로봇은 어떤 일을 할 수 있을까?

핵심 발견

• 이 글에서는 오늘날의 로봇이 업무를 얼마나 잘 수행할 수 있는지를 기준으로 로봇 노출 지수를 제시합니다.
• 여기서 로봇은 주변을 감지하고 스스로 행동하는 자율 물리 기계를 뜻합니다. 이런 로봇은 미국 육체노동 업무의 4분의 3, 전체 근로시간의 34%에 해당하는 업무를 수행할 수 있지만, 대부분 제한된 환경에 한정됩니다. 로봇에 노출된 노동자는 남성이고 학력이 낮으며 임금도 낮은 경우가 많습니다. 예를 들어 운전직과 물류창고 직종은 현재 나와 있는 로봇에 크게 노출되어 있습니다. 반면 간호직과 일반 수리직은 그렇지 않습니다. 오늘날의 로봇은 통제가 잘 된 환경에서도 이들 업무를 거의 해내지 못하기 때문입니다.
• 근로시간 기준으로 전체 업무의 약 80%는 로봇이나 LLM 중 어느 한쪽에 노출되어 있습니다. LLM이 할 수 없는 일을 로봇이 해내는 셈입니다. 나머지 노출되지 않은 업무는 대인 관계 비중이 매우 크거나, 오늘날의 로봇에는 없는 신체 기술이 필요한 일입니다.
• 로봇은 오늘날 대부분의 육체노동 업무를 할 수 있지만, 사람을 쓰는 것보다 훨씬 비쌉니다. 비용 면에서 경쟁력이 있는 업무는 전체의 0.3%뿐입니다. 로봇 가격이 과거 추세대로 내려간다면 이 비중이 10%에 이르기까지 40년이 걸립니다. 가격 외에도 기능, 선호, 규제 같은 요인이 로봇 자동화의 추가 장벽으로 작용합니다.
• 지난 50년간 로봇에 더 많이 노출된 직업은 다른 직업보다 임금과 고용이 더 크게 줄었습니다. 노출 정도도 커져 왔습니다. 해마다 로봇은 그전까지 하지 못하던 육체노동 업무의 약 2%씩을 새로 해낼 수 있게 됐습니다.

들어가며

대규모 언어 모델(LLM)이 발전하면서 상당수 업무를 자동화할 수 있다는 전망이 나오고 있습니다. 하지만 많은 직업은 몸을 쓰는 일입니다. AI가 경제에 미칠 영향은 일부 로봇공학에도 달려 있습니다.¹

로봇이 얼마나 빠르게 발전할지 예측하기는 어렵지만, 오늘날의 기능을 하나씩 짚어 보면 앞으로 몇 년을 내다보는 데 도움이 된다고 봅니다. 그래서 Claude로 현재 로봇이 각 업무를 얼마나 잘 수행하는지 평가해, 직업의 로봇 노출도를 측정하는 지표를 만들었습니다. 통제가 덜 된 환경에서 로봇이 더 많은 업무를 해낼 수 있을수록 그 직업은 노출도가 높습니다. 같은 업무를 사람보다 싼 비용으로 해낼 수 있으면 그 로봇은 비용 경쟁력이 있다고 봅니다.

분석 결과 로봇은 이미 미국 육체노동 업무의 74%, 전체 근로시간의 34%를 수행할 수 있습니다. 로봇과 LLM을 합치면 고용의 5분의 1만 빼고 모두 노출됩니다.

그러나 도입을 가로막는 장벽도 상당합니다. 대부분의 로봇은 고도로 구조화된 환경을 필요로 하고, 사람과 비용 면에서 경쟁할 수 있는 업무는 0.3%에 불과합니다. 로봇 가격이 과거 추세대로 내려간다면 이 비중이 겨우 10%에 이르는 데만 40년이 걸립니다. 비용 다음으로 큰 장벽은 기능입니다. 엉킨 전선을 푸는 데 필요한 손재주가 그런 예입니다. 사람들의 선호와 규제도 상당수 업무에서 로봇 도입을 더 제한합니다.

이 연구의 핵심 전제는 로봇이 이미 오늘날 해낼 수 있는 업무일수록 영향을 받을 가능성이 크다는 것입니다. 50년 치 데이터로 사후 검증을 해 보니 이 접근이 타당했습니다. 1977년 이후 기존 로봇에 더 많이 노출됐던 직업은 이후 수십 년간 임금과 고용이 감소했습니다.

과거가 참고가 된다면 택시 기사와 물류 포장 작업자는 간호사나 정비사보다 먼저 변화를 겪을 것입니다. 육체노동 자동화는 오늘날 로봇이 발판을 마련한 분야에서 먼저 일어나리라고 예상합니다.

오늘의 로봇과 내일의 로봇

오늘날 대부분의 로봇은 공장처럼 통제된 환경에서 일합니다. 사람은 작업 환경에 적응하지만, 로봇은 물리 세계와 상호작용하려면 대개 사전에 프로그래밍해야 합니다. 이것이 상업적으로 쓸 만한 로봇을 만드는 데 큰 걸림돌이었습니다.² 그런데 AI가 로봇이 주변 환경을 해석하고 대응하도록 도우면서, 물류창고 로봇과 자율주행차가 사람과 함께 움직일 수 있게 됐습니다.³

AI가 로봇의 기능을 빠르게 끌어올리리라고 보는 관측자도 많습니다.⁴ 로봇 지출은 여전히 미국 전체 설비 투자의 1% 정도지만, 기업 설문에 따르면 미국의 로봇 도입은 3년 안에 거의 두 배로 늘 수 있습니다.⁵ 기업들은 사람 수준의 신체 능력을 갖춘 AI 로봇을 개발하는 데 수십억 달러를 투자하고 있기도 합니다.⁶

이런 노력이 일자리와 생산성에 정확히 어떤 영향을 줄지는 예측하기 어렵습니다. 다만 현재 로봇이 커버하는 업무 범위를 기준으로 직업 순위를 매기면 어디에서 영향이 먼저 나타날지 가늠할 수 있습니다. 로봇은 새로운 기술이나 경우에 따라 규제 완화가 있어야 가능한 일보다, 이미 할 수 있는 일에 먼저 영향을 줄 것입니다. 또 현재의 기능은 구체적이고 측정할 수 있지만, 미래 기능을 예측하려면 어떤 기술이 성공할지에 베팅해야 합니다.⁷ 아직 개발 중인 로봇도 현재 노출도에 초점을 맞추는 방식을 뒷받침합니다. 기업들은 휴머노이드를 자동차 공장과 물류창고에서 시험하고 있는데, 두 곳 모두 로봇이 이미 흔한 구조화된 환경입니다.⁸

노출도 측정 방법

분석에는 O*NET 데이터를 사용했습니다. O*NET은 약 900개 직업과 약 19,000개 업무 설명을 연결한 데이터베이스입니다. 먼저 로봇 없이는 자동화할 수 없다고 판단되는 육체노동 업무를 추려냅니다. 이를 위해 Claude가 업무 설명을 신체적, 인지적, 대인 관계적 요건을 측정하는 평가 기준에 따라 점수화했습니다.⁹ '도랑 파기'는 육체노동 업무입니다. '무용 수강생 가르치기'도 인지적, 대인 관계적 기술이 함께 필요하긴 하지만 육체노동 업무에 속합니다. 반면 타이피스트가 손을 써서 '계산기나 가산기로 보고서, 청구서, 계산서의 합계를 계산하고 검증'하는 업무는 육체노동으로 치지 않습니다. 자세한 내용은 부록 A에, 사용한 프롬프트는 부록 F에 있습니다.

