앤트로픽이 Claude로 미국의 신체 작업 7,594개를 평가했습니다. 오늘의 로봇은 신체 작업의 74%를 할 수 있고, 이는 전체 근로시간의 34%에 해당합니다. LLM까지 더하면 일의 81%가 기술에 노출됩니다.
하지만 로봇이 사람보다 싸게 할 수 있는 일은 전체의 0.3%뿐입니다. 로봇 가격이 지금처럼 매년 3%씩 내리면, 이 비율이 10%가 되기까지 40년이 걸립니다.
로봇에 노출된 일자리는 LLM에 노출된 일자리와 성격이 다릅니다. 임금은 시간당 30달러 낮고, 대졸자 비율은 55%p 낮습니다. 변화가 가장 먼저 올 곳은 운전과 포장 일입니다.
휴머노이드 시연 영상에 박수 치기 전에 물어야 합니다.
우리 현장에서 로봇이 사람보다 싸게 할 수 있는 일은 몇 개입니까?
미국에서 포장 작업자 한 명에게 드는 인건비는 한 해 약 4만 9천 달러입니다. 같은 일을 로봇에게 맡기면 1년에 약 2,500달러가 덜 듭니다. 미국에서 이 일을 하는 사람은 56만 명이고, 이 직업의 고용은 2015년 이후 22% 줄었습니다.
용접은 사정이 다릅니다. 로봇이 용접 자체는 할 수 있지만, 용접공의 일을 통째로 맡기면 비용이 사람의 다섯 배쯤 됩니다. 로봇이 할 수 있는 일과 로봇에게 맡길 만한 일은 다릅니다. 앤트로픽의 이번 연구는 그 차이를 직업별로 계산했습니다.
LLM이 사무직 업무를 얼마나 대신할 수 있는지는 이미 여러 번 측정됐습니다. 앞서 다룬 앤트로픽의 노출도 연구도 그중 하나입니다. 이번 연구는 그 지도에 몸을 쓰는 일을 더했습니다. 기업 설문에서는 미국의 로봇 도입이 3년 안에 두 배 가까이 늘 수 있다는 전망도 나옵니다. 이제는 어디까지가 시연이고 어디부터가 손익인지 가려야 합니다.
출처: 앤트로픽, What Work Can Robots Do? (2026). 근로시간 기준, 미국 데이터.
첫째, 로봇이 할 수 있는 일은 넓지만, 대부분 통제된 환경에서만 가능합니다. 연구진은 로봇이 어떤 환경에서 일할 수 있는지를 기준으로 노출도를 네 단계로 나눴습니다. 신체 작업의 절반은 로봇 전용으로 설계된 공간에서만 로봇이 할 수 있습니다. 사람이 일하는 정돈된 시설에서 가능한 일은 22%입니다. 도로처럼 통제되지 않은 환경에서는 2%뿐입니다.
| 노출 단계 | 로봇이 일할 수 있는 환경 | 신체 작업 비중 | 예시 작업 |
|---|---|---|---|
| E0 | 로봇이 할 수 없음 | 26% | 머리 염색, 비계 설치, 체포 |
| E1 | 로봇 전용 환경 (조립 라인 등) | 50% | 용접, 환자 식단 트레이 조립 |
| E2 | 정돈된 사람 작업장 (물류 창고 등) | 22% | 병원 약품 배달, 재활용품 분류 |
| E3 | 통제되지 않은 환경 (도로 등) | 2% | 운전, 공중에서 하는 건물 점검 |
출처: Legate-Yang & Massenkoff (2026, September 30), 앤트로픽. 신체 작업 근로시간 기준. 실제 배치·판매·시연 기록이 확인된 로봇만 인정.
경영자에게 이 표가 주는 메시지는 분명합니다. 로봇이 도로에 나오기를 기다리는 것보다, 일터를 로봇에 맞게 정돈하는 쪽이 훨씬 넓은 문을 엽니다. 로봇 전용 환경에서 가능한 작업이 신체 작업의 절반이기 때문입니다. 물론 공간을 다시 짜는 비용은 따로 계산해야 합니다.
둘째, 가장 많이 노출된 직업 10개 중 9개는 운전직입니다. 택시 기사의 노출 지수는 3점 만점에 2.2로 가장 높습니다. 셔틀 기사와 운전기사가 2.0으로 뒤를 잇습니다. 운전직이 아닌 직업 중에서는 재활용품 선별 작업자가 1.7로 높았습니다. 이들의 근무시간 중 4분의 3 이상은 정돈된 작업장에서 로봇이 할 수 있는 일입니다.
