대부분의 기술은 여전히 필요하겠지만, 사람들이 지능형 기계와 함께 일하면서 이러한 기술을 사용하는 방식은 바뀔 것입니다.
| 본 자료는 글로벌 전략 컨설팅 업체 McKinsey & Company(맥킨지)가 2026년 5월 12일 맥킨지 웹사이트에 영어로 게재한 내용을 AI기계 번역한 후 Biz & Pro가 일부 보완한 것입니다. 따라서 본 번역은 맥킨지가 작성한 것이 아니며, 공식적인 번역이 아닙니다. 정확한 영어 원문 확인을 위해서는 아래 링크하는 원문 사이트를 참조하시기 바랍니다. |
이미지 출처 : McKinsey & Company 웹사이트
작성자: ylvain Johansson, Anu Madgavkar, Ulf Schrader, María Jesús Ramírez, and Xavier Rigby
한눈에 보기
- 유럽의 업무 환경은 앞으로 사람, 에이전트, 로봇 간의 협업을 중심으로 더욱 변화할 것입니다. 10개국을 대상으로 분석한 결과, 현재 업무 시간의 58%가 기존 기술을 활용해 이론적으로 자동화될 수 있는 것으로 나타났습니다. 이는 미국과 비슷한 수준이지만, 유럽 특유의 산업 구성으로 인해 다소 차이가 있습니다. 이러한 수치는 기술적 실현 가능성을 반영한 것이며, 실제 도입이나 일자리 감소를 예측하는 것은 아닙니다.
- 유럽에서 자동화는 2030년까지 최대 1조 9천억 달러의 경제적 가치를 창출할 수 있지만, 그 실현 규모는 도입 속도에 달려 있습니다. 점진적인 도입 시나리오에서는 훨씬 적은 가치를 창출할 수 있을 것입니다. 비용, 규제, 조직의 준비 상태와 같은 요소들이 도입 속도를 좌우할 것입니다.
- 대부분의 인간 능력은 활용 방식이 달라지더라도 지속될 것입니다. 오늘날 유럽 고용주들이 요구하는 능력의 4분의 3은 문제 해결, 글쓰기, 연구 등을 포함하며 자동화 가능한 업무와 자동화 불가능한 업무 모두에서 사용됩니다. 이러한 중복성 때문에 적어도 단기적으로는 이러한 능력들이 인공지능에 의해 대체되기보다는 인공지능과 협력하여 활용될 가능성이 더 높습니다.
- 유럽 노동 시장에서 AI 관련 기술에 대한 수요가 증가하고 있지만, 국가별로 그 증가세는 고르지 않습니다. AI 활용 능력에 대한 수요는 2023년 이후 5배 증가했으며, 현재 전체 고용의 5%를 차지하는 직종의 채용 공고에서 AI 관련 기술이 요구되는 것으로 나타나고 있습니다.
- 유럽 전역에서 인공지능 도입이 어떤 방향으로 나아갈지는 리더십의 선택에 달려 있습니다. 이러한 기회를 포착하려면 업무 흐름을 재설계하고, 관련 기술에 투자하며, 에이전트 및 로봇과 함께 일하는 환경에 적응하는 근로자들을 지원해야 합니다.
인공지능과 자동화는 선진 경제 전반에 걸쳐 업무 방식을 근본적으로 바꾸고 있습니다. 특히 유럽에서는 그 변화가 매우 중요한 의미를 지닙니다. 유럽은 노동력 감소와 고령화, 만성적인 노동력 부족, 그리고 미국과 같은 다른 국가들에 비해 더딘 생산성 증가라는 문제에 직면해 있습니다.1 경쟁력과 생활 수준을 유지하기 위해서는 사람과 기술의 효과적인 통합이 필수적입니다.
최근 맥킨지 글로벌 연구소(MGI)에서 발표한 미국 연구 보고서인 ‘에이전트, 로봇, 그리고 우리: AI 시대의 기술 파트너십’을 확장하여, 본 보고서는 유럽으로 초점을 옮겨 AI가 업무의 기반이 되는 기술과 생산성 및 성장을 어떻게 변화시킬 수 있는지 살펴봅니다. 본 보고서는 유럽 지역 노동력과 GDP의 4분의 3 이상을 차지하는 10개 경제권을 분석 대상으로 삼았습니다.2
이러한 경제권 전반에 걸쳐 현재 근무 시간의 약 58%는 이론적으로 기존 기술(인지 작업에는 AI 기반 에이전트, 육체 작업에는 로봇)을 사용하여 자동화될 수 있습니다.3 이는 현재 기술적으로 가능한 것을 반영하는 것이지 실제로 채택될 가능성을 나타내는 것은 아니며, 광범위한 일자리 감소를 의미하는 것도 아닙니다. 오히려 이는 업무 수행 방식의 근본적인 변화를 시사합니다. 직무 내 작업이 자동화됨에 따라 역할이 진화하고 새로운 활동이 등장하여 유럽 전역의 노동자들이 자신의 기술을 활용하는 방식에 심오한 변화를 가져올 것입니다.
업무는 앞으로 사람, 에이전트, 로봇 간의 협업을 점점 더 많이 포함하게 될 것입니다.
