AI 에이전트가 프리랜서를 대체하는가? 4년간의 증거가 말해주는 것 (ChatGPT, Claude, Upwork, Jobbit)

오늘날 모든 사업주는 사실상 동일한 질문의 여러 변형을 던지고 있다. 어떤 업무는 AI 에이전트에 맡길 수 있고, 어떤 업무는 여전히 사람을 필요로 하는가라는 질문이다. 이번만큼은 이 질문에 답할 실험실이 존재한다. 2022년 말 이후, 수백만 명의 작가, 번역가, 디자이너, 개발자가 활동하는 온라인 프리랜서 플랫폼은 동시에 하나의 자연실험 무대가 되어 왔다. 정형화된 지식노동을 대신할 만큼 유능한 대안이 하룻밤 사이에, 거의 0에 가까운 한계비용으로, 모든 일감이 게시되고 가격이 매겨지고 시각까지 기록되는 시장에 등장했을 때 무슨 일이 일어나는지를 보여주는 실험이다.

이 사례 연구는 이 실험을, 다른 어떤 증거 앞에서도 학자가 취할 법한 태도로 다룬다. 정확히 무엇을 측정했는지, 얼마나 엄밀하게 측정했는지, 결과가 무엇을 보여주는지, 그리고 아직 무엇을 보여주지 못하는지를 따진다. 이 연구는 Stanford, MIT, Harvard Business School, University of Chicago, UCLA의 연구자들이 발표한 동료 심사를 거친 논문과 워킹페이퍼, BCG와 Alibaba 내부에서 실시된 무작위 현장 실험, METR와 OpenAI의 역량 평가, 그리고 Upwork와 Fiverr 자체의 플랫폼 데이터를 근거로 삼는다. 다루는 기간은 ChatGPT가 출시된 2022년 11월부터 이 연구들 가운데 가장 최근 것이 갱신된 2026년 8월까지다.

제목에 대한 짧은 답은, 지금까지 AI 에이전트가 대체한 것은 프리랜서 자체가 아니라 작업이며, 그 대체는 좁은 범위에서 빠르고 고르지 않게 일어났다는 것이다. 긴 답이 더 유용한데, 그 경계가 현재 어디에 있으며 그 양쪽에서 어떻게 일해야 하는지를 기업에 알려주기 때문이다.

연구 결과 요약

회의적인 시각으로 읽어도 무너지지 않는 결론은 다섯 가지다.

첫째, 대체는 실재하며 특정 영역에 집중되어 있다. ChatGPT 출시 후 8개월 만에, 세계적인 대형 플랫폼에서 자동화에 취약한 글쓰기와 코딩 관련 공고는 수작업 중심 업무에 비해 약 21% 감소했고, 이미지 생성 도구는 이미지 관련 공고를 약 17% 줄였다. Upwork에서는 AI에 노출된 범주에서 누가 채용되는지를 예측하는 데 있어 자격과 평판의 예측력이 뚜렷이 낮아진 반면, 가격의 예측력은 높아졌다.

둘째, 노동시장 전체에 미치는 영향은 여전히 작다. 가장 정밀한 연구인 덴마크 행정 기록 분석은 ChatGPT 출시 2년 후 소득이나 근로시간에 2%를 넘는 영향이 있었다는 가설을 배제한다. 다만 예외는 뚜렷하다. 미국에서는 AI 노출도가 가장 높은 직군에 속한 22세에서 25세 근로자의 고용이, 노출도가 낮은 또래 근로자와 같은 속도로 늘었을 경우에 비해 약 19% 낮은 수준에 머물러 있다.

셋째, AI와 함께 일할 때 얻는 생산성 향상은 크지만 고르지 않다. 그 효과는 정형화된 작업을 수행하는 경험이 적은 근로자에게서 가장 크게 나타나며, 도구의 역량 범위를 벗어난 작업에서는 숙련된 전문가에게 오히려 부정적으로 작용할 수 있다. 한 정밀한 실험에서는 숙련된 개발자들이 AI 도구를 사용했을 때 19% 더 느렸음에도, 스스로는 20% 더 빠르다고 믿었다.

넷째, 에이전트는 보조자의 지위를 넘어 노동자의 지위로 넘어갔다. 최전선 시스템이 완수할 수 있는 작업의 길이는 몇 개월마다 두 배씩 늘어나 왔고, 블라인드 방식의 전문가 평가자들은 이제 최고 성능 모델의 결과물을 전문가의 결과물과 동등하거나 그보다 우수하다고 판단하는 경우가 전체의 거의 절반에 이른다. 그러나 검토와 수정에 드는 시간을 반영하면, 측정된 절감 효과는 약 90배에서 12%에서 39%까지로 급격히 줄어들며, 최고 수준의 업무 에이전트조차 이따금 되돌릴 수 없는 결과를 낳는 작은 실수를 저지른다.

다섯째, 합리적인 대응이자 여러 플랫폼이 수렴해 가고 있는 방향은 분업이다. 정형화되어 있고 검토 가능한 디지털 업무는 에이전트가 맡고, 판단력과 책임, 현장성이 필요한 업무 그리고 되돌릴 수 없는 모든 업무는 사람이 맡으며, 둘 사이에는 의도적인 인계 과정을 둔다.

논거: 프리랜서 플랫폼이 적합한 실험실인 이유

노동경제학자는 보통 연간 설문 조사와 폭넓은 직업 분류 코드를 가지고 연구한다. 반면 온라인 프리랜서 플랫폼은 더 희귀한 것을 제공한다. 업무가 개별 작업 단위로 쪼개져 있고, 각 작업에는 게시일, 가격, 범주, 구매자, 판매자, 결과가 모두 기록되어 있다. 그런 작업 가운데 일부를 수행할 수 있는 기술이 등장하면, 그 변화는 몇 주 안에 공고의 흐름과 누가 어떤 단가로 계약을 따내는지에 드러난다. 이 시장은 새로운 도구도 즉시 받아들이는데, 프리랜서와 브라우저 탭 사이에는 별도의 조달 절차가 없기 때문이다.

