본문 바로가기 주메뉴 바로가기
22대 대한민국 국회 국회정보길라잡이 국회의원검색
회원가입 로그인
HOME

정보검색

소장정보 검색

국회도서관 홈으로 정보검색 소장정보 검색
결과 내 검색 동의어 포함
결과 내 검색 동의어 포함

-

목차보기

표제지

목차

발간사 4

요약 13

제1장 서론 18

제2장 인공지능 기술의 역사와 현재 21

제1절 인공지능 기술의 간략한 역사 21

1. 튜링(Turing, 1950) 21

2. 인공지능 개발의 실패와 성공 23

제2절 인공지능 기술의 현황 25

1. 컴퓨터 비전(computer vision) 26

2. 자연어 처리(National Laugage Processing) 31

3. 대형 언어모형(LLMs) 및 대형 멀티모달 모형(LMMs) 34

4. 인공지능 윤리(AI Ethics) 36

제3절 인공지능 기술 현황 및 정책방향 관련 전문가 면담 39

제4절 소결 42

제3장 인공지능 기술과 일자리 자동화 가능성: 인공지능 전문가 및 GPT-4 조사 결과를 바탕으로 44

제1절 서론 44

제2절 관련 기존 문헌 및 최근의 논의 전개 48

제3절 데이터 55

1. 국내 인공지능 전문가 대면조사 및 GPT-4 문답조사 55

2. 한국고용정보원의 재직자조사 2020 58

3. 통계청의 지역별 고용조사 59

제4절 연구 방법론 59

제5절 주요 결과: 인공지능 업무수행능력 수준의 현황 및 전망 61

제6절 추정 결과 74

1. 업무 및 직업 단위의 분석 74

2. 일자리 단위의 분석 77

제7절 전문직의 미래: 분야별 전문가 면담 81

1. 문화예술 분야 81

2. 법률 분야(리걸테크) 83

3. 의료 분야 85

4. IT 개발 및 교육훈련 분야 87

제8절 소결 89

제4장 국내 기업의 인공지능 기술 도입과 활용 실태 91

제1절 신기술 도입과 활용 91

제2절 공식 통계로 확인하는 인공지능 도입률 93

1. 정보화통계조사 93

2. 기업활동조사 97

제3절 KDI 설문조사 101

1. 정보화 인프라 101

2. 인공지능 도입률 105

3. 인공지능 도입 시 생산성 변화 110

4. 인공지능 도입 시 인력 측면의 변화 115

5. 인재양성 119

제4절 소결 122

제5장 국내 기업의 인공지능 기술 도입과 활용이 고용 및 임금에 미치는 영향 124

제1절 서론 124

제2절 기존 문헌 및 이론적 검토 127

제3절 데이터 130

제4절 분석모형 132

제5절 추정 결과(1): 인공지능 도입과 기업의 고용 135

제6절 추정 결과(2): 지역 수준 인공지능 영향률과 노동시장 성과 140

제7절 소결 158

제6장 결론 및 정책적 시사점 161

제1절 요약 161

제2절 정책적 시사점 165

1. 혁신 정책 166

2. 노동 정책 168

3. 교육 및 훈련 정책 171

4. 청년 일자리 정책 173

참고문헌 175

[부록] 182

ABSTRACT 195

판권기 198

표목차

〈표 2-1〉 GLUE 벤치마크 32

〈표 2-2〉 SuperGLUE 벤치마크 33

〈표 3-1〉 업무수행능력 56

〈표 3-2〉 인공지능의 업무수행능력 수준 62

〈표 3-3〉 인공지능의 업무수행능력 수준: GPT-4에 의한 평가(2023년 현재) 66

〈표 3-4〉 인공지능의 업무수행능력 수준: GPT-4에 의한 평가(2030년 예상) 71

〈표 3-5〉 직업 세분류별 자동화 가능 업무 비중(2023년 기술 수준) 75

