Who becomes replaceable? Generative AI and the discursive stratification of work

인공지능이 노동의 세계를 변화시키고 있다는 말을 들을 때, 그 대화는 종종 기술적인 감사처럼 느껴지곤 한다. 우리는 어떤 직업이 기계에 의해 수행될 수 있고 어떤 직업은 그렇지 못한지를 묻는데, 이는 그 답을 직업 자체의 고정된 속성으로 취급하는 것이다. 하지만 이 이야기에는 또 다른 층위가 존재한다. 그것은 코드나 공장이 아니라, 뉴스나 공적 담론 속에서 일어나는 일이다. 기계가 인간을 대체하기 전에, 사람들은 먼저 그 대체가 가능하고, 필요하며, 심지어 바람직하다는 것에 동의해야 한다. 이러한 합의는 언어를 통해 구축된다. 뉴스 매체가 어떤 직업을 "위험에 처한" 것으로 묘사할 때, 그들은 단순히 미래를 예측하는 것이 아니라, 노동자들을 유지될 자와 버려질 자라는 범주로 능동적으로 분류하고 있는 것이다. 이 단어들을 통한 분류 과정이 바로 연구자들이 '담론적 계층화(discursive stratification)'라고 부르는 것이다. 이는 실제 해고가 발생하기 훨씬 전부터, 사회가 누가 변화에 취약하고 누가 안전한지를 결정하는 방식을 이해하는 방법이다.

한국과학기술원(KAIST)의 연구자인 김하나의 새로운 연구는 생성형 AI 시대에 이러한 분류가 정확히 어떻게 일어나는지를 조사한다. 이 연구는 2022년 말 ChatGPT의 출시라는 특정 전환점에 주목한다. 저자는 AI와 일에 대해 뉴스 미디어가 이야기하는 방식이 이 시점 이후로 변했는지, 그리고 더 중요한 것은, 그 변화가 동일한 직종 내에서도 서로 다른 유형의 노동자들을 다르게 취급했는지를 알고 싶어 했다. 이 연구는 사람들이 실제로 직업을 잃었는지 여부를 보는 것이 아니다. 대신, 약 50만 건의 뉴스 기사 텍스트를 조사하여 공적 담론이 어떻게 변화했는지를 살펴본다. 핵심 질문은 간단하다. 뉴스가 어떤 직업이 AI에 의해 대체되고 있다고 말할 때, 그 문장에서의 '누구'는 누구인가?

이를 위해 연구자는 2010년부터 2026년까지의 방대한 뉴스 구절을 수집했으며, 변호사, 의사, 작가, 개발자와 같은 특정 직업에 대한 언급에 집중했다. 연구팀은 인간 전문가가 훈련시킨 컴퓨터 프로그램을 사용하여 이 구절들을 읽고 네 가지 뚜렷한 범주로 분류했다. 첫 번째 범주는 중립으로, 직업이 언급되었으나 AI와 연결되지는 않은 경우였다. 두데 번째는 증강(augmentation)으로, AI가 노동자가 업무를 더 잘 수행하도록 돕는 도구로 묘사된 경우였다. 세 번째는 과업 자동화(task automation)로, 직업 자체는 유지되지만 업무의 특정 부분이 기계에 의해 넘겨진다고 언급된 경우였다. 네 번째이자 가장 심각한 범주는 대체(replacement)로, 직업 자체가 불필요해지거나 노동자가 제거될 것이라는 암시가 담긴 텍스트였다.

분석 결과, ChatGPT가 등장한 이후 직업에 미치는 AI의 영향에 관한 뉴스 보도의 총량은 실제로 증가했다. 그러나 이러한 증가는 균일하게 일어나지 않았다. '대체' 관련 이야기가 늘어난 것은 모든 직업이 갑자기 더 위험해졌기 때문이 아니었다. 대신, 뉴스는 이전과는 다른 일련의 직업들에 주의를 집중하기 시작했다. 보도는 작가나 코더처럼 이미 위험하다고 논의되던 직업들로 이동한 반면, 다른 직업들에 대해서는 상대적으로 관심을 덜 기울였다. 이는 뉴스 속의 전반적인 위험감이 모든 직업에 대해 갑작스럽게 서사가 딱딱해진 것이 아니라, 어떤 직업을 조명하느냐의 변화에 의해 주도되었음을 의미한다.

그러나 가장 중요한 발견은 어떤 직업이 논의되었느냐가 아니라, 그 직업 안의 사람들이 어떻게 묘사되었느냐에 있다. 연구는 주니어 노동자(경력을 막 시작한 이들, 흔히 신입이나 수습생이라 불림)와 시니어 노동자(경험 많은 리더나 책임자) 사이의 차이를 면밀히 살펴보았다. 결과는 급격하고도 커지는 격차를 보여주었다. 2022년 이후, 뉴스 기사들은 AI의 영향에 대해 논의할 때 주니어 노동자를 언급할 가능성이 훨씬 높아졌다. 실제로 주니어와 시니어 노동자가 AI 변화의 대상으로 언급되는 빈도 사이의 격차는 20%포인트나 벌어졌다.

