수정하기 - AI 도입으로 발생할 수 있는 임금 격차를 사전에 파악할 수 있는 지표는 무엇인가?

닉네임

비밀번호

제목

내용 [이미지 업로드는 권한이 있는 사람만 가능. 하단 카톡으로 연락]

AI 도입이 노동시장에 미치는 영향은 대체로 고숙련·비루틴 업무에는 긍정적 임금효과를, 저숙련·루틴 업무에는 부정적 임금효과를 주는 ‘기술편향적 변화(skill‐biased technological change)’ 양상을 보입니다. 따라서 AI 도입으로 발생할 수 있는 임금 격차를 사전에 파악하기 위해서는 다음과 같은 지표들을 활용해 계량적으로 관찰·예측할 수 있습니다.      1. 자동화 위험 노출도(Automation Risk Exposure)       • 개념: 특정 직무가 AI·로봇 등에 의해 자동화될 확률을 수치화한 지표. Frey & Osborne(2013) 방식을 응용해, 직무별·업종별로 자동화 가능성을 0~1 사이의 확률값으로 산출한다.       • 의의: 확률이 높은 직무일수록 향후 일자리 감소 및 임금 하락 압력이 크므로, 평균 자동화 위험도가 높은 업종·직무 집단에서 임금 하락이 먼저 나타날 수 있다.       • 산출 방법 예시: O*NET의 스킬·작업 특성 데이터를 기반으로 기계판단·정형화 가능성이 높은 작업의 가중치를 높여 <a href='https://sangseek.com/sangseeks/회귀모형/ko'>회귀모형</a>으로 추정.      2. 루틴업무집중도(Routine Task Intensity, RTI)       • 개념: 한 직무가 ‘대면반복·서류처리·데이터입력’ 등 기계로 대체하기 쉬운 루틴 작업에 얼마나 의존하는지를 나타내는 지표.       • 의의: RTI가 높으면 AI 도입 시 업무 대체 압력이 크므로, 해당 직무에 종사하는 근로자 임금 상승률이 저하될 가능성이 높다.       • 산출 방법 예시: 직무별 작업 활동을 ‘루틴 대(非루틴) 정형적’ vs. ‘비루틴 대(非루틴) 비정형적’ 범주로 분류한 뒤, 루틴 업무 비중 비율을 <a href='https://sangseek.com/sangseeks/가중평균/ko'>가중평균</a>.      3. 기술편향 임금격차지수(SBTI: Skill‐Biased Technological‐change Index)       • 개념: 업종·직무별로 ‘숙련 집약적 업무’와 ‘비숙련 업무’ 간 임금 프리미엄 격차가 시간 경과에 따라 얼마나 확대되는지를 측정하는 지표.       • 의의: AI 도입 초기에 숙련 업무 임금이 빠르게 상승하고 비숙련 업무 임금은 정체 혹은 하락한다면, 기술편향적 임금격차가 확대되고 있음을 경고해 준다.       • 산출 방법 예시: 동일 업종 내 상위25% 숙련직 월평균임금과 하위25% 비숙련직 월평균임금의 차이를 시계열로 추적→격차 상·하한 차이를 지수화.      4. 직무별 AI 노출도(AI Exposure Index)       • 개념: 기업·산업 차원에서 실제 도입 중인 AI 기술(자연어처리·<a href='https://sangseek.com/sangseeks/컴퓨터비전/ko'>컴퓨터비전</a>·예측분석 등)이 직무 수행 과정의 어느 정도를 대체 또는 보조하고 있는지를 파악한 지표.       • 의의: 단순 자동화 위험과 달리 ‘현재 실제 도입된’ AI 시스템과의 매칭 수준을 보여주므로, 조만간 임금·고용에 반영될 영향력을 보다 현실적으로 예측할 수 있다.       • 산출 방법 예시: 기업 설문조사(“귀사 업무 중 몇 %를 AI가 지원·대체 중인가?”)와 직무 매핑, 혹은 채용 공고·공공 데이터에서 AI 키워드 출현 빈도로 추정.      5. 임금분포 불평등계수 변화(Gini 혹은 Theil 계수 추이)       • 개념: 노동시장 전반 또는 특정 산업·직종 내에서 임금 분포의 불평등 정도를 나타내는 계수(0~1 범위).       • 의의: AI 도입 직전·도입 후 시점별 Gini 계수 변화를 관찰하면, 도입 과정에서 임금 상·<a href='https://sangseek.com/sangseeks/하위 계층/ko'>하위 계층</a> 간 격차가 확대되는지를 직·간접적으로 알 수 있다.       • 산출 방법 예시: 산업별·직무별 월급여 데이터를 활용해 분포 불평등 계수를 시계열로 산출하고, AI 도입 가속화 시점과 비교.      6. ICT 자본-노동 비율 변화(Capital‐Skill Complementarity Indicator)       • 개념: 기업 또는 섹터 수준에서 ICT(컴퓨터·소프트웨어·AI 시스템 등)에 대한 투자액 대비 노동투입(종사자 수·노동시간)의 변화 비율.       • 의의: AI 같은 하이테크 자본 투자가 늘어날수록 고숙련 노동의 생산성이 상대적으로 더 개선되며 임금 프리미엄이 높아지는 경향이 있다. 반면 저숙련·루틴 업무 노동은 대체·감소 압력이 커진다.       • 산출 방법 예시: 회계자료에서 ICT 설비투자액을 인적자원 매출총액 대비 비율로 계산하고, 산업별 노동소득분배율 변화를 관찰.      7. 직무구조 다극화 지수(Job Polarization Index)       • 개념: 전체 일자리 중 상위(고숙련 고임금)와 하위(저숙련 저임금) 일자리 비율이 높아지고, 중간급(루틴 중간임금) 일자리가 줄어드는 정도를 나타내는 지표.       • 의의: AI 도입이 중간 수준 루틴 업무를 대체하면서 고·저숙련 일자리를 늘리는 분극화 현상을 가속화하기 때문에, 이 지수가 빠르게 상승하면 임금 격차 심화 신호로 해석할 수 있다.       • 산출 방법 예시: 산업 내 직무별 임금 백분위(상위20%, <a href='https://sangseek.com/sangseeks/중위/ko'>중위</a>20~80%, 하위20%) 비중 변화를 시계열로 분석.      8. 교육·재훈련 접근지수(Training Accessibility Index)       • 개념: 노동자가 AI 관련 스킬(데이터 분석, 머신러닝 등)을 습득할 수 있는 교육훈련 프로그램의 보급 정도와 참여율을 합산한 지표.       • 의의: AI 도입으로 인한 임금 양극화를 완화하려면 노동자의 스킬 전환 능력이 관건이므로, 재교육 기회가 얼마나 충분한지 미리 파악해야 한다.       • 산출 방법 예시: 정부·기업의 AI 관련 직무훈련 투자액, 프로그램 수, 수강자 수 비율 등을 표준화해 종합 점수화.      이들 지표를 병행·통합적으로 모니터링하면, AI가 본격 도입되기 전후에 어떤 직무·섹터에서 임금 하락 압력과 임금 상승 기회가 동시에 나타날지 예측할 수 있습니다. 특히 ‘자동화 위험 노출도’와 ‘루틴업무집중도’로 대체 가능성 높은 직무를 식별하고, ‘기술편향 임금격차지수’와 ‘Gini 계수 변화’로 실제 임금 격차 추이를 확인하며, ‘교육·재훈련 접근지수’로 완화 가능성을 점검하는 프로세스를 구축하면 사전 대응이 가능합니다.