업무 단위 로봇 노출도는 "오늘날 로봇이 이 업무를 수행할 수 있는가, 할 수 있다면 어떤 환경에서인가?"를 묻습니다. 여기서 로봇은 감지하고 행동하는 자율 물리 기계를 말합니다. 차량을 스캔해 분사기를 조절하는 세차기는 로봇에 포함하고, 외과의가 전적으로 조종하는 원격 수술 기계는 제외합니다.¹⁰ 노출 정도는 로봇이 업무를 수행하는 데 필요한 작업 환경의 종류로 측정합니다.¹¹

구체적으로는 로봇이 각 업무를 수행할 수 있는 환경을 기준으로, 노출도가 높아지는 네 단계로 업무를 분류했습니다.

• E0: 로봇이 업무를 수행할 수 없음
• E1: 공장 조립 라인처럼 로봇을 위해 특별히 만든 작업 환경에서 수행 가능
• E2: 물류창고처럼 구조화된 사람의 작업 시설에서 수행 가능
• E3: 도심 도로처럼 구조화되지 않은 환경에서 수행 가능

그림 1에서도 이 평가 기준을 볼 수 있습니다.

환경 통제 수준은 단기 자동화 위험을 재는 좋은 척도라고 생각합니다. 로봇은 예측할 수 없는 환경에 적응하기 어렵기 때문에, 현재 쓰이는 로봇 대부분은 조립 라인에서 자동차에 페인트를 뿌리는 로봇처럼 설계된 환경에서 일합니다. 이런 어려움이 과거 육체노동 자동화를 더디게 했다고 여겨지지만, AI 로봇은 환경에 더 잘 적응할 수 있습니다.¹²

노출도를 판정할 때는 Claude에게 각 업무와 관련된 구체적인 로봇을 검색하고, 그 기능과 작동 환경을 평가하되 출처를 직접 인용하도록 지시했습니다. 해당 업무의 일반적인 작업 환경을 구조화 정도에 따라 여러 버전으로 나눠, 각각에서 로봇이 업무를 수행할 수 있는지 묻습니다. 식기세척기에 그릇 넣기처럼 단순해 보이는 업무도 로봇이 하려면 복잡한 신체 기술이 여럿 필요하므로, 실제로 시연된 기능만 인정합니다.¹³ 또 로봇은 신뢰성, 오류율, 속도까지 따졌을 때 사람과 비슷한 수준으로 해내야 합니다.

예컨대 2010년대 초 자율주행차는 실제 도로에서 '택시나 자가용을 운전해 승객을 이동시키는' 일을 할 수 없었습니다. 다만 테스트용으로 만든 모의 도시에서는 주행했고, 이는 오늘날 자율주행차로 가는 한 걸음이었습니다.¹⁴ 이 기준으로는 당시 승객 운송을 E1(로봇을 위해 특별히 만든 작업 환경에서 수행 가능), 지금은 E3(구조화되지 않은 환경에서 수행 가능)으로 평가합니다.¹⁵

이 기준에는 판단이 필요한 대목이 많습니다. O*NET의 업무 설명은 대체로 간결해서, 사람에게는 쉽지만 로봇에게는 어려운 세부 사항이 빠져 있는 경우가 많습니다.¹⁶ 그래서 업무를 더 구체적으로 묘사하기 위해, 오늘날 업무가 어떻게 수행되는지와 그 빈도를 보여 주는 상세한 사례를 받아냅니다. 그런 다음 Claude가 웹 검색으로 로봇의 기능을 파악해 각 사례의 노출도를 평가합니다. 인용한 출처에는 로봇의 실제 배치, 상업 판매, 시연 중 하나가 드러나야 하며, 시연에 근거한 평가를 빼도 결과는 비슷합니다. 업무의 노출도는 다수결로 정합니다. 시간 가중치를 적용했을 때 업무 사례의 절반 이상을 로봇이 해낼 수 있는 환경 가운데 가장 덜 구조화된 환경이 기준입니다.¹⁷

'도랑 파기' 업무를 보겠습니다. 먼저 Claude에게 오늘날 작업자가 이 업무를 어떻게, 얼마나 자주 수행하는지 사례를 제시하게 합니다. 예를 들어 Claude는 이 업무의 25%가 '탁 트인 땅에 직선 도랑 파기'라고 추정합니다. 또 20%는 '기존에 묻힌 배관, 유출관, 케이블, 전선관 주위를 손으로 조심스럽게 파기'입니다. 두 활동에는 서로 다른 신체 능력이 필요합니다. 직선 도랑은 이동과 힘이, 배관 주변을 손으로 파는 일은 섬세한 손놀림과 지각 능력이 필요합니다.

Claude는 유압 굴착기를 개조해 자율적으로 도랑을 파게 하는 제어 시스템을 근거로 들어 첫 번째 사례를 E3로 평가합니다.¹⁸ 오늘날 로봇은 묻힌 배관 주변을 조심스럽게 팔 수 없으므로 두 번째 사례는 E0, 즉 노출되지 않은 업무입니다. '도랑 파기'에는 직선 도랑 작업보다 조심스럽게 파는 사례가 더 많아서, 전체적으로 이 업무는 평가상 노출되지 않은 것으로 분류됩니다.

그림 2에는 업무 평가 사례와 함께, 노출도 평가용 프롬프트에 담긴 단계별 상세 설명, 각 평가를 뒷받침하는 로봇이 나와 있습니다. 각 단계가 육체노동 업무에서 차지하는 비중도 계산했습니다. 여기서도 이후에도 각 업무에는 해당 업무를 하는 노동자 수와, 이들이 그 업무에 쓰는 근로시간 비율(Claude로 추정)을 가중치로 적용합니다.¹⁹

로봇이 할 수 없는 업무(E0)는 추정 근로시간 기준으로 육체노동 업무의 약 4분의 1입니다. '도포기나 붓으로 머리 탈색, 염색, 틴트하기'는 섬세한 손놀림이, '지상 높이 구조물 조립을 위한 비계나 사다리 세우기'는 힘, 균형, 이동 능력이 필요해 로봇에게는 어려운 업무입니다.

육체노동 업무의 절반은 로봇이 특수 제작 환경에서는 할 수 있지만 더 넓은 환경에서는 하지 못하는 E1입니다. 식품 조리 로봇은 컨베이어 벨트에서 즉석식품을 포장하고, AI를 적용한 신형 모델은 재료, 분량, 트레이가 달라져도 대응할 수 있습니다. 그래서 '환자의 식단에 맞춰 식판에 음식 담기' 업무는 E1로 평가합니다.