하지만 차이는 언급 빈도보다 더 깊은 곳에 있었다. 주니어 노동자가 AI 맥락에서 언급될 때, 그 이야기는 압도적으로 그들을 '대체 가능한 존재'로 프레임화했다. 분석 결과, 주니어 노동자를 다룬 뉴스 기사 중 거의 절반은 그들의 역할이 완전히 사라질 것이라고 설명했으며, AI의 도움을 받는다고 설명한 경우는 매우 적었다. 반면, 같은 기간 동안 시니어 노동자가 언급되었을 때, 서사는 거의 정반대였다. 시니어 노동자들은 AI가 그들의 판단력과 생산성을 높여주는 도구로서 역할을 한다는 '증강'의 맥서로 훨씬 더 많이 묘사되었다. 뉴스는 시니어 노동자들이 제거될 것이라고 제안하는 경우가 드물었으며, 대신 그들이 새로운 기술을 휘두르는 주체가 될 것이라고 시사했다.

이 패턴은 연구자들이 다른 설명들을 배제하려고 시도했을 때도 유효했다. 그들은 차이가 단순히 주니어 직무가 더 반복적이거나 정형화되어 있기 때문인지 확인했다(이는 자동화되는 직업의 흔한 이유이다). 데이터에 따르면 정형화된 업무가 자동화로 논의될 가능성이 높은 것은 사실이었지만, 주니어와 시니어 사이의 특정한 격차는 별개의 현상이었다. 그것은 과업의 유형에 관한 문제가 아니라 경력 단계에 관한 문제였다. 또한 연구진은 컴퓨터 프로그램이 단순히 '주니어'나 '시니어'라는 단어에 반응하는 지름길을 택한 것인지 테스트했다. 그들은 해당 단어들을 숨긴 채 다시 분석을 실행했으나, 패턴은 정확히 동일하게 유지되었다. 컴퓨터는 단순히 라벨에 반응한 것이 아니라 이야기의 맥락에 반응하고 있었다.

확실히 하기 위해 연구진은 소수의 엄선된 뉴스 세트를 읽도록 인간 전문가들을 투입했다. 그들은 동일한 직종과 동일한 연도의 주니어 노동자에 관한 뉴스 기사와 시니어 노동자에 관한 뉴스 기사를 짝지어 준 뒤, 누구인지 모르는 상태에서 분류하도록 요청했다. 인간 독자들은 놀라울 정도로 명확하게 이 패턴을 확인해주었다. 두 이야기가 달랐던 대다수의 경우, 주니어 노동자에 관한 이야기는 '대체'로 분류된 반면, 시니어 노동자에 관한 이야기는 '증강'으로 분류되었다. 인간의 일치도는 매우 높았으며, 이것이 우연히 발생할 통계적 확률은 거의 제로에 가까웠다.

이 연구는 생성형 AI의 등장이 단순히 노동의 기술적 풍경을 바꾼 것이 아니라, 누가 필수적이고 누가 소모적인지를 결정하는 사회적 지도를 재편했음을 시사한다. 서사는 많은 직종에서 입문 단계의 직책을 자동화의 주요 표적으로 취급하는 한편, 숙련된 전문가의 이미지는 새로운 도구의 주인으로서 보존하는 방향으로 바뀌었다. 이는 매우 중요한 차이인데, 왜냐로 입문 단계의 직업은 단순히 저비용 노동이 아니라, 새로운 전문가가 되기 위해 필요한 기술, 판단력, 습관을 배우는 훈련장이기 때문이다. 만약 공적 담론이 이러한 시작 단계의 역할들을 소모적인 것으로 취급한다다면, 이는 사람들이 미래의 시니어 노동자가 될 수 있게 하는 바로 그 경로를 차단할 위험이 있다.

이 연구는 이러한 뉴스 기사들이 직업 상실의 직접적인 원인이라고 주장하거나, 고용주들이 이 뉴스에 따라 즉각적으로 움직이고 있다고 말하는 것이 아니다. 대신, 사회가 노동의 미래를 어떻게 상상하고 있는지에 대한 강력한 변화를 식별하는 것이다. 주니어 역할을 대체 가능한 것으로, 시니어 역할을 증강 가능한 것으로 일관되게 프레임화함으로써, 공적 대화는 취약성의 위계 구조를 만들어내고 있다. 이는 말을 통해, 미래의 AI는 경험 있는 자들의 것이며, 초심자는 교체되어야 할 대상이라는 결론을 내리고 있다. 이러한 담론적 계층화는 경제적 변화가 일어나기 전에 발생하며, 경력 사다리의 하단에 있는 사람들에게는 학습과 성장의 기회가 좁아지고, 상단에 있는 사람들에게는 새로운 권력이 부여되는 미래를 설정한다. 연구는 AI가 노동에 미치는 영향을 이해하려면 기계가 무엇을 할 수 있는지뿐만 아니라, 우리가 누구를 대체 가능한 존재로 기꺼이 상상할 용의가 있는지를 살펴보아야 한다고 결론짓는다.