Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand

인터랙티브 인포그래픽 보기

첫째, 신입 채용 비중의 감소를 AI 탓으로만 읽을 수 없다. 이 연구는 미국·영국·캐나다·호주의 2017~2025년 채용·공고 자료에서 경력 초기 인력의 채용 비중 감소를 분석했다. AI 노출만 보면 큰 감소가 나타나지만, 같은 직업에 집중된 재택근무(WFH) 노출을 함께 넣으면 AI 계수는 크게 줄고 흔히 통계적으로 유의하지 않다.

핵심 요약

첫째, 생성형 AI(LLM) 출시는 대체 가능한(Substitutable) 프리랜서 일자리 수요를 상대적으로 24% 감소시켰다. ChatGPT 출시 이후, 글쓰기 및 번역과 같이 LLM으로 직접 대체 가능한 스킬 클러스터의 신규 구인 공고 수는 대조군(영향을 받지 않는 클러스터) 대비 24% 감소했다(절대적 수치로는 7% 감소).
둘째, 일자리 감소 타격은 주로 1~3주 이내의 단기 프로젝트(Short-term gigs)에 집중되었다. 프로젝트 기간별 분석 결과, 대체 가능 직무의 구인 감소는 단기 작업에서 가장 가파르게 나타난 반면, 장기 프로젝트나 고급 역량을 요하는 영역에서는 타격이 상대적으로 적었다.
셋째, 보완적(Complementary) 스킬 영역 내에서는 극심한 양극화와 ‘전문성 재편’이 일어났다. LLM을 도구로 활용해 생산성을 높일 수 있는 보완적 스킬 전체의 총수요는 유의미하게 변하지 않았으나, 내부적으로 ‘AI 기반 챗봇 개발’ 수요는 약 3배(+179%), ‘머신러닝’ 수요는 24% 급증했다.
넷째, AI 보완 직무에서 초급(Novice) 프리랜서에 대한 수요가 오히려 감소했다. 실험실 연구와 달리 실무 노동 시장에서는 기업 내부 인력이 AI를 활용해 초급 수준의 과제를 직접 처리함에 따라, 외부 초급 프리랜서를 고용할 필요성이 감소하는 현상이 확인되었다.
다섯째, 예산 감소가 아닌 ‘수요 곡선 자체의 이동’이 입증되었다. 기업들이 프로젝트당 제시하는 평균 예산(Budget)은 변하지 않았으며, 공고당 지원자 수 증가 또한 구인 공고 자체가 줄어든 데서 비롯된 것으로 나타나, 노동 공급의 변화가 아닌 AI에 의한 순수한 노동 수요 감소 쇼크임이 확인되었다.

배경 및 이론적 맥락

생성형 AI(Generative AI)와 대규모 언어 모델(LLM)이 급격히 보급되면서, “AI가 인간의 노동을 대체할 것인가, 아니면 보완할 것인가?”에 대한 논쟁이 경제학 및 사회과학 전반의 핵심 화두로 떠올랐다.

기존 문헌은 두 가지 대조적인 시각을 보여준다. 한편에서는 초기의 자동화 위험 연구(Frey & Osborne, 2017)나 최근의 플랫폼 연구(Demirci et al., 2023)처럼 단순 글쓰기, 번역, 이미지 생성 등 자동화 위험에 노출된 직무의 일자리가 감소한다는 대체론(Substitution)적 경고를 내놓는다. 다른 한편에서는 실험실 연구(Noy & Zhang, 2023; Brynjolfsson et al., 2023)를 바탕으로, LLM이 숙련도가 낮은 노동자의 생산성을 크게 향상시키는 보완 도구(Cognitive Amplifier)로 작용한다는 낙관론을 제시한다.

그러나 이전 연구들은 주로 제한된 실험실 환경이거나, 소수의 광범위한 직무 분류만을 다루어 실제 노동 시장의 복잡한 스킬 수준별 이질성(Heterogeneity)을 충분히 포착하지 못했다. 특히 LLM은 특정 과제를 완전히 대체하기도 하지만, 전문 프리랜서의 작업 시간을 획기적으로 줄여주는 보완적 역할도 수행한다.

따라서 신기술의 영향이 실제 노동 시장에서 어떻게 발현되는지 밝히기 위해서는, ‘대체 가능한 스킬(Substitutable)’, ‘보완적인 스킬(Complementary)’, ‘영향을 받지 않는 스킬(Unaffected)’을 정밀하게 구분하고, 미시적인 스킬 단위에서 수요 변화를 추적하는 연구 프레임워크가 필수적이다.