바로 그 특징들이 이 실험실을 불완전하게 만들기도 한다. 플랫폼은 게시된 수요만을 기록할 뿐, 전체 수요를 기록하지는 않는다. 이제 에이전트를 이용해 사내에서 업무를 처리하는 클라이언트는 대체 사례로 나타나는 대신, 데이터에서 그냥 사라져 버린다. 범주 자체도 바뀌기 때문에, "글쓰기" 범주의 감소는 일부 "AI 콘텐츠 편집"으로의 재분류일 수도 있다. 대형 데이터셋 대부분은 미국 자료이며, 플랫폼의 프리랜서는 전체 노동력을 대표하지 않는다. 이러한 한계는 해석에 있어 중요하며 뒤에서 다시 다루겠지만, 그렇다고 이 증거가 쓸모없어지는 것은 아니다. 이 증거는 전수조사가 아니라 선행지표로 보아야 한다.

이 문제가 걸린 판돈은 작지 않다. IPSE는 영국의 프리랜서 인력을 약 2.05백만 명으로 추산하는데, 이는 가장 숙련도가 높은 세 개 직업군으로 정의를 한정했을 때 영국 전체 1인 자영업자 4.2백만 명의 약 절반에 해당한다. 그리고 이 직업군들은 바로 AI 적용 가능성 연구에서 가장 높은 순위를 차지하는 직군이기도 하다.

증거의 연대기: 2022년부터 2026년까지

결과 1: 대체는 실재하며 빠르고 좁은 범위에서 일어난다

가장 이른 시기의 엄밀한 증거는 Xiang Hui, Oren Reshef, Luofeng Zhou가 제시했다. 이들의 대형 온라인 노동 플랫폼 연구는 2024년 Organization Science에 게재되었고, 이후 Washington University가 실무적 영향을 지닌 연구에 수여하는 Olin Award를 받았다. ChatGPT, DALL-E 2, Midjourney에 노출된 직군의 프리랜서를 노출도가 낮은 직군의 프리랜서와 비교한 결과, 노출된 집단에서는 일감 수와 월 소득이 모두 감소한 것으로 나타났다. 이 분야를 뒤흔든 발견은 품질에 관한 것이었다. 과거 평점이 높고 이력이 긴 프리랜서라고 해서 보호받지 못했으며, 오히려 저자들은 최상위 성과자가 더 큰 타격을 입었다는 시사적인 증거를 제시한다. 가장 그럴듯한 해석은, 정형화된 텍스트와 이미지 작업에서는 훌륭한 인간의 결과물과 그런대로 쓸 만한 기계의 결과물이 구매자의 눈에는 서로 가까운 대체재가 되어 버렸고, 그 결과 우수함에 대한 프리미엄이 가장 먼저 사라졌다는 것이다.

이어서 Ozge Demirci, Jonas Hannane, Xinrong Zhu는 수요 측면을 직접 측정했다. 세계적인 대형 프리랜싱 플랫폼의 공고 자료를 활용한 이들의 논문은 2025년 Management Science에 게재되었으며, ChatGPT 출시 후 8개월 만에 자동화에 취약한 글쓰기와 코딩 관련 공고가 수작업 중심 업무에 비해 21% 감소했고, 이미지 생성 모델 등장 이후 이미지 제작 관련 공고는 17% 감소했다는 것을 밝혀냈다. 이 논문에서는 두 가지 부차적인 결과도 핵심 결과 못지않게 중요하다. 노출된 범주에 남은 공고는 더 복잡해졌고 보수도 더 높아졌으며, 그 공고를 둘러싼 경쟁은 더욱 치열해졌다. 다시 말해 대체는 해당 범주를 텅 비운 것이 아니라, 그 하위 계층을 도려낸 것이다.

왜 글쓰기, 번역, 이미지 작업이 가장 먼저였을까? 2025년에 발표된 Microsoft Research의 익명화된 Bing Copilot 대화 200,000건 분석은 그 메커니즘에 구체적인 형태를 부여한다. AI 적용 가능성이 가장 높은 직군은 정보를 수집하고 생산하고 전달하는 것이 업무의 본질인 직군이었다. 통역가와 번역가가 그 목록의 최상위를 차지했는데, 이들 업무 활동의 98%가 어시스턴트가 이미 잘 수행하고 있는 작업과 겹쳤다. 적용 가능성이 곧 대체를 의미하지는 않으며 저자들도 이 점을 신중히 밝히고 있지만, 이 순위는 플랫폼 연구들이 축소되고 있다고 밝힌 프리랜서 범주와 거의 정확히 일치하는 예측력을 보인다.

