Goldman Sachs, 인도의 AI 일자리 위험은 더 낮지만 서비스 부문은 여전히 노출돼 있다고 진단

Goldman Sachs는 사무 업무와 기술 기반 서비스에 뚜렷한 위험이 존재함에도 인도가 부유한 경제권보다 광범위한 AI 일자리 대체에 덜 노출돼 있다고 평가했다. 은행의 인도 수석 이코노미스트 Santanu Sengupta는 노동 위험 보고서에 따르면 8월 14일 이러한 평가를 내놨다. 이 결론은 생성형 AI가 인도의 방대한 노동시장 전반에서 빠르게 일자리를 없앨 것이라는 전망에 이의를 제기한다.

이 안도감을 주는 헤드라인에는 중요한 단서가 있다. 인도의 낮은 노출도는 갈수록 성능이 높아지는 AI 시스템에 대한 면역력이 아니라 노동시장 구조를 반영한다. 농업, 건설, 제조업, 기타 육체 노동 직종에는 소프트웨어로 자동화하기 어려운 일상 업무를 수행하는 수백만 명이 여전히 종사하고 있다.

압력은 다른 곳에 집중돼 있다. 반복적인 사무 업무, 비즈니스 프로세스 서비스, 통신, 금융 서비스, 미디어, 일부 전문직은 소프트웨어가 수행할 수 있는 업무 비중이 더 높다. 이들 부문은 주요 기술 및 비즈니스 서비스 수출국으로서 인도의 위상도 뒷받침한다.

이것이 핵심적인 긴장을 만든다. 인도는 국가 전체 차원에서는 덜 취약해 보이지만, 국제적으로 중요한 서비스 경제의 일부는 이 기술의 영향권에 가까이 놓여 있다. 따라서 인도의 AI 노동 이야기는 대규모 실업과 중단 없는 성장 사이의 단순한 대결이 아니라 불균등한 전환에 관한 이야기다.

Goldman의 전망은 대규모 대체가 아닌 변화를 가리킨다

은행의 핵심 주장은 AI가 없애는 일자리보다 변화시키는 인도 일자리가 더 많을 것이라는 점이다.

7월 말 공개된 Goldman Sachs 분석은 생성형 AI가 인도 비농업 노동력 전반의 업무 중 9%에서 17%를 수행할 수 있다고 추정했다. 이 범위는 AI가 지원하거나 자동화할 수 있는 업무를 뜻하는 업무 노출도를 측정한다. 같은 비율의 근로자가 일자리를 잃을 것이라는 전망은 아니다.

이 구분은 직업이 서로 다른 여러 업무의 묶음이기 때문에 중요하다. 금융 애널리스트는 AI로 문서를 요약하면서도 판단, 고객 커뮤니케이션, 규제 관련 결정에 대한 책임은 계속 질 수 있다. 교사는 수업 자료를 더 빨리 만들 수 있지만, 교실 관리나 학생 평가를 모델에 넘기지는 않을 수 있다.

Goldman은 비농업 일자리의 42%에서 48%가 직접 대체보다 AI 지원을 받을 가능성이 더 높다고 추정했다. 상세한 고용 분석에 따르면, 8%에서 12%는 대체 위험에 놓인 것으로 봤다. 나머지는 보고서의 가정 아래 비교적 제한적인 직접 영향을 받을 것으로 예상된다.

이 추정치는 Sengupta의 더 큰 주장도 뒷받침한다. 인도는 선진국보다 고도로 노출된 사무직에 종사하는 근로자 비중이 작다. 대규모 농업 노동력 역시 현재 생성형 AI가 주로 언어, 이미지, 데이터, 소프트웨어를 통해 작동한다는 점에서 전국 단위 노출도를 낮춘다.

Goldman은 AI 도입이 10년에 걸쳐 인도의 연간 노동생산성 성장률을 약 0.4%포인트 끌어올릴 것으로 전망한다. 미래 시스템의 성능이 어느 수준까지 향상되는지 등에 따라 추정 범위는 0.1~0.8%포인트다. 이는 관측된 결과가 아니라 전망치다.

