의견

AI가 크리에이터 jobs 20만 개를 없앴을까? 원인부터 따져봐야

Apricitas는 미국 미디어·영화·예술 분야에서 약 20만 개의 고용이 줄었다고Kindle했지만, 이를 모두 AI의 대체 효과로 볼 수는 없다. 이 글은雇佣 감소의 유형을 구분하고, 기업이 AI 도입의 실질적 영향을 계산하는 방법을 정리한다.

글자 크기

미국 미디어·영화·예술 분야에서는 누적 약 20만 개의 고용이 사라졌습니다.

이 수치는 Apricitas의 보고서 AI and the Fall of the Creative Class에서 나왔습니다. 여기에 한 문장을 덧붙이기 쉬죠. “AI가 크리에이터의 일자리를 빼앗기 시작했다.”

하지만 보고서는 고용 감소를 전부 AI 탓으로 돌리지는 않았습니다. 이 보고서가 실제로 답하려 한 문제는, 그 감소에 generative AI가 얼마나 기여했느냐입니다.

이는 서로 다른 두 질문입니다.

앞의 질문은 “일자리가 몇 개 사라졌는가”를 묻고, 뒤의 질문은 “왜 사라졌는가”를 묻습니다. 동일한 결과가 채용 동결, 예산 축소, 프로젝트 축소, 업무의 해외 이전, 관객 또는 고객의 수요 변화, AI가 함께 작용해 나타날 수 있습니다.

동시에 벌어진 일을 인과관계로 기록하는 것은 고용 데이터를 다룰 때 가장 흔하게 저지르는 기술적 오류입니다.

20만 개의 일자리, 곧 20만 개의 AI 대체는 아닙니다

우선 ‘약 20만 개의 일자리’를 나누어 보겠습니다.

최소한 다음 세 가지 유형을 섞어서 봐서는 안 됩니다.

  1. 일자리 소멸. 기업이 팀을 줄이거나 특정epa의 사업 자체를 중단했습니다. 해당 직무의 채용이 없어졌다고 해서 모두 AI가 그 자리를 채웠다는 뜻은 아닙니다.
  2. 직무 전환. 팀은 남아 있지만 역할이 달라졌습니다. 디자이너가 완성된_RESULT을 전달하는 대신 모델 생성 프로세스를 관리하기 시작했고, 에디터는 주로 글을 쓰는 대신 검수, 교정, 자료 편집을 맡게 되었습니다.
  3. AI의 직접 대체. 기업이 AI를 도입해 특정 업무의 필요량을 줄이고 해당 직군을 명확히 없애거나 축소했습니다.

세 유형 모두 사람에게 부정적인 영향을 줄 수 있지만, 그 내용을 움직이는 상업적 메커니즘은 다릅니다. 일자리 소멸은 대체로 업무량 감소와 관련이 있습니다. 직무 전환은 업무의 재결합을 뜻합니다. AI의 직접 대체는 생산성 도구가 노동 수요를 바꾼 경우에 해당합니다.

채용 공고 수만 집계하면 순결과만 보게 됩니다. 그 순결과를 전부 AI에 귀속하는 것은 중간 과정을 통째로 건너뛰는 일입니다.

미디어·영상·예술 분야에는 디지털 콘텐츠 생산에 대한 의존도가 높다는 점도 겹칩니다. 디지털 소재 비용이 내려간다고 해서 해당 산업에서 필요한 전체 일자리 수가 같은 비율로 줄어드는 것은 아닙니다. 직무는 콘텐츠를 만드는 데만 쓰이지 않고 판단, 소통, 검토, 책임 떠맡기에도 관여하기 때문입니다.

예를 들어 숏폼 Drama 팀이 포스터 시안을 그리는 횟수를 줄이더라도, 프로젝트 조정, 스토리보드 검토, 저작권 준수 절차가 자동으로 사라지는 것은 아닙니다.

AI 책임론을 말하기 전에裁员 원인부터 확인해야 합니다

산업 전체부터 결론을 내리기보다 기업별로 살펴보는 편이 신뢰할 만합니다.

관찰 항목확인할 질문더 유력한 설명
채용 동결모든 직무의 채용이 중단됐는가, 아니면 창작 직무만 멈췄는가?예산과 경기 순환 위험
프로젝트 축소프로젝트 수가 줄었는가, 아니면 각 프로젝트 규모가 작아졌는가?사업 수요 변화
업무 이전일이 저가 공급업체나 해외 팀으로 넘어갔는가?비용 구조 조정
단가 변화동일한 유형의 콘텐츠 시장 단가가 하락했는가?AI가 만든 국소적 경쟁
프로세스 변화기업이 generative AI를 도입하고 특정 업무를 명확히 줄였는가?AI의 직접 대체

이 표는 AI의 존재 가치를 부각하기 위한 것이 아닙니다. 다른 설명을 배제하는 데 쓰입니다.

