The Cost of Constant Availability: On-Call Work, Occupational AI Exposure, and Psychological Distress

기술 요약: 상시 대기 가능성의 비용

문제 제기
근로 시간 및 직무 품질에 관한 기존 연구는 주로 주당 근로 시간, 초과 근무, 비표준 교대 근무와 같은 실질적인 노동 투입량에 집중해 왔다. 그러나 모바일 통신의 확산과 유연한 근무 형태의 증가는 별도의 시간적 부담인 '상시 대기 가능성(constant availability)'을 만들어냈다. 이는 업무가 실제로 수행되지 않는 시점이라 하더라도, 명목상의 비근로 시간 동안 노동자가 업무 요구에 즉각 반응할 수 있도록 연락 가능한 상태를 유지하고 준비되어 있어야 한다는 제도적 요구를 의미한다. 본 연구가 다루는 핵심 문제는 이러한 '대기 시간'이 실제 근로 시간으로 설명되는 수준을 넘어 심리적 비용을 부과하는 별도의 직무 품질 차원인지, 그리고 높은 노동 소득이 이러한 비금전적 비용을 보상하는지 여부이다. 나아가, 본 연구는 기술적 맥락, 구체적으로 인공지능(AI)에 대한 직업적 노출도가 상시 대기 가능성과 노동자 웰빙 사이의 관계를 어떻게 조절하는지 조사한다.

연구 방법론
본 연구는 국가 대표성을 갖는 종단적 조사인 2020년 및 2022년 차수의 중국 가족 추적 조사(CFPS) 데이터를 활용한다. 최종 분석 샘플은 10,744명의 고유 개인을 나타내는 14,819개의 인년(person-year) 관측치로 구성된다.

• 주요 변수:

  • 종속 변수: 8개 문항으로 구성된 센터 역학 연구 센터 우울 척도(CES-D8)로 측정된 심리적 고통 (0~24점 범위).
  • 핵심 독립 변수: '온콜(on-call) 근무'에 대한 이진 지표. 이는 실제 근로 시간과는 구별되는, 언제든 업무를 위해 대기해야 하는 제도적 요구로 정의된다.
  • 통제 변수: 개인/가구 인구통계학적 특성(연령, 성별, 교육 수준, 호구, 배우자 상태, 건강), 직무 특성(노동 계약, 관리직 여부, 복리후생), 그리고 실질 근로 시간 지표(주당 근로 시간, 야간 근로 빈도, 주말 근로 빈도).
  • 조절 변수: 직업적 AI 노출도. 이는 직무 과업과 AI 역량 간의 대응 관계를 바탕으로 직업 수준에서 측정되었다 (Felten, Raj, & Seamans, 2021; Eloundou et al., 2024; Gmyrek et al., 2025 방식 준용).

• 실증 전략:

  1. Pooled OLS: 연도 및 성(province) 고정 효과를 포함한 기초 회귀 분석을 통해 온콜 근무와 심리적 고통 사이의 연관성을 추정한다.
  2. 순차적 통제: 근로 시간 지표(시간, 야간/주말 근로)와 노동 소득을 순차적으로 추가하여 이들이 관계를 매개하는지 확인한다. 본 연구는 공식적인 매개 비율을 계산하기보다 온콜 계수의 안정성을 검토한다.
  3. 개인 고정 효과: 시간 불변의 관찰되지 않은 이질성(예: 성격, 안정적인 선호도)을 통제하기 위해 모델을 추정하며, 두 차수 사이에 온콜 상태가 변화한 개인들의 개인 내 변동성에 의존한다.
  4. 상호작용 분석: 직업적 AI 노출도가 온콜 근무의 심리적 및 시간적 결과에 어떻게 조절 작용을 하는지 테스트한다.
  5. 강건성 검토: 대체적 고통 측정치(CES-D20, 로그 변환), 별도의 연도별 추정치, 성(province)-연도 결합 고정 효과, 균형 패널 샘플, 통제 변수 설정의 변화 등을 포함한 분석을 실시한다.