또 다른 22%는 로봇이 구조화된 사람의 작업 공간에서 수행할 수 있는 업무(E2)입니다. 병원 배달 로봇이 '환자, 간호 스테이션, 수술실에 약이나 의약품 공급품을 전달'하는 것이 그 예입니다. 구조화되지 않은 환경(E3)에서 오늘날 로봇이 해내는 육체노동 업무는 2%뿐입니다. 이런 업무에는 운전이 많은데, 자율주행차와 트랙터 같은 차량이 맡습니다.²⁰

함께 공개한 데이터에는 평가한 모든 업무에 대한 Claude의 추론과 인용 출처가 들어 있습니다. 예를 들어 Claude는 '평면, 수직, 머리 위 자세로 부품 용접하기' 업무를 E1로 평가하면서, AI 용접 로봇을 다룬 기사를 인용합니다. "Path Robotics는 자사의 용접 셀 두 종류 모두 강철 부품을 자율적으로 용접할 수 있으며, 미국과 캐나다 전역의 제작 공장에 배치돼 있다고 밝혔다."²¹

직업별 로봇 노출 지수는 해당 직업의 업무 노출도 평가를 0~3 척도로 평균 내 구했습니다. 이 지수는 노출된 업무의 비중과 그 업무에서 로봇의 기능이 높을수록 올라가며, 업무에는 추정 근로시간을 가중치로 적용합니다.

이상적인 노출 지수라면 앞으로 몇 년간의 로봇 자동화를 정확히 예측해야 합니다. 하지만 미래를 미리 볼 수는 없으므로, 대신 직업과 업무 설명에 관한 과거 데이터로 이 지표를 검증하려 했습니다. 1977년 이후 여러 시점의 로봇 노출도를 평가하고, 이를 임금과 고용의 변화에 연결했습니다. 로봇에 더 많이 노출된 직업은 산업 추세와 다른 잠재적 교란 요인을 고려해도 이후 수십 년간 임금과 고용이 감소했습니다. 부록 B에 자세히 나온 이 결과를 보면, 이 지표로 앞으로의 일자리 교란을 예측할 수 있다고 어느 정도 확신할 수 있습니다.

로봇은 어떤 일을 할 수 있을까?

그림 3은 미국 경제의 모든 업무에 걸친 로봇 노출도를 요약한 것입니다. 각 업무에는 직업 내 업무별 시간 비율 추정치와 해당 직업의 고용을 가중치로 적용했습니다. 인지적, 대인 관계적 업무는 근로시간 기준 54%를 차지하고, 나머지 46%가 육체노동 업무입니다. 전체 업무 대비로 보면 약 12%는 오늘날 어떤 로봇도 할 수 없고(E0), 23%는 특수 제작 환경에서(E1), 10%는 구조화된 사람의 작업 공간에서(E2), 1%는 구조화되지 않은 환경에서(E3) 로봇이 할 수 있습니다. 노출 단계를 가리지 않고 합치면 육체노동의 74%, 전체 업무의 34%를 로봇이 어떤 상황에서든 해낼 수 있습니다.

로봇은 경제 곳곳에서 육체노동 업무를 해낼 수 있습니다. 물류창고의 자율 이동 로봇은 하역장과 트레일러 안까지 직접 주행합니다. 흡착 컵으로 택배 상자를 집어 이동식 컨베이어 벨트에 싣습니다.²² 이런 로봇은 구조화된 사람의 작업 공간을 돌아다니기 때문에, '수작업이나 트럭, 트랙터 등의 장비를 이용해 화물, 재고, 기타 자재를 보관 구역이나 생산 구역, 하역장, 배송 차량, 선박, 컨테이너로 또는 그곳에서 옮기기' 같은 창고 업무 상당수가 E2로 평가됩니다. 이동과 취급 기술이 발전하면서 이런 로봇은 물류와 운송 분야에서 흔해졌습니다.²³

그림 4는 로봇 노출 지수가 가장 높은 직업 10개를 보여 줍니다. 이 10개 중 9개가 차량 운전직입니다. 운전직에서 인용된 로봇으로는 자율주행 승용차, 트랙터, 트럭, 포장 장비 등이 있습니다. 택시 기사가 지수 2.2로 노출도 1위입니다.²⁴ 운전이 업무 대부분이라 근로시간 기준 중간값 업무가 E3에 해당하고, '자동차 내부를 진공청소하고 닦으며 외부를 세차하고 광내기' 같은 부수 업무는 로봇이 할 수 있지만 일반 도로보다 구조화된 환경에서 가능합니다. 자율주행차가 아직 운전직을 대규모로 뒤흔들지는 않았지만, 그 기능으로 볼 때 이들 직업은 다른 직업보다 자동화 위험이 높습니다.²⁵

한 직업이 여러 작업 환경을 아우르기도 합니다. 미국에서는 로봇이 그중 일부 환경에서만 일하는데, 해외에서는 로봇이 모든 환경을 포괄하기도 합니다. 예를 들어 재고 관리원과 주문 처리원은 소매점과 창고에서 '신규 또는 이동된 상품으로 선반, 랙, 상자, 바구니, 테이블 채우기' 업무를 합니다. 미국 창고에서는 촉각 센서를 갖춘 AI 로봇이 상품을 꺼내고 넣습니다.²⁶ 미국 소매점에서는 이동 로봇이 빈 선반을 스캔하지만, 채우는 일은 사람에게 알려야 합니다.²⁷ 일본 편의점의 로봇은 냉장고를 스스로 채웁니다.²⁸ 재고 관리 로봇은 물건을 가까이 가져다줘야 하므로 이 업무는 E1로 평가됩니다. 재고 관리원은 근무시간의 70%를 이런 E1 업무에, 16%를 E2 업무에 쓰는 것으로 추정됩니다. 종합하면 로봇 노출 지수는 1.0입니다.

업무 다수가 어느 정도 노출되어 있거나, 시간이 가장 많이 드는 업무 일부가 크게 노출되어 있으면 그 직업은 로봇에 노출될 수 있습니다. 석고보드를 마감하는 테이퍼(노출 지수 1.6)와 재활용품을 선별하는 재활용 및 자원 회수 작업자(노출 지수 1.7)를 비교해 보겠습니다.

테이퍼의 업무는 노출되지 않은 업무와 크게 노출된 업무로 갈립니다. 실내 벽을 만드는 작업자는 종이 테이프와 '머드'라는 접착제로 석고보드의 이음매, 접합부, 나사 자국을 매끈하게 메웁니다. 머드와 테이프는 다루기 지저분한 재료여서 '종이 테이프를 이음매에 눌러 붙여 밀봉제에 묻고 이음매를 밀봉하기' 업무는 로봇이 할 수 없습니다. 첫 테이프 층이 마르면 작업자는 '추가로 덧발라 구멍을 메우고 표면을 매끈하게 만'듭니다. 이 업무는 E3로 평가됩니다. 자율 석고보드 로봇이 AI로 벽을 스캔하고, 밀봉제를 추가로 뿌리고, 마른 뒤에는 벽을 샌딩하기 때문입니다.²⁹ 전체적으로 근무시간 기준 테이퍼 업무의 41%는 E3로 노출되어 있고, 26%는 로봇이 할 수 없습니다.

