중국의 AI 붐은 이미 일부 노동자의 소득을 줄이고 있다

Google News는 중국의 AI 전환을 보여주는 냉정한 사례를 전했다. 우한의 한 택시 기사는 로보택시 때문에 자신의 수입이 약 40% 줄었다고 말했다. 자율주행 차량이 오작동 후 일시적으로 사라지자 그의 수입은 회복됐다. 이 사건은 자동화를 둘러싼 추상적인 논쟁을 눈에 보이는 노동시장 시험대로 바꿔 놓는다.

Guardian의 원보도는 로보택시, 생성형 영상, 기타 AI 시스템으로 압박을 받는 노동자들을 따라간다. 중국의 사례가 중요한 이유는 AI 도입이 부진한 채용 시장, 확대되는 긱 노동, 노동자에게 재교육을 받을 시간이 충분하지 않은 현실과 맞물리고 있기 때문이다.

핵심 갈등은 더 이상 인간 지능과 기계 지능의 대결이 아니다. 이는 공동 번영을 약속한 중국과, 보호 장치가 도착하기 전에 노동 수요를 줄일 수 있는 도입 모델 사이의 충돌이다. Baidu의 Apollo Go 서비스, 영화 생성 시스템, 고용주, 노동자, 정부 관계자들은 이제 이 전환의 서로 다른 편에 서 있다.

Google News 헤드라인이 실제로 드러낸 것

중국의 AI 고용 이야기는 이미 전망의 단계를 넘어섰다. 노동자들이 구체적인 소득 감소와 사라진 일감을 직접 확인할 수 있기 때문이다.

China AI jobs 조사는 우한에서 발생한 의미심장한 중단 사태로 시작한다. 보도에 따르면 여러 Apollo Go 로보택시는 2026년 3월 시스템 오작동으로 교통 중 멈춰 섰다. 승객들은 발이 묶였고, 차량들은 수개월간의 조사 기간 동안 지역 도로에서 사라졌다.

이 기술적 실패는 예상치 못한 노동시장 실험을 만들었다. 인간 택시 기사 야오신눙은 Apollo Go가 2022년에 도입된 뒤 자신의 임금이 약 40% 감소했다고 말했다. 운행 중단 기간 승객들이 일반 택시로 돌아오자 그의 수입은 늘었다.

한 운전자의 경험만으로 우한 전체의 평균 효과를 입증할 수는 없다. 그러나 이는 우려 뒤에 있는 작동 방식을 드러낸다. 자율주행 차량에 배정되는 승객 한 명 한 명은 더 이상 인간 운전자에게 돌아가지 않는 운임이다.

로보택시는 그 영향이 눈에 보인다는 점에서 특히 중요하다. 기업이 차량을 배치하면 승객은 서비스를 바꾸고, 운전자는 일일 수입의 변화를 체감한다. 소프트웨어가 조용히 창작팀의 채용 수요를 줄일 때는 이 연결고리를 관찰하기가 더 어렵다.

중국은 자율 교통을 AI의 대표적인 상용 응용 분야로 육성해 왔다. 우한은 Baidu가 대규모 도시 지역에서 로보택시를 운영할 수 있도록 허용하며 주요 시험장이 됐다. 이 규모는 기술을 평가할 기회를 늘리지만, 동시에 더 많은 노동자를 실험 안으로 끌어들인다.

안전성과 신뢰성도 여전히 방정식의 일부다. 대부분의 여정을 성공적으로 마치는 로보택시라도 여러 대가 동시에 멈추면 심각한 혼란을 일으킬 수 있다. 이례적인 도로 상황에서 판단, 협상 또는 즉흥적 대응이 필요할 때 인간 운전자는 여전히 강점을 갖는다.

그러나 일시적인 실패가 운전자에게 장기적 보호를 보장하지는 않는다. 기업은 소프트웨어를 업데이트하고, 운영 절차를 바꾸며, 원격 지원을 확대할 수 있다. 신뢰성이 개선되면 사라졌던 수요는 자동화 서비스로 다시 돌아갈 수 있다.