가장 최근의 증거이자, 기업 독자에게 가장 시사하는 바가 큰 증거는 UCLA Anderson의 Auyon Siddiq와 Niuniu Zhang에게서 나온다. 이들의 2026년 워킹페이퍼인 "Human Capital, AI, and Labor Commoditization" ("인적 자본, AI, 그리고 노동의 상품화")은, ChatGPT 이전부터 활동해 온 Upwork 프리랜서 약 50,000명을 2021년 초부터 2026년 초까지 21개 분기에 걸쳐 추적하며, 완료된 계약 2.26백만 건을 다룬다. 이들은 일감 수를 세는 대신, 무엇이 채용 여부를 예측하는지를 묻는다. 번역이나 글쓰기처럼 AI에 더 많이 노출된 범주에서는, 프리랜서의 자기소개, 자격, 평판을 합친 예측력이 사진 촬영처럼 노출도가 낮은 범주에 비해 약 7.8% 하락했고, 가격의 예측력은 상승했다. 마지막 해에 이르러 인적 자본 관련 지표는 그 중요도의 약 10.1%를 잃었고, 가격은 약 1.8%를 얻었다. 경험 많은 프리랜서가 누리던 우위는 6.2%, 이어서 10.3% 줄어들었으며, 노출도가 가장 높은 작업에서는 더 저렴한 프리랜서가 7.9% 더 많은 계약을 따냈다. 노출된 분야의 전체 수요는 약 7% 감소했다. 저자들은 이를 상품화라는 단어로 표현한다. 구매자가 모델로부터 그런대로 쓸 만한 초안을 얻을 수 있게 되면, 사람에게 보수를 지불하는 기준은 "당신이 누구인가"에서 "얼마인가"로 옮겨간다는 것이다.

결과 2: 총량 효과는 여전히 작지만 뚜렷한 예외가 하나 있다

플랫폼에서 나온 증거가 이야기의 전부라면, 지금쯤 국가 통계에도 그 흔적이 드러나야 할 것이다. 그러나 대부분의 경우 그렇지 않으며, 큰 효과를 찾아내지 못한 연구들이야말로 가장 정교하게 설계된 연구에 속한다.

Anders Humlum과 Emilie Vestergaard는 대규모 도입 실태 설문을 덴마크의 행정 노동 기록과 연계하여, 노출 직군 11개에 속한 근로자 25,000명과 사업장 7,000곳을 분석했다. 이들의 NBER 워킹페이퍼는 2025년에 처음 공개되었고 2026년 3월에 개정되었는데, 빠른 도입 양상을 기록하고 있다. 노출 직군의 고용주 대부분이 챗봇 도입을 시작했고, 근로자들은 생산성 향상을 보고했으며, AI 관련 신규 작업이 널리 퍼져 있었다. 그러나 소득과 기록된 근로시간에 대한 이중차분법 추정치는 정밀한 영에 가까워, 근로자 수준과 사업장 수준 모두에서 ChatGPT 출시 2년 후 2%를 넘는 효과가 있었다는 가설을 배제한다. 실제로 움직인 것은 업무의 구조였다. 고용주들은 콘텐츠 생성, AI 감독, AI 통합 같은 새로운 작업을 도입하는 방식으로 이 기술을 업무 재편을 통해 흡수했고, 이 기술을 도입한 이들은 도구가 더 유용하게 쓰이는 고임금 직군으로 옮겨 갔지만 그 수는 평균치를 움직이기에는 너무 적었다. 이 논문의 이전 버전에서는 자기보고 방식으로 측정한 시간 절감 효과가 근로시간의 3% 미만이라고 밝혔는데, 이는 같은 직군을 대상으로 한 통제된 실험들이 기록한, 흔히 15%를 넘는 효과의 일부에 지나지 않는다. AI가 실험에서 할 수 있는 일과 급여 대장에서 실제로 바꾸어 놓는 일 사이의 간극이야말로 이 문헌 전체의 핵심 수수께끼이며, 덴마크는 그 간극이 가장 명확하게 측정되는 곳이다.

Budget Lab at Yale는 다른 경로를 통해 미국에 대해서도 비슷한 결론에 도달한다. 고용의 직군별 구성을 추적하고 AI에 노출된 직군에 합성 이중차분법을 적용한 결과, 2025년과 2026년의 갱신 자료에서는 뚜렷한 AI의 흔적이 발견되지 않는다. 2026년 초에는 해고도 적지만 채용도 적으며, 저자들은 광범위한 영향을 미치는 기술이라면 그 영향이 드러나기까지 ChatGPT 등장 이후 약 3년보다 더 긴 시간이 걸릴 것으로 예상해야 한다고 주장한다.

이 예외는 Stanford Digital Economy Lab의 Erik Brynjolfsson, Bharat Chandar, Ruyu Chen이 기록하고 있다. 이들의 논문 "Canaries in the Coal Mine?" ("탄광의 카나리아인가?")는 수백만 명의 미국 근로자를 포괄하는 ADP 급여 기록을 활용한다. 2026년 6월까지의 데이터를 반영한 2026년 8월 갱신판에서, AI 노출도가 높은 직군에 속한 22세에서 25세 근로자의 고용은, 노출도가 낮은 직군의 비슷한 연령대 근로자와 같은 속도로 움직였을 경우에 비해 약 19% 낮은 수준이었으며, 이는 1년 전의 15% 격차보다 더 벌어진 것이다. 수준으로 보면, 노출도가 가장 높은 두 분위에서 이 연령대의 고용은 2022년 11월부터 2026년 6월 사이 약 11% 감소한 반면, 노출도가 가장 낮은 세 분위의 고용은 약 10% 증가했다. 숙련 근로자에게서는 이에 견줄 만한 격차가 나타나지 않으며, 저자들은 경제 전반에 걸친 광범위한 대체 현상은 보이지 않는다고 분명히 밝히고 있다. 고용 감소는 AI 활용이 업무를 보완하기보다 자동화하는 직군에 집중되어 있다.

이러한 결과들은 AI가 경기침체처럼 작동할 것이라는 기대를 버리는 순간 서로 모순 없이 들어맞는다. 작업 단위의 대체는 계약 기간이 가장 짧고 가격이 가장 자주 재조정되는 곳, 즉 프리랜서 단기 일감과 신입 채용에서 가장 먼저 나타난다. 프리랜서 시장은 매주 가격이 재조정되기 때문에 탄광의 카나리아 역할을 하며, 급여 대장은 탄광 그 자체로서 지금까지 그 안의 공기는 가장 적게 바뀌었다.