반면 재활용 및 자원 회수 작업자는 근무시간 기준 업무의 4분의 3 이상을 로봇이 E2 수준으로 수행할 수 있습니다. 노출되지 않은 근무시간은 8%뿐입니다. 예를 들어 컴퓨터 비전과 흡착 그리퍼를 갖춘 로봇은 '금속, 유리, 목재, 종이, 플라스틱 등의 자재를 재활용용 용기에 맞게 분류하기' 업무를 할 수 있습니다.³⁰ 이런 로봇은 컨베이어 벨트에서 재활용품을 골라내는 작업자를 대신하므로, 이 업무와 다른 업무들이 E2로 평가됩니다.

테이퍼는 특정 업무에서 로봇의 기능이 매우 높고, 재활용 작업자는 노출 범위가 넓지만 로봇의 적응력이 떨어집니다. 테이퍼의 지저분한 업무가 자동화의 병목이 될 수도 있습니다. 가장 큰 재활용 시설은 로봇을 일찍 도입하고 작은 시설은 나중에 도입할 가능성도 있습니다. 어느 쪽이든 로봇이 널리 배치되면 두 직업 모두 바뀔 공산이 큽니다.

노출된 직업의 특징

노출도 지표를 마련했으니, 이제 노출이 노동시장에 어떤 의미인지 살펴보겠습니다.

그림 5는 로봇 노출 지수 상위 20% 노동자와, 전체 일자리의 나머지 20% 정도를 차지하는 노출되지 않은 노동자를 비교합니다. 2020~2024년 미국 지역사회조사(ACS) 데이터를 보면, 노출도가 높은 노동자는 여성일 확률이 20%p 낮고 히스패닉일 확률이 16%p 높습니다. 또 학사 이상 학위를 가졌을 확률이 55%p 낮고, 시간당 약 30달러를 덜 벌며, 실업률은 두 배 넘게 높습니다.³¹

노동통계국이 집계한 직업 요건 통계에서도, 로봇에 노출된 직업은 중량물 운반이나 극심한 더위, 위험 오염물질 근처에서의 작업이 요구될 가능성이 훨씬 높습니다. 이런 노출 양상은 여러 면에서 LLM에서 흔히 나타나는 것과 정반대입니다.³²

로봇 및 LLM 노출도

다음으로 로봇이 LLM만 있을 때보다 일자리 교란 위험을 넓히는지 분석했습니다. Eloundou 외(2024)와 Massenkoff, McCrory(2026)를 참고해 두 가지 직업 노출도 지표를 비교합니다.

• LLM 노출도: LLM이 필요 시간을 절반으로 줄일 수 있는 업무의 비중(이전 연구에서는 이론적 역량이라 불렀습니다).
• LLM 및 로봇 노출도: LLM이나 로봇 중 어느 한쪽에 노출된 업무의 비중. 업무마다 LLM 노출도와 E1 이상 로봇 노출도 중 높은 쪽을 취합니다.

로봇 노출도와 LLM 노출도는 측정하는 개념이 다소 다르지만, 둘 다 기술이 해당 업무의 상당 부분을 해낼 수 있음을 나타냅니다. 실제 직업에서 LLM과 로봇을 통합하면 새로운 과제가 생기거나 새로운 역량이 열릴 수도 있습니다. 그래도 이 두 지표는 오늘날의 기능을 바탕으로 직업 노출도를 가늠하는 첫걸음이 됩니다.

그림 6은 직업 대분류별로 LLM만의 노출도(파란색)와 LLM과 로봇의 노출도(주황색)를 나타냅니다. 로봇은 LLM만 있을 때보다 더 많고 다양한 직업을 노출시킵니다. 운송 및 물자 이동 업무 중 LLM만으로 노출되는 업무는 15% 미만이지만, 로봇까지 더하면 약 90%가 노출됩니다. 마찬가지로 주로 컴퓨터 작업과 가벼운 육체 업무로 이뤄진 사무 및 행정 지원 직종도 로봇 덕분에 노출도가 거의 100%까지 올라갑니다. 전체적으로 LLM만으로는 업무의 절반 정도가 노출되지만, 로봇까지 고려하면 81%로 올라갑니다.

그렇다면 오늘날 LLM과 로봇이 할 수 없는 일은 무엇일까요? 업무의 약 40%가 노출된 개인 돌봄 및 서비스 직종을 보겠습니다. 이 직종에서는 대면 사회적 상호작용과 사람과의 신체 접촉이 중요한데, LLM과 로봇 모두 이 부분에 약합니다. 이 사례는 대인 관계 비중이 크거나 섬세한 조작이 필요한 일이 단기 자동화에 덜 취약할 수 있음을 시사합니다.³³ 설치 및 수리, 보건 의료 지원, 지역사회 및 사회 서비스 같은 직업군도 이런 양상에 들어맞으며 노출도가 상대적으로 낮습니다. 다만 오늘날 LLM과 로봇이 이런 업무를 할 수 없다 해도, 노출도가 40% 미만인 직업군은 하나도 없습니다. 기술이 발전하면 시간이 지나 새로운 유형의 자동화가 가능해질 수도 있습니다.

노출되지 않은 업무는 어떤 일이 자동화하기 어려운지 파악하는 데도 도움이 됩니다. 노출되지 않은 업무 설명 중 텍스트가 비슷한 것끼리 묶고, Claude에게 이를 설명하게 했습니다(부록 C.1). 오늘날 LLM에도 로봇에도 노출되지 않은 업무는 직접 손으로 하고 얼굴을 맞대고 하는 경우가 많고, 때로는 규제도 받습니다. '환자에게 약을 투여하고 반응이나 부작용을 관찰하기' 같은 의료 업무는 이런 특징을 함께 지닌 경우가 많습니다.

부록 C.2에서는 어떤 장벽이 육체노동 업무의 자동화를 가장 크게 가로막는지 살펴봤습니다. 노출 여부와 상관없이 각 육체노동 업무에서, 해결되지 않으면 로봇이 업무의 상당 부분을 해내지 못하게 막는 오늘날의 장벽이 무엇인지 Claude에게 물었습니다. 이를 기능, 인간의 선호, 규제, 비용의 네 범주로 묶었습니다. 기능이 한계인 업무에 대해서는 Claude가 조작, 계획 및 추론, 이동 및 힘, 지각 중 가장 중요한 부족 기술을 고르게 했습니다.

분석 결과 기능과 비용이 로봇 도입의 가장 큰 걸림돌이었습니다. 육체노동 업무의 약 70%는 기능 때문에 도입이 막혀 있습니다. 특히 조작 능력이 두드러집니다. 육체노동 업무의 절반은 로봇이 물체를 만지고 다루는 데 더 능숙해지지 않으면 대규모로 자동화되기 어렵습니다. AI가 가장 개선할 가능성이 큰 계획 및 추론 능력의 부족은 육체노동 업무의 8%에서 로봇 자동화를 제한합니다. 거의 모든 업무에서 비용도 내려가야 합니다.