비슷한 양상은 창작 업무에서도 나타나고 있다. 베이징의 촬영감독 톈쩌민은 Guardian에 자신의 프리랜서 단가가 2019년 수준의 40%까지 떨어졌다고 말했다. 그는 그 압박의 일부를 영화 제작 전반에서 빠르게 확산하는 AI 도입에 돌렸다.

프리랜서 단가는 경제 여건, 제작 예산, 변화하는 관객 수요 등 여러 요인에 반응한다. 따라서 AI만이 유일한 설명은 아니다. 그럼에도 톈의 증언은 고객이 더 작은 팀으로 더 많은 결과물을 만들 수 있을 때 노동자들이 수요 감소를 어떻게 해석하는지 보여준다.

중요한 변화는 제작 과정의 압축이다. 과거 스튜디오는 콘셉트 아트, 스토리보드, 편집, 배경 생성, 시각효과를 위해 각각 별도의 인력이 필요했다. 생성형 시스템은 이제 이러한 작업의 일부를 하나의 워크플로 안에서 결합할 수 있다.

그렇다고 모델이 독립적으로 완성된 영화를 만든다는 뜻은 아니다. 사람은 여전히 결과물을 선택하고, 연속성 문제를 수정하며, 연기를 연출하고, 법적 결정을 내린다. 그러나 인간의 판단이 투입되기 전까지 필요한 유급 노동 시간은 줄어들 수 있다.

Google News 목록은 이 보도를 유통한 채널일 뿐이다. 그것이 증거를 만들어냈거나 각 노동자의 원인 분석을 독립적으로 검증한 것은 아니다. 헤드라인의 가치는 독자에게 다음과 같은 질문을 던지는 데 있다. 업무 자동화는 어디에서 이미 소득 대체로 이어졌는가?

중국의 취약한 노동시장이 위험을 키운다

노동자가 대체된 뒤 강한 시장이 자신을 흡수해 줄 것이라 기대할 수 없을 때, AI 도입은 정치적으로 더 민감해진다.

Guardian는 중국의 유연 노동 인구가 2026년 3억2,000만 명에 이를 것이라는 추정치를 인용했다. 이는 보고된 2019년 수준인 1억6,000만 명의 두 배이며, 전체 노동력의 약 44%에 해당한다.

유연 고용에는 매우 다양한 형태가 포함된다. 승차 호출, 배달 업무, 프리랜서, 임시 계약, 자영업 등이 이에 해당할 수 있다. 일부 노동자는 이러한 유연성을 선호하지만, 다른 이들은 안정적인 일자리를 구할 수 없어 긱 노동에 뛰어든다.

이 구분은 중요하다. 대체된 노동자가 빠르게 비슷한 일자리를 찾을 수 있다면 자동화는 위기 없이 생산성을 높일 수 있다. 그러나 이용 가능한 대안이 더 불안정하거나 저임금이거나, 역시 자동화의 대상이라면 피해는 더 커진다.

중국의 부동산 침체와 과거 민간 교육 부문 규제는 기존의 고용 경로를 없애거나 약화시켰다. 최근 졸업생들 역시 초급 직무를 놓고 치열한 경쟁에 직면해 있다. 승차 호출과 배달 플랫폼은 전통적인 일자리를 찾지 못한 일부 노동자를 흡수해 왔다.

로보택시는 그러한 대안 중 하나에 압박을 가한다. 자율주행 차량이 더 많은 승차 수요를 확보하면, 이전의 사무직 및 건설 노동자는 운전이 계속 접근 가능한 소득원이 될 것이라 가정할 수 없다. 배달 로봇은 배달 기사에게 비슷한 문제를 만들 수 있다.

더 넓은 경제 상황은 엇갈린다. China employment outlook는 AI 전문가에 대한 수요가 2030년까지 크게 증가할 것으로 예상된다고 언급했다. 동시에 산업용 로봇이 일부 기존 노동자의 고용과 임금에 악영향을 미쳤다는 증거도 검토했다.

이는 동시에 두 개의 노동시장을 만든다. 엔지니어, 데이터 전문가, 머신비전 전문가는 투자 확대의 혜택을 볼 수 있다. 반면 운전자, 생산직 노동자, 좁은 분야에 특화된 창작자는 수요 감소에 직면할 수 있다.