자동화 잠재력은 향후 몇 년 동안 업무 방식이 어떻게 재편될 수 있는지에 대한 통찰력을 제공합니다. 분석 대상인 유럽 10개국에서 현재 근무 시간의 58%는 기존 기술을 사용하여 이론적으로 자동화될 수 있으며, 이 중 44%는 에이전트를 통해, 14%는 로봇을 통해 자동화될 수 있습니다. 나머지 시간은 복잡한 판단력, 예측 불가능한 환경에 대한 적응력, 상황적 추론 등 인간의 능력이 필요한 활동으로 구성됩니다(도표 1).4
도표 1
비례 사각형을 사용한 2×2 사분면 차트는 유럽의 작업 시간 분포를 세로축의 자동화 가능성과 가로축의 필요한 역량 유형에 따라 보여줍니다. 세로축은 자동화 가능한 작업과 자동화 불가능한 작업을 구분하고, 가로축은 비물리적 역량이 필요한 활동과 물리적 역량이 필요한 활동을 구분합니다. 각 사분면 내의 사각형은 작업 시간의 비중을 나타내며 역할별로 배치됩니다. 맨 위 사각형은 사람이 담당하는 작업, 왼쪽 아래 사각형은 에이전트가 담당하는 작업, 오른쪽 아래 사각형은 로봇이 담당하는 작업을 나타냅니다. 가장 큰 비중인 44%는 자동화 가능한 비물리적 사분면에 나타나는데, 이는 상당 부분의 작업이 에이전트에 의해 처리될 수 있음을 보여줍니다. 더 작은 비중으로는 자동화 불가능한 사분면에 각각 약 21%씩 나타나는 작업(주로 사람이 수행하는 작업)과 자동화 가능한 물리적 사분면에 약 14%씩 나타나는 작업(로봇이 수행하는 작업)이 있습니다. 작은 삽입 그림은 미국의 유사한 분포를 보여줍니다.
유럽과 미국의 자동화 잠재력은 대체로 유사하며, 이는 비슷한 규모의 변혁이 일어날 가능성을 시사합니다. 이러한 추정치는 현재 기술적으로 가능한 수준을 반영하는 것이지, 실제로 도입될 수준을 나타내는 것은 아니며, 조직이 에이전트, 로봇 및 기타 자동화 기술을 더 많이 도입함에 따라 업무 자체가 어떻게 진화할지에 대한 예측은 포함하지 않습니다.5
우리는 비물리적 작업과 물리적 작업을 각각 자동화하는 기계를 설명하기 위해 “에이전트”와 “로봇”이라는 포괄적인 용어를 사용합니다. 인공지능(생성형 인공지능 포함) 기반 기술을 비롯한 다양한 기술들이 이러한 기능을 수행하며, 이들 기술 간의 경계는 점차 모호해지고 있습니다.6
유럽의 육체적 노동과 비육체적 노동의 혼합은 자동화 경로를 결정짓는다.
노동은 육체적 활동과 비육체적 활동을 모두 포함합니다. 이러한 활동의 구성은 산업 분야, 직종, 지역에 따라 크게 다르며, 자동화의 유형과 속도에도 영향을 미칩니다.
조사 대상 유럽 10개국의 전체 근무 시간 중 약 3분의 2는 정보 처리, 분석 및 조정과 같은 비물리적 활동에 할애됩니다(도표 2). 이러한 활동은 사무 및 행정 지원, 사업 및 재무 운영, 컴퓨터 및 수학 관련 직종에 집중되어 있습니다.
도표 2
수평으로 발산하는 막대 그래프는 유럽의 직업군별 육체적 노동과 비육체적 노동의 분포를 보여줍니다. 가로축은 노동 시간 비중(%)을 나타내며, 중앙의 세로축을 기준으로 왼쪽에는 육체적 노동, 오른쪽에는 비육체적 노동이 배치되어 있습니다. 건물 유지보수, 설치, 건설과 같은 직업군은 위쪽에 위치하여 육체적 노동 비중이 높고, 법률, 경영 운영, 컴퓨터 관련 직종과 같은 직업군은 아래쪽에 위치하여 비육체적 노동 비중이 높습니다. 오른쪽 세로축은 각 직업군의 전체 노동 인구 비중을 나타냅니다. 맨 아래 막대는 모든 직업군의 총 노동 시간을 요약하여 보여주며, 전체 노동 시간의 약 3분의 2가 비육체적 노동이고 나머지는 육체적 노동임을 보여줍니다.
나머지 3분의 1의 근무 시간은 장비 조작, 자재 취급, 수작업 수행 등 신체적 능력을 요구합니다. 신체적 강도는 유지보수, 설치 및 수리, 건설과 같은 직종에 집중되어 있습니다.
직업은 사람, 에이전트, 로봇을 결합한 7가지 유형으로 분류됩니다.
기술은 다양한 유형의 업무에서 각기 다른 역할을 수행합니다. 약 800개의 직업에 대한 분석을 바탕으로, 우리는 사람, 에이전트, 로봇의 상대적 기여도에 따라 정의되는 7가지 업무 유형(광범위한 범주)을 식별했습니다(도표 3).
유럽 10개국에서 사람 중심적인 직무는 전체 고용의 약 31%를 차지합니다. 이러한 직종은 인간의 판단력, 대인 관계, 그리고 정형화되지 않은 물리적 또는 사회적 환경에 대한 적응력에 크게 의존합니다. 청소부부터 의료 종사자, 일반 관리자에 이르기까지 다양한 직무가 여기에 해당합니다.