생산성은 근로자가 기존 업무를 더 빨리 마치거나, 더 많은 산출물을 내거나, 더 높은 부가가치의 책임으로 이동할 때 높아질 수 있다. 그러나 고용주는 인력 감축을 통해 효율성 이익을 확보할 수도 있다. 같은 기술이 한 조직에서는 근로자를 보완하고, 다른 조직에서는 유사한 직무를 대체할 수 있다.

도입 비용은 이 결정에 영향을 미친다. 기업은 모델을 내부 데이터와 연결하고, 업무 흐름을 재설계하며, 결과물을 검증하고, 보안을 관리하고, 책임 소재를 정해야 한다. 하나의 업무를 완료하는 데모가 곧바로 신뢰할 수 있는 운영 시스템이 되는 것은 아니다.

이는 직업별 노출도가 즉각적인 일자리 감소로 좀처럼 직접 연결되지 않는 이유를 설명한다. 기업은 통상 직무 전체를 재편하기 전에 업무 흐름의 일부를 자동화한다. 특히 퇴사자를 충원하지 않을 때는 해고가 눈에 띄기 전에 채용이 약화될 수 있다.

인도의 규모도 전국적인 전환 속도를 늦춘다. 대기업, 중소기업, 농장, 공장, 공공기관, 비공식 고용주는 서로 다른 속도로 기술을 도입한다. 컴퓨팅 자원, 안정적인 전력, 활용 가능한 데이터, 훈련된 관리 인력에 대한 접근성도 고르지 않다.

Goldman의 전망은 압력 지점을 보여주는 지도로 읽는 것이 가장 적절하다. 어떤 업무가 바뀔 수 있고 어디에서 생산성이 개선될 수 있는지를 시사한다. 고용주가 AI를 얼마나 빨리 배치할지, 그에 따른 이익을 어떻게 배분할지는 확정하지 않는다.

인도의 노동 구조는 완충 역할을 한다

인도는 노동력 상당수가 생성형 AI가 직접 수행할 수 없는 육체 노동, 농업 노동 또는 대인 업무를 하기 때문에 노출도가 낮아 보인다.

International Monetary Fund의 평가는 인도 노동력의 약 43%가 농업에 종사한다고 분석했다. 이러한 고용 구조는 사무 기반 서비스로 더 크게 이동한 경제권보다 인도를 덜 노출되게 만든다. 소프트웨어는 농부에게 조언할 수는 있어도, 밭에서 이뤄지는 대부분의 육체 노동을 독립적으로 수행할 수는 없다.

IMF는 인도 근로자의 26%가 AI 노출도가 높은 직업에 종사한다고 추정했다. 이 가운데 고용의 14%는 노출도는 높지만 AI의 보완을 받을 가능성이 있는 것으로 분류했다. 또 다른 12%는 대체 위험이 더 큰 고노출 직업에 속한다고 인도 평가에서 밝혔다.

이 수치는 기관마다 데이터셋, 정의, 직업 분류가 달라 Goldman의 범위와 차이가 난다. 한 추정치는 전체 노동력을 다루는 반면, 다른 추정치는 비농업 고용이나 업무 비중을 살펴볼 수 있다. 이러한 차이는 노출 통계를 정확한 해고 전망으로 받아들여서는 안 되는 이유를 다시 보여준다.

국가 간 연구도 대체로 같은 방향을 가리킨다. 선진국은 관리자, 전문직, 행정직, 기타 지식 노동자의 비중이 더 크다. 이들 직업은 현 AI 시스템이 가장 효과적으로 처리하는 언어 및 정보 처리 업무를 활용한다.

IMF는 선진국 일자리의 약 60%가 AI에 노출돼 있다고 추정했다. 신흥시장과 저소득 국가의 해당 추정치는 각각 40%와 26%였다. 노출에는 생산성 향상 기회뿐 아니라 대체 위험도 포함된다.

아시아에서는 선진국 고용의 약 절반이 노출된 반면, 신흥 및 개발도상국에서는 약 4분의 1에 그쳤다. 지역 비교는 부유한 경제권이 AI가 근로자를 보완할 수 있는 일자리도 더 많이 보유하고 있다고 분석했다. 따라서 높은 노출도는 더 큰 위험과 더 큰 잠재적 상승 여력을 함께 만든다.