노출 지수가 비슷해도 자동화되는 경로는 다릅니다. 석고보드 마감공의 지수는 1.6으로 재활용품 선별 작업자와 비슷합니다. 하지만 마감공의 일은 로봇이 완전히 하는 작업과 전혀 못 하는 작업으로 갈립니다. 벽을 스캔해 칠하고 연마하는 로봇은 있지만, 끈적한 테이프를 이음매에 붙이는 일은 아직 못 합니다. 이렇게 남은 작업 하나가 자동화 전체의 병목이 될 수 있습니다.
셋째, 가장 큰 벽은 비용입니다. 로봇은 근로시간 기준으로 일의 34%를 할 수 있지만, 사람보다 싸게 할 수 있는 일은 0.3%입니다. 포장 작업자처럼 로봇이 근소하게 싼 직업은 드뭅니다. 용접공의 일은 로봇이 다섯 배쯤 비싸고, 접시닦이와 청소원의 일도 로봇이 몇 배 비쌉니다. 로보택시는 택시 기사보다 연 7천 달러 정도만 비싸지만 규제라는 벽이 따로 있습니다.
| 시나리오 | 로봇이 사람보다 싸지는 범위 | 걸리는 시간 |
|---|---|---|
| 현재 | 전체 일의 0.3% | 지금 |
| 로봇 가격 20% 하락 | 근로자 280만 명이 하는 신체 작업 | 약 7년 (연 3% 하락 기준) |
| 로봇 가격 70% 하락 | 전체 일의 10% | 약 40년 |
| 과거 추세 유지 | 신체 작업의 절반 | 2085년 |
| 빠른 시나리오 | 신체 작업의 절반 | 2050년 |
출처: Legate-Yang & Massenkoff (2026, September 30), 앤트로픽. 빠른 시나리오는 비용 하락이 최대 4배, 능력 향상이 2배 빨라지는 경우.
넷째, 능력의 병목은 머리보다 손에 있습니다. 신체 작업의 약 70%는 로봇의 능력이 모자라 자동화되지 못합니다. 그중에서도 물건을 집고 다루는 손기술이 가장 큰 문제입니다. 손기술이 나아지지 않으면 신체 작업의 절반은 대규모로 자동화되지 않습니다. 반면 AI가 가장 빨리 개선할 수 있는 계획·추론 능력이 걸림돌인 작업은 8%뿐입니다.
능력 말고도 벽이 두 개 더 있습니다. 지금의 규제로는 신체 작업의 14%를 로봇에게 맡길 수 없습니다. 사람들의 거부감은 작업의 4분의 1을 막습니다. 아이 기저귀를 로봇에게 맡기기 어렵고, 식당 손님 안내에는 사람의 접대가 기대되기 때문입니다.
다섯째, 로봇이 겨냥하는 일자리는 LLM이 겨냥하는 일자리와 정반대입니다. 노출도 상위 20% 직업의 종사자는 노출이 없는 직업보다 시간당 약 30달러를 덜 법니다. 대졸 이상 비율은 55%p 낮고, 실업률은 두 배가 넘습니다. 무거운 짐을 나르고 열기나 유해물질 가까이에서 일하는 직업이 많습니다. 고학력 사무직이 주로 노출되는 LLM과는 반대의 모습입니다.
둘을 합치면 그림이 달라집니다. LLM만 보면 일의 절반 정도가 노출되지만, 로봇을 더하면 81%로 올라갑니다. 운송·이동 업무는 LLM만으로는 15%도 노출되지 않지만, 로봇을 더하면 90% 가까이 노출됩니다. 사무 지원직은 컴퓨터 업무에 가벼운 신체 작업이 섞여 있어, 둘을 합치면 노출도가 100%에 가깝습니다. 노출도가 40% 아래인 직업군은 하나도 없습니다.
여섯째, 이 측정 방식은 과거 50년을 설명합니다. 연구진은 1977년부터 여러 시점의 로봇 노출도를 측정했습니다. 그 결과 노출도가 높았던 직업은 이후 수십 년간 임금과 고용이 더 많이 줄었습니다. 로봇이 할 수 있는 일도 꾸준히 늘었습니다. 로봇은 해마다 전에 못 하던 신체 작업의 약 2%를 새로 할 수 있게 됐습니다.
