로봇 대체 74% 가능, 저렴한 건 0.3% | Anthropic
機械翻訳 / Machine-translated
A
AI Friends
1日前・10分で読める
機械翻訳 / Machine-translated
@aifriends
AI Friends（https://aifriends.jp）のクロスポスト公式アカウント。AIツールの紹介・使い方・できることを、中学生でもわかるやさしい日本語で届けます。
"AI나 로봇에게 일자리를 빼앗기는 건 아닐까?" 불안하게 생각해본 적 있으신가요?
Claude를 개발한 Anthropic이 그 의문에 수치로 답하는 조사를 발표했습니다. 결론은 "할 수는 있지만, 아직은 너무 비싸다"입니다. 이 글에서는 조사 내용과 일본의 업무 방식에 미치는 영향을 알기 쉽게 설명합니다.
2026년 9월 30일, Anthropic은 연구 보고서 "Can we predict the jobs robots will do?（로봇이 할 일은 예측할 수 있는가?）"를 공개했습니다.
작성자는 해당 회사 경제 연구팀 소속의 Russell Legate-Yang 씨와 Maxim Massenkoff 씨입니다.
Anthropic은 지금까지 Claude와 같은 LLM（사람처럼 글을 쓸 수 있는 AI）이 업무에 어떤 영향을 미치는지 조사해왔습니다.
이번에는 그 대상을 짐을 나르거나, 차를 운전하거나, 청소를 하는 등 "몸을 쓰는 일"로 확장했습니다.
참고로, AI 연구 회사가 로봇의 경제 분석을 발표하는 것은 드문 일입니다. 그만큼 "피지컬 AI（현실 세계에서 몸을 움직이는 AI）"에 대한 관심이 높아지고 있다고 할 수 있습니다.
조사에서는 미국의 직업 데이터베이스 O*NET（오넷）을 활용했습니다. 약 900개의 직업에 포함된 작업 중, 몸을 쓰는 7,594종류의 작업이 대상입니다.
각 작업에 대해 Claude가 "현재의 로봇으로 할 수 있는가"를 판정했습니다. 판정은 다음 4단계로 이루어집니다.
판정에는 실제로 사용되고 있는 로봇 사례가 참고되었습니다. 예를 들어 Waymo와 Tesla의 자율주행차, Amazon의 창고 로봇 "Vulcan", Boston Dynamics의 하역 로봇 "Stretch" 등입니다.
또한 작업별로 "그 일에 얼마나 시간을 쓰는가"에 따라 가중치를 부여했습니다. 자주 수행하는 작업일수록 결과에 미치는 영향이 커지는 구조입니다.
결과를 보면, 몸을 쓰는 작업의 74%는 로봇이 어떤 형태로든 수행할 수 있다고 판정되었습니다.
근무 시간 기준으로 보면, 전체 노동 시간의 34%가 "현재 로봇으로 할 수 있는 작업"에 해당합니다.
LLM으로 대체 가능한 사무 작업까지 합치면, 전체 업무의 약 80%가 AI 또는 로봇의 영향을 받는다는 계산입니다. LLM만으로는 약 절반이었지만, 로봇을 더하면 범위가 크게 넓어집니다.
그런데 "사람을 고용하는 것보다 저렴해지는" 작업으로 좁히면 단 0.3%에 불과했습니다.
로봇의 비용에는 본체 가격뿐만 아니라 설치 공사, 유지보수, 소프트웨어, 전기료, 감시 인력의 인건비, 보험, 폐기 비용까지 포함됩니다.
본체 등의 초기 비용은 약 10년의 수명과 연 8%의 자본 비용（돈을 빌렸을 때의 이자 같은 것）을 기준으로 연간 단위로 분배했습니다.
로봇 가격은 1990년대부터 연 3% 정도 하락해왔다고 합니다. 이 속도가 유지되더라도, 저렴한 작업이 10%에 이르기까지 약 40년이 걸린다고 시산됩니다.
직종별로 로봇에 가장 많이 노출（익스포저가 높은）된 것은 택시 운전사였습니다. 영향도를 나타내는 지수는 2.2로 전체 직종 중 1위입니다.
셔틀버스 운전사, 전속 운전기사, 창고 작업원도 상위에 올랐습니다. 모두 업무 시간의 대부분이 "운전"이나 "짐 운반"에 사용되기 때문입니다.
병원에서 약을 배달하는 작업도 배송 로봇 "RelayRx"가 있어 영향이 크다고 나타났습니다.
반대로 로봇이 불가능（E0）하다고 판정된 작업의 예시는 다음과 같습니다.
조사에 따르면, 몸을 쓰는 작업의 약 70%에서 "잡기·다루기" 등의 손재주가 장벽이 되고 있습니다. 또한 14%는 규제로 인해, 약 25%는 "사람이 해주었으면 한다"는 선호로 인해 로봇화가 막혀 있습니다.
비용 면에서 인간에 근접한 대표적인 예가 포장 작업원입니다. 포장 작업의 약 97%는 로봇으로 수행 가능하다고 판정되었습니다.
약 14명분의 일을 처리하는 로봇 시스템은 도입에 200만 달러（약 3억 원, 1달러=150엔 환산）이상이 듭니다. 그래도 1인당 연간 비용은 약 4만 5,000달러（약 675만 엔）입니다.