새로운 기술직이 자동으로 대체 문제를 해결하지는 않는다. 경력이 긴 운전자가 짧은 온라인 강의만으로 알고리즘 엔지니어가 될 수는 없다. 촬영감독의 시각적 경험에는 가치가 있지만, 고용주는 여전히 이를 활용하는 역할을 만들어야 한다.

지역은 이러한 불일치를 더욱 심화시킨다. AI 기업과 연구 일자리는 주요 기술 중심지에 집중된다. 대체된 노동자는 다른 지역에 살거나, 자격 요건을 갖추지 못했거나, 이주를 어렵게 만드는 가족 책임을 지고 있을 수 있다.

나이도 전환에 영향을 준다. 경력 초기에 있는 노동자는 몇 년간의 재교육을 더 쉽게 정당화할 수 있다. 한 직업에서 수십 년을 보낸 사람에게는 그 투자를 회수할 시간이 더 적다.

중국의 인구 구조 변화는 또 다른 긴장을 더한다. 생산가능인구는 줄어드는 반면 은퇴자 수는 늘고 있다. 자동화는 가용 노동자가 줄어드는 상황에서 생산량을 유지하는 데 도움이 될 수 있다.

그러나 국가적 필요가 개인의 손실을 지우지는 않는다. 노인 돌봄, 첨단 제조, 기술 서비스 부문에서는 노동력 부족이 존재할 수 있지만, 운전자나 예술가는 자신에게 맞는 일을 찾지 못할 수 있다. 전체적으로 노동력은 부족하면서도 실제 현장에서는 수요와 공급이 맞지 않을 수 있다.

따라서 정책 과제는 AI가 없애는 일자리보다 더 많은 일자리를 만드는 데 그치지 않는다. 일자리는 적절한 지역에 나타나야 하고, 이전 가능한 기술을 활용해야 하며, 충분한 소득을 제공해야 한다. 또한 대체된 노동자가 저축을 소진하기 전에 생겨나야 한다.

중국 지도부는 AI를 공동 번영과 공동 안보의 동력으로 설명해 왔다. 이 약속은 측정 가능한 기준을 만든다. 생산성 향상분은 궁극적으로 임금, 단축 근로시간, 공공 서비스, 소유권 또는 더 강한 보호를 통해 노동자에게 돌아가야 한다.

이익이 모델 개발자, 플랫폼 운영자, 자본 소유자에게 집중된다면 AI 도입은 기존의 불안을 더 키울 수 있다. 그렇게 되면 정치적 문제는 기술 역량이 아니라 분배에서 비롯될 것이다.

진짜 갈등은 도입 속도와 노동자 보호의 대결이다

중국은 노동 제도가 그 도입 비용을 누가 부담할지 결정하는 속도보다 더 빠르게 AI를 배치할 수 있다.

Baidu와 다른 개발자들은 기술 성능, 운영 범위, 안전성, 비용의 관점에서 자동화에 접근한다. 노동자는 같은 전환을 잃어버린 운임, 줄어든 일감, 약해진 협상력으로 경험한다. 두 관점은 서로 다른 위치에서 같은 시스템을 설명한다.

기업은 예측 가능한 입력을 가진 업무를 자동화할 유인을 갖는다. 지도화된 경로에서의 운전, 표준 시각 자산 제작, 반복적인 자료 초안 작성이 그 패턴에 들어맞는다. 시스템이 충분히 좋은 성능을 내면, 남는 질문은 대개 경제성이다.

모델이 모든 상황에서 최고의 전문가를 능가할 필요는 없다. 더 낮은 총비용으로 고객을 만족시키기만 하면 된다. 그 기준은 인간 수준의 숙련도보다 훨씬 낮을 수 있다.

이것이 불완전한 시스템도 고용에 영향을 미치는 이유다. 톈은 이전에는 어색한 아바타를 만들었던 생성형 결과물이 빠르게 개선됐다고 말했다. 고객은 완성도보다 속도와 예산이 더 중요할 때 낮은 일관성을 받아들일 수 있다.