〈표 3-6〉 직업 세분류별 자동화 가능 직무 비중(2030년 기술 수준) 76

〈표 3-7〉 자동화 고위험군 비중: 전문가 평가 78

〈표 3-8〉 자동화 고위험군 비중: GPT-4 78

〈표 4-1A〉 산업별ㆍ규모별 인공지능 도입률(2022년) 95

〈표 4-1B〉 산업별 인공지능 도입률과 영향률(2022년, 10인 이상) 97

〈표 4-2A〉 산업별 규모별 인공지능 도입률(2021년) 100

〈표 4-2B〉 산업별 인공지능 도입률과 영향률 비교(2021년, 50인 이상) 100

〈표 4-3〉 정보화 인프라 및 활용 비중 102

〈표 4-4〉 활용하고 있는 경영정보시스템 종류 102

〈표 4-5〉 클라우드 컴퓨팅과 빅데이터 분석 103

〈표 4-6〉 클라우드 컴퓨팅 서비스 종류(복수응답 허용) 104

〈표 4-7〉 빅데이터 분석 활용 업무 분야(복수응답 허용) 104

〈표 4-8〉 업무정보의 디지털 형태(데이터) 저장, 관리 실태 105

〈표 4-9〉 인공지능 도입률: 규모별 106

〈표 4-10〉 인공지능 도입률: 산업별 106

〈표 4-11〉 인공지능 도입 예정 기업 비중: 산업별 107

〈표 4-12〉 인공지능 도입 예정 시기 108

〈표 4-13〉 인공지능 도입 예정 분야 109

〈표 4-14〉 인공지능 미도입 이유(1순위) 109

〈표 4-15〉 인공지능 미도입 이유(복수응답) 110

〈표 4-16〉 인공지능 본격적 도입 시 업무처리시간 전망 111

〈표 4-17〉 인공지능 활용 시 업무처리시간 전망: 기술 도입 상황별 111

〈표 4-18〉 인공지능 활용 시 업무처리시간 전망: 생성형 인공지능 112

〈표 4-19〉 인공지능 활용 시 매출 전망: 기존 인공지능 112

〈표 4-20〉 인공지능 활용 시 매출 전망: 기술 도입 상황별 113

〈표 4-21〉 인공지능 활용 시 매출 전망: 생성형 인공지능 114

〈표 4-22〉 인공지능 활용에 가장 적합한 분야 114

〈표 4-23〉 인공지능 도입 시 인력규모 변화 전망 116

〈표 4-24〉 인공지능 도입 시 인력규모 전망: 기술 도입 상황별 116

〈표 4-25〉 인공지능 도입 시 인력규모 전망: 생성형 인공지능 117

〈표 4-26〉 인공지능 도입 후 신규채용 전망 117

〈표 4-27〉 인공지능 도입 후 신입사원 요구역량 변화 118

〈표 4-28〉 인공지능 도입 시 인력 활용 변화 118

〈표 4-29〉 인공지능 활용 여부가 승진 및 보상에 미치는 영향 119

〈표 4-30〉 인공지능 활용능력 배양을 위한 교육ㆍ훈련 지원 여부 120

〈표 4-31〉 AI 인재 수요 충족 방안 120

〈표 4-32〉 인공지능 인재양성을 위한 정부의 정책방향(1순위) 121

〈표 4-33〉 인공지능 인재양성을 위한 정부의 정책방향(복수응답) 121

〈표 5-1〉 요약통계량: 기업활동조사 131

〈표 5-2〉 요약통계량: 지역별 고용조사 131

〈표 5-3〉 인공지능 도입이 기업 단위 고용에 미치는 영향 135

〈표 5-4〉 기술 도입이 기업 단위 상용직 고용에 미치는 영향 136

〈표 5-5〉 인공지능 도입이 기업 단위 1인당 인건비에 미치는 영향 137

〈표 5-6〉 인공지능 도입이 총고용에 미치는 영향: 1~3년 후 139

〈표 5-7〉 인공지능 도입이 상용직 고용에 미치는 영향: 1~3년 후 139

〈표 5-8〉 인공지능 도입이 1인당 인건비에 미치는 영향: 1~3년 후 139

〈표 5-9〉 인공지능 도입이 기업 단위 매출액에 미치는 영향 140