예를 들어 광고회사가 카피라이터 20개 직무의 채용을 취소하고 동시에 영상 광고 예산을 30% 줄였다고 합시다. AI를 이용한 카피 작성이 더 싸졌더라도, 수요 감소의 주된 원인이 AI라고 증명할 수는 없습니다. 반대로 어떤 팀이 “매주 4편의 짧은 글”을 “LLM 초안, 사람에 의한 최종 검수”로 명확히 바꿨다면, 그때부터 AI 대체의 분석 범위에 들어갑니다.

Apricitas의 보고서가 가진 가치는 여기 있습니다. ‘AI 실업 내러티브’를 지지하는 데 있는 것이 아니라, 이러한 고용 감소에 AI가 실제로 기여한 정도를 측정하려는 데 있습니다. 이 질문은 “AI가 일자리를 가져갈 것인가”보다 훨씬 좁고, 검증하기도 쉽습니다.

크리에티브 산업이 더 쉽게 재평가되는 이유

카피, 삽화, 이미지 생성, 영상 편집, 음성 제작은 실제로 많은 직무보다 모델 호출 단위로 분해하기 쉽습니다.

과거에는 기업이 “한 사람이 일주일에 생산한 결과물”을 구매했습니다. 이제는 업무 단위로 구매할 수 있습니다. 개념 이미지 20장 생성, 카피 6개 수정, 영상에서 30개 장면 추출처럼요.

计价 단위가 그만큼 낮아졌습니다.

예전에는 작은 에이전시에서 두 사람이 사흘씩 걸어야 했던 일을 AI 도구로 한 사람이 하루 만에 초안을 만들고 반나절 더 수정할 수 있습니다. 고객은 결국 묻습니다. “왜 기존 팀 규모에 맞춰 비용을 지불해야 합니까?”

따라서 AI가 크리에티브 산업에 더 자주 일으키는 충격은某个 직업을 통째로 없애는 일이 아니라, 표준화된 업무의 가격을 낮추는 일일 가능성이 높습니다.

몇 가지 업무는 빠르게 재평가됩니다.

  • 템플릿 카피와 상품 설명;
  • 소셜 미디어 이미지의 대량 변형;
  • 일관된 스타일의 개념 이미지와 소재 확장;
  • 거친 편집, 자막, 초벌 전사;
  • 일반적인 소재의 검색, 태깅, 형식 변환.

다른一类 업무는 그만큼 쉽게 조정되지 않습니다. 브랜드 전략, 복잡한 조사, 현장 소통, 최종 의사결정, 오류 발생 시 책임을 떠맡는 일等等입니다.

하지만 직장의 경계도 이동합니다. 삽화사가 모든 그림을 직접 그리지 않더라도 visual brief를 작성하고, 모델 출력을 선별하며, 일관성과 저작권 문제를 처리해야 할 수 있습니다. AI가 줄이는 것은 특정 산출물에 필요한 사람의 시간이지, 프로젝트 전체에 필요한 사회적 협업까지 반드시 줄이는 것은 아닙니다.

진짜 추적해야 할 것은 “남은 직무가 몇 개인가”가 아니라 “콘텐츠 한 건당 총비용이 얼마인가”입니다.

Apricitas 논쟁에서 보는 ‘AI 실업 내러티브’

원문 링크는 다음과 같습니다.

https://www.apricitas.io/p/ai-and-the-fall-of-the-creative-class

연결된 Hacker News 페이지에는 당시 점수 14점과 댓글 8개만 있었습니다.

https://news.ycombinator.com/item?id=50226419

논쟁의 인기가 높지는 않았지만, 무엇에 쟁점이 모아졌는지는 잘 보여줍니다.

낮은 점수와 적은 댓글은 우선 독자들이 ‘20만 개의 크리에티브 일자리’를 충격적인 결론으로 받아들이지 않았다는 뜻입니다. 이게 합리적인 절충의 결과일 수도 있고, 커뮤니티의 관심이 제한적이어서일 수도 있습니다. 전자를 증거로 취급해서는 안 됩니다.

더 중요한 것은 댓글에서 쉽게 세 종류의 논쟁이 벌어진다는 점입니다.

  • 데이터 논쟁: 20만 개의 일자리는 어떻게 정의하며, 집계 기간은 얼마나 되고, 산업의 경계는 어디에 설정해야 하는가?
  • 인과관계 논쟁: 채용 동결, 예산 변화, AI가 각각 얼마나 기여했는가?
  • 내러티브 논쟁: 제목이 독자로 하여금 AI의 효과를 과대평가하도록 만들었는가?