도표 3
여러 개의 작은 2×2 사분면 차트 세트는 자동화 가능성이 낮은 업무에서 자동화 가능성이 높은 업무까지 수평적 연속체를 따라 배열된 7가지 직업 유형을 보여줍니다. 각 패널은 그림 1과 동일한 형식을 따르며, 세로축은 자동화 가능성에 따라, 가로축은 자동화 기능 유형에 따라 업무를 구분합니다. 왼쪽에 있는 ‘사람 중심’ 유형은 자동화 불가능한 업무에서 사람이 담당하는 비중이 더 큽니다. 오른쪽으로 갈수록 에이전트와 로봇의 기여도가 증가하는 하이브리드 역할이 나타납니다. 맨 오른쪽에는 에이전트 중심 및 로봇 중심 역할이 있으며, 에이전트 또는 로봇이 자동화 가능한 업무의 비중을 더 크게 차지합니다. 각 유형 아래에는 유럽과 미국의 노동력 비중을 나타내는 도넛 차트가 있습니다.
전체 고용의 27%는 사람들이 에이전트, 로봇 또는 둘 다와 함께 일하는 하이브리드 직무에 해당합니다. 영업 사원, 배관공, 의료 보조원과 같은 직종에서는 여전히 사람이 중심적인 역할을 하지만, 업무 흐름이 바뀌어 사람들은 더 가치 있는 활동에 집중하고 에이전트나 로봇은 보다 구조화된 작업을 처리할 수 있습니다.
직업 유형이 유럽과 미국의 자동화 잠재력에 미치는 영향
나머지 42%의 고용은 인공지능 중심 직종으로 전환될 가능성이 있는 분야에 집중되어 있습니다. 이러한 직종은 일반적으로 구조화되고 정형화된 업무를 수행하는 경향이 있습니다. 예를 들어 회계사, 장비 조작원, 보안 검색 요원 등이 있습니다.
이러한 직업 유형의 조합 차이는 근본적인 동인이 다르더라도 경제 전반에 걸쳐 유사한 수준의 자동화 잠재력을 가져올 수 있습니다(측면 기사 “유럽과 미국의 직업 유형이 자동화 잠재력을 형성하는 방식” 참조).
자동화 도입 속도에 따라 유럽에서 최대 1조 9천억 달러의 경제적 효과를 창출할 수 있을 것으로 예상됩니다.
전기, 산업용 로봇, 그리고 지금도 확장 중인 클라우드 컴퓨팅에 이르기까지 주요 신기술들이 상용화되는 데는 수십 년이 걸렸습니다. 인공지능과 자동화 도입 속도는 비용 대비 효과, 투자 수준, 조직의 준비 상태, 그리고 시스템 개발 및 배포에 필요한 시간에 따라 좌우될 것입니다.
우리는 기술 확산의 역사적 패턴을 기반으로 두 가지 시나리오를 모델링했습니다. 중간 시나리오에서는 2030년까지 유럽에서 인공지능과 자동화를 통해 최대 1조 9천억 달러의 경제적 가치가 창출될 수 있습니다(도표 4).7보다 점진적인 시나리오에서는 이 값이 1조 1천억 달러에 더 가까워지는데, 이는 결과가 도입 속도에 얼마나 크게 좌우되는지를 보여주는 상당한 격차입니다.
도표 4
유럽 지도에는 2030년 각국의 인공지능(AI) 및 자동화로 인한 예상 경제적 가치가 표시되어 있으며, 유럽 전체로는 약 1조 9천억 달러에 달할 것으로 추정됩니다. 각 국가 위에는 크기가 다른 원들이 배치되어 있는데, 원이 클수록 경제적 가치가 높다는 것을 나타냅니다. 독일은 약 4,860억 달러로 가장 큰 원을 차지하고 있으며, 영국이 3,750억 달러, 프랑스가 2,380억 달러로 그 뒤를 잇습니다. 이탈리아, 스페인, 네덜란드, 폴란드, 스웨덴, 덴마크, 체코 등 다른 국가들은 더 작은 원으로 표시되어 있지만, 여전히 상당한 경제적 가치를 지니고 있음을 보여줍니다.
이러한 추정치는 GDP의 직접적인 증가보다는 조직 차원에서 발생할 수 있는 잠재적 이점을 설명합니다.8 이 보고서는 제조 및 물류 분야에서 이미 널리 사용되고 있는 로봇공학 같은 기존 기술의 지속적인 확산과 더불어 인공지능 기반의 새로운 에이전트의 등장을 모두 포착합니다.
자동화 도입의 경제적 가치를 어떻게 추정하는가
유럽에서 자동화로 창출될 수 있는 잠재적 가치의 약 82%는 AI 기반 에이전트에서 비롯되며, 나머지는 로봇 공학에서 나옵니다(도표 5). 이는 비육체적 작업의 보편화와 도입 비용의 차이를 반영합니다. 로봇 공학은 일반적으로 초기 투자 비용이 높고 구현 기간이 길지만, 에이전트 기반 시스템은 더 빠르게 구현하고 확장할 수 있습니다. 제조업과 같이 육체적 노동 집약적인 분야에서도 2030년까지 예상되는 가치의 71%는 계획, 품질 관리, 조달 및 공급망 조정 분야의 에이전트 기반 시스템에서 비롯됩니다.
