생성형 AI 노출이 큰 직업, 한국에서 임금은 어떻게 움직였나

직업 단위 LLM 노출도와 2018~2024년 노동자 패널 | 이승일 (Lee, 2026) · Applied Economics Letters

동료심사 학술지 게재 논문 2026년 10월 온라인 우선 게재 잠재적 직업 노출도 기준 · 실제 AI 도입의 인과 효과 아님 (저자 명시)

생성형 AI에 대한 기본 노출도가 높은 직업의 노동자일수록 2023년과 2024년에 실질 시간당 임금이 상대적으로 유의하게 하락했습니다. 다만 이것은 잠재적 노출의 반영이지, AI를 실제로 도입한 효과가 아닙니다.

2018~2024분석에 쓴 노동자 패널 자료의 기간

2023 · 2024고노출 직업 노동자의 실질 시간당 임금이 상대적으로 유의하게 하락한 해 (하락 폭은 글에 미제시)

1왜 이 연구인가

AI 노출과 임금의 관계에 대한 증거는 미국 중심으로 축적되어 왔고, 한국 증거는 드물었습니다.

직업 단위로 측정된 노출도를 개인 단위 패널 자료에 붙인 뒤, 생성형 AI 확산 전후의 임금 변화가 노출도에 따라 달라지는지 봅니다. 단계를 눌러 설명을 확인하세요.

1. 노출 측정직업 단위 LLM 노출 측정치

2. 직업 연결다대다 직업 크로스워크와 가중 절차

3. 패널 자료2018~2024년 노동자 수준 패널

4. 추정연속형 이중차분 + 사건연구

5. 결과 변수실질 시간당 임금

노출도: 연속 변수기준 시점: 2022년 말 생성형 AI 확산개인 고정특성 통제 표본 규모·자료 이름: 글에 미제시

연도를 누르거나 마우스를 올리면 그 해가 분석에서 어떤 위치인지 볼 수 있습니다.

확산 이전 기간 2022년 말 생성형 AI 확산 확산 이후 · 고노출 직업 상대적 임금 하락

확산 이후 기간은 2023년과 2024년, 즉 짧은 사후 기간(2년)입니다. 연도별 추정치의 크기는 글에 제시되지 않았습니다.

실질 시간당 임금의 상대적 변화 방향. 가운데 선이 0이며, 빗금은 방향만 표시하고 크기를 나타내지 않습니다

결과의 의미생성형 AI 초기 확산기에 노출이 큰 직업의 임금 변화가 상대적으로 더 부정적이었다는 해석

스스로 둔 제한실제 도입의 인과 효과가 아니라 잠재 노출의 반영

한국 노동시장한국에서도 임금 마진의 초기 신호가 나타남

국제 비교미국에서 보고된 젊은 노동자·고노출 직업의 상대적 악화와 같은 방향의 패턴이 한국 패널에서도 관찰됨

미국 중심이던 노출-임금 증거에 한국 패널 증거가 더해졌고, 방향은 미국에서 보고된 고노출 직업의 상대적 악화와 같습니다.

노출도는 잠재성의 측정이며 실제 도입 변동의 일부만 설명합니다(Bick 등, 2026). 임금 하락을 AI 도입의 효과로 읽는 것은 성급합니다.

노출 직업에 작용한 다른 동시기 충격의 가능성을 열어 두어야 합니다.

고노출 직업 노동자의 임금 방어를 위한 제도 설계(전직 지원, 임금 보전, 훈련 바우처)를 논할 근거로 쓸 수 있지만, 어떤 제도가 효과적인지는 이 연구 밖의 문제입니다. 검증되지 않은 적용입니다.

글에 제시되지 않은 정보: 표본 규모, 추정 계수와 하락 폭, 유의수준, 패널 자료의 이름, 노출 측정치의 구체적 출처(논문 온라인 부록에 보고되어 있다고만 밝힘).