같은 논리는 로보택시에도 적용된다. 자율주행 차량은 중국의 모든 도로를 완벽히 이해하는 대신 제한된 서비스 지역 안에서 운행할 수 있다. 운행을 지도화된 구역으로 제한하는 지오펜싱은 시스템이 처리해야 할 상황의 수를 줄인다.

원격 지원은 일부 예외 상황을 처리할 수 있다. 인간 직원은 여러 차량을 모니터링하고 소프트웨어가 진행할 수 없을 때 개입할 수 있다. 이 방식은 사람을 남겨 두지만, 모든 차량에 운전자 한 명씩을 배치하는 것보다 적은 인력이 필요하다.

그 결과는 완전한 직업 대체에 앞선 업무 대체다. 인간이 여전히 필수적이더라도 AI가 일상 업무를 충분히 처리하면 고용주는 더 적은 인력을 필요로 한다. 경영진은 기술이 직원들을 보조할 뿐이라고 계속 말하는 동안에도 노동자는 대체를 체감한다.

최근 중국 법원의 판결은 AI로 대체된 일부 화이트칼라 직원에게 보상을 지급한 것으로 알려졌다. 이러한 판결은 고용주가 기존 해고 규정을 따랐는지 명확히 할 수 있다. 그러나 소프트웨어가 해당 직무의 경제성을 바꾼 뒤에도 자리를 유지할 일반적 권리를 만들지는 않는다.

채용은 더 큰 공백을 드러낸다. 노동자는 불법 해고에 이의를 제기할 수 있지만, 보이지 않는 채용 공고가 AI 때문에 사라졌다는 사실을 입증하기는 어렵다. 고용주는 단순히 더 작은 팀을 꾸리거나 채용을 멈출 수 있다.

계약자로 일하는 노동자는 협상력이 더 약하다. 프리랜서와 플랫폼 노동자는 흔히 전통적인 고용에 수반되는 보호를 받지 못한다. 공식적인 해고 없이도 그들의 소득은 줄어들 수 있다.

이것이 우한 운전자들 사이에 경계심이 커진 이유를 설명한다. 플랫폼은 인간 운전자가 명목상 계속 일할 자유를 유지하는 가운데 자동화된 운행 능력을 확대할 수 있다. 대체는 해고 통지서가 아니라 줄어든 호출 건수로 나타난다.

정부도 이러한 긴장을 인정하기 시작했다. 국영 노동 관련 사설은 AI가 기존 규칙과 충돌하면서 고용권이 새로운 도전에 직면했다고 경고했다. 관계자들은 AI를 고용 지원에 활용하고 사람 중심 정책을 채택해야 한다고도 강조했다.

중국의 고용 정책 분석은 사상 최대 규모의 졸업자 수, 방대한 이주 노동력, 확대되는 유연 고용 형태에서 비롯되는 압박을 지적했다. 분석은 AI를 일자리 매칭, 교육 훈련, 생산성 향상을 위한 도구로 제시했다.

이러한 목표는 노동자 보호와 양립할 수 있지만, 결과는 실행 방식에 달려 있다. 구직 가능한 일자리에 수년간의 기술 교육이 요구된다면 교육 포털은 운전자에게 거의 도움이 되지 않는다. AI 매칭 서비스도 적합한 일자리 자체가 부족한 문제를 해결할 수는 없다.

효과적인 보호는 가시성에서 시작된다. 당국은 도입 전후의 고용, 근로시간, 소득, 직업 전환에 관한 신뢰할 수 있는 데이터를 확보해야 한다. 기업의 도입 발표가 노동자 단위의 증거를 대체할 수는 없다.

노동자에게는 사전 통지도 필요하다. 기업이 업무의 큰 비중을 자동화할 계획이라면, 직원들은 재교육을 받거나 재설계된 직무에 지원할 시간을 가져야 한다. 갑작스러운 도입은 전환 위험을 거의 전부 가계에 떠넘긴다.

생산성 향상에 따른 혜택은 공유될 수 있다. 고용주는 임금 보험, 전환 기금, 근로시간 단축, 정식 재교육 등을 통해 절감분을 나눌 수 있다. 산업별로 서로 다른 방식이 필요하겠지만, 원칙은 일관된다.