도표 5
18개 행으로 구성된 가로 누적 막대 차트는 2030년 유럽의 여러 산업 분야에서 에이전트와 로봇이 창출하는 경제적 가치의 분포를 보여줍니다. 가로축은 가치 점유율(%)을 나타내고, 세로축에는 산업 분야가 나열되어 있습니다. 각 막대는 에이전트와 로봇을 나타내는 두 부분으로 나뉩니다. 모든 산업 분야에서 에이전트가 전체 가치의 대부분(일반적으로 약 70~95%)을 차지하며, 로봇은 나머지 부분을 차지합니다. 금융 및 보험, 교육 서비스, 전문 서비스와 같은 산업 분야에서는 에이전트의 점유율이 90% 이상으로 가장 높습니다. 제조업, 건설업, 숙박 및 음식 서비스와 같이 육체적 노동 집약적인 산업에서는 로봇의 점유율이 약 30% 이상으로 높게 나타납니다. 차트 오른쪽에는 산업 분야별 총 경제적 가치(십억 달러)를 나타내는 원이 표시되어 있으며, 제조업, 소매 및 도매업, 행정 지원 산업이 가장 큰 비중을 차지합니다. 마지막 행은 총 경제적 가치 약 1조 8,800억 달러 중 에이전트가 약 82%, 로봇이 약 18%를 차지함을 보여줍니다.
산업 구성은 경제 전반에 걸쳐 잠재적 가치가 어떻게 분배되는지를 결정합니다. 대부분의 국가에서 가치는 다양한 산업 분야에 분산되어 있지만, 일부 국가에서는 특정 산업에 집중되어 있습니다. 예를 들어, 체코와 이탈리아에서는 제조업이 다른 국가보다 더 큰 비중을 차지합니다(도표 6). 실현되는 가치의 규모는 기술 도입 속도뿐만 아니라 조직이 이러한 기술을 통합하기 위해 업무 방식을 어떻게 재구성하는지에 따라 달라집니다.
도표 6
11개 행으로 구성된 가로 누적 막대 차트는 10개 유럽 국가의 산업별 경제적 가치 분포와 2030년 총 경제적 가치를 보여줍니다. 처음 10개 행은 각 국가를 나타내며, 각 행은 가로 누적 막대로 표시됩니다. 가로축은 각 국가 총 경제적 가치에서 차지하는 비율을 나타내며, 각 막대는 제조업, 소매 및 도매업, 행정 지원 및 정부, 전문 서비스업, 의료 및 사회복지, 교육 서비스업, 건설업, 정보 산업, 그리고 기타 모든 산업으로 구분됩니다. 차트에 표시된 국가는 체코, 덴마크, 프랑스, 독일, 이탈리아, 네덜란드, 폴란드, 스페인, 스웨덴, 그리고 영국입니다. 대부분의 국가에서 제조업이 가장 큰 비중을 차지하며, 소매 및 도매업과 전문 서비스업도 상당한 기여를 하고 있습니다. 국가별로 산업 구성은 다양하며, 일부 국가에서는 서비스 중심 산업의 비중이 상대적으로 높습니다. 각 행의 오른쪽에는 원으로 표시된 총 경제적 가치(십억 달러)가 있으며, 독일, 영국, 프랑스가 가장 높은 총액을 기록하고 있습니다. 마지막 행인 ‘총계’에는 모든 국가가 집계되어 전체 산업 분포와 약 1조 8,800억 달러에 달하는 총 가치가 표시됩니다.
가치 창출을 위해서는 워크플로우를 재설계하는 것이 핵심입니다.
조직이 업무를 완료하기 위해 사용하는 여러 단계의 프로세스인 워크플로는 자동화의 가치가 실현되는 부분이지만, 대부분은 AI 이전 환경에 맞춰 설계되었습니다. 기존 프로세스 내의 개별 작업에 AI를 적용하는 것은 전체 프로세스의 비효율성이 여전히 남아 있기 때문에 제한적인 효과만 가져오는 경우가 많습니다. 작업 수준에서의 점진적인 개선은 의미 있는 성과로 이어지는 경우가 드뭅니다. 이는 기업의 약 90%가 AI를 정기적으로 사용한다고 보고하지만, 실제로 측정 가능한 결과를 얻는 기업은 40% 미만인 이유를 설명해 줄 수 있습니다.9
워크플로를 재설계하는 것, 즉 업무 인수인계를 간소화하고, 조정 계층을 줄이며, 역할이나 시스템에 분산된 활동을 통합하는 것은 조직이 AI와 자동화를 핵심 프로세스에 접목할 수 있도록 해줍니다.
성공적인 AI 도입 사례 연구는 이러한 변화가 어떻게 구체화되고 있는지 보여줍니다. 예를 들어, 한 글로벌 기술 기업에서는 AI 에이전트가 영업 프로세스의 초기 단계를 자동화하여 직원들이 관계 관리 및 전략적 참여에 더 많은 시간을 할애할 수 있도록 했습니다. 또 다른 제약 회사는 AI를 사용하여 임상 문서를 생성함으로써 의학 작가의 역할을 수동 초안 작성에서 검토, 수정, 정확성 및 규정 준수 보장으로 전환했습니다.10
업무 흐름이 변화함에 따라 역할 구조도 바뀝니다. 사람과 기계 사이에서 작업이 재분배되면서 실제 업무에서 기술이 적용되는 방식이 재구성됩니다.
