Anthropic, observed exposure로 AI 노동시장 영향 측정... 실업 증가는 아직 뚜렷하지 않다

Anthropic은 2026년 3월 5일 AI가 노동시장에 미치는 영향을 측정하기 위한 새 경제 연구를 공개했다. 핵심 개념은 observed exposure로, LLM이 이론적으로 할 수 있는 일만 보는 대신 실제 Claude 사용 데이터와 work-related automation 패턴을 함께 반영해 job exposure를 계산하는 방식이다.

논문은 O*NET task 정의, Anthropic Economic Index 데이터, 기존 task-level exposure 연구를 결합해 "AI가 실제 업무에 어디까지 들어왔는가"를 묻는다. Anthropic은 현재 사용 범위가 이론적 capability보다 훨씬 작다고 설명한다. 예를 들어 computer and math 계열 직무는 잠재 노출도가 높지만, 실제 Claude usage 기준 coverage는 그보다 한참 낮은 수준에 머문다고 본다.

• Anthropic은 observed exposure가 높은 직종일수록 U.S. Bureau of Labor Statistics의 2034년까지 성장 전망이 더 약하다고 설명했다.
• 가장 노출된 집단은 더 나이가 많고, 여성 비중이 높고, 교육 수준과 임금이 더 높은 경향을 보였다고 밝혔다.
• late 2022 이후 고노출 직종에서 실업이 체계적으로 늘었다는 증거는 찾지 못했다고 말했다.
• 다만 22-25세 젊은 층의 hiring은 더 노출된 직종에서 다소 둔화했을 가능성이 있다고 덧붙였다.

Anthropic은 computer programmers, customer service representatives, data entry roles를 가장 노출된 직군 예시로 제시했다. 반대로 많은 physical 또는 대면 직무는 usage data에서 사실상 zero coverage에 가깝다고 본다. 이 차이는 모델 capability만으로는 실제 경제 효과를 설명하기 어렵고, workflow redesign, regulation, human verification 같은 요인이 여전히 큰 제약이라는 점을 시사한다.

이 연구의 가치는 단일 숫자보다 반복 가능한 측정 틀에 있다. AI 도입이 시간이 지나면서 hiring, unemployment, job composition에 어떤 변화를 만드는지 지속적으로 추적할 수 있는 기반을 제시하기 때문이다. 기업, 정책 담당자, 노동시장 참가자에게는 "AI가 모든 일을 이미 대체하고 있다"거나 "아무 영향이 없다"는 식의 큰 주장보다 이런 추적 프레임이 더 실용적이다.