주요 결과

1. 심리적 고통: 온콜 근무는 심리적 고통의 증가와 유의미한 상관관계가 있다. 완전히 조정된 모델에서 온콜 상태는 CES-D 점수를 0.443점 높이는 것과 관련이 있다 (표본 표준 편차의 약 11.8%). 이 연관성은 개인, 가구 및 직무 특성을 통제한 후에도 지속된다.
2. 근로 시간 vs. 대기 가능성: 온콜 근로자는 더 긴 주당 근로 시간(약 +1.9시간), 더 빈번한 야간 근로 및 주말 근로를 보고한다. 그러나 이러한 실질 근로 시간 지표들을 통제하더라도 심리적 고통의 격차는 완만하게 감소할 뿐이다 (계수가 약 14% 정도만 감소함). 이는 대기 상태를 유지해야 한다는 요구가 실제 근로 시간의 지속 시간과는 별개의 심리적 부담을 부과함을 시사한다.
3. 소득 보상: 온콜 근무는 높은 노동 소득과 관련이 있다. 그러나 이러한 소득 프리미엄이 심리적 비용을 상쇄하지는 못한다. 소득을 통제하더라도 온콜 근무와 고통 사이의 정(+)의 상관관계는 유의미하게 유지된다. 개인 고정 효과 모델에서 소득 효과는 통계적으로 유의미하지 않은데, 이는 횡단면적 프리미엄이 온콜 요구에 대한 직접적인 보상적 임금 차액이라기보다는 직무 수준이나 숙련도 차이를 반영할 수 있음을 시사한다.
4. 이질성: 온콜 근무의 심리적 비용은 균일하지 않다. 배우자가 없는 노동자, 교육 수준이 낮은 노동자, 젊은 노동자(25세 미만), 그리고 사회적 유대가 약한 노동자들에게서 심리적 비용이 유의미하게 더 크게 나타났다.
5. 경계 조건으로서의 AI 노출:
   • 시간적 결과: AI 노출도가 높은 직업군에서는 온콜 근무가 야간 및 주말의 업무 침해를 더욱 강화하는 것으로 나타났다.
   • 심리적 결과: 역설적이게도, 상시 대기 가능성이 주는 심리적 페널티는 AI 노출도가 높은 직업군에서 더 약하게 나타났다. 온콜 근무와 AI 노출 사이의 상호작용 항은 음(-)의 값을 가지며 유의미했다.
   • 해석: 저자는 AI 노출 직업군에서는 상시 대기가 연속적이고 경직된 초과 근무보다는 분산되고 짧은 디지털 응답의 형태로 나타날 수 있으며, 이로 인해 방해의 빈도는 늘어나더라도 개별 방해당 시의 인지적 부하(cognitive load)는 줄어들 수 있다고 제안한다.

의의 및 기여
본 논문은 근로 시간 및 직무 품질 문헌에 다음과 같은 세 가지 주요 기여를 한다:

1. 개념적 구분: "대기 시간"(잠재적 요구를 위해 예약된 시간)을 "실제 근로 시간"과 구분함으로써 근로 시간 연구를 확장한다. 본 연구는 대기 시간이 주당 근로 시간과 같은 표준 지표로는 포착되지 않는 시간적 부담을 창출하는 별도의 직무 품질 차원임을 입증한다.
2. 보상의 한계: 높은 노동 소득이 상시 대기의 비금전적 비용을 완전히 보상하지 못한다는 실증적 근거를 제공한다. 경제적 수익을 고려하더라도 회복의 제약과 비근로 시간에 대한 통제력 감소라는 심리적 비용은 지속된다.
3. 기술적 맥락: 직업적 AI 노출도를 중요한 경계 조건으로 식별한다. 연구 결과는 기술적 맥락이 시간적 침해가 심리적 긴장으로 전이되는 방식을 재편함을 시사한다. 즉, AI 노출은 비표준 근로의 빈도를 높이는 동시에, 대기의 성격(더 파편화되고 개별 사례당 인지적 요구가 적은 형태)을 변화시킬 수 있다.

한계 및 주의사항
저자는 다음과 같은 몇 가지 한계점을 명시하였다:

• 인과관계: 온콜 상태는 무작위로 할당되지 않는다. 고정 효과 모델이 시간 불변적 이질성을 통제하기는 하지만, 시간 가변적인 미관찰 요인을 완전히 배제할 수는 없으므로 결과를 엄격한 인과적 추정치로 해석해서는 안 된다.
• 데이터 제약: 단 두 차수의 데이터(2020년, 2022년)에 의존하고 있어, 온콜 상태가 변화한 노동자들에게 의존하는 고정 효과 모델의 통계적 검정력이 제한적이다.
• 측정: 본 연구는 심리적 분리(psychological detachment), 수면 방해 또는 실제 AI 사용과 같은 메커니 mechanism을 직접 측정하지 않는다. AI 노출 측정치는 개인의 채택 여부가 아닌 직업적 잠재력을 반영한다.
• 웰빙의 차원: 온콜 근무가 심리적 고통을 증가시키기는 하지만, 모든 차원의 주관적 웰빙을 일률적으로 감소시키는 것은 아니다(행복감과 삶의 만족도는 여전히 정(+)의 상관관계를 보임). 이는 단순한 손실이 아닌 복잡한 트레이드오프 관계임을 시사한다.