근로자들은 앞으로 에이전트 및 로봇과 함께 자신의 기술을 더욱 적극적으로 활용하게 될 것입니다.
저희 분석에 따르면 현재 유럽 고용주들이 요구하는 기술의 약 75%는 자동화 가능한 업무 활동과 자동화 불가능한 업무 활동 모두에 사용됩니다(도표 7 참조).
도표 7
가로형 누적 막대 차트는 2024년 기술 자동화 가능성에 따른 10,500개 기술의 분포를 보여줍니다. 하나의 막대는 세 부분으로 나뉘어 있으며, 각각 사람이 주도하는 업무에 필요한 기술, 사람과 AI가 함께 수행하는 업무에 필요한 기술, 그리고 AI가 주도하는 업무에 필요한 기술을 나타냅니다. 가장 큰 부분(약 75%)은 자동화 가능한 활동과 자동화 불가능한 활동 모두에 사용되는 기술을 나타내며, 이는 대부분의 기술이 사람과 AI가 지원하는 업무 전반에 걸쳐 공유됨을 의미합니다. 나머지 작은 부분은 주로 사람이 주도하고 대부분 자동화 불가능한 활동과 관련된 기술(약 10%)과 미래에 상당 부분 자동화될 수 있는 AI 주도 업무와 관련된 기술(약 15%)을 보여줍니다.
자동화에 대한 기술 노출도를 어떻게 평가할까요?
대부분의 업무 프로세스는 자동화 가능한 작업과 자동화 불가능한 작업을 결합하기 때문에, 기술과 인력을 사람과 기계로 명확하게 구분하기는 어렵습니다. 오히려 인공지능(AI)에 의해 대체되기보다는 AI와 협력하여 기술을 활용하는 방향으로 나아갈 것입니다. AI가 더욱 일반적이고 구조화된 작업을 수행함에 따라, 사람들은 직접 작업을 수행하는 데 시간을 덜 쓰고 자동화 시스템을 사용하는 데 더 많은 시간을 할애하게 될 것입니다.
예를 들어, 언어 능력은 AI 에이전트가 여러 언어로 답변을 작성하거나 문서를 번역하는 동안 사람이 정확성을 검증하고 문화적 뉘앙스를 조율하는 것을 포함할 수 있습니다. 마찬가지로, 제조 및 서비스 운영에서 흔히 볼 수 있는 품질 보증은 자동화 시스템이 결함이나 불일치를 표시하는 동안 사람이 수정 작업을 수행하고 안전 또는 규제 표준을 준수하는지 확인하는 것을 포함할 수 있습니다. 두 경우 모두 기술은 공유됩니다. 기계는 패턴이나 문제를 식별하고, 사람은 판단을 내리고 책임성을 확보합니다.
추가로 15%의 기술은 주로 자동화 가능한 활동과 관련되어 있습니다. 시간이 지남에 따라 이러한 기술은 상담원 주도 또는 로봇 기반 워크플로에 통합될 가능성이 더 높습니다. 예를 들어 첨단 산업 분야의 기계 조작, 금융 운영 분야의 송장 처리 및 회계, 콜센터의 언어 통역 등이 있습니다.
나머지 10%의 기술은 주로 리더십, 임상적 판단, 협상 및 갈등 해결을 포함하여 대인 관계 또는 상황적 의사 결정에 의존하는 자동화 불가능한 활동과 관련이 있습니다.
이러한 분석 결과는 대부분의 기술이 완전히 대체되기보다는 사람과 AI의 협력을 통해 재편될 수 있음을 시사합니다.
인간과 기계가 결합된 하이브리드 인력으로의 전환은 이미 시작되었습니다.
고용주들은 이미 인공지능 관련 기술을 더욱 요구하고 있습니다.
구인 공고를 보면 AI 관련 기술이 노동 시장 전반에 걸쳐 확산되고 있음을 알 수 있습니다. 현재 유럽에서는 전체 직업의 거의 5분의 1이 AI 관련 기술을 요구하며, 그 비율은 2023년 이후 세 배 이상 증가했습니다(도표 8).
도표 8
막대 그래프는 2023년 4분기와 2025년 4분기를 비교하여 국가별 AI 관련 기술을 요구하는 직업의 비중을 보여줍니다. 가로축은 국가를 나타내고, 세로축은 해당 직업의 비중(%)을 나타냅니다. 각 국가에는 2023년 4분기와 2025년 4분기를 나타내는 두 개의 막대가 있으며, 모든 국가에서 증가 추세를 보입니다. 일반적으로 2023년 4분기의 약 4~10%에서 2025년 4분기에는 약 10~27%로 상승합니다. 막대 위에는 약 1.9배에서 거의 5배에 이르는 성장률이 표시되어 있습니다. 스웨덴, 덴마크, 영국은 2025년 4분기에 가장 높은 수준을 보입니다. 오른쪽에는 유럽 평균과 미국의 막대가 추가되어 있으며, 두 국가 모두 상당한 증가세를 보입니다. 그래프 하단에는 2025년 4분기 AI 관련 직업의 고용 비중을 나타내는 원들이 있으며, 스웨덴과 영국처럼 높은 비중을 보이는 국가는 큰 원으로 표시됩니다.
