연구/분석

AI연구원

AI Researcher

AI가 대체할 수 있는 업무

  • ·하이퍼파라미터 튜닝 자동화
  • ·논문 서베이 초안 작성
  • ·실험 코드 보일러플레이트 생성

AI가 대체하기 어려운 업무

  • ·새로운 AI 아키텍처 설계
  • ·연구 방향 및 가설 수립
  • ·AI 안전성·정렬 연구
  • ·학제간 응용 연구 설계
  • ·연구 결과 해석 및 논문 집필

대응 전략 — 업무별 액션

대체 업무는 AI로 가속 · 어려운 업무는 전문성 강화

AI로 가속

하이퍼파라미터 튜닝 자동화

PyTorch로 가속 →

논문 서베이 초안 작성

Semantic Scholar로 가속 →

실험 코드 보일러플레이트 생성

Connected Papers로 가속 →

전문성 강화

새로운 AI 아키텍처 설계

딥러닝 이론 심화

연구 방향 및 가설 수립

AI 안전성(Alignment) 연구

AI 안전성·정렬 연구

수학·통계 기초 강화

학제간 응용 연구 설계

딥러닝 이론 심화

연구 결과 해석 및 논문 집필

AI 안전성(Alignment) 연구

범용 AI 활용

분석 근거

AI 대체 예측, 13년간 얼마나 바뀌었나?

2013년 예측

23%

옥스포드 연구

2026년 재평가

8%

AI 분석 추정

13년 전 예측 대비 위험도 낮아짐

15%p

2013년에 걱정했던 것보다 실제 위험은 낮은 편

* AI연구원의 실제 AI 사용률은 Anthropic 관측 기준 43.2%로, 앞서 표시된 도넛과 동일한 수치입니다.

데이터 출처와 방법론

"실제 AI 사용률"이란?

Anthropic이 Claude 사용 데이터를 분석해 측정한 수치입니다. 이 직업의 업무 중 AI가 실제로 처리하고 있는 비율을 뜻합니다.
· AI가 완전히 대신하는 업무는 100% 반영
· AI가 보조하는 업무는 50% 반영
· 각 업무가 차지하는 시간 비중으로 평균
→ 단순 사용 빈도가 아니라, 실제 업무 영향도를 나타냅니다.

참고: AI 사용 방식 (전체 평균)

전체 Claude 사용 중 업무 보조용 약 57%, 완전 자동화용 약 43%. 직업별 세부 비율은 아직 공개되지 않았습니다.

"AI 대체 위험도"란?

이 직업이 앞으로 AI에 의해 자동화될 가능성을 추정한 값입니다. 두 시점의 예측을 비교합니다:
· 2026년 재평가: AI가 최신 자료를 종합해 분석한 결과
· 2013년 예측: 옥스포드대 연구팀이 AI 등장 전에 내놓은 예측 (한계 있음)

2026년 재평가는 어떻게 산출?

Claude가 아래 자료들을 학습 데이터로 활용해 409개 직업을 일괄 분석했습니다. 실시간 검색이 아닌 학습된 지식 기반 추론입니다.

  • 옥스포드대 Frey & Osborne (2013) 논문
  • 맥킨지 "일의 미래" 보고서 시리즈
  • 세계경제포럼(WEF) 일자리 보고서 (2020~2025)
  • 미국 노동부 O*NET 직업 데이터베이스
  • 한국고용정보원 직업전망 보고서
  • Anthropic Economic Index 초기 발표 (2025)
  • 하버드 경영대학원 Chen·Srinivasan·Zakerinia (2024) Working Paper 25-039 — Task별 E0~E3 노출 분류 방법론 (대표 직업 12개 적용 시 본 사이트 점수와 방향성 일치)

AI의 추론이므로 참고용입니다. 검증된 실측 데이터는 위 "실제 AI 사용률"을 참고하세요.

데이터 출처

· Anthropic Economic Index 5차 발표 (2026-03-24)
· Frey & Osborne (2013) "고용의 미래"
· Chen·Srinivasan·Zakerinia (2024) HBS Working Paper 25-039 — Task별 E0~E3 노출 분류 방법론
· 직업 매핑: Survey Researchers (정확도: high)