추정에 따르면 오늘날의 규제로는 육체노동 업무의 14%를 로봇이 수행할 수 없습니다. 규제는 보건 의료, 보호 서비스, 교육 분야 업무에서는 중요하지만, 육체노동의 약 절반을 차지하는 음식 준비, 청소, 생산, 건설, 수리, 물자 이동 업무에서는 덜 중요합니다. 사람들의 선호는 업무의 4분의 1에서 로봇을 가로막습니다. '아이 옷 입히고 기저귀 갈기'처럼 사람들이 로봇을 믿지 않을 수도 있고, '손님을 맞이해 자리로 안내하고 메뉴와 와인 리스트 건네기'처럼 사회적 교류를 중시하기 때문일 수도 있습니다.

로봇의 기능이 빠르게 발전한다면 이 결과는 무엇을 뜻할까요? 육체노동 업무의 약 30%는 선호나 규제 중 한쪽에 막혀 있습니다. 그래도 로봇이 충분한 기능과 비용 효율을 갖추면 대부분의 육체노동은 노출됩니다. 다만 나머지 업무는 약한 고리가 되어 전체 생산성 향상 속도를 끌어내릴 수 있습니다. 기능이 고르지 않게 발전해도 도입이 늦어질 수 있습니다. 로봇이 똑똑해져도 사람처럼 물체를 다루지 못하는 경우가 그렇습니다. 한편 더 나은 로봇이 안전 우려를 덜어 주는 등 자동화에 대한 저항을 줄일 수도 있습니다. 이제 이 추정에서 가장 흔한 장벽인 로봇 비용을 살펴보겠습니다.

로봇 비용과 도입

로봇이 오늘날 대부분의 육체노동을 할 수 있다 해도, 경제성이 없을 수 있습니다. 값비싼 하드웨어로 만든 로봇은 소프트웨어나 LLM처럼 쉽게 복제하고 보급할 수 없습니다. 기능만 평가하고 비용은 따지지 않는 LLM 노출도 지표와 달리, 비용 경쟁력이 있는 로봇에 노출된 직업을 구분하는 일이 특히 중요합니다.³⁴

노출된 업무마다, 업무 노출도 측정에서 인용한 구체적인 로봇을 바탕으로 로봇이 그 업무를 수행하는 데 드는 연간 비용을 추정했습니다. Claude에게 웹 검색과 업무별 인용 로봇 목록을 활용해 비용을 추정하게 했습니다. E1 업무를 자동화하려면 로봇에 맞게 작업장을 재설계해야 할 수 있고, E3 업무를 하는 로봇은 구조화되지 않은 환경을 돌아다니기 위해 값비싼 센서를 쓸 수 있습니다.

추정치에는 업무 수행을 위해 로봇을 배치하는 데 드는 전체 비용이 들어 있습니다.³⁵ 로봇 비용과 인건비를 비교할 수 있게, 먼저 Claude에게 사람 노동자가 한 업무에서 1년에 보통 얼마나 생산하는지 추정하게 했습니다. 예를 들어 '반죽을 밀고, 치대고, 자르고, 모양 만들기'를 하는 제빵사는 연간 18만 개의 성형물을 만드는 것으로 추정됩니다. 그런 다음 Claude는 로봇이 같은 생산량을 내는 데 드는 비용을 추정합니다. 제빵사는 이 업무를 다양한 환경에서 하므로, Claude는 소매 베이커리, 중형 베이커리, 산업용 베이커리의 로봇 배치 비용을 평균 냈습니다. 고정비는 하드웨어 수명과 화폐의 시간 가치를 반영해 연 단위로 환산했습니다.

이렇게 계산하면 로봇이 업무를 하는 비용을 노동자 보수와 비교할 수 있습니다. 로봇 비용이 인건비보다 낮으면 그 업무는 비용 경쟁력 있는 로봇에 노출된 것으로 봅니다. 인건비는 BLS의 해당 직업 총보수에 그 업무에 쓰는 시간 비율을 곱해 계산합니다.³⁶ 표준 경제 모형은 이런 업무가 자동화되리라 예측하지만, 도입 마찰과 비용의 불확실성을 고려하면 이 지표는 시사하는 바가 큰 정도로 봐야 합니다.³⁷ 로봇의 업무별 비용 계산 방법과 예시는 부록 D.1을 참고하세요.

로봇은 여러 업무를 함께 수행하는 경우가 많지만, 비용은 직업 내 개별 업무 단위로 추정했습니다. 업무별 비용을 단순히 합산하면 실제 배치에서는 로봇을 이중으로 계산하거나 조율 비용을 과소평가할 수 있습니다. 그래서 직업 단위로 통합해, Claude에게 업무별 비용 추정치를 주고 중복을 제거하고 추가 요소를 반영한 총비용을 구하게 했습니다. 이 로봇 총비용이 해당 직업의 총보수에 로봇이 할 수 있는 업무에 쓰는 시간 비율을 곱한 값보다 낮으면, 그 직업은 비용 경쟁력 있는 로봇에 노출된 것으로 봅니다.³⁸

그림 7은 육체노동 비중이 큰 직업 5개와, 로봇이 이들의 노출된 업무를 수행하는 데 드는 비용 추정치를 보여 줍니다. 포장 작업자는 비용 경쟁력 있는 로봇에 노출된 직업 중 규모가 가장 큽니다. 포장 작업자의 업무를 하려면 용기 포장, 창고 내 자재 이동, 제품 육안 검사, 골판지 상자 조립, 라벨 인쇄 및 부착, 포장 밀봉을 맡는 로봇 등 여러 대가 필요합니다.³⁹ 이 로봇들은 구매와 설치에 200만 달러가 넘게 들지만, 노동자 약 14명의 연간 업무를 대체합니다. 고정비는 약 10년의 사용 수명과 8%의 자본비용을 적용해 분산했습니다. 유지보수, 시간제 인력 감독, 에너지 같은 운영비를 더하면 노동자 1명의 연간 업무를 대체하는 데 드는 연간 비용은 약 4만 5천 달러입니다. 포장 작업자는 근무시간의 97%를 로봇이 할 수 있는 업무에 쓰고 비용은 약 4만 9천 달러이므로, 로봇이 그 일을 하는 편이 연간 약 2,500달러 저렴합니다.