인공지능 관련 기술에 대한 수요는 국가별로 차이가 있습니다. 2023년 이후 채용 공고를 보면 폴란드와 영국에서 고용주 수요가 가장 빠르게 증가한 것으로 나타나는데, 이는 신흥 시장과 선진 시장 모두에서 인공지능 기술이 광범위하게 확산되고 있음을 보여줍니다.11 2025년에는 스웨덴의 직업 중 4분의 1 이상이 AI 관련 기술을 필요로 할 것으로 예상되며, 이는 해당 지역에서 가장 높은 수준입니다. 하지만 다른 지역의 더 빠른 성장세를 고려하면 시간이 지남에 따라 이러한 격차가 좁아질 수 있습니다.
AI 활용 능력이란 무엇인가요?
이 지역 전반에 걸쳐 AI 활용 능력에 대한 수요는 기술적인 AI 스킬에 대한 수요보다 훨씬 빠르게 증가하고 있습니다. 2023년 4분기부터 2025년 4분기까지 AI 활용 능력, 즉 AI 시스템을 사용, 관리하고 나아가 AI를 활용하여 새로운 것을 창조하는 능력에 대한 수요는 5배 증가했으며, 현재 전체 고용의 약 5%를 차지하는 직종의 채용 공고에 이러한 능력이 포함되어 있습니다(도표 9).12 인공지능 시스템 구축 및 배포와 관련된 기술적 인공지능 역량에 대한 수요는 1.7배라는 비교적 완만한 증가세를 보였습니다.
도표 9
세 개의 세로형 막대 그래프는 2023년과 2025년을 비교하여, 전체 채용 공고의 최소 5%에서 AI 관련 기술을 요구하는 직종 종사자 수를 백만 명 단위로 보여줍니다. 각 그래프는 AI 활용 능력, AI 기술, 그리고 모든 AI 관련 기술이라는 서로 다른 범주를 나타냅니다. 세로축은 종사자 수를, 가로축은 두 해를 나타냅니다. 각 막대는 STEM 분야와 비STEM 분야 직종으로 나뉘어 있습니다. 첫 번째 그래프에서 AI 활용 능력 관련 직종 종사자는 2023년 약 190만 명에서 2025년 940만 명으로 약 5.0배 증가합니다. 두 번째 그래프에서 AI 기술 관련 직종 종사자는 약 200만 명에서 330만 명으로 약 1.7배 증가합니다. 세 번째 그래프에서 모든 AI 관련 기술 관련 직종 종사자는 2023년 약 280만 명에서 2025년 990만 명으로 약 3.6배 증가합니다. 세 차트 모두에서 STEM 분야와 비 STEM 분야 직무 모두 증가했으며, 비 STEM 분야 증가분이 상당 부분을 차지했습니다.
직종별로 보면, AI 기술에 대한 수요는 특정 직무 분야에 국한되지 않고 점차 확산되고 있습니다. 전체 수요의 75%는 컴퓨터 및 수학, 경영, 비즈니스 및 금융 운영의 세 가지 직종에 집중되어 있으며, 이 세 직종이 전체 고용의 약 5분의 1을 차지합니다. 나머지 수요는 다양한 직종에 걸쳐 분포되어 있습니다(도표 10 참조).
이러한 확산은 비기술직 분야에서도 뚜렷하게 나타나고 있습니다. 물류 코디네이터, 인사 전문가, 컴플라이언스 담당자, 그리고 많은 숙련 기술직 채용 공고에서 AI 도구와 분석 플랫폼에 대한 숙련도를 요구하는 사례가 점점 늘어나고 있습니다. 이러한 맥락에서 AI는 해당 분야 전문 지식을 대체하는 것이 아니라, 전문 지식이 적용되는 방식을 변화시키고 있는 것입니다.
도표 10
가로 막대 그래프는 유럽에서 AI 관련 기술을 필요로 하는 직종 종사자 수와 이러한 수요가 직종군별로 어떻게 분포되어 있는지를 보여줍니다. 세로축에는 19개의 직종군과 추가 3개 직종군이 나열되어 있습니다. 각 직종군별 막대는 AI 기술을 필요로 하는 직종 종사자 수(백만 명 단위)를 나타냅니다. 각 막대의 왼쪽에는 해당 직종군에서 AI 기술을 필요로 하는 종사자의 비율(%)이 표시되어 있으며, 추가 열에는 전체 종사자 수가 나와 있습니다. 가장 큰 직종군은 컴퓨터 및 수학 관련 직종으로 약 450만 명의 종사자가 AI 기술을 필요로 합니다. 그 뒤를 이어 경영 및 비즈니스·금융 관련 직종에서 각각 약 180만 명과 120만 명이 AI 기술을 필요로 합니다. 상위 3개 직종군이 전체 AI 기술 수요의 약 75%를 차지하며, 이는 그래프에 표시되어 있습니다. 나머지 직종군은 각각 더 적은 비중을 차지하며, 대부분은 50만 명 미만입니다. 또한, 나머지 16개 직종군에 걸쳐 약 25%의 수요가 분포되어 있으며, 3개 직종군에서는 AI 기술 수요가 측정되지 않았습니다.