〈표 5-10〉 지역 수준 인공지능 영향률과 노동시장 성과: 남성 임금근로 142

〈표 5-11〉 지역 수준 인공지능 영향률과 노동시장 성과: 여성 임금근로 143

〈표 5-12〉 지역 수준 인공지능 영향률과 노동시장 성과: 남성 상용직 144

〈표 5-13〉 지역 수준 인공지능 영향률과 노동시장 성과: 여성 상용직 145

〈표 5-14〉 지역 수준 인공지능 영향률과 노동시장 성과: 남성 임금근로, 연령별 146

〈표 5-15〉 지역 수준 인공지능 영향률과 노동시장 성과: 여성 임금근로, 연령별 148

〈표 5-16〉 지역 수준 인공지능 영향률과 노동시장 성과: 남성 임금근로, 학력별 149

〈표 5-17〉 지역 수준 인공지능 영향률과 노동시장 성과: 여성 임금근로, 학력별 150

〈표 5-18〉 지역 수준 인공지능 영향률과 노동시장 성과: 직업대분류별, 남성 153

〈표 5-19〉 지역 수준 인공지능 영향률과 노동시장 성과: 직업대분류별, 남성 154

〈표 5-20〉 지역 수준 인공지능 영향률과 노동시장 성과: 직업대분류별, 여성 155

〈표 5-21〉 지역 수준 인공지능 영향률과 노동시장 성과: 직업대분류별, 여성 156

〈표 5-22〉 직업 중분류별 인공지능과의 경제적 보완/대체성 판단 157

그림목차

[그림 2-1] 이미지 분류 27

[그림 2-2] 자세 추정 28

[그림 2-3] 이미지 생성 29

[그림 2-4] 시각적 질문과 답변 및 시각적 상식추론 분야의 벤치마크 점수 30

[그림 2-5] 이미지 분류 36

[그림 2-6] 답변의 진실성과 정보 간의 상충관계 38

[그림 3-1] GPT-4의 각종 시험성적 45

[그림 3-2] Frey & Osborne(2017)의 인공지능 자동화 가능성 50

[그림 3-3] 직업과 일자리 단위 접근 방식에서 자동화 위험 분포의 차이 51

[그림 3-4] 주요 인공지능 영향도 지수 간 차이 54

[그림 3-5] 전문가 평가 평균과 GPT-4의 평가: 현재 상황(2023년) 65

[그림 3-6] 전문가 평가 평균과 GPT-4의 평가: 미래 전망(2030년) 65

[그림 3-7] 전문가 전망(2030년)과 GPT-4 전망(2040년)의 비교 65

[그림 3-8] 임금과 자동화 가능성(2023년) 79

[그림 4-1] 클라우드 컴퓨팅 및 빅데이터 기술 도입률 94

[그림 4-2] 인공지능 기술 도입률 94

[그림 4-3] 클라우드 및 빅데이터 도입률 98

[그림 4-4] 인공지능 기술 도입률 99

이용현황보기

인공지능으로 인한 노동시장의 변화와 정책방향 이용현황 표 - 등록번호, 청구기호, 권별정보, 자료실, 이용여부로 구성 되어있습니다.
등록번호 청구기호 권별정보 자료실 이용여부
0003135224 331.12 -24-47 서울관 사회과학자료실(208호) 이용가능
0003135225 331.12 -24-47 서울관 사회과학자료실(208호) 이용가능
B000118197 331.12 -24-47 부산관 주제자료실(2층) 이용가능

출판사 책소개

알라딘제공
본 보고서에서는 인공지능 기술의 현황을 개괄하고, 우리나라 노동시장의 맥락에서 인공지능 기술로 인한 직무 자동화와 일자리 대체 가능성을 살펴보았다. 여기에서 한걸음 더 나아가 우리나라 기업에서 인공지능 기술 도입의 현황이 어떠한지 살펴보고, 인공지능 도입률과 영향률에 따라 기업이나 지역 단위 고용과 임금에 최근까지 어떤 영향이 있었는지를 실증적으로 분석해 보았다. 이러한 결과들을 종합하여 미래를 전망하고 정책적 시사점을 도출하고 있다.

