사용 방법
직업 이름이나 하는 일(예: 코딩, 물류, 병원)을 입력하면 관련 직업이 함께 뜹니다. 그중에서 자동완성에서 고르면 결과가 팝업으로 나옵니다. 랜덤 버튼, 직업 예시, TOP 5를 눌러도 됩니다. 결과는 주소의 ?job= 값으로 다시 열 수 있고, 링크 복사나 이미지 저장도 됩니다. 입력한 내용은 서버로 보내지 않습니다.
숫자 읽는 법
큰 숫자는 ‘AI가 이 직업의 사람 채용을 눈에 띄게 줄이기 시작하기까지 남은 기간’을 공식으로 계산한 추정입니다. 기준일은 2026년 10월 23일이고, 날짜와 D-day는 이 기준일에 연수를 더해 만든 값입니다. 직업이 없어지는 시점이 아닙니다. 위험 등급은 연수로만 나눕니다.
- 매우 높음: 3년 미만 / 높음: 3년 이상 7년 미만
- 보통: 7년 이상 15년 미만 / 낮음: 15년 이상
‘자세히 보기’에서 어떤 요소가 결과에 영향을 줬는지 볼 수 있습니다.
계산 방식
세 가지를 봅니다. 첫째, 그 직업의 일을 생성형 AI가 얼마나 도울 수 있는지(AI 영향). 둘째, 몸으로 직접 해야 하는 일이 얼마나 되는지(현장성). 셋째, 국가 면허나 공무원 신분처럼 사람만 할 수 있도록 제도로 정해 둔 장벽이 있는지입니다.
- AI 영향이 클수록 남은 기간이 짧아집니다.
- 현장성이 클수록 길어집니다. 로봇이 대신하기까지는 시간이 더 걸린다고 봤습니다.
- 면허·공무원 같은 제도 장벽이 있으면 더 길어집니다.
대략적인 추정식은 남은 기간 ≈ 기본 기간 × (1 − AI 영향) + 현장성 보정 + 제도 장벽 보정입니다. 각 요소를 어떻게 숫자로 바꾸고 합치는지는 공개하지 않습니다.
AI 영향은 미국 직업 785개를 분석한 마이크로소프트 연구 자료를 바탕으로 합니다. 한국 직업 3,823개는 서울100이 하는 일이 가장 비슷한 미국 직업에 연결했습니다. 결과의 ‘방식’은 대체(AI가 상당 부분 맡음), 축소(필요한 사람 수가 줄어듦), 도구화(AI를 도구로 쓰며 일은 이어짐), 보호(제도가 변화 속도를 늦춤) 네 가지로 나눴습니다. 세 요소를 합치는 방법은 서울100이 정한 것이며 과학적으로 검증된 값이 아닙니다.
한계
원자료는 2024년 미국 Bing Copilot 대화를 바탕으로 한 것이어서 한국 업무 환경, 직업별 임금, 규제와 다를 수 있습니다. 원 연구진도 이 지표를 ‘일자리 대체 능력’으로 해석하지 말라고 밝혔습니다. 실제 채용은 경기와 정책의 영향도 받습니다. 진로나 이직 결정은 이 결과만으로 하지 마세요.
자주 묻는 질문
우리 직업이 목록에 없어요.
3,823개를 담았습니다. 하는 일이 비슷한 직업을 골라 보세요. ‘자세히 보기’의 요소를 비교하면 차이를 가늠할 수 있습니다.
남은 기간이 0.5년이면 곧 일자리가 사라지나요?
아닙니다. AI 영향이 아주 크게 나온 직업이라는 뜻이고, 채용이 줄기 시작하는 시점의 추정일 뿐입니다.
면허가 있으면 왜 기간이 길어지나요?
국가 면허나 공무원 신분은 사람만 할 수 있도록 제도로 정해진 경우가 많아 변화가 늦어질 수 있다고 보고 남은 기간을 더 길게 잡았습니다.
출처: Kiran Tomlinson 외, Microsoft Research, “Working with AI: Measuring the Applicability of Generative AI to Occupations” (arXiv 2507.07935), GitHub microsoft/working-with-ai v1.1. 라이선스 CC BY 4.0(https://creativecommons.org/licenses/by/4.0/). 서울100이 한국 직업에 연결하고 남은 기간 계산에 쓰도록 가공했으며 원자료에서 수정한 부분이 있습니다. 원자료는 O*NET 작업 분류를 바탕으로 하며 O*NET® is a trademark of USDOL/ETA입니다.