AI가 없앨 직업, 순서대로 (머스크·젠슨 황 외 12인)
학습 메모
별도로 작성한 학습 메모이며 원영상 제작자의 발언이 아닙니다. 영상의 모든 주장을 검증한 것은 아닙니다.
11% 감소와 상대적 격차는 같은 숫자일까?
실제 연구 추정치를 재현하지 않는 가상 비교다. 두 집단의 처음 고용을 각각 100이라 두고 고노출 집단은 89, 비교집단은 110이 되었다고 하자. 고노출 집단 자체의 감소율은 11%이고 비교집단은 10% 증가했다. 마지막 수준의 차이는 21이며 비교집단을 분모로 한 격차는 21 ÷ 110 × 100 ≈ 19.1%다. 서로 다른 계산을 같은 감소율이라고 부르면 과장하거나 축소할 수 있다. 실제 보고서에서는 기준 기간, 집단 구성, 지수화·통제 방식까지 확인하고 이 차이를 AI의 인과 효과로 바로 바꾸지 않는다.
직접 점검하기
- 기사의 감소율은 자기 집단의 과거와 비교했는가, 다른 집단의 추세와 비교했는가?
- 일자리 수, 신규채용, 퇴직·이탈, 실업률 중 어떤 결과를 측정했는가?
- AI 보완 도구가 초보자의 숙련 형성을 도왔는지 신규채용을 줄였는지 각각 확인할 자료가 있는가?
적용의 한계
100, 89, 110, 11%, 10%, 21, 21 ÷ 110 × 100 ≈ 19.1%는 가상 계산이며 스탠퍼드 추정치의 계산식을 복원한 것이 아니다. 구성 변화·경기·교육·기업 특성의 영향을 통제하지 않아 인과관계를 입증하지 않는다.
학습 가이드
- 이 영상에서 확인할 것
- 직업 대체에 대한 인사들의 전망과 청년고용 연구가 각각 무엇을 말하고 무엇을 확인하지 못하는지 살펴본다.
- 알아두면 도움되는 것
- 직업을 개별 업무로 나누고 AI 사용량·생산성·신규채용·실업률을 서로 다른 지표로 읽으며, 검토와 수정 시간을 포함해 실제 효율을 비교한다.
시간순
5개 구간미국 급여자료의 청년층 변화와 한국의 고노출 업종 고용 감소를 소개하지만, 집단 자체의 감소율과 비교집단 대비 격차는 서로 다른 지표다. 스탠퍼드 갱신본은 상대적 격차를 기술적 관측으로 설명하고, 한국은행은 신규채용 감소와 기존 청년 근로자의 유출을 함께 언급하므로 모두 AI 해고로 환산하지 않는다. 예일대의 전체 지표에서 뚜렷한 효과를 찾지 못했다는 결과도 특정 집단의 충격이 없다는 뜻은 아니다.