중국의 중앙집권적 정책 체계는 더 분권화된 경제권에는 없는 수단을 제공한다. 당국은 지역별 도입 허가, 국유기업, 교육 예산, 채용 관행에 영향을 미칠 수 있다. 산업 정책과 노동 정책을 조율할 수도 있다.

같은 구조는 지역의 반대보다 도입 목표를 우선시할 수도 있다. 기술 투자를 원하는 관료들은 운전자나 프리랜서에게 분산되어 나타나는 소득 손실을 과소평가할 수 있다. 이러한 불균형을 막으려면 투명한 측정이 필요하다.

일자리 상실 사례가 입증하지 못하는 것

개별 사례는 실제 피해를 보여주지만, AI가 중국 전체의 총고용을 줄였다는 사실까지 입증하지는 않는다.

가장 분명한 회의적 쟁점은 인과관계다. 중국의 노동시장은 이미 부진한 소비 수요, 부동산 부문의 문제, 규제 변화, 기업 구조조정의 영향을 받고 있다. AI는 그 환경 안에 들어오며, 그렇지 않았다면 안정적이었을 기준선을 대체하는 것은 아니다.

프리랜서 비율의 하락은 제작 예산 감소를 반영할 수 있다. 영화 관련 일감 감소는 신규 프로젝트 수요 부진을 반영할 수 있다. 차량 호출 운전자의 소득은 너무 많은 운전자가 시장에 진입할 때 감소할 수 있다.

AI는 각 문제를 악화시킬 수 있지만, 유일한 원인일 필요는 없다. 책임 있는 보도는 이 구분을 유지해야 한다. 기억에 남는 사례를 근거 없는 전국 단위 추정치로 바꾸는 일도 피해야 한다.

The Guardian의 유연 고용 수치는 노동시장의 불안정성을 설명하지만, AI로 인한 일자리 대체를 측정하지는 않는다. 노동자는 자율성이나 일정 통제를 위해 프리랜서 일을 선택할 수 있다. 다른 노동자는 정규직을 잃은 뒤 그 일로 들어갈 수 있다.

로보택시의 영향도 시장별로 다르다. 우한은 대규모 도입 지역으로 활용돼 왔기 때문에, 그곳의 운전자들은 전국적으로는 존재하지 않는 조건에 직면한다. 규칙, 도로 복잡도, 서비스 범위, 소비자 선호는 도시마다 다르다.

일시적인 차량 장애는 자율주행이 여전히 운영상 한계를 지닌다는 점을 보여준다. 그러나 성능에 영구적인 상한이 있다는 사실을 입증하지는 않는다. 마찬가지로 성공적인 운행이 모든 경로나 기상 조건에서 무인 서비스가 준비됐음을 증명하지도 않는다.

창작 AI는 또 다른 측정 문제를 제기한다. 제작사는 더 적은 인력으로 더 많은 콘텐츠를 내놓을 수 있다. 산출량이 늘어나는 동안 총고용은 줄어들 수 있다. 반대로 제작비 하락은 새로운 프로젝트를 만들고, 궁극적으로 더 전문적인 업무를 늘릴 수 있다.

시점도 중요하다. 생산성 향상은 장기 수요를 만들 수 있지만, 노동자들은 초기 감원을 즉시 겪는다. 5년간의 성장세를 관찰하는 경제학자와 다음 달 임대료를 걱정하는 프리랜서는 서로 다른 결과를 측정하고 있다.

국제노동기구의 글로벌 노출 지수는 완전 자동화보다 업무 전환이 일반적으로 더 가능성이 높다고 분석했다. 업데이트된 분석은 직업 전체를 대체 가능한 것으로 규정하는 대신, 직업 전반에 걸친 약 3만 개 업무를 평가했다.

이러한 업무 기반 접근법은 더 나은 틀을 제공한다. 대부분의 직업은 반복적 업무와 비반복적 업무를 결합한다. AI는 초안 작성, 분류, 번역, 시각물 생성 등을 맡을 수 있지만, 사람은 책임성과 대인적 판단을 유지한다.