인도의 낮은 노출도는 여전히 심각한 분배 문제를 감출 수 있다. 농업 근로자는 생성형 AI에 의한 직접 대체에서는 보호받을 수 있지만, 낮은 생산성, 불안정한 소득, 제한적인 사회보장에는 여전히 취약할 수 있다. AI의 즉각적인 영향권 밖에 있다는 사실이 안정적이거나 고임금인 일자리를 보장하지는 않는다.

같은 문제는 도시 안에서도 나타난다. 소프트웨어 개발자와 배달 노동자는 모두 디지털 경제에 참여하지만, 노출도는 크게 다르다. 모델은 코드나 문서를 만들 수 있지만, 교통 속에서 오토바이를 운전하거나 고객에게 소포를 직접 건넬 수는 없다.

여성과 고학력 근로자는 행정직과 전문직에 더 많이 분포하기 때문에 직업상 노출도가 더 높은 경우가 많다. 고소득 근로자도 노출된 직업에 자주 종사한다. 이들의 업무는 증강의 여지가 더 클 때도 있지만, 반복적인 구성 요소는 여전히 자동화될 수 있다.

청년 졸업생에게는 별도의 우려가 있다. 초급 직무에는 문서화, 조사, 일정 관리, 테스트, 기초 분석이 포함되는 경우가 많다. 이런 업무는 신규 근로자에게 경험을 제공하지만, 생성형 AI 도구의 역량에도 잘 맞는다.

기업은 이런 기회를 줄이기 위해 기존 직원을 해고할 필요가 없다. 숙련 근로자가 AI 지원으로 더 많은 일을 해낼 수 있기 때문에 신입 채용 규모를 작게 유지할 수 있다. 이 패턴은 곧바로 대규모 실업으로 나타나지 않으면서도 경력 진입에 영향을 줄 수 있다.

따라서 인도의 완충 장치는 실재하지만 불완전하다. 전체 고용에서 노출 일자리의 비중은 더 낮지만, 노출된 부문에는 전략 산업과 중산층 진입의 일반적인 경로가 포함된다. 국가 평균은 이러한 집중도를 포착하지 못한다.

서비스 엔진은 위험에 가장 가까이 놓여 있다

인도에서 가장 많이 노출된 근로자들은 인도를 아웃소싱 비즈니스 운영의 글로벌 거점으로 만든 서비스 부문에 집중돼 있다.

반복적인 IT 기반 비즈니스 프로세스는 업무가 되풀이되고 디지털 방식으로 표현될 수 있어 대체 위험이 더 크다. 일반적인 사례로는 표준화된 지원 응답, 문서 처리, 기초 보고, 전사, 데이터 입력, 규칙 기반 품질 검사가 있다.

사무 지원 직무도 유사한 압력을 받는다. 생성형 AI는 서신 초안을 작성하고, 문서를 분류하고, 정보를 추출하고, 요약을 만들고, 일상적인 질문에 답할 수 있다. 비즈니스 소프트웨어와 연결된 시스템은 제한적인 사람 개입만으로도 애플리케이션 간 정보를 이동시킬 수 있다.

이러한 역량이 모든 역할을 없애는 것은 아니다. 모델은 여전히 사실 오류를 내고, 예외적인 사례를 잘못 처리하며, 책임 문제를 다루는 데 어려움을 겪는다. 조직에는 업무 흐름을 정의하고, 민감한 결과물을 검토하고, 예외를 해결하고, 고객과 소통할 사람이 필요하다.

그러나 직무의 수와 구성은 바뀔 수 있다. 효과적인 시스템을 갖춘 한 직원이 이전에는 여러 사람이 필요했던 업무를 완료할 수 있다. 이후 고용주는 데이터, 보안, 업무 흐름 설계, 모델 평가 분야의 전문가를 추가하는 한편 초급 근로자는 더 적게 채용할 수 있다.

서비스는 인도의 성장 모델에서 핵심이기 때문에 인도는 이 전환에 크게 노출돼 있다. Goldman Sachs는 인도의 IT 및 비즈니스 서비스 산업을 약 2,500억 달러 규모의 부문으로 설명했다. 또 서비스 수출이 2024년 약 3,870억 달러에 달했다고 보고했다.