현재 미국에는 포장 작업자가 약 56만 명 일하고 있습니다. 기업은 규제나 차입 한도 같은 도입 마찰에 직면하고, 이 비용 추정치도 대략적인 값입니다. 예를 들어 로보택시는 택시 기사보다 비용이 약 7,000달러밖에 더 들지 않는 것으로 추정되지만 규제 장벽에 부딪힙니다.⁴⁰ 그래도 비용 경쟁력 있는 로봇이 할 수 있는 육체노동 직업은 자동화 위험이 더 클 가능성이 높습니다. 포장 작업자의 고용은 2015년 이후 22% 감소했습니다. BLS는 이 직업이 2035년까지 감소하는 일자리 수가 교정직 공무원과 판매, 사무 직종 9개에 이어 전체 11위가 되리라 전망합니다.⁴¹

그림 7의 나머지 직업에서는 로봇이 업무 대부분을 할 수 있어도 사람보다 비용이 훨씬 많이 듭니다. 금속 가공에서는 카메라와 AI를 갖춘 로봇이 자율적으로 용접할 수 있습니다.⁴² 하지만 사람 용접공은 용접을 가능하게 하는 여러 업무도 맡습니다. 큰 금속 부품 위치 잡기, 사다리를 올라 닿기 어려운 접합부 용접하기, 품질 점검하기, 자재를 갈고 마감하기 같은 일입니다. 이 일을 자동화하려면 로봇 여러 대가 필요한데, 합친 비용이 사람 용접공의 약 5배에 이릅니다.

접시닦이와 청소원은 용접공보다 보수가 2만 5천~3만 달러 적습니다. 그런데도 이들을 대체하는 로봇은 여전히 몇 배나 비쌉니다. 청소는 표준화하고 간소화하기 어렵고, 청소 로봇은 사람보다 느리고 특정 업무로 한정되는 경우가 많습니다.⁴³

그림 8은 로봇 비용이 일률적으로 하락한다고 가정했을 때 비용 경쟁력 있는 로봇에 노출되는 정도를 그려 로봇 비용을 요약합니다. 예를 들어 로봇 비용이 지금보다 20% 싸다면, 노동자 280만 명이 하는 육체노동에서 로봇이 비용 경쟁력을 갖게 됩니다. 이 노동자들은 평균적으로 근무시간의 42%를 로봇에 노출된 업무에 쓰며, 이는 경제 전체 근로시간의 0.8%입니다. 참고로 산업계와 정부 데이터를 보면 로봇 가격은 1990년대 이후 매년 약 3%씩 내려왔습니다. 이 속도라면 비용이 20% 하락하는 데 약 7년이 걸립니다. 과거 로봇 가격 데이터는 부록 E에서 더 자세히 다룹니다.

로봇은 이론상 전체 근로시간의 34%에 해당하는 업무를 할 수 있지만, 오늘날 비용 경쟁력이 있는 업무는 0.3%뿐입니다. 그래도 여기에는 업무의 95%를 로봇이 할 수 있는 노동자 약 30만 명이 포함됩니다.⁴⁴ 그림 7에서 봤듯이 오늘날 로봇은 포장 작업자와 택시 기사에게는 비용 경쟁력이 있거나 그에 가깝지만, 나머지 대부분의 직업에서는 거리가 멉니다.

오늘날 사람이 하는 일의 10%에서 로봇이 비용 경쟁력을 가지려면 비용이 약 70% 내려가야 합니다. 연 3%씩 하락한다면 약 40년이 걸립니다. 그렇더라도 휴머노이드처럼 기능이 더 좋은 새 로봇이나 새로운 제조 공정이 인간 노동 자동화 비용을 끌어내릴 가능성은 있습니다. 휴머노이드 같은 로봇에 대한 수요가 강하면 전 세계 생산량이 빠르게 늘 수 있다는 보도도 있습니다.⁴⁵

사람과 로봇의 비용이 같아진다고 해서 반드시 실업이 크게 늘거나 경제가 빠르게 성장하는 것은 아닙니다. 노동자가 여전히 맡는 업무가 병목이 될 수 있고, 이 로봇 비용 추정치에도 사람의 감독, 예외 처리, 수리 업무가 자주 포함되어 있습니다. Acemoglu와 Restrepo(2019), Jones와 Tonetti(2026)가 강조했듯, 자동화가 생산성을 높이는 것은 비용이 같아지는 시점이 아니라 기계가 사람보다 훨씬 싸진 뒤입니다.

이 비용 추정치는 두 가지 확장 분석에 활용했습니다. 부록 D.2에서는 로봇이 무엇을 할 수 있는지와 얼마나 싸게 할 수 있는지를 함께 고려한 대안적 직업 노출 지표를 계산합니다. 비용을 반영해도 기능 중심의 주 지표와 직업 순위가 매우 비슷하게 나옵니다(순위 상관계수 0.95).

부록 E에서는 로봇이 더 저렴하고 생산적으로 발전할 경우의 로봇 도입 시나리오도 제시합니다. 이 시나리오는 1990년대 이후 산업용 로봇의 혁신과 도입 사례, 그리고 휴머노이드에 대한 애널리스트 전망을 바탕으로 합니다. 업무와 임금은 고정한 채, 과거의 비용 하락 속도와 기능 향상 속도로 로봇이 얼마나 빨리 비용 경쟁력을 갖게 되는지 살펴봅니다.

로봇이 시간이 지나며 새로운 일을 맡는 과정을 모델링하기 위해, 1977년의 업무에 오늘날의 로봇을 적용해 노출도를 평가하고 1977년 당시의 로봇 노출도와 비교했습니다. 1977년에는 로봇이 육체노동 업무의 62%를 할 수 없었습니다. 오늘날의 로봇은 같은 업무 중 24%만 빼고 모두 해낼 수 있습니다. 시간으로 환산하면 로봇은 해마다 그전에 못 하던 업무의 2%씩을 할 수 있게 된 셈입니다(부록 B.4 참고).

여기에 연 3%의 비용 하락을 더하면, 오늘날 육체노동의 절반에서 로봇이 비용 경쟁력을 갖추는 시점은 2085년입니다. 하지만 로봇공학이 빠르게 발전하면 이 일정이 앞당겨질 수 있습니다. 품질을 반영한 비용이 최대 4배 빠르게 떨어지고 로봇이 새 업무를 2배 빠르게 익히는 빠른 도입 시나리오에서는, 2050년에 육체노동의 절반에서 로봇이 비용 경쟁력을 갖춥니다. 그래도 오늘날 육체노동의 90%를 자동화하려면 53년이 걸립니다.

한 가지 단서는, 이 시나리오가 모든 업무에 같은 비용 하락과 기능 향상을 적용하기 때문에 업무들이 지금의 '노동자 보수 대비 비용' 순위대로 비용 경쟁력을 갖게 된다는 점입니다. 이 순위는 폭넓은 경제적 유인을 반영하지만, 로봇 기업은 다른 이유로 특정 기능을 먼저 겨냥할 수도 있습니다. 예컨대 휴머노이드 시연에서는 집안일을 보여 주는 경우가 있고, 로봇 제조사는 AI 기업이 코딩 에이전트를 우선시했듯 자사 운영에 유용한 공장 업무를 우선시할 수도 있습니다.⁴⁶

결국 육체노동을 빠르게 자동화하려면, 로봇이 앞으로 수십 년간 사상 최고 수준의 가격 하락과 품질 향상을 이어 가야 합니다. 그렇더라도 이 비용 전망은 선호와 규제 같은 요인, 임금 하락 같은 피드백 효과를 제외했으므로 일자리에 미칠 영향은 더 불확실합니다.