그러나 전환이 자동으로 무해한 것은 아니다. 소프트웨어가 직무의 청구 가능한 업무 절반을 없앤다면, 고용주는 기존 인원 규모를 유지하지 않을 수 있다. 직업은 살아남지만, 그 일로 생계를 유지하는 사람은 줄어든다.

소비자의 즉각적인 반발 없이도 품질은 떨어질 수 있다. 전 교육용 대본 작가인 왕즈청은 AI가 생성한 대본이 반복적이고 들쭉날쭉하게 느껴질 수 있다고 말했다. 그럼에도 기업은 제작 속도가 더 빠르다면 그러한 한계를 받아들일 수 있다.

왕의 대응은 포기가 아니라 적응을 보여준다. 이전 고용주가 대본 작성팀을 축소한 뒤, 그는 독립적인 그림책 작업으로 방향을 옮겼다. 그는 작업 과정의 일부에 AI를 활용하면서도 편집 결정은 인간의 통제 아래 유지한다.

이 전략이 모두에게 똑같이 효과적인 것은 아니다. 독립 업무에는 고객, 자본, 영업 능력, 불안정한 소득을 감수할 의지가 필요하다. 모든 대체 노동자에게 기업가가 되라고 조언하는 것은 책임을 고용주와 정책에서 돌리는 일이다.

교사는 다른 사례를 제시한다. Associated Press가 인터뷰한 한 화학 교사는 학생들이 즉각적인 답변과 후속 도움을 받는 데서 가치를 봤다. 동시에 그 시스템들이 여전히 실수를 한다는 점도 관찰했다.

교육은 신뢰, 동기 부여, 보호, 진단에 의존한다. 이러한 책임은 완전한 대체를 더 어렵게 만든다. AI는 여전히 학급 규모, 준비 시간, 평가, 과외 수요를 바꿀 수 있다.

이러한 차이 때문에 “일자리”에 관한 전국 단위 주장은 오해를 부를 수 있다. 더 유용한 단위는 특정 시장 안의 특정 업무다. 연구자들은 누가 그 업무를 수행했는지, 얼마를 벌었는지, 자동화 이후 어떤 일이 일어났는지를 물어야 한다.

노동자들은 개인 지식 관리를 활용해 프로젝트 증거, 의사결정, 이전 가능한 전문성을 보존할 수 있다. 이러한 관행은 경력 전환을 지원할 수 있지만, 고용주가 없앤 곳에 수요를 만들어내지는 못한다.

따라서 증거는 신중한 결론을 뒷받침한다. AI는 이미 식별 가능한 직업에서 소득 압박과 기회 축소에 기여하고 있다. 현재 उपलब्ध한 보도만으로는 중국 경제 전체에 미친 순효과를 확정할 수 없다.

중국의 AI 일자리 시험은 중국을 넘어선다

중국은 공공기관이 분배적 영향을 평가하는 속도보다 도입이 노동자에게 더 빠르게 닿을 때 어떤 일이 벌어지는지 보여주는 초기 사례다.

북미 독자들은 이를 중국 정치경제의 먼 이야기로 여겨서는 안 된다. 관련 도구는 국경을 넘고, 전 세계 고용주는 반복적 노동 비용을 줄이려는 유인을 공유한다.

속도는 다를 수 있다. 중국 정부는 인프라, 허가, 산업 자금, 도시 단위 시험을 조율할 수 있다. 미국과 캐나다는 이러한 결정을 더 많은 규제기관, 법원, 기업, 지방정부에 나누어 맡긴다.

분절화는 도입을 늦출 수 있지만, 더 나은 보호를 보장하지는 않는다. 노동자에게 사전 통지, 협상력, 소득 지원이 없다면 지연된 전환도 어려움을 낳는다. 속도는 일정만 바꿀 뿐, 근본적인 갈등은 바꾸지 않는다.

중국의 경험은 육체노동과 지식노동을 단순히 구분하는 관점에도 도전한다. 로보택시는 운전 소득을 위협하는 반면, 생성형 시스템은 영화, 번역, 프로그래밍, 글쓰기 분야에 압박을 가한다. AI 도입은 두 범주 모두에서 진행되고 있다.