현재 인공지능 기술 상황을 살펴본 결과(제2장), 인공지능 모형은 컴퓨터 비전과 자연어 처리 분야에서 대부분 평균적인 인간 수준을 능가하는 성과를 보이고 있고, 일부 분야에서는 최고 전문가 수준에 도달하기도 하였다. 비록 인식의 편향성, 언어의 위해성, 답변의 진실성 등 인간과의 본격적 공존을 위한 윤리적 분야에서는 아직까지 성과가 미흡한 것으로 나타나고 있지만, 향후 이러한 영역에서도 성능이 개선될 것으로 예상된다. 최근에는 여러 분야별 기능을 아우르는 대형 언어모형 혹은 초거대 인공지능 모형이 중심이 되고 있으며, 텍스트와 이미지 등 다양한 형태의 입력을 받아 처리하고 결과를 다시 다양한 형태로 출력할 수 있는 대형 멀티모달 모형도 속속 등장하고 있다. 인공일반지능 내지 범용일반지능(AGI)으로 발전하고 있는 초거대 인공지능 모형에 대한 세계적인 규제 움직임과 일각의 회의적 시각에도 불구하고, 초거대 인공지능 모형을 중심으로 한 기술 개발은 적어도 한동안 계속될 것으로 보인다.

인공지능을 비롯한 현재 기술의 업무수행능력 수준에 관한 전문가 평가를 기초로 국내에 존재하는 일자리들의 자동화 가능성을 분석해 본 결과(제3장), 2023년 현재 기술적 자동화 가능성은 이미 적지 않은 수준으로 추산되었다. 기존 문헌에서처럼 70% 이상의 업무 자동화 가능성을 기준으로 한다면, 이미 국내에 존재하는 38.8%의 일자리에서 기술적으로는 70% 이상의 업무를 자동화할 수 있는 것으로 나타난다. 또한 저임금 직종에서 자동화 가능성이 월등히 높고, 고숙련 직종 내지 전문직의 자동화 가능성은 비록 인공지능으로 인해 일부 상승한 것으로는 보이지만 여전히 상대적으로 낮게 나타난다.

2030년 이후의 미래에는 기술에 의한 업무수행능력 수준이 더욱 높아지면서 거의 모든 직종에서 대부분의 업무를 자동화할 수 있을 것으로 예상된다. 이르면 2030년에는 현재 형태의 일자리의 약 90%에서 직무의 90% 이상을 자동화할 수 있을 것으로 추정된다. 다시 말해, 소위 ‘병목적 능력(bottleneck abilities)’에 의해 기술적 자동화 가능성이 낮게 유지되는 ‘안전한’ 직무의 범위는 크게 축소될 것으로 예상되며, 그러한 직무가 10% 이상인 일자리는 현재 경제 내에 존재하는 일자리의 10%에 불과하다.
이러한 결과는 인공지능 기술의 발달로 적어도 기술적으로는 경제 내에 현재 존재하는 대부분의 직무가 이미 자동화가 가능하거나 가까운 미래에 자동화가 가능해질 것임을 의미한다. 즉, 기술적 차원의 불확실성은 과거보다 감소했다고 볼 수 있다. 또한 과거보다 병목적 능력의 범위는 크게 축소될 것이므로, 병목적 능력 육성을 통해 자동화로부터 절대적으로 안전해지려는 전략은 보편적으로 적용되기 어려울 것임을 시사한다.

하지만 이러한 ‘기술적 자동화 가능성’이 현실에서의 자동화로 곧바로 이어지는 것은 아니다. 기술의 도입과 활용에는 경제？사회적 요인이 중요하게 작용하기 때문이다. 예컨대, 기술적 자동화가 가능하더라도 기업의 현실적 제약으로 적어도 단기적으로는 이러한 기술을 도입하지 않을 수 있다. 물론 장기적으로는 경쟁력 약화를 피하기 위해서라도 기술을 도입하지 않을 수 없을 것이다. 또한 ‘현재 직무 구성’하에서의 기술적 자동화 가능성이 현실에서 자동화(automation)로 귀결될지 생산성 강화(augmentation)로 귀결될지는 분명하지 않다. 현재의 직무 구성이 변화하고 새로운 직업이 창출되면서 자동화보다 생산성 강화로 귀결될 가능성도 얼마든지 있다. 특히 전문직의 경우 직무 구성의 복잡성은 물론, 본질적으로 사람의 판단이 중요하다든지, 약간의 오류 가능성도 용납될 수 없다든지, 고도의 창의성이 필요하다든지 하는 등의 상황으로 인해 적어도 가까운 미래에 대체될 가능성은 낮다고 판단된다. 다만, 전문직 내에서 일정 수준 이상의 일자리에서는 인공지능을 활용한 생산성 강화가 일어나는 반면, 경력 초기를 중심으로 한 일정 수준 이하의 일자리에서는 인공지능에 의한 자동화가 일어날 가능성이 있다.

