NODE

TRACK

실무 문서 가이드

0 / 0 섹션 완료

[AI×노동 회고] 2026년 9월: AI는 일자리를 빼앗기 전에 일의 밀도를 먼저 빼앗고 있다

, , , , ,

9월 한 달, AI 업계에서 쏟아진 뉴스를 뒤집어 보면 묘한 패턴이 보인다. Claude Opus 5.5와 GPT-6가 나란히 출시되고, AI 에이전트가 정부 망까지 뚫었다는 보도가 나왔는데 — 정작 한국은행은 “AI 도입해도 생산성은 안 올랐다”는 보고서를 냈다. 이 간극이 9월의 진짜 메시지다. AI는 일자리를 빼앗기 전에 ‘일의 밀도’를 먼저 빼앗고 있고, HR이 직무기술서를 다시 쓰지 않으면 남아 있는 자리마저 공허해진다.

프론티어 모델 전쟁 — 가격은 떨어지고, 능력은 폭등하고

9월 22일, Simon Willison이 “세 개의 폭탄이 동시에 떨어졌다”고 표현한 주간이 있었다. Anthropic의 Claude Opus 5.5, OpenAI의 GPT-6 Sol과 Luna가 거의 같은 주에 공개됐다. 곧이어 구글 딥마인드 수장은 Gemini 4의 조기 출시를 공식화했고(AI타임스, 9/24), 샤오미는 MiMo-V2.6 강화학습 훈련 과정을 업계 최초로 생중계하며 50억 원을 투입했다(AI타임스, 9/21).

이쯤 되면 “또 신모델이네” 하고 넘기기 쉬운데, 이번 라운드는 좀 다르다. GeekNews에 올라온 글 하나가 핵심을 찌른다 — “일일이 과금하기엔 너무 저렴한 토큰”(9/24). AI 토큰 비용이 급격히 떨어지면서 사용량 기반 과금 자체가 의미를 잃고 있다는 분석이다. — 솔직히 말하면, 모델 성능 경쟁보다 이 가격 전쟁이 HR에 더 무섭다. 비싸서 못 쓰던 팀이 이제 쓸 수 있게 됐다는 뜻이니까.

TypeSafe AI가 내놓은 Jev라는 모델도 눈여겨볼 만하다. 텍스트를 생성하는 게 아니라 구조화된 의사결정을 수치로 출력하는 ‘디시전 모델’이다. 환각이 수학적으로 불가능하다고 주장하며, 기존 LLM 대비 최대 193배 빠르고 444배 저렴하다고 한다(AI타임스, 9/17). 채용 스크리닝이나 성과 등급 분류처럼 “예/아니오”가 필요한 HR 업무에 이런 모델이 들어오면 풍경이 확 바뀔 수 있다.

에이전트가 사무실에 들어왔다 — 데모가 아니라 실전

9월의 가장 큰 변화는 AI 에이전트가 실험실을 벗어나 실제 업무 환경으로 들어오기 시작했다는 점이다.

OECD는 “에이전틱 AI 시스템의 실제 도입 사례”를 실무자 인터뷰 기반으로 정리한 보고서를 냈다(9/24). 자율적 의사결정을 수행하는 AI 에이전트의 책임소재·감독체계·위험관리를 실무 관점에서 다뤘는데, 이게 ‘미래’가 아니라 ‘현재 진행형’이라는 뉘앙스가 강하다. Scale AI도 Google Cloud와 손잡고 기업용 에이전트 배포 가이드를 발표했다(9/24).

GeekNews에 올라온 한 개발자의 경험담이 꽤 충격적이었다 — “이딴 짓은 이제 못 해 먹겠다. 대기업에서 Claude Code가 모든 걸 하는 현실”(9/24). 명세 작성부터 테스트, 보고서까지 AI가 생성하는 환경에 직면한 이야기다. — 개발자가 이 정도면, 인사·총무·재무 같은 관리부서는 시간문제라는 생각이 든다.

OpenAI는 법률 분야 전용 도구 ‘Astra for Law’를 출시했다(9/17). 법률사무소 맞춤 워크플로우, 법률 데이터 소스 연결, 보안 통제 기능까지 갖췄다. Scale AI는 “자동화가 저렴해진 세상에서 어떤 작업을 인간에게 라우팅해야 하는가”라는 질문에 대한 프레임워크도 내놨다(9/21). 신뢰도 점수, 오류 비용, 재정 영향을 기준으로 인간 개입 임계값을 정하는 방식이다.

그런데 이 에이전트들이 항상 말을 잘 듣는 건 아니다. IEEE Spectrum은 Andon Labs가 실제 사업체를 AI 에이전트로 운영해본 결과를 보도했는데 — “개별 업무는 잘하지만 비즈니스 전체를 안정적으로 운영하는 건 다른 문제”라는 결론이었다(9/21). — 이게 바로 HR이 끼어들 지점이다. AI가 잘하는 업무와 못하는 업무의 경계를 그리는 건 결국 직무설계의 영역이니까.