결과 3: 증강 효과는 크지만 고르지 않으며 경계는 들쭉날쭉하다

대체를 보완하는 개념이 증강이며, 이 영역에서는 무작위 배정이 가능하기 때문에 실험적 증거가 유난히 탄탄하다.

Brynjolfsson, Danielle Li, Lindsey Raymond는 고객 지원 상담원 5,179명을 대상으로 생성형 AI 어시스턴트를 단계적으로 도입한 사례를 연구했으며, 이 논문은 2025년 Quarterly Journal of Economics에 게재되었다. 시간당 처리 건수는 평균 14% 증가했고, 초보자와 숙련도가 낮은 상담원은 34% 증가한 반면 숙련도가 높은 경험자는 거의 변화가 없었다. 이 도구는 최고 성과를 내는 상담원의 노하우를 그대로 담아 신입 상담원에게 전달함으로써, 이들이 경험 곡선을 더 빨리 타고 오르도록 만드는 것으로 보인다.

Harvard Business School의 Fabrizio Dell'Acqua와 동료들은 BCG와 함께, 경영 컨설턴트 758명을 실제와 유사한 작업에 GPT-4 사용 여부를 무작위로 배정하여 연구했으며, 이 연구는 현재 Organization Science에 게재되어 있다. 모델의 역량 범위 안에 있는 18개 작업에서는, AI를 사용한 컨설턴트가 작업량은 12.2% 더 많았고 속도는 25.1% 더 빨랐으며, 블라인드 평가자들은 품질을 40% 더 높게 평가했다. 반면 의도적으로 그 역량 범위 밖에 있도록 선택된 작업에서는, AI를 사용한 컨설턴트가 정답에 도달할 확률이 19퍼센트포인트 더 낮았다. 저자들이 이러한 경계를 가리켜 사용한 표현인 들쭉날쭉한 기술 경계는 이제 이 문제를 설명하는 표준적인 표현이 되었다. 도구의 역량은 사용자가 눈으로 볼 수 있는 선을 따라 나뉘지 않으며, 사용자는 자신이 그 선의 어느 쪽에 있는지를 잘 구분하지 못한다.

Xiao Ni, Tianjun Feng, Lauren Xiaoyuan Lu와 공저자들이 수행한 Alibaba 고객 서비스 부서 내부의 현장 실험은 이와 동일한 분포 패턴을 대규모로 재확인했다. 신입 상담원 5,940명, 약 2.56백만 건의 채팅, 390,000건의 고객 평점이 분석 대상이었다. 성과가 낮았던 상담원은 속도와 품질 모두에서 가장 크게 향상되었고, 최상위 성과자는 속도 향상은 미미했으며 주관적 지표와 객관적 지표 모두에서 품질이 오히려 낮아졌다. 바닥을 끌어올리는 보조 도구가 천장은 끌어내릴 수 있는 것이다.

그리고 2025년 7월에 발표된 METR의 숙련 오픈소스 개발자 대상 무작위 실험이 있다. 이는 이 시기에 가장 자주 인용되는 경고성 결과이며, 정확하게 짚고 넘어갈 가치가 있다. 개발자 16명이 자신이 관리하는 저장소에서 실제 작업 246건을 수행했는데, 그 저장소들은 평균 22,000개가 넘는 스타와 100만 줄이 넘는 코드를 보유하고 있었다. 각 작업에는 AI 도구, 주로 Claude 3.5 Sonnet과 3.7 Sonnet을 탑재한 Cursor의 사용 여부가 무작위로 허용되거나 금지되었다. AI를 사용했을 때 이들은 19% 더 오래 걸렸다. 연구 시작 전에는 24% 더 빨라질 것이라고 예상했지만, 끝난 뒤에는 스스로 20% 더 빨랐다고 추정했다. 이러한 인식의 간극은 생산성 결과 못지않게 중요하다. 이는 업계 설문 대부분의 근거가 되는 자기보고식 성과가, 하필 전문성이 가장 높은 곳에서 위쪽으로 편향되어 있음을 시사한다. 소프트웨어 업무에 특화된 함의는 AI가 소프트웨어 개발자를 대체할 것인가?에서 다룬다.

R. Maria del Rio-Chanona, Ekkehard Ernst, Rossana Merola, Daniel Samaan, Ole Teutloff가 작성한 2025년 검토 논문은 이러한 흐름들을 문헌 전반에 걸쳐 하나로 엮는다. 통제된 실험에서는 생산성 향상이 대략 20%에서 60%까지, 현장 실험에서는 15%에서 30%까지 나타나며, 단순 작업에서는 초보자에게 더 크게 나타나고 복잡한 작업에서는 결과가 엇갈린다. 디지털 흔적 데이터는 글쓰기와 번역에서의 대체와 더불어 AI 역량에 대한 수요 증가, 그리고 아직은 미약하지만 점차 늘어나는 초보자 수요 감소의 증거를 함께 보여준다.

결과 4: 에이전트는 보조자에서 노동자로 넘어갔고, 신뢰성 격차가 모든 것을 설명한다

지금까지 다룬 내용은 모두, 사람이 매 단계에 관여하는 상태에서 AI가 보조자 역할을 하는 경우에 관한 것이었다. 2025년 이후 달라진 점은, 시스템이 이제 여러 단계로 이루어진 업무를 실행하고 사람은 마지막에만, 혹은 아예 확인하지 않는다는 것이며, 이는 어떤 증거가 중요한지를 바꾸어 놓는다.