실제로 인공지능 기술이 얼마만큼 도입되고 활용되고 있는지를 살펴본 결과(제4장), 정보화통계조사 기준 국내 기업의 인공지능 도입률은 2022년(2021년 말) 기준으로 10인 이상 민간기업의 2.7% 수준에 머무른다. 하지만 250인 이상 대규모 기업에서는 도입률이 약 20%에 달한다. 이처럼 규모에 의한 도입률의 차이를 감안하면, 인공지능 기술의 영향에 노출된 근로자의 비중(‘영향률’)은 10인 이상 민간기업 재직자 전체의 10% 수준으로 계산된다. 통계청의 기업활동조사에서도 2021년 기준으로 50인 이상 민간기업의 3.8%만이 인공지능 기술을 업무에 도입한 것으로 조사되었지만, 250인 이상 기업으로 한정하면 약 8%에 달한다. 특히 50인 이상 민간기업 근로자에 대한 인공지능 영향률은 20%에 달한다.

2023년 9월 말 기준 국내 기업 800곳을 대상으로 실시한 설문조사에서도, 앞서의 공식 통계와 유사하게 낮은 인공지능 도입률(2.3%)이 나타난다. 다만, 인공지능 도입 예정 기업의 비중은 적지 않았는데, 인공지능 旣도입 및 도입 예정 기업의 비중은 50인 이상 기업의 약 10%에 달한다. 인공지능 기술을 도입한 기업들은 주로 정보통신업에 해당되며 새로운 제품？서비스 개발에 초점을 맞추고 있었으나, 향후 도입 예정인 기업들은 숙박？음식점업, 제조업, 전문서비스업 등 전통적인 산업 분야들에 속하며, 도입 예정 분야로는 새로운 제품？서비스 개발 외에 ‘생산공정 최적화’를 응답한 비중이 높았다. 이러한 기업들은 업무처리시간이 큰 폭으로 감소하는 한편 매출도 장기적으로 크게 증가할 것으로 예상하고 있었다. 또한 향후 인력규모 축소를 예상하는 비중이 상대적으로 높았고, 재직자 대상의 인력조정보다는 신규채용의 축소를 예상하는 비중이 높았다. 비록 측도의 정확성이 아주 높지는 않지만, 향후 인공지능 도입이 전반적으로 확대되는 상황에서 신규채용이 위축될 가능성을 시사하는 결과이다.

마지막으로 인공지능 도입이 기업 수준 혹은 지역 수준의 고용과 임금에 어떤 영향을 미쳤는지를 실증적으로 분석하였다(제5장). 먼저, 기업 패널자료를 활용하여 각 기업 수준에서 인공지능 기술이 (외생적 요인에 의해) 도입될 때 고용과 인건비가 어떻게 변화했는지를 살펴보면, 적어도 단기적으로는 (전문인력 수요 증가가 상쇄되면서) 고용이나 임금에 미치는 영향은 미미한 것으로 추정되었다. 이러한 실증 결과는 AI 전문인력 채용으로 전체 고용규모가 어느 정도 유지되지만 AI 인력을 제외한 고용규모는 줄어든다는 기존 문헌의 결과와 대체로 부합한다. 기업 수준 분석에서는 고용 관련 데이터의 한계가 있어 어떤 인력이 증가하고 어떤 인력이 감소했는지 자세히 살펴볼 수 없었지만, 지역 단위 분석을 통해 간접적으로 추론할 수 있었다.