지식노동자들은 한때 자동화가 육체노동에 먼저 도달할 것이라고 생각했다. 생성형 모델은 디지털 텍스트와 이미지가 예측하기 어려운 물리적 환경보다 처리하기 쉽기 때문에 여러 분야에서 그 순서를 뒤집었다.

물리적 자동화는 이제 제약된 환경에서 따라잡고 있다. 로보택시, 소포 분류, 공장 운영, 배송 시스템에는 구조화된 경로나 반복 가능한 동작이 있다. 성공적인 도입 하나하나는 상업적으로 자동화 가능한 업무의 범위를 넓힌다.

기업 구매자에게 노동 영향은 조달의 일부가 되어야 한다. AI 제품을 평가하는 팀은 정확도와 구독 비용 이상을 측정해야 한다. 어떤 업무가 사라지고 어떤 책임이 남는지 파악해야 한다.

책임성은 특히 중요하다. AI가 생성한 결과물이 피해를 일으키면, 누군가는 사실을 검증하고 불만을 해결하며 결정의 책임을 져야 한다. 업무 흐름을 이해하는 사람들을 없애면 이러한 책임을 이행하기가 더 어려워질 수 있다.

개발자들은 예외 처리에도 주의를 기울여야 한다. 우한의 오작동은 집계 성능 지표가 집중된 실패를 감출 수 있음을 보여줬다. 여러 차량이나 자동화된 프로세스가 함께 실패할 때 시스템에는 에스컬레이션 경로가 필요하다.

노동자에게 주는 교훈은 단순히 “AI가 당신을 쓰기 전에 AI를 사용하라”가 아니다. 이 표현은 협상력의 차이를 무시한다. 직원은 도구를 숙달해도 한 명의 운영자가 여러 동료의 업무량을 처리하게 되면 자리를 잃을 수 있다.

더 유용한 전략은 분야 전문성과 책임을 결합하는 업무를 찾아내는 것이다. 고객 신뢰, 안전 판단, 독자 취재, 협상, 최종 승인은 여전히 모델에 완전히 넘기기 더 어렵다.

그러한 영역도 변할 것이다. 촬영감독은 모든 이미지를 직접 촬영하는 대신 생성된 배경을 감독할 수 있다. 번역가는 자동화 시스템이 일상적인 문단을 처리하는 동안 민감한 자료를 검토할 수 있다.

이 전환은 전문성을 보존하면서도 유급 업무의 수를 줄일 수 있다. 따라서 노동자에게는 증강이 단지 1인당 산출량 증가가 아니라 더 나은 일자리를 만든다는 증거가 필요하다.

Google News는 개별적인 일자리 대체 사례를 증폭할 수 있지만, 대중의 관심은 측정으로 이어져야 한다. 정책입안자들은 해고, 채용 감소, 근로시간 하락, 임금 압박, 직업 이동을 구분하는 데이터가 필요하다.

각 지표는 서로 다른 질문에 답한다. 해고 데이터는 눈에 보이는 분리를 포착한다. 채용 데이터는 애초에 나타나지 않는 직무를 드러낼 수 있다. 소득과 근로시간은 명목상 자영업 안에 숨은 대체를 보여준다.

가장 중요한 비교는 생산성과 노동자 결과 사이의 비교다. 영향을 받은 직업에서 산출량은 늘지만 중위 소득이 떨어진다면, 그 이익은 노동에 돌아가지 않고 있다. 임금과 이동성이 개선된다면 증강의 근거는 더 강해진다.

보호가 따라잡을 수 있는지를 보여줄 세 가지 신호

다음 단계는 도입 규칙, 노동자 소득, 그리고 고용주가 일자리를 조용히 없애는 대신 재설계하는지에 달려 있다.

첫 번째 신호는 Apollo Go가 서비스 중단 이후 확대되거나 운행을 재개할 때 어떤 일이 일어나는지다. 차량 수만으로는 고용 문제에 답할 수 없다. 연구자들은 같은 지역에서 운행량, 운전자 소득, 근로시간, 승객 요금을 비교해야 한다.

