AI의 확산이 모든 지역의 일자리에 같은 영향을 줄까. 한국은행이 2026년 9월 15일 공개한 이슈노트는 생성형, 에이전틱, 피지컬 AI를 나눠 직업과 지역의 노출도를 분석했다. 노출도는 업무에서 AI를 활용할 가능성에 가까운 개념이며 일자리 소멸 확률을 의미하지 않는다. 보고서도 AI 확산 초기 고용 변화와 노출도의 관계를 살핀 결과로 인과관계를 단정하기 어렵다고 밝혔다.
연구에서는 생성형·에이전틱 AI에 대한 노출도가 수도권에서 상대적으로 높게 나타났고, 장치·기계 조작 등과 연결되는 피지컬 AI 노출도는 일부 비수도권 지역에서 더 높았다. 이는 AI를 한 종류의 기술로 취급하기보다 해당 지역에 어떤 산업과 업무가 모여 있는지 함께 볼 필요가 있음을 보여준다. 지역별 고용에 하나의 전국 평균을 그대로 적용하기는 어렵다는 뜻이다.
ILO의 2026년 4월 연구도 AI 노출 지표와 실제 고용 결과를 구분한다. 기술이 수행할 수 있는 업무를 분석한 지표만으로 일자리가 사라질 확률을 계산할 수 없다는 설명이다. 이는 한국은행 연구의 지역별 수치를 별도로 입증한 자료가 아니라 노출이라는 개념을 읽는 데 필요한 독립적인 배경이다.
생활 속 질문은 “내 직업의 어떤 일이 먼저 바뀔까”에 가깝다. 문서 초안을 만드는 작업, 여러 시스템에서 정보를 찾아 실행하는 작업, 실제 물건을 옮기거나 설비를 다루는 작업은 기술과 도입 조건이 다르다. 같은 직업명 아래에도 고객 응대, 현장 판단, 기록 작성처럼 성격이 다른 업무가 섞여 있다. 편집팀은 직업 이름만으로 안전과 위험을 나누기보다 업무 단위로 구분해 보기를 권한다.
활용 가능성이 높다고 해서 회사가 즉시 사람을 줄인다는 결론은 나오지 않는다. 도입 비용, 오류 책임, 정보 보안, 조직의 업무 절차가 실제 사용을 좌우하기 때문이다. 기술이 특정 작업을 줄여도 검토나 고객 소통 같은 다른 작업이 늘어날 수 있다. 이번 연구는 이런 변화의 가능성을 읽는 자료로 볼 수 있지만 개별 회사의 고용 결정을 확정하는 자료는 아니라는 것이 이 기사의 해석이다.
2030 독자가 경력 계획에 연결할 때는 특정 AI 도구 이름보다 자기 업무의 입력, 판단, 결과 확인을 나눠 적어 보는 방식이 유용하다. 반복 입력은 줄일 수 있는지, 결과를 검증하려면 어떤 지식이 필요한지, 오류가 나면 누가 책임지는지 질문하면 필요한 능력이 더 분명해진다. 이것은 보고서에서 산출한 고용 전망이 아니라 기술 변화에 대응하기 위한 편집팀의 일반적인 정리 방법이다.
지역 정책 관점에서는 디지털 서비스가 많은 지역과 제조 현장이 많은 지역의 교육 수요를 똑같이 설계하기 어렵다. 문서·정보 처리 교육과 장비 운영·안전 교육은 준비할 내용이 다르기 때문이다. 지역별 노출도가 서로 다르다는 분석을 채용 숫자 예측으로 바꾸는 대신 어떤 산업과 어떤 업무를 추가로 조사할지 정하는 출발점으로 삼는 편이 적절하다. 실제 효과는 후속 연구와 현장 자료로 점검해야 한다.
“노출도가 높은 직업을 피해야 하나”라는 질문에 이번 자료만으로 단정적인 답을 할 수는 없다. 연구가 확인한 것은 유형별 활용 가능성과 초기 노동시장 지표의 관계이며 개별 취업자의 미래를 결정하는 수치가 아니다. 기사에서는 분석 대상과 한계를 함께 표시했다. 앞으로의 관찰 지점은 기술 도입 이후 실제 생산성, 업무 구성, 채용 변화가 지역과 세대에 따라 어떻게 달라지는지다.