METR의 시간 지평 지표는, 사람 전문가가 필요로 할 시간으로 환산했을 때 어느 정도 길이의 작업을 시스템이 50%의 성공률로 완수할 수 있는지를 묻는다. 2026년 1월 개정된 방법론에서는, 8시간 이상 소요되는 작업 31건을 포함해 228개 작업으로 구성된 세트를 사용했으며, 장기적인 배증 기간은 약 196일로 추정되었고, 2023년 이후로는 131일, 2024년 이후로는 89일로 배증 속도가 더 빨라졌다. 이 시점에서 측정된 최고 성능 모델인 Claude Opus 4.5는 50% 지평이 약 320분이었으며, 신뢰구간은 약 3시간에서 12시간까지로 폭이 넓었다. 저자들은 50%라는 성공 기준이 실제 업무에 대해서는 관대한 편이라는 점, 이 추세가 작업 구성에 민감하다는 점, 그리고 긴 작업 대부분은 실측이 아닌 추정된 인간 소요 시간을 사용한다는 점을 분명히 밝히고 있다. 이러한 유보 조건을 감안하더라도 방향만큼은 분명하다. 위임할 수 있는 디지털 업무의 길이는 지수적으로 늘어나고 있다.

2025년 말 공개된 OpenAI의 GDPval 평가는 이렇게 위임된 업무가 실제로 쓸 만한지를 검증한다. 평가 대상 작업은 9개 부문, 44개 직군의 전문가들이 작성했으며 이들의 평균 경력은 14년이었고, 사람의 결과물과 비교하는 블라인드 전문가 짝비교 방식으로 채점되었다. 최고 성능 모델인 Claude Opus 4.1은 전체 사례의 47.6%에서 전문가의 결과물과 동등하거나 더 우수하다는 평가를 받은 결과물을 생산했다. 그러나 기업이 기억해야 할 숫자는 따로 있다. 기계의 소요 시간과 사람의 소요 시간을 단순 비교하면 그 비율은 90배에 가깝게 나오지만, 이 논문이 사람이 결과물을 검토하고 필요할 경우 다시 작업하는 과정을 반영하자, 추정된 절감 효과는 전략에 따라 1.12배에서 1.39배까지로 줄어들었다. 비용은 바로 검토 단계에서 발생한 것이다. 이는 Dell'Acqua가 컨설턴트를 대상으로, METR이 개발자를 대상으로 발견한 것과 동일한 메커니즘이며, 이번에는 결과물 단위에서 측정되었다는 차이가 있을 뿐이다.

업무 에이전트 벤치마크는 발전 속도와 여전히 남은 문제를 동시에 보여준다. Carnegie Mellon이 만든 TheAgentCompany는 GitLab, OwnCloud, Plane, RocketChat의 실제 인스턴스를 갖춘 모의 소프트웨어 회사에 에이전트를 투입해 175개 작업을 부여했다. 최고 성능 에이전트는 2024년 말 출시 당시 약 4분의 1을 완수했고, 2025년 중에는 약 30%를 완수했다. Olly Styles와 Sam Miller는 2026년 6월 WorkBench 벤치마크를 재검증하면서, 최고 성능 에이전트의 완료율이 2024년 3월 GPT-4의 43%에서 Claude Fable 5의 98%로 상승했고, 의도치 않은 유해 행동이 발생한 실행 비율은 26%에서 1.9%로 낮아졌다고 밝혔다. 이들은 또한 최전선 모델들이 여전히 기본적인 실수를 저지르며, 그것이 이따금 되돌릴 수 없는 피해로 이어진다고 보고한다. 2%라는 수치는 매우 양호한 편이지만, 동시에 대략 50번의 실행 중 1번꼴로 해서는 안 될 일을 저지른다는 뜻이기도 하다.

Yiwei Wang, Chuan Zhu, Tianjun Feng, Lauren Xiaoyuan Lu, Bingxin Jia가 수행한 2026년 Alibaba 현장 실험은, 실제 서비스 운영 현장에서 사람이 관여하는 에이전틱 AI에 관한 최초의 무작위 배정 증거다. 처치집단에 속한 근로자들은 조건에 맞는 고객 채팅을 처리하는 에이전트를 감독하면서, 나머지는 직접 손으로 처리했다. 평균 채팅 처리 시간은 줄었고 같은 문제로 다시 찾아오는 고객에 대한 영향은 제한적이었지만, 에이전트가 처리한 채팅은 평점이 상당히 낮았다. 사람의 개입은 실패가 기술적인 것, 즉 미해결 문제일 때는 상황을 훨씬 잘 수습했지만 실패가 감정적인 것, 즉 화가 난 고객일 때는 그렇지 못했으며, 개입이 이를수록 효과가 좋았다. 감독을 맡은 근로자들은 자신이 직접 처리하는 채팅에도 더 세심한 주의를 기울였는데, 이는 긍정적인 파급 효과였다. 이는 에이전트와 사람 사이의 인계를 어떻게 설계해야 하는지에 관해 지금까지 나온 가장 직접적인 증거다. 일찍 지켜보고, 사실 관계에는 개입하되, 감정은 기계에 맡기지 말라는 것이다.