글로벌 역량 센터는 이러한 연결을 더 심화한다. 이들 운영 조직은 다국적 기업이 엔지니어링, 재무, 분석, 고객 지원, 기타 기능을 인도에 배치할 수 있도록 한다. Goldman은 이런 센터가 1,700곳을 넘는 것으로 집계했으며, 2030년까지 추가 확대를 전망했다.

기업이 모델을 실제 운영에 통합할 팀을 필요로 하기 때문에 이들 센터는 AI 관련 업무를 창출할 수 있다. 직원들은 평가 방법을 개발하고, 시스템을 전문 분야에 맞게 조정하며, 데이터 접근을 관리하고, 규제 준수를 모니터링할 수 있다. 영어를 구사하는 인도의 대규모 기술 인력은 이러한 활동을 위한 강력한 기반을 제공한다.

동시에 이들 센터는 기존 업무를 표준화하고 자동화할 수도 있다. 다국적 기업은 중앙화된 운영 조직에서 시스템을 시험한 뒤 여러 사무소에 하나의 시스템을 배포할 수 있다. 고부가가치 기술 역할이 확대되더라도 효율성 향상은 반복적인 서비스에 대한 수요를 줄일 수 있다.

이는 고도화와 범용화 사이의 경쟁을 만든다. 인도는 엔지니어링, 연구, 모델 배포, 복잡한 컨설팅 분야로 나아갈 수 있다. 반대로 고객은 AI를 활용해 더 많은 일상 업무를 내부적으로 처리하면서 인건비 차이에서 비롯된 이점을 약화시킬 수 있다.

보호무역주의는 또 다른 복잡성을 더한다. 국경 간 데이터, 모델 또는 디지털 서비스에 대한 제한은 인도 팀이 해외 고객을 지원하는 방식을 제약할 수 있다. 규정의 차이는 규정 준수 비용을 높이고 시장별로 시스템을 분절시킬 수도 있다.

Goldman은 이전 평가에서 무역 제한이 인도의 AI 주도 서비스 수출에 미친 영향은 제한적이었다고 주장했다. 다만 데이터 현지화, 규제 차이, 지정학적 긴장을 위험 요인으로 지목했다. 이러한 압력은 어떤 모델의 기술적 역량 범위 밖에 있다.

AI 역량에 대한 수요는 하나의 긍정적 신호를 제공한다. 인도 구인 공고를 바탕으로 한 연구는 2016년 이후 AI 관련 역량을 요구하는 공고가 빠르게 늘었다는 사실을 기록했다. 또한 AI 도입이 상호보완적인 비AI 직무에 대한 수요를 뒷받침할 수 있다는 근거도 발견했다.

다만 구인 공고는 실제 채용이 아니라 고용주의 의도를 나타낸다. 온라인 공고는 정규직 중심의 화이트칼라 고용주를 과대표집하는 경향도 있다. 이는 수요가 향하는 방향을 보여주지만, 인도 전체 노동시장을 제한적으로만 비춘다.

가장 가능성 높은 결과는 서비스의 소멸이 아니다. 고객이 가치 있다고 여기는 대상의 변화다. 정형화된 산출물은 더 쉽게 생산되는 반면, 도메인 지식, 신뢰할 수 있는 실행력, 독점 데이터, 책임성의 중요성은 커진다.

인도 서비스 제공업체는 노동 시간 대신 성과를 판매해야 한다는 압력을 받게 될 것이다. 소프트웨어가 각 업무에 필요한 시간을 줄이면 인력 규모에 주로 기반한 과금 모델은 정당화하기 어려워진다. 기업은 자사 팀이 판단력, 통합 역량, 측정 가능한 비즈니스 성과를 제공한다는 점을 입증해야 한다.

근로자 개인에게도 같은 변화가 적용된다. 범용 챗봇을 다루는 방법을 아는 것만으로는 지속적인 우위를 제공하지 못한다. 직원들은 중요한 결과가 수반되는 환경에서 도메인 전문성을 갖추고 AI가 생성한 작업을 검증, 개선, 적용할 수 있어야 한다.