비즈니스 프로세스에서 AI의 활용이 증가함에 따라 프로세스 개선, 비즈니스 분석 및 품질 보증을 포함한 보완적인 기술에 대한 수요가 증가하고 있습니다(도표 11).13
도표 11
이 수평 막대 차트는 2023년과 2025년 사이에 특정 기술 하위 범주를 언급하는 구인 공고가 있는 직종에서 가장 큰 감소와 가장 큰 증가를 비교합니다. 가로축은 두 해 사이의 변화율을 나타냅니다. 왼쪽에는 감소한 8개 기술 범주가 왼쪽으로 길게 뻗어 있는 막대로 표시되고, 오른쪽에는 증가한 9개 기술 범주가 오른쪽으로 길게 뻗어 있는 막대로 표시됩니다. 가장 큰 감소폭을 보인 기술 범주는 언어 능력(-39)과 사무 장비 및 기술(-37)입니다. 오른쪽에서는 가장 큰 증가폭을 보인 기술 범주로 비즈니스 분석(176), 개인적 특성(155), 품질 보증 및 관리(148)가 있습니다. 인공지능 및 기계 학습 또한 143의 큰 증가세를 보입니다.
전반적으로 AI 관련 및 보완 기술에 대한 수요 증가는 AI 도입이 증가함에 따라 기술 적용 방식에 더 광범위한 변화가 시작되고 있음을 시사합니다.
기술 변화 지수는 2030년까지 기술 분야에서 광범위한 변화가 일어날 것임을 시사합니다.
기술 수요가 어떻게 변화할지 측정하기 위해, 우리는 이전 MGI 연구에서 개발한 기술 변화 지수(SCI)를 적용했습니다. SCI는 다양한 도입 시나리오에서 자동화에 노출될 가능성을 시간 가중 방식으로 측정한 지표입니다(도표 12 참조, “자동화에 대한 기술 노출 평가 방법” 사이드바 참조). SCI는 대부분의 기술이 어느 정도 영향을 받을 것임을 보여줍니다.
도표 12
산점도 차트는 백분위수로 순위를 매긴 기술에 대한 기술 변화 지수를 보여주며, 이는 자동화 노출 정도를 나타냅니다. 가로축은 백분위수에 따라 가장 낮은 지수 값부터 가장 높은 지수 값 순으로 정렬된 기술을 나타내고, 세로축은 0%에서 100%까지의 기술 변화 지수를 나타냅니다. 각 점은 하나의 기술을 나타내며, 부드러운 곡선은 약 10,500개 기술에 걸친 전체 분포를 보여줍니다. 곡선은 왼쪽에서 낮고 비교적 평평하게 시작하여 중간 백분위수를 거치면서 점차 상승하고, 오른쪽으로 갈수록 가파르게 증가하여 상위 기술일수록 자동화에 대한 노출도가 높다는 것을 나타냅니다. 곡선을 따라 선택된 기술들이 표시되어 있습니다. 회복력, 영향력, 공감 능력과 같이 낮은 백분위수에 속하는 기술들은 지수 값이 낮아 자동화에 대한 노출도가 낮습니다. 중간 범위에는 협업, 분석 능력, 문제 해결 능력이 포함됩니다. 곡선 위쪽에는 품질 관리, 소프트웨어 개발, 청구, 회계, SQL 프로그래밍과 같은 기술들이 높은 지수 값을 보여 자동화에 대한 노출도가 높다는 것을 나타냅니다.
디지털 및 정보 처리 기술은 가장 빠르게 변화하고 가장 많이 활용되는 기술 중 하나이며, 특히 프로그래밍 언어와 일상적인 데이터 입력이 그렇습니다. 다른 분야의 예로는 금융 서비스 분야의 송장 발행, 대조 및 거래 모니터링, 그리고 첨단 제조 분야의 기계 조작 및 기계적 적성 등이 있습니다.
리더십, 소통, 공감 능력에 기반한 기술은 상대적으로 덜 노출되어 있어 AI로 대체되기보다는 보완될 가능성이 더 높습니다. 의료 분야의 임상 의사 결정, 전문 서비스 분야의 협상, 교육 분야의 교수법은 AI가 보조적인 역할을 하더라도 변화가 적을 것으로 예상되는 기술 중 하나입니다.
유럽 10개국에서 공통적으로 요구되는 상위 100개 기술 중 대부분이 어느 정도 노출되어 있다는 것은 기술 변화가 광범위하게 일어날 것임을 시사합니다.
자동화는 유럽 전역에 상당한 경제적 가치를 창출할 수 있지만, 이러한 기회를 포착하려면 조직이 사람, 에이전트 및 로봇을 중심으로 업무 방식을 어떻게 재설계해야 하는지가 중요합니다. 현재 진행 중인 전환은 단순히 새로운 도구를 도입하는 것 이상의 의미를 지니며, 업무, 워크플로 및 책임의 광범위한 재편성을 시사합니다.
감사의 말씀
근로자들은 직접 작업을 수행하는 것에서 작업을 수행하는 시스템을 조율하는 것으로 전환할 것입니다. 자동화가 확산됨에 따라 가장 중요한 변화는 직무 내에서 인간의 기술이 적용되는 방식에 나타날 수 있습니다.
근로자들은 인공지능에 대한 더 높은 활용 능력을 갖춰야 할 것이며, 기업들은 인공지능 시스템과 효과적으로 협력하는 데 필요한 새로운 워크플로, 거버넌스 모델, 그리고 관련 기술에 대한 투자가 필요할 것입니다.
이번이 첫 번째 기술 혁명은 아닙니다. 이전의 변화들과 마찬가지로, 일부 역할과 활동은 쇠퇴하는 반면 다른 역할과 활동은 새롭게 부상할 가능성이 높습니다. 이러한 역할과 기술의 변화에 대비하도록 사람들을 준비시키는 것이 핵심 과제입니다.