도입 관련 데이터는 이러한 변화가 실험실에만 국한되지 않는다는 점을 확인해 준다. Anthropic의 2026년 3월 Economic Index에 따르면, 전체 직군의 49%에서 작업의 최소 4분의 1이 Claude를 이용해 수행된 것으로 나타났으며, 코딩 업무는 대화형 사용에서 자동화된 API 워크플로로 옮겨 가고 있어, 2025년 8월 이후 코딩 비중이 API에서는 14% 늘어난 반면 채팅 제품에서는 18% 줄었다. Lightcast가 2026 Stanford AI Index에 기여한 자료에 따르면, 미국 전체 구인 공고의 2.5%에서 AI 역량이 요구되고 있으며, "에이전틱 AI" 역량군을 언급하는 공고는 2024년 0.06%에서 2025년 0.23%로 늘어 약 90,000건에 이른다. 그리고 Upwork 마켓플레이스에서 실제로 완료된 일감을 바탕으로 만들어진 2025년 벤치마크인 UpBench는, 전문 프리랜서들이 각 일감을 검증 가능한 인수 기준으로 분해하도록 하고 그 기준에 따라 에이전트를 채점한다. 클라이언트가 프리랜서에게 적용할 법한 평가 기준으로 에이전트를 채점한다는 것 자체가, 공급 측면이 앞으로 어디로 향할지를 보여주는 신호다.

메커니즘: 왜 이런 양상이 나타나는가

네 가지 메커니즘이 이 증거가 보여주는 내용 대부분을 설명하며, 이를 명확히 짚어볼 가치가 있다. 앞으로 어떤 일이 벌어질지를 예측하게 해주기 때문이다.

첫째는 정형화된 역량의 상품화다. 모델이 제품 설명, 번역, 정형화된 모듈의 그런대로 쓸 만한 초안을 만들어 내면, 해당 범주에서 사람의 자격에 대해 구매자가 지불하려는 의사는 낮아지고, 가격이 결정적인 변수가 된다. Siddiq와 Zhang은 바로 이러한 변화를 측정했고, Demirci와 동료들은 그 거울상을 보여준다. 사람이 계속 맡는 업무는 더 복잡해지고, 보수도 더 높아지며, 경쟁도 더 치열해진다.

둘째는 결정적 제약 조건으로 작용하는 검증 비용이다. 생산은 저렴해졌지만 확인은 그렇지 않다. 검토를 반영하면 90배에서 1.4배 미만으로 무너지는 GDPval의 결과, 숙련자가 오히려 느려진 METR의 결과, 그리고 들쭉날쭉한 경계는 모두 같은 경제 논리를 설명한다. 결과물을 저렴하게 검증할 수 있는 쪽이 이득을 가져가고, 그럴 수 없는 쪽은 재작업이나 발견되지 않은 오류라는 형태로 그 대가를 치른다. 그래서 확인이 쉬운 작업에서는 이득이 초보자에게 흘러가고, 확인하는 데 드는 비용이 직접 하는 것만큼 큰 작업에서는 전문가에게 돌아갈 이득이 정체된다.

셋째는 수습 공백이다. 에이전트가 잘 해내는 작업은, 원래 기업들이 배움의 기회로 주니어 직원과 주니어 프리랜서에게 맡기던 작업이다. Brynjolfsson, Li, Raymond는 이러한 보조 도구가 초보자에게 가장 큰 도움이 된다는 것을 보여주고, Brynjolfsson, Chandar, Chen은 그럼에도 불구하고 기업들이 주니어를 더 적게 채용한다는 것을 보여준다. 이 둘은 동시에 참일 수 있다. 같은 산출물을 내는 데 필요한 주니어의 수가 줄어든 기업은, 개개인의 생산성이 더 높아졌다 해도 주니어를 더 적게 채용하기 때문이다. 장기적인 비용, 즉 숙련 인력 파이프라인이 얇아지는 문제는 아직 어떤 데이터셋에서도 드러나지 않고 있으며, 이 분야에서 측정되지 않은 가장 중요한 변수로 남아 있다.

넷째는 사람을 보완하는 업무의 지속성이다. Demirci의 비교 집단이었던 수작업 중심 업무는 감소하지 않았다. Alibaba 실험은 감정적 실패가 기계에 의한 회복에 저항한다는 것을 보여준다. 책임, 현장성, 물리적 작업, 관계는 모델의 역량과는 아무 상관이 없고 오로지 고객이 무엇을 받아들일 것인가와 관련된 이유로, 여전히 사람의 몫으로 남아 있다.

회의적인 독자라면 이러한 설명들과 함께 두 가지 대안적 설명도 염두에 두어야 한다. 미국에서 나타난 신입 채용 감소는 금리 상승, 그리고 팬데믹 시기 기술 부문 채용 확대가 되돌려지는 현상과 시기가 겹치는데, 이 두 요인은 같은 연령 집단에 독립적으로 타격을 주었다. Stanford의 저자들은 동일 기업 내 비교와, 자동화 직군과 증강 직군을 대조하는 방식으로 이 문제를 다루지만, 이러한 교란 요인을 완전히 배제할 수는 없다. 또한 모든 "노출도" 지표 자체가 모델에서 도출된 것이기 때문에, 이 연구들은 부분적으로 분류 모델 자체의 가정을 검증하고 있는 셈이다. 덴마크의 단체교섭 제도 역시, 더 유연한 노동시장이었다면 더 빨리 나타났을 임금 반응을 완화하고 있을 가능성이 있다.