이 전환은 더 나은 일자리를 만들 수 있지만, 저절로 일어나지는 않는다. 재교육 프로그램은 훈련을 실제 고용주의 수요와 연결해야 한다. 그렇지 않으면 근로자는 일반적인 자격증만 받는 반면 기업은 계속해서 전문 인력을 채우는 데 어려움을 겪게 된다.

낮은 노출도가 낮은 경제적 위험을 의미하지는 않는다

인도는 광범위한 직접적 대체를 피하더라도 AI가 초급 채용, 서비스 수출 또는 임금 상승을 약화시킨다면 타격을 입을 수 있다.

첫 번째 불확실성은 업무와 일자리 사이의 격차에 관한 것이다. 노출도 연구는 직업을 모델이 수행할 수 있는 활동 단위로 나눈다. 이러한 활동이 역할 재설계, 채용 둔화, 아웃소싱 변화 또는 인력 감축을 정당화하는지는 고용주가 결정한다.

그러한 결정은 신뢰성에 달려 있다. 통제된 테스트에서 성공한 모델도 입력이 모호해지거나 고객의 행동을 예측하기 어려워지면 실패할 수 있다. 의료, 금융, 법률, 정부 서비스에서의 오류는 무제한 자동화를 막는 결과를 초래한다.

규제는 인간의 감독을 유지할 수 있지만, 업무가 수행되는 장소도 바꿀 수 있다. 기업은 현지 팀을 축소하면서 승인된 시스템을 중앙 집중화할 수 있다. 반대로 규정 준수 요건은 감사, 문서화, 위험 관리, 보안 분야의 새로운 업무를 만들어낼 수 있다.

국제노동기구는 노출이 곧 일자리 상실과 동일한 것은 아니라고 강조했다. 해당 기관의 글로벌 지수는 일자리 네 개 중 하나가 생성형 AI에 어느 정도 노출돼 있다고 분석했다. 직업 노출도 지수에 따르면, 완전한 대체보다 변화 가능성이 더 높았다.

변화 역시 고통스러울 수 있다. 직원은 일자리를 유지하더라도 협상력, 자율성 또는 승진 기회를 잃을 수 있다. 기업이 AI 시스템으로 산출량을 측정하고 표준화된 프로세스를 강제하면 디지털 모니터링이 강화될 수 있다.

초급 고용은 특히 주목할 만하다. 주니어 근로자는 흔히 초안 작성, 기초 조사, 간단한 코드, 회의록, 문서 검토를 맡는다. 이런 업무의 자동화는 사람들이 전통적으로 직업을 배우던 일을 없앨 수 있다.

그러면 조직은 인력 파이프라인 문제에 직면한다. 여전히 숙련된 직원이 필요하지만 초보 인력을 덜 양성하게 될 수 있다. 의도적인 도제 프로그램이 없다면 기업은 오늘 비용을 절감하는 대신 미래의 고급 인재 부족을 초래할 수 있다.

두 번째 불확실성은 생산성 분배에 관한 것이다. Goldman이 예상한 이득은 근로자 1인당 추가 산출을 설명한다. 이는 직원이 더 높은 임금을 받는지, 기업이 더 큰 마진을 얻는지, 고객이 더 적게 지불하는지, 또는 근로 시간이 줄어드는지를 결정하지 않는다.

경쟁 시장은 더 낮은 비용과 새로운 서비스를 통해 혜택을 확산시킬 수 있다. 집중된 시장에서는 소수 기업이 더 많은 가치를 보유할 수 있다. 희소한 역량을 가진 근로자는 더 높은 보수를 요구할 수 있는 반면, 표준화된 역할의 직원은 협상력이 약해질 수 있다.

세 번째 불확실성은 인프라와 관련된다. 고도화된 모델에는 컴퓨팅 역량, 안정적인 전력, 네트워크 접근성, 안전한 데이터 시스템, 숙련된 구현 팀이 필요하다. Goldman은 전력, 물, 데이터센터, 컴퓨팅 자원을 필요한 투자 항목으로 지목했다.