논의

이 글에서는 직업의 로봇 노출도를 재는 새로운 지표를 소개했습니다. 로봇이 어떤 직업의 업무를 수행할 수 있으면 그 직업은 노출된 것입니다. 공장 로봇처럼 작업장을 새로 지어야 하는 로봇보다, 사람처럼 일하는 로봇이 노출도에 더 크게 반영됩니다.

자율주행차 덕분에 운전직의 노출도가 가장 높게 나타났습니다. 오늘날 대부분의 로봇은 무인 자동차와 달리 통제된 환경에서만 작동합니다. 그럼에도 로봇은 대부분의 육체노동을 어느 정도는 해낼 수 있지만, 같은 일을 하는 비용은 사람의 몇 배에 이릅니다. 로봇에 노출된 직업은 LLM에 노출된 직업과 상당히 다릅니다. 보수가 더 낮고 신체적으로 더 힘든 직업입니다.

AI가 로봇의 역량을 넓혀 가는 가운데, 이 지표들이 육체노동 자동화를 분석하는 데 도움이 되기를 바랍니다. 오늘의 노출 양상은 앞으로 더 뛰어난 로봇이 어떤 직업을 뒤흔들지 가늠하는 단서가 될 수 있습니다. 이 연구를 주기적으로 업데이트하면 로봇 기능의 변화도 추적할 수 있습니다.

이 노출도 척도는 오늘날의 로봇이 이미 일부 환경에서 해내는 직업일수록 위험이 크다는 생각에 기반합니다. 이런 식의 로봇 평가가 과거 노동시장에 미친 영향을 예측한다는 것도 확인했습니다. 하지만 AI 로봇은 이 척도를 뛰어넘어 지금은 못 하는 일을 해낼 수도 있습니다. 예를 들어 사다리를 오르거나 팔과 그리퍼를 더 능숙하게 쓰는 법을 익히는 식입니다.

로봇과 AI가 경제를 어떻게 바꿔 놓을지는 아직 불확실한 부분이 많습니다. AI 성장 전망은 흔히 물리적 병목이 인지 노동 자동화의 성과를 깎아먹을 것이라고 가정하는데, 로봇이 이 병목을 풀어 줄 수도 있습니다. 또 로봇 없이 AI가 육체노동에 미칠 영향, 예컨대 공장 기계의 정비 시점을 더 정확하게 예측하는 식의 효과는 이번 분석에서 다루지 않았습니다. 가까운 시일에는 운전기사나 물류 포장 작업자처럼 노출도가 높은 직업을 지켜보면서 AI가 일으킬 변화의 초기 신호를 포착할 수 있을 것입니다. 더 먼 미래에는 일 자체가 어떻게 달라질지가 핵심 질문입니다. 로봇과 AI가 발전할수록 일이 더 사회적이고 대인 관계 중심으로 바뀔 수도 있습니다.

부록

여기에서 볼 수 있습니다.

저자

Russell Legate-Yang, Maxim Massenkoff

감사의 말

James Akl, Tess Cotter, Sholto Douglas, Adam Farina, Megan Giacobetti, Ryan Heller, Johannes Hermle, Zoë Hitzig, Ben Jones, Chad Jones, Anton Korinek, Jan Leike, Eva Lyubich, Peter McCrory, Kerry Persen, Sarah Pollack, Santi Ruiz, Szymon Sacher, Monika Tuchowska, Zhengdong Wang, Heather Whitney, Nathan Wilmers, Kim Withee

인용

인용 시 아래 형식을 사용해 주세요.

@online{legateyang2026robots,
 author = {Legate-Yang, Russell and Massenkoff, Maxim},
 title = {What work can robots do?},
 date = {2026-09-30},
 year = {2026},
 url = {https://www.anthropic.com/research/what-work-can-robots-do}
}

참고문헌

Abraham, Katharine G. and James R. Spletzer, "Are the New Jobs Good Jobs?," in Katharine G. Abraham, James R. Spletzer, and Michael J. Harper, eds., Labor in the New Economy, University of Chicago Press, 2010, 101-143.

Acemoglu, Daron and David Autor, "Skills, Tasks and Technologies: Implications for Employment and Earnings," in Handbook of Labor Economics, Vol. 4B, Elsevier, 2011, 1043-1171.

Acemoglu, Daron, David Autor, David Dorn, Gordon H. Hanson, and Brendan Price, "Import Competition and the Great US Employment Sag of the 2000s," Journal of Labor Economics, 2016, 34 (S1), S141-S198.

Acemoglu, Daron, Andrea Manera, and Pascual Restrepo, "Does the US Tax Code Favor Automation?," Brookings Papers on Economic Activity, Spring 2020, 231-300.

Acemoglu, Daron and Pascual Restrepo, "The Race between Man and Machine: Implications of Technology for Growth, Factor Shares, and Employment," American Economic Review, 2018, 108 (6), 1488-1542.

Acemoglu, Daron and Pascual Restrepo, "Automation and New Tasks: How Technology Displaces and Reinstates Labor," Journal of Economic Perspectives, 2019, 33 (2), 3-30.

Acemoglu, Daron and Pascual Restrepo, "Robots and Jobs: Evidence from US Labor Markets," Journal of Political Economy, 2020, 128 (6), 2188-2244.

Acemoglu, Daron and Pascual Restrepo, "Tasks, Automation, and the Rise in U.S. Wage Inequality," Econometrica, 2022, 90 (5), 1973-2016.

Agaskar, Ameya, Sriram Siva, William Pickering, Kyle O'Brien, Charles Kekeh, Alexandre Ormiga Galvao Barbosa, Ang Li, Brianna Gallo Sarker, Alicia Chua, Mayur Nemade, Charun Thattai, Jiaming Di, Isaac Iyengar, Ramya Dharoor, Dino Kirouani, Jimmy Erskine, Tamir Hegazy, Scott Niekum, Usman A. Khan, Federico Pecora, and Joseph W. Durham, "DeepFleet: Multi-Agent Foundation Models for Mobile Robots," arXiv:2508.08574, 2025.

Aghion, Philippe, Benjamin F. Jones, and Charles I. Jones, "Artificial Intelligence and Economic Growth," in Ajay Agrawal, Joshua Gans, and Avi Goldfarb, eds., The Economics of Artificial Intelligence: An Agenda, University of Chicago Press, 2019, 237-282.

Airbus, "Airbus Concludes ATTOL with Fully Autonomous Flight Tests," press release, June 29, 2020. https://www.airbus.com/en/newsroom/press-releases/2020-06-airbus-concludes-attol-with-fully-autonomous-flight-tests

Airbus, "Airbus Tests New Technologies to Enhance Pilot Assistance," press release, January 12, 2023. https://www.airbus.com/en/newsroom/press-releases/2023-01-airbus-tests-new-technologies-to-enhance-pilot-assistance

Amazon, "Introducing Vulcan: Amazon's First Robot with a Sense of Touch," About Amazon, May 7, 2025. https://www.aboutamazon.com/news/operations/amazon-vulcan-robot-pick-stow-touch

Andreassen, Dag, "A Robotic Success from Jæren," The Norwegian Museum of Science and Technology, September 3, 2024. https://www.tekniskmuseum.no/en/stories/a-robotic-success-from-the-fighter

Andrychowicz, Marcin, Bowen Baker, Maciek Chociej, Rafal Józefowicz, Bob McGrew, Jakub Pachocki, Arthur Petron, Matthias Plappert, Glenn Powell, Alex Ray, Jonas Schneider, Szymon Sidor, Josh Tobin, Peter Welinder, Lilian Weng, and Wojciech Zaremba, "Learning Dexterous In-Hand Manipulation," International Journal of Robotics Research, 2020, 39 (1), 3-20.