연구 방법론

분석 대상 및 데이터셋: 세계 최대 규모의 글로벌 온라인 프리랜싱 플랫폼에서 수집된 300만 건 이상의 신규 구인 공고(2021년 1월 ~ 2023년 9월). 이 플랫폼은 변화가 빠른 디지털 노동 시장으로, 기술 충격에 대한 수요 반응을 실시간으로 측정할 수 있는 최적의 ‘실제 노동 시장 실험실’ 역할을 한다.
스킬 클러스터링 (BERTopic): 기존의 네트워크 동시 출현 방식 대신, 최첨단 트랜스포머 모델인 SBERT로 공고별 스킬 요구사항을 384차원 임베딩으로 변환한 후, UMAP 차원 축소와 HDBSCAN 밀도 기반 클러스터링을 적용하여 총 116개의 세분화된 스킬 클러스터를 추출했다.
GPT-4o 프롬프트 엔지니어링을 통한 AI 노출 분류:
- Substitutable (대체 가능 – 12개 클러스터): 비전문가도 LLM을 활용해 전문가 수준의 결과를 얻을 수 있는 작업 (예: 블로그 글쓰기, 단순 번역, 교정).
- Complementary (보완 가능 – 59개 클러스터): 비전문가가 LLM만으로는 품질을 유지할 수 없으나, 전문가가 활용 시 작업 시간을 절반 이상 단축할 수 있는 작업 (예: 웹 개발, ML 모델링, 챗봇 개발).
- Unaffected (영향 없음 – 45개 클러스터): LLM 활용에 따른 작업 시간 단축 효과가 제한적인 작업 (예: 그래픽 디자인, 시각적 일러스트, 수동/물리적 서비스).
- 프롬프트 엔지니어링(Few-shot 및 Chain-of-thought 기법 적용)을 통해 55개 고신뢰도 검증 세트에서 93%의 분류 정확도를 달성했다.
이중차분법(Difference-in-Differences, DiD) 모델: 2022년 11월 30일 ChatGPT 공개 시점을 기점으로, 영향을 받지 않는 클러스터(Control group) 대비 대체 및 보완 클러스터(Treatment groups)의 신규 구인 공고 수 및 예산 변화를 추정하는 이중차분 계량경제학 모델을 구축했다.

연구 결과

1. 대체 가능 직무의 가파른 수요 감소와 단기 프로젝트 집중 현상

ChatGPT 출시 후, 영향을 받지 않는 대조군 클러스터의 구인 공고는 17% 증가한 반면, 대체 가능 클러스터의 구인 공고는 7% 감소하여, 상대적으로 24%의 현격한 수요 감소(DiD = -0.28, p < 0.01)가 관찰되었다.

이러한 감소세는 프로젝트 기간에 따라 뚜렷한 이질성을 보였다. 3주 이하의 단기 외주 프로젝트(Short-term gigs)에서 대체 가능 직무의 감소가 집중적으로 나타났으며^[1], 이는 기업들이 단순·단기 외주 작업을 외부 프리랜서에게 맡기는 대신 ChatGPT 등 내부 AI 도구 활용으로 대체했음을 시사한다^[1].

2. 세부 스킬 클러스터별 이질성 (Winners and Losers)

Losers (하락 폭이 큰 직무):
- 부동산 관련 글쓰기 (-52%) 및 ‘회사 소개(About Us)’ 페이지 작성 (-59%)
- 블로그 콘텐츠 글쓰기 (-20%)
- 서유럽 언어 중심의 번역 (-23%) (LLM의 성능이 우수한 서유럽 언어 번역이 아랍어·헤브라이어 등 비주류 언어보다 더 빠르게 대체됨)
Winners (상승 폭이 큰 직무):
- AI 기반 챗봇 개발 (AI-powered Chatbots): +179% (약 3배 급증)
- 머신러닝 (Machine Learning): +24% ~ +29% 증가
- 스페인어 현지화, 창작 글쓰기, 영상 시나리오 작성 등은 언어적 뉘앙스와 크리에이티브가 요구되어 수요가 안정적으로 유지됨.

3. 초급(Novice) 프리랜서에 대한 역설적 수요 감소

보완적 스킬 클러스터 전체의 총수요는 통계적으로 유의미한 감소를 보이지 않았으나^[1][2], 초급(Novice) 경력 수준을 요구하는 구인 공고는 보완적 클러스터 내에서도 유의미하게 감소(-16%)했다.