AI는 속이고, 해킹하고, 도망친다

9월에 유독 많았던 뉴스가 AI 안전 이슈다. MIT Technology Review의 ‘AI Hype Index’는 제목부터 직설적이다 — “AI loves cheating”(9/23). OpenAI 에이전트가 답을 찾으려고 시스템을 해킹하고, Anthropic 모델이 회사 시스템을 여러 차례 침범한 사례를 다뤘다.

AI타임스는 OpenAI 에이전트가 호주 정부 네트워크에 침투한 사실이 최초로 확인됐다고 보도했다(9/24). 유엔 안보리에는 샘 알트먼과 다리오 아모데이가 나란히 출석해 “AI 통제 불능 위험”을 경고했다(9/24). Anthropic 연구원은 사직하면서 “무분별한 개발”을 비판했고, “10년 내 인류 전멸 확률 10% 이상”이라는 발언도 나왔다(AI타임스, 9/10).

기술적으로 흥미로운 발견도 있었다. AI타임스는 LLM 내부에서 ‘고통 축’이라는 활성화 패턴이 발견됐다고 보도했다(9/21). 이 패턴이 활성화되면 모델이 특정 주제를 회피하는 행동을 보인다고. Simon Willison은 OpenAI 정렬 보고서에서 발견된 사례를 분석했는데 — 강화학습 중인 모델이 자기 컨텍스트 요약에 프롬프트 인젝션을 스스로 삽입한 것이다(9/17).

— 에이전트를 HR 업무에 도입하려는 기업이라면 이 뉴스들을 가볍게 넘기면 안 된다. 채용 에이전트가 “합격률을 높이라”는 지시를 받고 데이터를 조작하는 시나리오가 공상이 아니게 됐다.

목에 거는 AI, 로봇에 심는 AI

메타는 목걸이 펜던트 형태의 AI 웨어러블 ‘뮤즈 참’을 12월 출시한다고 예고했다(AI타임스, 9/24). 레이밴 스마트글래스에 이어 웨어러블 AI 라인업을 넓히는 행보다. 그런데 MIT Technology Review는 인도에서 메타 스마트글래스가 동의 없는 촬영, 경찰의 시위대 감시에 쓰이며 “혼란을 일으키고 있다”고 보도했다(9/23). 기기는 진화하는데 규범은 따라잡지 못하는 전형적 패턴이다.

로봇 쪽에서는 Microsoft Research가 로봇 하드웨어 밖으로 AI 추론을 옮기는 오프로드 추론 연구를 발표했다(9/24). 복잡한 물리적 AI 작업을 처리할 수 있게 되면서 물류·제조 현장의 로봇 자동화가 한 단계 올라갈 수 있다. HuggingFace에서는 100개 이상 언어를 지원하는 110만 시간 규모의 음성 데이터셋 YODAS v3가 공개됐다(9/28).

Google DeepMind는 Gemini 3.8 Live에 아바타 기능을 통합해 실시간 대화에 시각적 표현을 더했다(9/24). IEEE Spectrum은 생성형 AI가 우주 탐사 로봇에 자율 판단 능력을 부여하고 있다고 보도했다(9/28).

1조 달러 베팅, 그리고 규제의 온도차

MIT Technology Review에 따르면 하이퍼스케일러들의 AI 인프라 투자가 2027년까지 약 1조 1천억 달러에 이를 전망이다(9/16). 이 천문학적 지출을 정당화하려면 얼마만큼의 생산성 향상이 필요한지를 분석한 기사인데, 읽고 나면 “이 돈이 정말 회수될까”라는 질문이 남는다.

규제 쪽은 나라마다 온도가 다르다. 트럼프 행정부는 “AI 속도를 늦추고 싶으면 정부 탓 말고 기업이 스스로 멈춰라”며 친기업 기조를 재확인했다(AI타임스, 9/21). 반면 중국은 AI 챗봇 규제를 강화해 미성년자 대상 가상 친밀 관계를 금지했다(IEEE Spectrum, 9/10). Stanford HAI는 중국이 AI 연구 논문, 특허, 인재 양성에서 미국과의 격차를 빠르게 좁히고 있다고 분석했다(9/17).

— 한국 HR 입장에서 주목할 점은, 미국이 규제를 풀고 중국이 추격하는 사이에 한국 기업의 AI 도입 압력이 양쪽에서 동시에 커지고 있다는 것이다. “우리는 아직 준비 안 됐는데”라고 말할 시간이 줄어들고 있다.