인도는 IndiaAI Mission 아래의 공공 이니셔티브를 포함해 AI 인프라를 확대하고 있다. 그러나 인프라는 대형 기술 기업을 넘어 확산돼야 한다. 생산성 향상이 경제 전반으로 퍼지려면 소규모 기업도 합리적인 비용의 접근성과 실질적인 지원을 받아야 한다.

네 번째 불확실성은 인도가 기반 기술을 더 많이 생산할 수 있는지 여부다. 인도는 배포 및 엔지니어링 서비스에서 강점을 보유하지만, 첨단 칩과 기반 모델 연구에서는 상대적으로 존재감이 작다. 해외 플랫폼에 대한 높은 의존도는 경제적 가치의 일부를 해외로 보낼 수 있다.

Goldman은 앞서 인도의 AI 부문이 2027년까지 230만 개가 넘는 일자리 공고를 창출할 수 있다고 추산했다. 또한 활용 가능한 인재 풀이 약 120만 명에 이를 것이라는 전망도 인용했다. 이 격차는 잠재 수요를 시사하지만, 교육 프로그램이 실제 일자리와 맞아떨어질 것이라는 보장은 아니다.

기업은 기술 지식과 산업 지식을 결합한 역량을 자주 요구한다. 은행에는 모델과 금융 통제를 모두 이해하는 인력이 필요하다. 제조업체에는 AI 산출물을 물리적 운영 및 안전 요건과 연결할 수 있는 엔지니어가 필요하다.

일반적인 교육으로는 모든 불일치를 해소할 수 없다. 근로자는 관련 데이터, 도구, 워크플로로 연습할 기회가 필요하다. 고용주 역시 기존 학위보다 더 빠르게 변화하는 역량을 평가할 신뢰할 수 있는 방법이 필요하다.

지식 근로자는 의사결정을 기록하고, 도메인 전문성을 개발하며, 이전 작업을 신뢰성 있게 검색할 방법을 구축해 준비할 수 있다. 검색 가능한 개인 지식 베이스는 이 과정을 뒷받침할 수 있으며, 특히 AI가 더 많은 초안과 검토할 정보를 생성할 때 유용하다.

그럼에도 개인의 준비가 노동정책을 대체할 수는 없다. 정부와 고용주는 전환 지원, 교육, 훈련 접근성을 개선해야 한다. 근로자가 인프라 부족, 취약한 사회보장, 직업 전체에 걸친 수요 감소를 독자적으로 해결할 수는 없다.

신중한 결론은 낮은 총체적 노출도가 인도에 시간을 준다는 것이다. 그렇다고 그 시간을 잘 활용해야 할 의무가 사라지는 것은 아니다. 준비가 부족하면 관리 가능한 전환이 집중된 고통으로 바뀔 수 있다.

세 가지 신호가 Goldman의 주장이 성립하는지 보여줄 것이다

다음 단계는 AI 역량에 관한 헤드라인성 주장보다 채용, 서비스 수요, 측정된 생산성을 통해 평가해야 한다.

첫 번째 신호는 IT 서비스, 비즈니스 프로세스 운영, 금융, 미디어, 전문 서비스 전반의 초급 채용이다. 신입 채용은 기업이 기존 팀을 보강하는지, 아니면 경력 사다리의 최하단을 없애는지에 대한 초기 관점을 제공한다.

주니어 채용 공고의 지속적인 감소는 Goldman 전망에 대한 안심할 만한 해석을 약화시킬 것이다. 이는 눈에 띄는 대규모 해고가 아니라 사라진 일자리를 통한 대체를 보여줄 것이다. 새로운 AI 책임과 함께 채용 규모가 유지되거나 늘어난다면, 이는 보강 시나리오를 뒷받침할 것이다.

채용의 구성은 총량만큼 중요하다. 고용주는 일반 인력을 덜 채용하는 대신 사이버보안, 데이터 엔지니어링, 모델 평가, 산업별 전문성을 갖춘 근로자를 더 찾을 수 있다. 이러한 변화는 전환에 대한 기대를 뒷받침하는 동시에 긴급한 교육 과제를 만들어낼 것이다.

