그룹을 형성하며, 비기술적 부문(보건, 서비스, 공공 서비스)은 각각 AI 관련 게시물이 5% 미만이다.

2. 핵심 영역 내의 기술 수렴

AI에 노출된 기술적 핵심 내에서는 콤팩트한 역량 세트로의 상당한 수렴이 관찰된다.

지배적 기술: Python, SQL, 머신러र्निंग, 데이터 분석이 기술 순위 공간을 지배한다.
안정성: 이 핵심 기술 세트는 다양한 국가별 노동 시장(예: 미국과 영국) 및 서로 다른 SOC 그룹(STEM 및 경영/비즈니스) 전반에서 매우 일관되게 나타나며, 이는 국가별 특이적 요구사항이라기보다 국제적으로 전이 가능한 기술 층임을 시사한다.
네트워크 구조: 커뮤니티 탐지 결과, AI 노출 세그먼트 내에서 약한 모듈형 분리( $Q = 0.030$ )가 나타났다. 이는 기술적 직종들이 고도로 전문화되고 고립된 클러스터로 파편화되기보다는 주로 공통된 역량 풀을 공유하고 있음을 의미한다.

3. 광범위한 노동 시장으로부터의 발산

기술적 핵심 내부에서는 수렴이 나타나는 반면, 이 핵심과 나머지 직업 구조 사이에는 뚜렷한 발산이 존재한다.

제한된 확산: AI 역량은 주로 기술적 영역에 국한되어 있다. "공통 기술 층"은 비기술적 직종으로 광범위하게 확장되지 않는다.
구조적 양극화: 노동 시장은 두 가지 뚜렷한 역학으로 나뉘고 있다: 기술 집약적 직종 간의 수렴, 그리고 해당 핵심과 광범위한 노동 시장 사이의 발산이다.

4. 숙련도 및 진입 장벽

AI 기술에 대한 수요는 노동 시장 진입 시점에서 가장 강하게 나타난다.

초급 단계의 연결성: 네트워크 투영에서, 엄격한 임계값을 적용하더라도 초급 직위는 AI 기술 네트워크와 가장 강력한 연결을 유지하는 반면, 디렉터 및 임원급은 이탈하는 모습을 보인다.
시사점: AI 역량은 경력 중간 단계의 보완재라기보다 직업적 접근을 위한 필수 전제 조건으로 기능하고 있다. 이는 기술적 노출이 없는 근로자들에게 실질적인 진입 장벽을 높인다.

주요 기여

개념적 재구성: 본 연구는 채택률과 생산성 지표를 넘어 기술 수요의 구조를 분석함으로써 수렴과 발산의 구분을 네트워크 분석을 통해 조작적으로 정의한다. 이는 AI가 보편적이고 휴대 가능한 기술 층을 만든다는 낙관적 견해에 도전하며, 오히려 양극화된 구조를 드러낸다.
방법론적 혁신: 대규모 다국가 공석 스크래핑, 2단계 정보 추출(규칙 기반 + 제로샷 LLM), 다층 이분 네트워크 투영을 결합한 재현 가능한 파이프라인을 도입하였다. 이를 통해 숙련도, 직업 그룹, 개별 역할 전반에 걸친 기술 수요를 동시에 조사할 수 있다.
교차 국가적 증거: 글로벌 노스와 사우스의 10개국 데이터를 분석함으로써, 노동 수요의 양극화가 특정 국가의 정책이나 인구 통계의 결과가 아니라 구조적으로 내재된 현상임을 입증하였다.
공공 도구: "직업 관측소(The Occupation Observatory)" 개발을 통해 연구자와 정책 입안자들이 이러한 구조적 변화를 탐색할 수 있는 인터랙티브 인터페이스를 제공한다.

의의 및 주장

본 논문은 AI가 노동 시장을 균질화하는 것이 아니라, 기존의 직업적 계층화 선을 따라 재편하고 있다고 주장한다.

불평등 메커니즘: 고부가가치의 수렴적 기술이 이미 우위에 있는 기술적 세그먼트 내에 집중되어 있고, 이러한 기술이 진입 단계에 결합되어 있다는 점은 AI 침투가 기존의 불평등을 강화할 수 있음을 시사한다. 즉, AI는 기술적 이점을 사전에 가진 이들에게 혜택을 집중시키고 타인에게는 진입 장벽을 높이는 "양극화된" 노동 시장을 만든다.
구조적 내재성: 연구 결과는 AI 관련 불평등이 단순히 고용 결과에 그치는 것이 아니라, 진화하는 기술 수요의 구조 자체에 내재되어 있음을 보여준다.
정책적 시사점: AI 기술이 이동성을 위한 가교가 아닌 진입을 위한 게이트키퍼 역할을 하기 때문에, 교육 및 노동 시장 개입은 사회적 계층화를 고착화하는 것을 방지하기 위해 기술적 역량 습득의 불균등한 분포 문제를 다루어야 한다고 주장한다.

저자들은 자신의 분석이 인과관계가 아닌 기술적 수요(구인 광고)에 기반한 기술적(descriptive) 분석임을 명시하며 신중한 태도를 유지한다. 또한, 공식/도시 부문에 대한 커버리지 편향 가능성과 키워드 기반 탐지에 따른 암묵적 AI 과업의 과소 산출 가능성 등의 한계를 인정한다.