포장 작업원의 연봉은 약 4만 9,000달러（약 735만 엔）이므로, 로봇이 연간 약 2,500달러 저렴합니다.
반면, 용접공의 경우 로봇이 약 5배나 더 비쌉니다. 설거지나 청소 작업원은 임금이 낮은 만큼 로봇이 수 배 더 비싸집니다.
어느 통신 판매 회사의 물류 센터를 상상해보세요. 매일 수만 개의 상품을 상자에 담아 출하하고 있습니다.
이 현장에서는 이미 로봇이 조금 더 저렴하다는 계산이 나옵니다. 인력난이 심각하다면 도입 결정은 더욱 빨라질 것입니다. 다만, 처음에 3억 원 규모의 투자가 필요하므로 대기업부터 먼저 진행될 것으로 보입니다.
다음으로, 동네 미용실을 떠올려보세요. 컬러링은 손재주가 필요하고, 고객도 "사람이 해주었으면 한다"고 느끼기 쉬운 작업입니다.
조사 판정에서도 E0（로봇은 불가능）이었습니다. 미용사의 일이 로봇으로 대체될 날은 당분간 오지 않을 것 같습니다.
마지막으로, 지방의 택시 회사입니다. 운전은 기술적으로 로봇이 잘하는 작업이며, Waymo는 2027년에 도쿄에서 무인 택시를 운행할 계획도 발표했습니다.
다만, 일본에서는 도로교통 법규와 지역 수용성이 큰 장벽이 됩니다. 조사가 제시한 "규제"와 "선호"의 장벽이 그대로 적용되는 사례입니다.
사실 비슷한 결론의 연구는 이전에도 있었습니다. 2024년에 MIT의 CSAIL（컴퓨터 과학·AI 연구소）이 발표한 조사입니다.
MIT는 이미지 인식 AI에 초점을 맞춰 분석하여, AI로 대체 가능한 작업의 임금 중 저렴해지는 것은 23%에 불과하다고 결론 지었습니다. 미국 경제 전체로 보면 약 0.4%에 불과합니다.
| 항목 | Anthropic（2026년） | MIT CSAIL（2024년） |
|---|---|---|
| 대상 | 로봇（몸을 쓰는 작업） | 이미지 인식 AI |
| 기술적으로 가능한 범위 | 몸을 쓰는 작업의 74% | 임금의 1.6% |
| 인간보다 저렴한 범위 | 작업의 0.3% | 경제 전체의 약 0.4% |
| 평가 방법 | Claude가 7,594개 작업을 판정 | 연구자가 모델로 시산 |
두 연구의 공통점은 "할 수 있는 것"과 "비용에 맞는 것" 사이에 큰 차이가 있다는 점입니다.
Anthropic의 조사는 50년분의 고용 데이터와도 대조했습니다. 1977년 이후, 로봇에 노출된 직종일수록 실제로 임금과 고용이 감소해왔음도 확인했습니다. 즉, 이 판정 방법에는 일정한 신뢰성이 있다고 할 수 있습니다.
이 조사는 미국 데이터를 기반으로 하므로, 그대로 일본에 적용되는 것은 아닙니다.
다만, 일본은 원래 공장에서의 로봇 활용이 앞서 있는 나라입니다. 게다가 저출생 고령화로 인해 물류·돌봄·건설 등의 인력난이 심각해지고 있습니다.
사람이 모이지 않는 분야에서는 임금이 오를수록 로봇의 "저렴한 기준선"에 더 빨리 도달합니다. 인력난이 비용 차이를 줄인다는 점에서, 일본은 미국보다 빠르게 로봇화가 진행될 가능성이 있습니다.
특히 영향이 클 것으로 예상되는 분야는 통신 판매의 포장·분류, 창고 내 운반, 병원 내 배송 등입니다. 반대로 미용·돌봄의 직접 케어·현장 조립 작업은 당분간 사람의 일로 남을 것 같습니다.
일하는 사람에게는 "로봇과 함께 일하기" 위한 스킬이 앞으로의 강점이 될 것입니다. 기계 조작이나 감시, 문제 대응 등이 그 예입니다.
아닙니다. 74%는 "기술적으로 가능한" 작업의 비율입니다. 인간보다 저렴하게 할 수 있는 것은 0.3%에 불과하므로, 당장 대규모 대체가 일어나는 것은 아닙니다.
택시나 셔틀버스 운전사, 창고 작업원, 포장 작업원 등입니다. 운전과 짐 운반은 이미 실용적인 로봇이 있기 때문입니다.
연구팀은 50년분의 고용 데이터와 대조해 검증했습니다. 로봇에 노출된 직종일수록 실제로 임금이나 고용이 감소해왔음이 확인되었습니다.
달라질 가능성이 있습니다. 보고서에서도 인형 로봇이나 새로운 제조 방식으로 비용이 낮아질 여지를 인정하고 있습니다. 다만 시기는 불확실하며, 규제나 사람의 선호라는 장벽도 남아 있습니다.
조사는 미국 데이터를 기반으로 하므로 수치를 그대로 사용할 수 없습니다. 다만 일본은 인력난이 심각하기 때문에, 물류 등의 분야에서는 로봇화가 앞당겨질 가능성이 있습니다.
자신의 업무 중 "운전", "운반", "포장"에 얼마나 시간을 쓰고 있는지 한번 정리해보는 것을 권장합니다.
이 글은 AI Friends 의 크로스포스트입니다.
