AI가 일자리를 순식간에 없앨 것이라는 걱정과 달리, 분석 결과는 조금 더 복잡합니다. 6,824개 단위과업을 분석한 결과, 현재 기술로 일부 과업이라도 자동화할 수 있는 일자리는 전체의 72%에 달하고, 10년 후에는 90%까지 늘어날 수 있는 것으로 나타났습니다. 그러나 지금의 비용구조에서 기업이 실제로 도입할 만큼 수지가 맞는 일자리는 고용 기준 1.4%, 매출액 기준 1.8%에 그쳤습니다. 다만 이 규모는 고정돼 있지 않습니다. AI 기술이 지금보다 발전하는 10년 후에는 경제성 있는 자동화 규모가 고용 기준 8.1%, 매출액 기준 10.5%까지 확대될 것으로 추정됐습니다. 고숙련·고임금 사무직은 AI 노출도는 높지만 맥락 판단이 필요해 완전 대체보다 보완 효과가 컸고, 저임금 단순노무직은 자동화의 경제적 유인 자체가 낮았습니다.

그렇다면 실제로 AI를 도입한 기업은 어떻게 달라졌을까요. 2017~2023년 기업활동조사 자료를 분석한 결과, AI 도입 기업은 그렇지 않은 기업보다 상용근로자 1인당 매출액이 약 20% 유의하게 높았습니다. 이러한 생산성 향상은 주로 총매출 확대와 부분적인 고용조정을 통해 실현됐으며, 제조와 판매 목적의 AI 활용에서 효과가 뚜렷했습니다. 특히 AI가 단독으로 도입될 때보다 IoT·모바일·빅데이터 등 다른 4차 산업혁명 기술과 결합될 때 비로소 의미 있는 성과가 나타났습니다. 이는 AI가 그 자체로 독립적인 성장 요소라기보다는, 기존 디지털 전환 위에서 시너지를 내는 범용기술에 가깝다는 것을 보여줍니다.

다만 저자는 이러한 개별 기업의 성과가 곧바로 국가 전체의 생산성 향상으로 이어지는 것은 아니라고 짚습니다. AI가 얼마나 널리 노출되고, 경제성이 확보되고, 실제로 채택되며, 보완 투자가 함께 이뤄지는지에 따라 거시경제 효과의 크기가 크게 달라지기 때문입니다.

과업기반 거시모형으로 분석한 결과, 앞으로 10년간 AI 확산이 기준 시나리오를 따를 경우 한국의 총요소생산성(TFP)은 1.5~3.5%(연 0.15~0.35%p) 높아질 것으로 추정됐습니다. 이는 AI 고노출 부문의 생산성 향상이 전후방 연계효과를 통해 경제 전반으로 퍼지는 승수효과를 반영한 결과입니다. 동시에 10년 후 노동시장에서는 연간 약 25.6만 명, 2024년 취업자의 2.1%에 해당하는 규모의 일자리가 사라질 것으로 예상되며, 전문가·사무·판매 등 중·고숙련 직종의 고용과 임금에 하방 압력이 집중될 것으로 나타났습니다. 이에 따라 고임금 직종의 임금 상승률이 둔화되는 '임금압축' 현상이 나타나 직종 간 임금 불평등은 지니계수 기준으로 소폭 개선되거나 현 수준을 유지할 것으로 예상됐습니다.