현장 인력을 운영하는 리더라면, 연구진의 방법을 우리 회사 업무에 그대로 적용해 볼 수 있습니다.
시간이 가장 많이 드는 현장 업무 10개를 적고 Claude에 이렇게 요청합니다. "각 업무를 지금 상용화된 로봇이 할 수 있는지 판단해 줘. 가능하다면 로봇 전용 공간, 정돈된 작업장, 통제되지 않은 환경 중 어디서인지 적어 줘. 근거가 된 로봇 제품과 출처도 붙여 줘." 웹 검색을 켜고 실행합니다. (반나절)
연구진의 포장 작업자 계산이 좋은 본보기입니다. 로봇 구매·설치비를 사용 연수 10년, 자본비용 8%로 나눠 연간 비용으로 바꿉니다. 여기에 유지보수, 감독 인력, 전기료를 더합니다. 이 금액을 해당 업무에 들어가는 연간 인건비와 비교하면 됩니다. (업무당 1주)
로봇이 할 수 있는 신체 작업의 대부분은 정돈된 환경에 있습니다. 창고 이동, 포장, 분류처럼 이미 로봇이 일하는 영역부터 봅니다. 공간을 로봇에 맞게 바꾸는 비용도 계산에 넣습니다. (분기 검토 1회)
사무직은 LLM, 현장직은 로봇을 기준으로 노출도를 봅니다. 둘 다 피해 가는 일은 사람을 직접 대하거나 섬세한 손기술이 필요한 일입니다. 재배치와 교육은 이 영역을 중심으로 설계합니다. 다만 재훈련의 효과가 크지 않았다는 연구도 함께 참고해야 합니다. (인력 계획 회의 1회)
평가와 비용 추정을 모두 AI가 했습니다. 작업 7,594개의 노출도와 로봇 비용은 Claude가 웹 검색으로 판단하고 추정했습니다. 연구진도 이 과정에 판단이 많이 들어간다고 인정합니다. 비용 추정치는 근사치이고, 개별 사례에서는 크게 다를 수 있습니다.
미국 데이터입니다. 임금, 로봇 가격, 규제가 모두 미국 기준입니다. 인건비 구조와 규제가 다른 국내 현장에 숫자를 그대로 옮기면 안 됩니다. 방법론을 빌려 우리 회사의 숫자로 다시 계산하는 편이 맞습니다.
로봇이 도약하면 시간표는 당겨집니다. 시나리오는 모든 작업에 같은 속도의 비용 하락과 능력 향상을 가정합니다. 연구진도 AI 기반 로봇이 이 척도를 뛰어넘을 수 있다고 말합니다. 사다리를 오르거나 손을 능숙하게 쓰게 되는 경우입니다. 40년이라는 숫자를 안심의 근거로 읽으면 위험합니다.
비용이 같아져도 일자리가 바로 사라지지는 않습니다. 로봇 비용 추정치에는 사람의 감독, 예외 처리, 수리 업무가 이미 포함돼 있습니다. 남은 사람의 일이 병목이 될 수도 있습니다. 연구진이 인용한 경제학 연구들은 기계가 사람보다 훨씬 싸져야 생산성이 오른다고 봅니다.
로봇은 이미 많은 일을 할 수 있지만, 사람보다 싸게 할 수 있는 일은 아직 드뭅니다. 현장 자동화의 속도를 정하는 것은 시연 영상이 아니라 업무별 비용 계산입니다.
로봇 노출 지수: 직업의 각 작업을 로봇이 얼마나 덜 통제된 환경에서 할 수 있는지 0~3점으로 매기고, 작업 시간 비중으로 평균 낸 값입니다.
로봇: 이 연구에서는 스스로 감지하고 움직이는 기계를 말합니다. 사람이 원격으로 전부 조종하는 수술 기계는 제외합니다.
O*NET: 미국 노동부가 운영하는 직업 정보 데이터베이스입니다. 약 900개 직업과 1만 9천 개 작업 설명이 담겨 있습니다.
비용 경쟁력: 로봇으로 같은 작업을 하는 연간 비용이 그 작업에 드는 인건비보다 낮은 상태입니다.
LLM 노출: LLM을 쓰면 작업 시간을 절반으로 줄일 수 있는 작업의 비중입니다.
자본비용: 설비에 돈을 묶어 두는 대가로 치르는 비용입니다. 연구진은 연 8%로 가정했습니다.