자동화된 서비스 범위가 넓어지는 동안 사람의 소득이 안정된다면, 이는 가장 강한 일자리 대체 주장을 약화시킬 것이다. 새로운 수요, 시장 세분화, 또는 성공적인 정책적 제한을 시사할 수 있다.

운전자 소득이 로보택시 활동에 정비례해 하락한다면, 우한의 사례는 일화 이상의 의미를 갖게 된다. 이는 노동자에서 자동화 차량군으로 향하는 측정 가능한 이전을 보여줄 것이다.

두 번째 신호는 중국의 고용 대응 설계다. 재교육을 촉구하는 일반론만으로는 충분하지 않다. 의미 있는 세부 사항에는 자격 요건, 재원, 임금 지원, 고용주 의무, 긱 노동자의 접근성이 포함된다.

신뢰할 수 있는 정책은 전환 과정 전체에서 사람들을 따라가야 한다. 교육 수료율, 이후의 취업, 교육 후 소득을 보고해야 한다. 강좌 등록 수만 세는 것은 성공의 증거를 거의 제공하지 못한다.

표준 고용계약 밖에서 일하는 노동자들에게는 특별한 관심이 필요하다. 운전자, 배달원, 영화 제작자, 번역가, 기타 프리랜서는 해고 통계에 잡히지 않은 채 소득을 잃을 수 있다. 이들을 제외하면 보도된 영향의 상당 부분이 가려질 것이다.

강력한 집행은 중국의 공동부유 약속을 뒷받침할 수 있다. 반면 미약하거나 상징적인 프로그램은 핵심적인 역설을 강화할 것이다. 도입은 즉각적인데, 보호는 여전히 이상에 머물러 있다는 점이다.

세 번째 신호는 영향을 받기 쉬운 직종에서 나타나는 기업의 채용 행태다. 고용주는 AI가 인력 계획, 신입 채용, 계약직 지출, 팀 규모를 바꿨는지 공개해야 한다. 전체 실업률은 그러한 결정을 포착하기에는 너무 느리게 움직일 것이다.

초급 업무는 면밀히 관찰할 필요가 있다. 주니어 직원은 맥락과 판단력을 익히는 과정에서 흔히 반복적인 업무를 수행한다. AI가 그 업무를 흡수하면 기업은 미래의 시니어 전문가를 길러내는 경로를 약화시킬 수 있다.

기업은 숙련된 관리자는 유지하면서 초보 인력 채용을 줄일 수 있다. 이런 구조는 단기적으로 효율적으로 보이지만, 이후 인재 공백을 만든다. 또한 자동화 이전에 노동시장에 진입한 사람들에게 기회를 집중시킨다.

직무 재설계는 더 건설적인 신호가 될 수 있다. 고용주는 모델 사용을 검증, 고객 업무, 도메인 교육과 결합해 주니어 직무를 보존할 수 있다. 이는 생산성을 인원 감축 수단이 아니라 더 나은 업무를 수행할 역량으로 보는 접근이다.

중국의 증거는 모든 직업에 적용되는 단일한 답을 뒷받침하지 않는다. 대신 더 시급한 결론을 시사한다. 전체 실업률이 오르기를 기다리는 것은 AI로 인한 일자리 대체를 감지하는 데 불충분한 방식이라는 점이다.

노동자들은 이미 줄어든 운임, 낮아진 단가, 축소된 팀, 감소한 채용 기회를 말하고 있다. 일부는 성공적으로 적응하고 있지만, 다른 이들은 남아 있는 인간의 역할 영역이 줄어들고 있다고 본다.

다음 Google News 헤드라인은 이 세 가지 신호에 비춰 평가해야 한다. 자율 서비스가 노동자 소득을 줄이고 있는가? 고용 보호가 계약직에게도 닿는가? 기업은 여전히 경력 사다리를 만들고 있는가?

독자들도 자신의 조직 안에서 같은 기준을 적용할 수 있다. 자동화되는 업무를 파악하고, 소득과 채용에 어떤 일이 일어나는지 추적하며, 전환 위험을 누가 부담하는지 물어야 한다. AI가 노동에 미칠 영향은 필연적 진보에 관한 구호가 아니라 이러한 구체적인 선택을 통해 결정될 것이다.