결과는 정해져 있지 않습니다. 기업, 정책 입안자, 교육자들이 지금 내리는 선택이 인공지능 도입의 전개 방향과 노동자들의 적응 방식을 결정할 것입니다. 이러한 전환기를 효과적으로 헤쳐나가는 것은 유럽 전역의 생산성 향상과 경쟁력 유지에 매우 중요합니다.
어휘
도입: 조직 또는 노동 환경 내에서 인공지능 및 자동화 기술을 실제 업무 활동과 워크플로에 적용하는 것을 의미하며, 자동화 잠재력의 어느 정도를, 얼마나 빠르게, 그리고 얼마나 광범위하게 활용하는지를 결정합니다.
에이전트: 디지털 세계에서 작업을 수행하며, 인간의 비물리적 능력(예: 자연어 생성, 사회적 및 정서적 추론, 창의력)을 보완하거나 대체하는 기계.
AI 기반 에이전트: AI가 내장되어 있어 더욱 자율적으로 행동하고 워크플로우를 조율할 수 있는 에이전트입니다. 에이전트형 AI라고도 합니다.
AI 기반 로봇: 인공지능이 내장되어 더욱 자율적으로 행동하고 작업 흐름을 조율할 수 있는 로봇.
인공지능(AI): 소프트웨어가 전통적으로 인간의 지능을 필요로 하는 작업을 수행할 수 있는 능력으로, 잠재적으로 인간의 능력을 보완하거나 대체할 수 있습니다.
역량: 업무 활동 수행에 필요한 인간의 수행 수준을 기준으로 평가되는, 기술 적용을 뒷받침하는 신체적 또는 비신체적 능력. 비신체적 역량에는 인지적 역량(예: 자연어, 논리적 추론, 창의성, 길 찾기)과 사회적 및 정서적 역량이 포함됩니다.
생성형 AI: 비정형 데이터를 입력으로 받아 방대한 양의 다양한 데이터로 학습된 대규모 인공 신경망과 같은 기반 모델을 통해 비정형 데이터를 생성하는 AI 응용 분야.
비신체적 작업: 문제 해결, 정보 처리, 창조, 타인과의 협업 등 신체적 움직임보다는 인지적 또는 사회적/정서적 능력을 활용하는 작업.
직업: 유사한 업무나 직무 활동을 공유하는 일련의 직업으로, 요구되는 기술, 근무 환경 및 기타 자격 요건을 기준으로 설명할 수 있습니다. 본 연구에서는 미국 노동통계국에서 관리하는 공식적인 직업 분류 체계를 사용합니다. 직업은 “역할”과 동의어로 사용될 수 있으며, 고용과 혼동해서는 안 됩니다.
육체노동: 물리적인 세계와 직접적으로 상호작용하는 작업으로, 대근육 운동 능력, 소근육 운동 능력, 이동성 등과 같은 동작 기반 능력을 요구합니다. 이러한 작업에는 일반적으로 물체, 도구 또는 기계를 조작하거나 이동시키는 것, 재료를 조립하거나 배치하는 것, 그리고 인간의 힘이나 손재주에 의존하는 동작을 수행하는 것 등이 포함됩니다.
로봇: 물리적 세계에서 작업을 수행하며, 사람의 신체적 능력(즉, 대근육 운동 능력, 소근육 운동 능력 또는 이동성)을 보완하거나 대체하는 기계.
기술: 사람들이 업무 활동을 수행하기 위해 활용하는 지식, 역량 및 속성으로, 일반적으로 정규 교육, 훈련 또는 업무 경험을 통해 습득됩니다. Lightcast와 ESCO는 시장 중심의 기술 분류 시스템을 제공합니다.
기술 자동화 잠재력: 특정 수준의 기술력을 갖추었을 때 이론적으로 자동화될 수 있는 업무 시간의 비율. 우리는 유럽 10개국의 약 800개 직종에 대한 세부적인 업무 활동 분석을 통해 각 경제권의 기술 자동화 잠재력을 평가했습니다.
업무 활동: 직업의 목표를 달성하기 위해 사람들이 하는 행동을 나타내는 관찰 가능한 업무 행위. 미국에서는 O*NET에서 업무를 세부 업무 활동(DWA)으로 공식 분류합니다.
워크플로우: 정의된 목표를 향해 작업을 진행시키는 일련의 구조화된 작업 활동으로, 프로세스(예: 규칙, 종속성, 정보 흐름)에 따라 진행되며 사람과 기술이 관여합니다.
저자 소개
실뱅 요한손은 맥킨지 글로벌 인스티튜트(MGI) 이사이자 제네바 사무소의 선임 파트너이며,
아누 마드가브카르 는 맥킨지 뉴저지 사무소의 MGI 파트너,
울프 슈레이더 는 함부르크 사무소의 선임 파트너,
마리아 헤수스 라미레스 는 샌프란시스코 베이 지역 사무소의 MGI 선임 연구원, 그리고
자비에르 릭비는 오스틴 사무소의 컨설턴트입니다.
이 보고서는 MGI의 선임 편집자 제이슨 클렌필드와 선임 데이터 시각화 편집자 척 버크, 데이터 시각화 편집자 로라 M. 만두하노, 그리고 수석 디자이너 네이선 R. 윌슨이 함께 편집 및 제작했습니다.