41개국 생성형 AI 도입 기업의 해외 사업체 분석 | Chandar & Klein Teeselink (2026) · SSRN 워킹페이퍼
워킹페이퍼 · 2026년 9월 20일자 · 학술지 심사 완료 논문 아님
🔬연구 개요
생성형 AI 도입 이후의 고용 총량과 경력별 구성을 구분하고, 기업 수준의 성장과 경제 전체의 고용을 나누어 해석합니다. 신입 비중이 줄었다는 말과 신입이 해고되었다는 말은 다릅니다.
41개국공고 약 12억 5천만 건직위 기록 1억 5천4백만 개2021년 1월 ~ 2026년 3월Revelio Labs 자료 (주로 LinkedIn 프로필)
자료 전체와 최종 추정 표본은 다릅니다 (사업체 수)
자료의 규모는 개인 1억 5천4백만 명을 무작위로 추출한 조사라는 뜻이 아닙니다. 사업체는 회사의 특정 국가 내 운영 단위이며, 도구변수 분석은 본사와 다른 나라에 있는 해외 사업체만 대상으로 합니다. 도입 사업체마다 최대 다섯 비교 사업체를 같은 나라·산업 안에서 매칭했습니다.
🧭AI가 노동 수요를 바꾸는 세 경로
노동 절약AI가 과업을 대신하거나 같은 산출에 필요한 노동을 줄입니다.
노동 확장새로운 과업이 생기거나 특정 인력이 맡는 과업의 범위가 넓어집니다.
규모 효과비용이 낮아진 기업이 판매와 생산을 늘리면서 노동 수요도 커집니다.
같은 기술이 한 기업 안에서도 어떤 인력의 수요는 줄이고 다른 인력의 수요는 늘릴 수 있습니다. 그래서 AI에 많이 노출된 직업이라는 정보만으로 대체와 보완의 방향을 정할 수 없습니다.
📏어떻게 AI 도입을 측정했나
1. 후보 공고 탐색생성형 AI 관련 용어가 들어간 공고를 찾습니다.
2. 언어모델로 판별실제 생성형 AI 사용·개발·경험을 요구하는 공고인지 확인해 약 136만 건을 확인했습니다.
3. 도입 기업 분류2022년 11월 이후 관련 공고를 한 건 이상 낸 회사를 도입 기업으로 봅니다.
소프트웨어 사용 기록으로 직접 확인한 도입이 아닙니다. 공고 없이 AI를 쓰는 회사는 비교 집단에 섞일 수 있고, 모든 도입 사업체의 공통 기준 시점은 실제 첫 사용일이 아니라 ChatGPT가 나온 2022년 11월입니다. 주니어는 경력 수준 1~2단계(entry, junior), 경력직은 3~7단계이며 직함 등을 결합한 추정입니다.
📊핵심 결과: 2026년 3월, 도입 사업체 vs 비교 사업체
💻직업별: 성장하는 직업에서도 입구는 좁아질 수 있다
21 / 22직업군에서 전체 고용 비중 변화가 절댓값 0.5%포인트 미만
+0.8%p컴퓨터·수학 직업의 고용 비중
−3.3%p컴퓨터·수학 직업 안의 주니어 비중
컴퓨터·수학 직업 (퍼센트포인트)
여러 직업 비교에 대한 Bonferroni 보정 뒤에도 이 직업의 비중 증가와 주니어 비중 감소는 유의했습니다. 모든 노출 직업의 일자리가 일괄적으로 줄었다는 패턴은 아닙니다.
🌍국가별: 방향은 비슷하지만 모든 나라는 아니다
도구변수의 1단계 F 통계량이 10 이상인 31개국만 국가별로 추정했습니다.
유의 7
음수·비유의 16
그 외 8
유의한 국가미국영국스페인폴란드브라질멕시코사우디아라비아
23 / 31주니어 비중 추정치가 음수인 국가
−1.1%p무작위효과 메타분석 평균
모든 41개국에서 같은 크기의 효과가 확인되었다는 뜻이 아닙니다. 막대 구성에서 유의한 7개국은 음수 23개국에 포함된다고 해석했습니다(본문 문장에서 포함 관계가 명시되지는 않음).
🧮모형 분해: 노출이 높은 경력직 vs 낮은 경력직
경력직 (노출 높음 − 낮음)
5% 수준 유의가장 높은 노출 경력직의 고용이 가장 낮은 노출 경력직보다 약 5% 증가
주니어 (같은 비교)
최종 시점 유의하지 않음약 −2%
전체 규모 효과
유의하지 않음약 2.5% 추정치
이 분해는 낮은 노출 집단의 역할에 관한 가정과 1차 근사에 의존합니다. 생산성을 직접 측정한 결과로 읽어서는 안 됩니다.
🔍읽을 때 주의할 점
💡해석과 교육에 주는 질문
비중과 인원을 분리하기
신입 비중이 줄었다는 말은 신입 인원이 줄었거나, 경력직 인원이 더 빨리 늘었거나, 둘이 겹쳤다는 뜻입니다. 이 연구에서는 경력직 증가가 더 분명합니다.
성장하는 직업의 경력 단계
특정 전공의 성장 전망만 설명하면 어떤 경력 단계가 그 성장을 얻는지 놓칩니다. 다만 대학 전공별 취업률을 측정한 연구는 아닙니다.
노출은 단일 점수가 아님
같은 직업 안에서 맡는 과업, 책임, 판단의 범위가 다르면 효과도 달라질 수 있다는 해석입니다. 경력직 수요가 늘어난 이유는 후속 검증이 필요한 가설입니다.
기업의 성장 ≠ 사회 전체의 고용
도입 기업이 비교 기업보다 커진 것은 새 수요를 만들었거나 기존 수요를 가져왔기 때문일 수 있습니다. 여기의 3.3%를 국가 전체에 적용하는 것은 범위를 넘는 해석입니다.
교육 제안은 가설
AI 없이 먼저 판단하고 AI 제안과 비교해 채택·거절 이유를 기록하는 활동은 시험할 만한 설계입니다. 논문이 이런 수업을 실험했거나 신입 채용 증가를 보인 것은 아닙니다.