두 번째 신호는 인도의 기술 및 비즈니스 서비스 수출 실적이다. 매출, 계약 규모, 고객 유지율, 주요 제공업체 전반의 채용은 AI가 수요를 확대하는지 또는 노동집약적 아웃소싱을 줄이는지를 드러낼 수 있다.

복잡한 엔지니어링과 AI 통합 업무의 성장은 인도의 입지를 강화할 것이다. 고부가가치 계약으로 상쇄되지 않는 일상적 처리 업무 수요의 감소는 국가 고용 평균에 가려진 취약성을 드러낼 것이다.

투자자들은 기업이 생산성을 어떻게 설명하는지도 살펴봐야 한다. 제공업체는 더 가치 있는 서비스로 이동했거나, 반복 업무를 자동화했거나, 인력을 줄였기 때문에 근로자 1인당 산출이 증가했다고 보고할 수 있다. 이 경로들은 직원과 장기 경쟁력에 매우 다른 결과를 초래한다.

세 번째 신호는 통제된 시연 밖에서 측정된 생산성이다. Goldman의 기준 전망은 10년에 걸쳐 연간 약 0.4%포인트의 상승을 예상한다. 실제 이득은 궁극적으로 산출, 납기, 서비스 품질 또는 창업 활동에서 나타나야 한다.

광범위한 도입이 없는 생산성 향상은 더 약한 근거가 된다. 소수의 대기업은 상당한 효율성을 달성하는 반면, 소규모 기업은 뒤처질 수 있다. 이러한 결과는 더 넓은 경제를 변화시키지 못한 채 집중도를 높일 수 있다.

임금 상승의 증거가 있다면 주장은 더 강해질 것이다. 근로자의 생산성은 높아지지만 보상이 제자리라면, 그 혜택은 노동에 돌아가지 않는 것이다. 산출과 고용 증가에 맞춰 임금도 오른다면 보강 시나리오는 더 설득력을 얻는다.

정책 입안자들은 성별, 교육 수준, 직업, 지역에 따른 차이를 살펴야 한다. 안정적인 전국 실업률은 사무직 중심 지역이나 최근 졸업생 사이의 심각한 혼란과 공존할 수 있다. 세분화된 노동 데이터는 단일 헤드라인 수치보다 이런 영향을 더 일찍 드러낼 것이다.

논의는 일시적 조정과 구조적 변화도 구분해야 한다. 고용주는 새로운 시스템을 시험하는 동안 채용을 멈췄다가 수요가 늘면 재개할 수 있다. 노출된 역할 전반에서 수년간 감소가 이어진다면 더 깊은 재편을 의미할 것이다.

Goldman의 주장이 그럴듯한 이유는 인도가 현재의 생성형 AI가 직접 수행할 수 없는 업무에 매우 많은 인력을 고용하고 있기 때문이다. 농업, 건설, 제조, 운송, 개인 서비스는 상당한 통계적 완충 장치를 제공한다.

그러나 인도의 경제적 목표는 기존 일자리를 보호하는 것 이상에 달려 있다. 인도는 더 높은 생산성, 더 강한 서비스 수출, 개선된 임금, 젊은 노동력에 대한 더 나은 기회를 원한다. 성공하려면 노출된 부문이 정형화된 일자리가 줄어드는 속도보다 더 빠르게 가치 있는 새 업무를 만들어야 한다.

따라서 가장 유용한 질문은 AI가 인도의 모든 일자리를 가져갈 것인지가 아니다. AI는 모든 직업에 동일하게 영향을 미치지 않으며, 노출이 자동으로 실업으로 이어지지도 않는다. 더 날카로운 질문은 기업이 자동화를 단순한 인건비 절감 추구가 아니라 확장으로 전환할 수 있는지 여부다.

향후 몇 달간은 신입·졸업예정자 채용, 고부가가치 서비스 계약, 생산성 관련 지표를 함께 주시해야 한다. 세 가지가 모두 개선된다면 Goldman의 더 낮은 위험 시나리오는 점점 더 신빙성을 얻을 것이다. 반대로 채용과 수출이 약화되는 가운데 효율성만 높아진다면, 인도가 겉으로 보인 방어력은 더 어려운 전환기를 가리고 있었던 셈이 될 것이다.