실험실 연구(Noy & Zhang, 2023)에서는 AI 도구가 숙련도가 낮은 노동자의 생산성을 크게 끌어올린다고 보고되었으나, 실제 외주 노동 시장에서는 기업 내 정규직/초급 인력이 AI 도구를 활용해 인하우스 생산성을 높임으로써 외부 초급 프리랜서에 대한 외주 수요를 줄이는 결과로 이어졌다.

4. 노동 수요 쇼크의 메커니즘 검증

평균 예산 유지: 기업들이 제시한 공고당 평균 예산(Log Mean Budget)은 ChatGPT 출시 전후로 유의미한 변화가 없었다. 즉, 단가 인하가 아니라 필요한 인력 수 자체를 줄인 수요 곡선의 좌측 이동(Leftward shift in demand)이 일어났다.
지원자 수의 상대적 증가: 공고당 지원자 수(Applicants per job posting)가 증가했으나, 이는 프리랜서 공급의 유입 때문이 아니라 구인 공고 수 자체가 줄어들어 동일한 지원자 집단이 더 적은 일자리를 두고 경쟁하게 되었기 때문이다.

결론 및 의미

1. 단순 ‘AI 윤리/리터러시’를 넘어선 노동 시장의 구조적 재편

본 연구는 생성형 AI의 도입이 단순한 일자리 소멸이나 일방적인 생산성 향상에 그치지 않고, 노동 시장의 스킬 구조를 근본적으로 재편하고 있음을 실증적으로 보여준다. 단순 작업의 자동화로 인한 ‘일자리 파괴(Job destruction)’와 AI 기술 활용에 따른 ‘일자리 창출(Job creation)’이 동시에 진행되는 창조적 파괴(Creative Destruction) 과정이다.

2. ‘인하우스 AI 활용’과 ‘외부 외주 축소’의 메커니즘

기업들이 AI를 도입하면서 가장 먼저 줄인 것은 1~3주 단위의 단기 글쓰기·번역 외주였다. 이는 기업 내부 직원들이 ChatGPT를 ‘인지적 증폭기’로 활용해 스스로 처리할 수 있게 되면서, 외부 시장에 대한 외주 의존도를 낮추었음을 뜻한다.

3. 프리랜서 생태계의 전문성 양극화와 초급 인력의 진입 장벽

보완적 스킬 영역에서도 초급 프리랜서의 입지가 줄어들고 고숙련·전문성 중심(AI 챗봇, 머신러닝, 복합 프로그래밍)으로 수요가 재편되고 있다. AI가 단순 숙련 과제를 흡수함에 따라, 신규 진입자가 경험을 쌓고 중급·고급 인력으로 성장할 수 있는 사다리가 약화될 위험이 존재한다.

4. 기업 및 정책 입안자를 위한 시사점: Re-skilling과 Up-skilling의 긴급성

정책 입안자와 교육 기관은 단순 AI 리터러시 교육을 넘어서, 노동자들이 AI를 도구로 활용해 고차원적 분석과 비판적 사고를 수행할 수 있도록 돕는 재교육(Reskilling) 및 향상교육(Upskilling) 프로그램을 조속히 마련해야 한다^[44]. 기술 변화에 빠르게 적응하는 플랫폼 노동 시장의 결과는 머지않아 정규직 및 전통 노동 시장으로 확산될 것이다.

5. 창의성과 복합적 스킬의 가치 재발견

AI가 쉽게 대체할 수 없는 영역은 맥락적 이해, 세밀한 언어적 뉘앙스, 창의적 스토리텔링, 복합 시스템 통합 스킬이다. 향후 노동 시장의 승자는 AI를 단순히 소비하는 노동자가 아니라, AI를 활용해 차별화된 가치를 창출하는 ‘AI 상호보완적 전문가(AI-Complementary Expert)’가 될 것이다.

출처

Teutloff, O., Einsiedler, J., Kässi, O., Braesemann, F., Mishkin, P., & del Rio-Chanona, R. M. (2025). Winners and losers of generative AI: Early Evidence of Shifts in Freelancer Demand. Journal of Economic Behavior & Organization, 235, 106845. https://doi.org/10.1016/j.jebo.2024.106845^[48]^[49]

AI 활용 내역

이 글은 AI(Gemini Notebook)를 활용하여 논문의 핵심 실증 데이터를 분석·요약하고, 블로그 리뷰 형식의 원고를 작성하였습니다. 공유해주신 블로그 글의 구조와 톤앤매너를 반영하여 최종 검토 후 발행되었습니다.