다음으로, 대규모 반복 횡단면 자료를 바탕으로, 지역 내 기업들의 인공지능 도입이 증가할 때 지역 노동시장에 어떤 영향이 나타났는지를 살펴보았다. 보다 구체적으로 지역 내 인공지능 영향률이 (외생적 요인에 의해) 증가할 경우 지역 노동시장에 어떤 영향을 미쳤는지를 살펴보았다. 앞서 기업 단위 분석 결과와 유사하게 임금근로 여부에는 총량적 영향을 미치지 않으나 근로자 임금, 특히 여성 평균임금을 감소시키는 것으로 추정되었다.

이를 구체적으로 살펴보면, 직종(중분류)별로는 정보통신 전문가 및 기술직을 중심으로 전문직 고용이 증가하였지만 서비스？단순노무직에서는 고용이 감소하였다. 또한 남성 서비스？판매직이나 여성 사무？서비스직에서는 임금이 뚜렷이 감소하였다. 이는 기존의 일자리 양극화(job polarization) 논의에서와 대체로 유사한 패턴으로 읽힌다. 다만, 기존의 소프트웨어나 로봇에 의한 자동화에 인공지능까지 결합되면서 대체 가능한 중간 수준 일자리의 범위는 더욱 넓어지고 있다고 판단된다.

하지만 직종 외에 연령과 학력을 중심으로 살펴보면, 남성 30~44세나 여성 15~29세 등 주로 청년층 및 전문대졸 이상 학력을 중심으로 고용과 임금에 부정적 효과가 있었고, 중장년층이나 고졸 이하 학력에서는 고용과 임금에 별다른 변화가 없거나 오히려 긍정적 효과가 있는 것으로 분석되었다. 이러한 분석 결과는 우리나라 노동시장 상황에서 인공지능 기술의 도입이 확산되면서 주로 청년 일자리를 감소시키는 방향으로 작용해왔음을 보여준다. 또한 노동시장 구조에 큰 변화가 없다면, 인공지능 기술 도입 확대와 함께 적어도 가까운 미래에는 이러한 방향의 영향이 지속될 것임도 시사한다. '

이러한 분석 결과들을 바탕으로 혁신, 노동 및 교육 정책에 관한 주요한 정책적 시사점들을 정리한다(제6장). 혁신 정책의 경우 인공지능의 광범위한 활용을 준비하기 위해서는 사용자의 인공지능 문해력 배양과 함께 사회적 안전을 확보하기 위한 규제가 필요하다. 국내 인공지능 기술 개발을 위한 투자 및 지원과 함께, 기술 도입과 생산성 격차를 완화하기 위해 지역 내 중소기업에 대한 기술 도입 지원을 강화할 필요가 있다. 노동 정책의 경우 현재의 경직성이 지속된다면 자칫 과도한 자동화와 신규채용 축소로 이어질 가능성이 있어, 사회안전망을 강화하는 한편 노동시장의 유연성을 제고할 필요가 있다. 인간 노동을 중시하는 사회안전망 전반의 재설계와 함께, 다양한 사회적 필요들을 균형 있게 고려하는 제도적 조정이 요청된다. 한편, 교육과 훈련 정책의 경우 고정된 지식보다는 학습능력 자체와 적응력을 강조하는 방향으로의 변화가 시급하다. 고등교육체제 내 숙련공급의 유연성 제고와 함께 재직자 직업훈련을 활성화하기 위한 적극적인 지원과 제도적 뒷받침이 필요하다. 추가적으로 청년 일자리 상황에 대한 특별한 관심과 면밀한 모니터링이 요청된다. 교육과 노동시장의 유연성 제고와 함께, 경력 초기 일경험과 청년 창업에 대한 지원의 효과성 제고를 위해 정책적 역량을 집중할 필요가 있다.

추천서가 (다양한 추천 자료를 만나보세요)

권호기사보기

권호기사 목록 테이블로 기사명, 저자명, 페이지, 원문, 기사목차 순으로 되어있습니다.
기사명 저자명 페이지 원문 기사목차