이 세 층위를 서로 대체할 수는 없습니다. 데이터 집계 기준에 의문이 있다는 사실이 인과관계 판단까지 자동으로 성립한다는 뜻은 아닙니다. 인과 비율을 정확히 산출하기 어렵다는 이유만으로 가장 강한 제목을 사용해야 하는 것도 아닙니다.

제가 더 궁금한 것은, ‘직무가 AI에 대체됐다’고 말하는 기업들이 모델 도입 기록, 인력 구성 변화, 업무 工時 같은 내부 자료를 남겼는지 여부입니다. 그런 자료가 없다면 원인 분석은 여전히 인터뷰와 사후적 설명에 주로 의존합니다.

기업은裁员 명단보다 직무 비용을 봐야 합니다

裁员 인원은 쉽게 집계할 수 있고 쉽게 퍼뜨릴 수 있습니다. 직무의 전체 비용은 계산하기 훨씬 어렵지만, 관리 의사결정에는 더 가깝습니다.

다음과 같은 단순한框架를 활용할 수 있습니다. 직무가 사라져야 하는지는 아직 논의하지 않고, 먼저 현금 흐름만 계산합니다.

from dataclasses import dataclass

@dataclass
class RoleEconomics:
    salary: float
    benefits: float
    vendor_cost: float
    ai_tool_cost: float
    rework_cost: float
    severance: float

    def monthly_savings(self, retained_ai_cost: float) -> float:
        return (
            self.salary
            + self.benefits
            + self.vendor_cost
            - self.ai_tool_cost
            - retained_ai_cost
            - self.rework_cost
            - self.severance
        )

role = RoleEconomics(
    salary=7000,
    benefits=1200,
    vendor_cost=1500,
    ai_tool_cost=400,
    rework_cost=900,
    severance=5000,
)

print(role.monthly_savings(retained_ai_cost=0))

이 코드는 AI가 유용한지 판단해 주지는 않습니다. 다만 누락되기 쉬운 재작업 비용, 도구 구독료, 일회성 해고 비용을 하나의 표에 putting한 것입니다.

실제 집계에는 최소한 네 가지를 기록해야 합니다.

  1. AI가 업무 工時을 얼마나 줄였는가;
  2. 외주와 소재 구매 비용이 얼마나 감소했는가;
  3. 검수, 재작업, 준수 비용이 얼마나 증가했는가;
  4. 인력 구성을 줄인 뒤 절약된 현금이 일회성 비용을 초과하는가.

역방향 지표도 하나 추가해야 합니다. 인도 기간이 짧아졌는가, 고객의 수정 요청이 줄었는가, 저작권 위험은 높아졌는가.

그렇지 않으면 기업은 급여 명단에서만 돈을 아끼고, 그 비용을 검수 담당자, 품질 관리, 법무 부서에 떠넘겼을 수 있습니다.

편집자의 생각

‘20만 개의 일자리’가 중요한 이유는 AI가 크리에이터를 몇 명 대체했느냐에만 있는 것이 아닙니다. 기업이 각 직무가 어떤 수입과 산출물에 대응하는지, 어떤 책임을 모델에 넘길 수 없는지를 다시 계산하도록 압박하기 때문입니다. 기업 입장에서는 직업이 사라질지 debating하기보다 훨씬 실행 가능한 문제입니다.

제 판단으로는 앞으로 더 주목할 것은 ‘AI 때문에 X명이 실업했다’는 또 하나의 총계 숫자가 아니라, 업무 단위 데이터입니다. 어떤 콘텐츠가 모델로 생성됐고, 사람이 몇 차례 수정했으며, 인도 기간은 얼마나 짧아졌는지를 살펴봐야 합니다. 업무 단위 데이터는 대체 메커니즘을 설명할 수 있지만, 직무 총계는 결과만 묘사할 뿐입니다.

이번에는 과거와 달리 논쟁의 초점이 ‘AI가 창작을 대체할 것인가’에서 ‘비용이 떨어진 뒤 직무와 견적을 어떻게 다시 그릴 것인가’로 이동하고 있습니다. 이는 실제 상업 의사결정에 더 가깝습니다. 다만 현재 공개 자료만으로는 AI의 영향을 예산 동결, 수요 변동, 업무 이전에서 명확히 분리하기 어렵습니다. 20만이라는 숫자와 AI 사이에는 증거를 생략할 수 있는 직선이 없습니다.

출처: https://www.apricitas.io/p/ai-and-the-fall-of-the-creative-class