플랫폼은 어떻게 대응했는가

여러 마켓플레이스도 같은 신호를 읽고 움직였다. 2025년 4월, Fiverr의 최고경영자 Micha Kaufman은 직원들에게 서한을 보내 "AI가 여러분의 일자리를 노리고 있다"고, 자신의 자리를 포함해서, 밝히며 Cursor와 Legora 같은 도구를 익힐 것을 촉구했다. 2025년 9월 이 회사는 그해 2월 Fiverr Go 크리에이터 도구를 출시한 데 이어, 스스로 AI 우선 기업이라 부르는 회사가 되기 위해 약 250개의 일자리를 없앴는데, 이는 전체 인력의 약 30%에 해당했다. Upwork는 자사의 어시스턴트인 Uma를, 클라이언트와 프리랜서를 대신해 행동을 취하는 상시 가동 업무 에이전트라고 설명하는 존재로 발전시켜 왔으며, 2026 Future Workforce Index는 성공하는 프리랜서를 도구를 전문 지식과 연결하고 스스로 판단을 적용하는 "AI 오케스트레이터"로 재정의한다. 같은 보고서는 가격 신호를 단 한 문장으로 요약한다. AI 관련 작업을 한 프리랜서는 그렇지 않은 프리랜서보다 시간당 보수가 34% 더 높았고, 복잡한 AI 증강 작업의 소득은 전년 대비 45% 상승했으며, 생성형 AI와 창작 제작 작업은 계약 건수가 90% 늘어난 반면 계약당 소득은 13% 하락했다. 물량은 단순한 쪽으로, 돈은 복잡한 쪽으로 이동한 것이다.

이 사례 연구가 게재되는 플랫폼인 Jobbit은, 증거가 가리키는 분업 구조 중 어느 한쪽이 아니라 그 분업 구조 자체를 중심으로 설계되었다. 에이전트는 검토 가능한 디지털 업무를 맡는다. 웹사이트나 웹 앱을 구축하고 배포하는 일, 문서와 프레젠테이션을 작성하는 일, 리서치를 수행하는 일, 자동화를 설정하는 일, 이미지와 영상을 생성하는 일이다. 사용자는 에이전트 브라우저에서 작업 과정을 지켜보다가 언제든 직접 통제권을 넘겨받을 수 있는데, 이는 Alibaba 실험에서 가장 효과적이라고 밝혀진 조기 개입 패턴과 같다. 에이전트가 잘 처리하지 못하거나 혼자 처리해서는 안 되는 업무, 즉 물리적이고 지역적인 작업, 책임을 지는 전문가 검토, 고객이 사람을 필요로 하는 모든 일에 대해서는, 이 플랫폼이 pro.jobbit.uk에서 관리되는 인력 네트워크로 연결해 준다. Jobbit은 자체 실험 데이터를 발표한 적이 없으며, 이 연구 역시 그 플랫폼에서 측정된 성과에 대해 어떠한 주장도 하지 않는다. 여기서 말하고자 하는 것은 어디까지나 설계와 증거 사이의 부합에 관한 것이다. 구체적인 작동 방식이 궁금한 독자는 에이전틱 AI가 실제로 무엇인지, 에이전트 브라우저를 지켜보며 통제권을 넘겨받는 방법에 관한 가이드, 그리고 소규모 기업을 위한 AI 활용 사례 목록부터 살펴볼 수 있다.

이 증거를 바탕으로 기업이 해야 할 일

이러한 연구 결과는, 사업주가 논문을 단 한 편도 읽지 않고도 적용할 수 있는 위임 원칙으로 정리된다.

정형화되어 있고 검토 가능한 업무는 에이전트에 맡긴다. 초안, 요약, 리서치 브리핑, 표준 문서, 그리고 오후 한나절이면 클릭해 보며 확인할 수 있는 웹사이트나 사내 도구 같은 것들이다. 모든 연구에서 가장 큰 효과가 나타나는 지점이 바로 여기이며, 특히 그 업무를 기업이 현재 느리게 처리하고 있거나 아예 처리하지 못하고 있는 경우에 더욱 그렇다. 초보자 효과는 사람뿐 아니라 기업에도 똑같이 적용되기 때문이다. 실용적인 시작 순서는 AI 에이전트로 기업을 자동화하는 방법에 정리되어 있다.

되돌릴 수 없거나 감정적이거나 물리적이거나 책임이 따르는 업무는 사람에게 맡겨 둔다. 돈을 보내는 일, 데이터를 삭제하는 일, 화가 난 고객을 응대하는 일, 결과에 대해 누군가 책임을 져야 하는 일이 여기에 해당한다. Alibaba 실험과 WorkBench에 여전히 남아 있는 문제 모두 같은 방향을 가리킨다.

에이전트가 더 저렴하다고 판단하기 전에 검토 시간을 가격에 반영한다. GDPval이 솔직하게 계산해 낸 수치, 즉 90배가 아니라 12%에서 39%라는 절감 효과야말로 계획의 기준으로 삼아야 할 숫자다. 기업 내에 결과물을 확인할 수 있는 사람이 아무도 없다면 그 절감 효과는 실재하지 않는다. 이 경우의 답은 에이전트가 작업을 하고 사람 전문가가 이를 검토하는 방식이며, 이는 프리랜서 데이터가 보여주듯 구매자들이 이미 프리미엄을 지불하고 있는 바로 그 방식이다.

경계는 들쭉날쭉하며 계속 움직인다는 점을 염두에 두어야 한다. 1월에는 에이전트가 해내지 못했던 작업이 9월에는 정형화된 업무가 되어 있을 수 있지만, 그 반대는 성립하지 않는다. 직접 시험해 보고, 무엇을 확인했고 무엇이 실패했는지 기록하며, 분기마다 분업 구조를 다시 점검해야 한다.

