Date: 2026-07-29 Topic: AI and Work Primary source: OpenAI Economic Research
OpenAI가 7월 27일 공개한 연구에 따르면 미국 ChatGPT 이용자의 업무 관련 메시지 가운데 16.8%는 사용자가 밝힌 직무와 다른 직군에 전통적으로 속했던 일을 다뤘다. 이메일 작성이나 일정 관리처럼 여러 직군이 공통으로 하는 일을 제외하면 이 비율은 43.5%로 높아졌다.
연구진은 미국 이용자가 보낸 업무 관련 메시지 80만 건 이상을 분석했다. 영업 담당자가 고객 데이터를 살펴보고, 마케터가 웹사이트 오류를 해결하며, 소규모 조직 구성원이 기초적인 재무 분석을 시도하는 식으로 AI가 직무 사이의 업무 인계를 줄일 가능성이 관찰됐다. 다만 이 연구는 생산성 향상이나 일자리 감소를 측정하지 않았다.
What Happened
OpenAI 경제연구팀은 새 연구 시리즈 ‘Work at the Frontier’의 첫 보고서에서 태스크 크로스오버(task crossover)라는 현상을 분석했다. 이는 한 직군의 사용자가 역사적으로 다른 직군과 연결된 업무를 ChatGPT에 요청하는 패턴을 뜻한다.
연구 대상은 고객 경험, 디자인, 엔지니어링, 재무, 인사, 법무, 마케팅, 영업 등 8개 직군이다. 연구진은 이용자가 ChatGPT Business 가입 과정에서 직접 입력한 부서·직무 정보와 개인 ChatGPT 계정의 업무 관련 메시지를 연결했다. 이후 미국 노동부의 직업·업무 데이터베이스인 O*NET을 기준으로 각 메시지의 주된 업무를 분류했다.
보고서에 따르면 분류 과정은 모델이 익명으로 수행했으며 연구자가 원문 메시지를 직접 읽지 않았다. 메시지는 다음 세 범주로 나뉘었다.
- 다른 직군과 연결된 업무인 ‘직무 간 이동’: 16.8%
- 이용자 본인의 직무와 연결된 업무: 21.8%
- 글쓰기, 요약, 일정 관리처럼 여러 직군에 공통된 업무: 61.5%
공통 업무를 제외한 직무 특화 메시지만 놓고 보면 다른 직군의 업무가 차지하는 비율은 43.5%였다. 따라서 “ChatGPT 업무 사용의 절반이 다른 사람의 일을 대신했다”는 식으로 해석해서는 안 된다. 43.5%는 전체 메시지가 아니라 공통 업무를 뺀 나머지를 분모로 계산한 값이다.
Key Details
직무 간 이동의 정도는 직군마다 달랐다. 공통 업무를 제외했을 때 다른 직군의 업무가 차지한 비율은 고객 경험 77%, 디자인 75%, 인사 69%, 법무 56%, 마케팅 53%였다. 이들 직군에서는 본래 다른 전문가에게 넘겼을 법한 일을 AI의 도움을 받아 직접 시도하는 패턴이 비교적 많이 나타났다.
반대로 어떤 직무의 일이 다른 부서로 널리 퍼지는지도 확인됐다.
- 재무 계산과 컴퓨터 애플리케이션 문제 해결은 각각 나머지 7개 직군 모두에서 자주 등장했다.
- 비마케팅 직군이 요청한 마케팅 업무 중에서는 광고, 소셜 게시물, 전단, 제품 자료 같은 홍보물 제작이 두드러졌다.
- 디자인 종사자는 다른 직군의 업무를 많이 가져왔지만 디자인 업무 자체가 다른 직군으로 이동한 비율은 낮았다.
- 엔지니어링 업무는 소프트웨어 문제 해결과 기술 시스템 점검 형태로 다른 직군에 상대적으로 널리 퍼졌다.
조직 규모에 따른 차이도 관찰됐다. 메시지 사용량이 중간 50%에 속한 일반 이용자 가운데 좌석이 2~5개인 작업공간에서는 전체 업무 메시지의 18.9%가 직무 경계를 넘었고, 좌석이 101개 이상인 작업공간에서는 16.3%였다. 다만 작업공간 좌석 수는 실제 회사 전체 인원과 같지 않으며, 사용량이 많은 상위 이용자에게서는 같은 방향의 추세가 나타나지 않았다.
How to Read the Study
이 연구가 보여주는 것은 ChatGPT 이용자가 자신의 기존 직무 설명보다 넓은 범위의 일을 AI에 요청한다는 사실이다. AI가 없었다면 실제로 다른 부서에 업무를 넘겼을지, 원래 담당자가 직접 처리했을지는 알 수 없다.
분석 단위도 완성된 프로젝트나 투입 시간이 아니라 개별 메시지다. 연구진은 AI 답변이 실제 업무에 쓰였는지, 결과물의 품질이 충분했는지, 시간이 절약됐는지, 전문가가 최종 검토했는지를 측정하지 않았다. 표본은 미국 전체 노동자를 대표하지 않고 8개 직군에 한정되므로 다른 국가와 산업에 수치를 그대로 적용하기도 어렵다.
Core Lens
이번 연구는 AI가 일자리를 얼마나 없앴는지가 아니라, 기존 조직에서 누가 어떤 일을 시도하기 시작했는지를 보여주는 초기 관찰에 가깝다.
What It Means
AI가 직무 사이의 작은 인계 비용을 낮추면 구성원은 필요한 순간에 인접 분야의 일을 먼저 처리할 수 있다. 특히 전문가를 직군별로 두기 어려운 소규모 조직에서는 기초 조사, 초안 작성, 오류 진단 같은 단계가 빨라질 가능성이 있다.
그러나 업무를 시도할 수 있다는 것과 전문적으로 완수할 수 있다는 것은 다르다. 법률 검토, 재무 판단, 보안 설정처럼 오류 비용이 큰 일은 AI가 초안을 만들더라도 해당 분야 전문가의 책임 있는 검토가 필요하다. 직무 경계가 느슨해질수록 조직은 오히려 “누가 최종 판단하고 승인하는가”를 더 분명하게 정해야 한다.
What To Watch
- 같은 이용자가 직무 밖의 업무를 반복하면서 실제 역할과 평가 기준까지 바꾸는지
- AI로 처리한 결과물의 품질과 시간 절약 효과가 전문가 협업 방식과 비교해 어떤지
- 소규모 조직의 높은 직무 간 이동이 비용 절감, 업무 과부하, 새로운 역량 축적 중 무엇으로 이어지는지
- 기업이 AI 사용 범위를 넓히면서 법무·재무·보안 업무의 검토 및 승인 절차를 어떻게 설계하는지
후속 연구에서 메시지 사용 패턴이 실제 성과, 채용, 임금, 직무 기술서의 변화와 연결되는지가 확인돼야 한다. 지금 단계에서 분명한 것은 AI가 직업을 한꺼번에 대체했다는 결론이 아니라, 사람들이 기존 직함 밖의 일을 시험할 수 있는 문턱이 낮아지고 있다는 점이다.