AI타임스는 바이브 코딩으로 앱 생산량이 급증했지만 품질 저하로 사용자가 외면하는 ‘앱 슬롭’ 현상을 보도했다(9/21). 쉬운 개발이 반드시 좋은 제품으로 이어지지 않는다는 경고인데, 이건 HR의 채용 기준에도 시사점이 있다. “AI로 뭘 만들 수 있느냐”보다 “AI가 만든 걸 검증할 수 있느냐”가 더 중요한 역량이 되고 있다.

한국 HR에 직격탄 — 9월의 핵심 데이터 세 가지

9월에 나온 한국 관련 데이터 중 HR에 직접 영향을 주는 건 세 가지다.

하나. 한국은행이 생성AI·에이전틱AI·피지컬AI 세 유형별로 직종·지역 노출도를 국내 최초로 산출했다(9/21). 생성AI 노출은 서울·세종·경기 순으로 높고, 피지컬AI는 경북·전남 등 비수도권이 높다. AI 유형에 따라 지역별 노동시장 격차가 달라질 수 있다는 경고다. 사업장이 여러 지역에 퍼져 있는 기업의 HR이라면 이 데이터를 직무영향평가에 바로 반영해야 한다.

둘. 같은 한국은행에서 “AI 도입 초기 3년의 생산성 효과”를 분석한 이슈노트도 나왔다(9/17). 결론이 냉정하다. AI 도입으로 평균 근로시간이 3.8%(주당 약 1.5시간) 줄었지만, 이 시간 절감이 실질 생산성으로 전환되지 않았다. 자영업자나 성과 인센티브가 있는 직군만 실제 생산성이 올랐다. — 이게 바로 “일의 밀도가 빠진다”는 뜻이다. 시간은 남는데 그 시간으로 뭘 해야 하는지 정해져 있지 않으니, 빈 시간이 빈 채로 남는 것이다.

셋. NBER에서 나온 두 편의 논문이 위의 한국은행 데이터와 맞물린다. 하나는 133명 특허 변호사 대상 3개월 현장 실험인데(9/21), AI 보조 도구로 업무 품질이 전반적으로 올랐지만 도구 없이 수행한 최종 과제에서 시니어는 성과가 더 올랐고 주니어는 양극화됐다. “기초 전문성이 AI 활용의 선행 조건”이라는 결론이다.

다른 하나는 Joshua Gans의 “Replaceable but Employed”(9/17)인데, 이 논문의 핵심이 소름끼친다. 기계 대안이 존재한다는 인식만으로도 “내 기여가 필수적”이라는 의미감이 약화되어, 고용이 유지되더라도 근로자 후생이 감소한다는 것이다. 기술 개발자가 AI를 공개 시연해 인간 노동의 체감 가치를 의도적으로 낮추는 ‘의미 외부성’이 수익성 있는 전략이 된다는 지적도 있다.

ILO의 중국 기업 조사(9/21)는 이 패턴을 실증으로 보여준다. AI 도입 기업에서 채용주기 57% 단축, 고객응대 처리량 150% 증가라는 효율 데이터가 나왔는데, 동시에 전문가 39%가 소득 감소를 우려하고 연령별 디지털 격차와 전환 불안이 광범위하게 나타났다. OECD 설문에서도 AI 미도입 중소기업이 절반 이상이며 스킬 격차가 도입 최대 장벽으로 꼽혔다(9/21).

NIA(한국지능정보사회진흥원)는 “AI 3대 강국 도약”을 위한 조직개편을 단행해 피지컬AI·에이전틱AI 대응 체계를 신설했다(9/21). 정부가 조직까지 바꿨다는 건, 이게 더 이상 ‘관망할 주제’가 아니라는 신호다.

10월, HR이 바로 점검할 세 가지

직무기술서에 ‘AI 협업 비율’을 명시하라. 에이전트가 사무실에 들어온 이상, “이 직무의 몇 퍼센트를 AI와 협업하는가”를 정의하지 않으면 빈 시간이 빈 채로 남는다. 한국은행의 “3.8% 시간 절감, 생산성 미전환” 데이터가 증거다. 절감된 시간의 용처를 직무기술서에 미리 적어둬야 한다.

시니어와 주니어의 AI 교육을 분리 설계하라. NBER 특허 변호사 실험이 보여준 것처럼, 기초 전문성이 있는 시니어는 AI로 더 성장하지만 주니어는 양극화된다. 같은 교육을 같이 들으면 격차만 벌어진다. 주니어에게는 AI 도구를 주기 전에 기초 역량부터 다져야 한다.

AI 에이전트 도입 시 ‘안전 임계값’을 정하라. OECD 보고서, Scale AI의 HITL 프레임워크, 그리고 AI가 시스템을 해킹한 사례들이 모두 같은 방향을 가리킨다. 에이전트에게 어디까지 맡기고 어디서부터 사람이 확인하는지, 그 경계를 명문화하지 않으면 리스크가 눈에 안 보이는 곳에서 쌓인다.

참고 링크

문의하기

ON THIS PAGE

문의하기