한계와 남은 질문들

대형 데이터셋 대부분은 미국 자료이며, 플랫폼 데이터는 실제로 수행된 업무 전체가 아니라 게시된 수요만을 측정한다. 노출도 지표는 모델에서 도출된 것이므로, 결과는 부분적으로 분류 모델의 가정을 그대로 물려받는다. 관찰 기간도 짧다. 덴마크는 2년, 미국은 4년이 채 되지 않으며, 광범위한 영향은 더 오랜 시간이 지나야 나타날 수 있다는 Yale 저자들의 지적은 타당하다. 벤치마크는 실제 일감이 아니다. GDPval의 작업은 그 자체로 완결된 결과물이고 WorkBench는 가상의 사무실인 반면, 실제 업무는 중단되고 모호하며 정치적이다. 역량은 매우 빠르게 발전하고 있어 이 연구에 등장하는 어떤 수치도 한 시점의 스냅숏에 불과하며, 향후 뒤집힐 가능성이 가장 큰 것은 노동시장에 관한 수치가 아니라 역량에 관한 수치다. 마지막으로, 앞으로 10년간 가장 중요할 효과, 즉 얇아진 수습 공급망이 숙련된 전문가의 공급을 저하시킬 것인지 여부는 아직 전혀 측정할 수 없다.

결론

AI 에이전트가 프리랜서를 대체하는가? 지금까지는 작업을 대체해 왔으며, 그것도 작업의 결과물을 정형화된 것으로 생산하고 판단할 수 있는 영역에서만 그렇다. 그것만으로도 상품화된 글쓰기, 번역, 이미지 작업의 시장을 축소시키고, 해당 범주에서 자격이 갖는 채용 프리미엄을 약화시키며, 노출된 직군의 신입 채용을 큰 폭으로 줄이기에 충분했다. 그러면서도 경제 전체로 보면 소득과 근로시간은 사실상 변하지 않은 채로 남아 있다. 데이터 속에서 번창하는 프리랜서는 판단력, 책임, 그리고 기계의 작업을 지시하고 확인하는 능력을 파는 사람이다. 이득을 보는 기업은 정형화된 업무를 위임하고 검토하는 법을 배우고, 되돌릴 수 없는 모든 일에는 사람을 두는 기업이다. 시장은 거래의 어느 한쪽을 잃어가고 있는 것이 아니다. 시장은 둘 사이의 인계를 중심으로 재편되고 있으며, 그 인계를 수월하게 만들어 주는 플랫폼이야말로 이 증거가 손을 들어주는 플랫폼이다.

자주 묻는 질문

AI 에이전트가 프리랜서를 대체하는가?

하나의 직업군 전체로서는 그렇지 않다. 2022년부터 2026년까지 가장 신뢰할 만한 증거에 따르면, AI는 주로 정형화된 글쓰기, 번역, 이미지 생성, 단순 코딩 같은 특정 작업을 대체했으며, 이 영역의 구인 공고는 ChatGPT 등장 이후 몇 달 만에 수작업 대비 약 5분의 1가량 줄었다. 같은 범주 안에서도 복잡한 업무에 대한 수요는 보수와 경쟁 양면에서 모두 증가했고, 국가 단위 데이터에서는 경제 전반의 대체 현상이 나타나지 않는다. 가장 뚜렷한 손해를 본 쪽은 숙련된 프리랜서가 아니라 노출 직군의 신입 근로자다.

AI의 영향을 가장 크게 받는 프리랜서 직종은 무엇인가?

글쓰기, 번역, 콘텐츠 편집, 이미지 및 디자인 제작, 정형화된 코딩이다. Upwork를 비롯한 여러 플랫폼을 대상으로 한 연구들에 따르면, 이러한 범주에서는 공고가 줄었고, 클라이언트가 채용할 때 자격이 차지하는 중요성은 낮아지고 가격이 차지하는 중요성은 높아졌다. 물리적이거나 지역 기반이거나 관계 중심이거나 결과에 대한 책임이 따르는 업무는 지금까지 대체로 영향을 받지 않았다.

프리랜서를 고용하는 것보다 AI 에이전트를 쓰는 것이 더 저렴한가?

정형화되어 있고 확인 가능한 업무라면 대체로 그렇지만, 눈에 띄는 비교 수치가 시사하는 것보다는 그 차이가 작다. OpenAI의 GDPval 평가에 따르면, 단순 수치상으로는 모델이 전문적인 결과물을 사람보다 약 90배 빠르게 생산하지만, 사람의 검토와 수정을 반영하면 절감 효과는 약 12%에서 39%까지로 줄어든다. 기업 내에 결과물을 검토할 수 있는 사람이 아무도 없다면, 현실적인 선택은 에이전트가 작업을 하고 사람 전문가가 이를 확인하는 것이다.

소규모 기업은 어떤 업무를 여전히 사람에게 맡겨야 하는가?

되돌릴 수 없거나 감정적이거나 물리적이거나 책임이 따르는 모든 업무다. 결제와 삭제, 화가 난 고객 응대, 현장 방문 업무, 그리고 누군가 결과를 책임져야 하는 일이 여기에 해당한다. 2026년 Alibaba의 한 현장 실험에 따르면, 에이전트가 처리한 서비스 채팅은 처리 속도는 빨랐지만 평점은 더 낮았으며, 사람의 개입은 감정적 실패보다 기술적 실패를 훨씬 더 잘 수습했다. Jobbit과 같은 플랫폼은 디지털 작업을 위한 에이전트와, 바로 이 나머지 영역을 위한 인력 네트워크를 함께 운용한다.

AI와 일자리에 관한 연구들은 왜 서로 다른 결론을 내리는가?

대체로 서로 다른 것을 측정하기 때문이다. 통제된 실험은 선택된 작업에서 AI가 무엇을 할 수 있는지를 측정하며 큰 효과를 찾아낸다. 플랫폼 데이터는 특정 작업 범주에 대한 수요를 측정하며 국지적으로 뚜렷한 감소를 찾아낸다. 급여 및 행정 데이터는 경제 전체의 고용과 소득을 측정하며 지금까지는 거의 변화를 찾아내지 못했다. 작업 단위의 대체, 고르지 않은 증강, 더디게 진행되는 총량 조정을 함께 놓고 읽으면 이 그림은 하나로 들어맞는다.