OpenAI, 미국 업무 메시지 80만건 분석…직무 밖 과업은 전형적 이용자군의 작은 워크스페이스에서 더 높았다

마케팅 담당자가 웹사이트 오류를 살피고, 영업 담당자가 고객 데이터를 분석하며, 소규모 사업자가 계약 문구와 재무 계산을 AI에 묻는다. 직원을 새로 뽑은 것은 아니지만 한 사람이 시도하는 일의 범위는 넓어진다.

OpenAI Economic Research가 2026년 7월 27일 공개한 ‘Work at the Frontier’ 보고서는 이 변화를 ‘과업 이동’으로 설명한다. 미국 이용자의 업무 관련 메시지 80만건 이상을 분석한 결과, 전체 업무 메시지의 16.8%가 이용자의 전통적인 직무 밖 과업으로 분류됐다. 이메일 작성·요약·일정 관리처럼 여러 직무에 공통적인 일을 제외하면, 직무형 메시지의 43.5%가 이용자의 직무 경계 밖에 있었다.

숫자가 말하는 것은 AI가 전문가를 없앴다는 결론이 아니다. 사람들이 AI를 이용해 자신의 직무 바깥에 있던 과업까지 시도하고 있다는 관찰이다. 작은 회사가 봐야 할 지점도 ‘몇 명을 줄일 수 있는가’보다 ‘누가 초안을 만들고 누가 책임지고 검토할 것인가’에 가깝다.

AI는 속도보다 먼저 업무 경계를 움직이고 있다

연구진은 이용자가 ChatGPT Business 가입 때 입력한 직무 정보와 개인 ChatGPT 계정의 업무 관련 메시지를 연결하고, 미국 노동부의 O*NET 직무 활동 분류와 비교했다. 분석 대상은 고객경험, 디자인, 엔지니어링, 재무, 인사, 법률, 마케팅, 영업 등 8개 직군이다.

마케팅과 엔지니어링 과업은 다른 직군의 메시지에 넓게 등장했다. 비재무 직군에서는 재무 데이터 계산이, 비엔지니어링 직군에서는 컴퓨터 응용프로그램 문제 해결이 반복적으로 나타났다. 광고·소셜 게시물·전단·상품 자료처럼 마케팅 자료를 만드는 일도 여러 직군으로 퍼졌다.

이 현상은 단순한 업무 자동화와 다르다. 기존 직무 안의 일을 빠르게 처리하는 동시에, 과거에는 다른 팀이나 외부 전문가에게 넘겼을 일을 현장에 있는 사람이 먼저 다뤄보는 변화다.

작은 워크스페이스에서 직무 밖 요청이 조금 더 많았다

메시지 사용량이 중간 50%에 해당하는 전형적 이용자군에서 직무 밖 과업의 비중은 2~5석 워크스페이스 18.9%, 101석 이상 워크스페이스 16.3%였다. 연구진은 전문 인력이 적은 조직에서 현장의 사용자가 다른 직무의 일을 AI에 묻는 경우가 더 많을 가능성을 제시했다.

그러나 여기서 ‘좌석 수’를 회사 전체 직원 수로 읽어서는 안 된다. 한 회사가 실제 인원과 다른 수의 계정을 구매할 수 있기 때문이다. 사용량이 많은 상위 이용자군에서는 워크스페이스 규모에 따라 비중이 일관되게 줄어드는 흐름도 나타나지 않았다.

따라서 작은 회사일수록 AI 덕분에 생산성이 더 높아졌다고 단정할 수 없다. 확인된 것은 전형적 이용자군의 메시지에서 직무 밖 과업이 조금 더 자주 나타났다는 점이다.

전문가 일을 시도했다고 전문가가 대체된 것은 아니다

보고서의 분석 단위는 업무시간, 완성된 프로젝트, 직업 수가 아니라 이용자가 보낸 메시지다. 연구진은 그 답변이 실제 업무에 사용됐는지, 품질이 어땠는지, 시간을 얼마나 줄였는지, 전문가가 검토했는지를 관찰하지 못했다. 표본도 미국 전체 노동자를 대표하지 않는다.

계약 검토, 재무 계산, 인사 판단처럼 오류 비용이 큰 일에서는 이 구분이 특히 중요하다. AI가 초안이나 질문 목록을 만들 수 있다고 해서 법률·회계·노무 판단의 책임까지 넘길 수 있는 것은 아니다. 보고서도 과업 이동을 특정 직업의 증가나 감소에 대한 추정치로 해석하지 말라고 선을 긋는다.

OECD가 2026년 4월 발표한 D4SME 조사도 비슷한 경계를 보여준다. 12개국 중소기업 2,000곳 이상의 비대표 표본에서 범용 AI 도구와 AI 에이전트의 이용은 늘었지만, 전략적이고 안전한 업무 통합은 고르지 않았다. 시간 부족, 유지비용, 기술 격차, 사이버보안이 계속 장애물로 지목됐다.

새 업무분장표에는 작성자·검토자·승인자를 함께 적어야 한다

작은 조직은 직무명을 새로 만드는 것보다 AI가 관여하는 과업별 책임선을 먼저 정할 수 있다. 시작은 다음 다섯 항목이면 충분하다.

  1. 과업을 위험도별로 나눈다. 아이디어 정리·초안·형식 변환은 낮은 위험으로, 계약·세무·채용·결제·외부 발송은 높은 위험으로 구분한다.
  2. 입력과 결과물을 적는다. 어떤 자료를 넣고 어떤 문서나 판단 보조물을 받을지 정한다.
  3. 검토자를 따로 둔다. AI를 실행한 사람이 자기 결과를 혼자 승인하지 않도록 업무 지식이 있는 검토자를 지정한다.
  4. 외부 행동에는 승인선을 둔다. 고객 메시지 발송, 계약 변경, 결제, 계정 권한 변경은 사람이 최종 승인하기 전까지 실행하지 않는다.
  5. 시간보다 오류를 함께 잰다. 절약 시간뿐 아니라 수정 횟수, 잘못된 정보, 재작업, 고객 불만을 기록한다.

이 표가 있으면 AI 사용은 개인의 요령에서 조직의 운영 방식으로 바뀐다. 담당자가 바뀌어도 무엇을 자동화하고 어디서 멈춰야 하는지 이어받을 수 있다.

작은 조직의 AI 경쟁력은 더 많은 일을 시키는 데서 끝나지 않는다

중소벤처기업부는 2026년 소상공인 AI 활용지원에 144억원의 신규 예산을 배정하고, AI를 활용한 제품 개발과 서비스 도입을 통해 비용 절감과 업무 효율화를 지원하겠다고 밝혔다. 정책과 시장 모두 AI를 실제 업무에 붙이는 단계로 이동하고 있다.

하지만 한 사람이 더 많은 직무를 시도하게 됐다는 사실은 그 사람이 모든 영역의 전문가가 됐다는 뜻이 아니다. AI가 넓힌 업무 범위에 맞춰 교육, 검토, 권한, 보상과 책임도 함께 다시 설계해야 한다.

AI가 한 사람의 업무를 넓힐수록 조직은 더 선명한 승인 경계를 가져야 한다.

이 기사는 특정 AI 제품의 성과나 고용 효과를 보장하지 않는다. 미국 ChatGPT 이용자 메시지에 대한 기업 연구와 비대표 OECD 조사에 근거한 해설이며, 개별 업무의 법률·회계·노무 판단은 해당 전문가의 검토가 필요하다.

자료 출처