Arantes, Ana P., Nadja Bressan, Ludymila R. Borges, and Chris A. McGibbon, "Evaluation of a Novel Real-Time Adaptive Assist-as-Needed Controller for Robot-Assisted Upper Extremity Rehabilitation Following Stroke," PLOS ONE, 2023, 18 (10), e0292627.

Atalay, Enghin, Phai Phongthiengtham, Sebastian Sotelo, and Daniel Tannenbaum, "The Evolution of Work in the United States," American Economic Journal: Applied Economics, 2020, 12 (2), 1-34.

Autor, David H., "Why Are There Still So Many Jobs? The History and Future of Workplace Automation," Journal of Economic Perspectives, 2015, 29 (3), 3-30.

Autor, David, Caroline Chin, Anna Salomons, and Bryan Seegmiller, "New Frontiers: The Origins and Content of New Work, 1940-2018," Quarterly Journal of Economics, 2024, 139 (3), 1399-1465.

Autor, David H. and David Dorn, "The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market," American Economic Review, 2013, 103 (5), 1553-1597.

Autor, David H., David Dorn, and Gordon H. Hanson, "The China Syndrome: Local Labor Market Effects of Import Competition in the United States," American Economic Review, 2013, 103 (6), 2121-2168.

Autor, David H., Lawrence F. Katz, and Alan B. Krueger, "Computing Inequality: Have Computers Changed the Labor Market?," Quarterly Journal of Economics, 1998, 113 (4), 1169-1213.

Autor, David H., Frank Levy, and Richard J. Murnane, "The Skill Content of Recent Technological Change: An Empirical Exploration," Quarterly Journal of Economics, 2003, 118 (4), 1279-1333.

Autor, David, David Mindell, and Elisabeth Reynolds, "The Work of the Future: Building Better Jobs in an Age of Intelligent Machines," MIT Task Force on the Work of the Future, 2020.

Autor, David H. and Neil Thompson, "Expertise," Journal of the European Economic Association, 2025, 23 (4), 1203-1271.

Badger Technologies, "Badger Technologies and Stop & Shop Stores Upgrade Marty the Robot at 300+ Locations to Improve Customer Shopping Experiences," press release, September 18, 2023. https://www.badger-technologies.com/news/press-releases/stop-and-shop-upgrade-marty-the-robot.html

Bank of America, "Humanoid Robots 101," BofA Global Research, April 29, 2025.

Bank of Japan, "Producer Price Index, 2020 Base: Robots [PRCG20_2201350029]," Time-Series Data Search, 2026. https://www.stat-search.boj.or.jp/

Baptista, Eduardo, Ju-min Park, and Laurie Chen, "Robots Poised for 'ChatGPT Moment,' Unitree CEO Says," Reuters, August 20, 2026. https://www.reuters.com/world/asia-pacific/robots-poised-chatgpt-moment-unitree-ceo-says-2026-08-20/

Billard, Aude and Danica Kragic, "Trends and Challenges in Robot Manipulation," Science, 2019, 364 (6446), eaat8414.

Binder, Damon, "AGI Will Set Off an Industrial Explosion," AI Frontiers, August 11, 2026. https://ai-frontiers.org/articles/agi-will-set-off-an-industrial-explosion

Bishop, Todd, "Amazon Tops 1 Million Robots: Here's What They Do," GeekWire, July 1, 2025. https://www.geekwire.com/2025/amazons-robot-workforce-hits-1-million-heres-what-they-all-do/

BMW Group, "BMW Group Advances the Use of Physical AI in Production with Figure 03 Project in Spartanburg," press release, June 25, 2026. https://www.press.bmwgroup.com/global/article/detail/T0458778EN/bmw-group-advances-the-use-of-physical-ai-in-production-with-figure-03-project-in-spartanburg?language=en

Boston Consulting Group, "The Robotics Revolution: The Next Great Leap in Manufacturing," report, September 2015. https://www.bcg.com/publications/2015/lean-manufacturing-innovation-robotics-revolution-next-great-leap-manufacturing

Boston Dynamics, "Stretch," product page, 2026. https://bostondynamics.com/products/stretch/

Brooks, Rodney, "Why Today's Humanoids Won't Learn Dexterity," rodneybrooks.com, September 26, 2025. https://rodneybrooks.com/why-todays-humanoids-wont-learn-dexterity/

Built Robotics, "The World's First Fully Autonomous Trenching Solution," Exosystem product page, 2026. https://www.builtrobotics.com/solutions/trenching

Canvas, "Drywall Finishing Robot," product page, JLG Industries, 2026. https://www.jlg.com/en/canvas

Cazzaniga, Mauro, Florence Jaumotte, Longji Li, Giovanni Melina, Augustus J. Panton, Carlo Pizzinelli, Emma J. Rockall, and Marina Mendes Tavares, "Gen-AI: Artificial Intelligence and the Future of Work," IMF Staff Discussion Note SDN/2024/001, 2024.

Chaparro-Rico, Betsy D. M., Daniele Cafolla, Paolo Tortola, and Giuseppe Galardi, "Assessing Stiffness, Joint Torque and ROM for Paretic and Non-Paretic Lower Limbs during the Subacute Phase of Stroke Using Lokomat Tools," Applied Sciences, 2020, 10 (18), 6168.

Chen, Jiafeng and Jonathan Roth, "Logs with Zeros? Some Problems and Solutions," Quarterly Journal of Economics, 2024, 139 (2), 891-936.

Cleveland Clinic, "da Vinci Robotic Surgery," Health Library, last updated April 29, 2025. https://my.clevelandclinic.org/health/treatments/16908-da-vinci-surgery

Cockburn, Iain M., Rebecca Henderson, and Scott Stern, "The Impact of Artificial Intelligence on Innovation: An Exploratory Analysis," in Ajay Agrawal, Joshua Gans, and Avi Goldfarb, eds., The Economics of Artificial Intelligence: An Agenda, University of Chicago Press, 2019, 115-146.

Code of Federal Regulations, "Composition of Flight Crew," 14 CFR 121.385, retrieved September 21, 2026. https://www.ecfr.gov/current/title-14/section-121.385

CORDIS, "Automated System for Packaging Fresh Meat with Reduced Waste/Giveaway, Processing Time, Human Involvement and Contamination (AUTOMEATIC)," European Commission, grant agreement 775913, periodic reporting summary, 2018. https://cordis.europa.eu/project/id/775913

Counterpoint Research, "Global Humanoid Robot Shipments Soar Nearly 300% YoY in H1 2026, Driven by Commercial Deployments," August 20, 2026. https://counterpointresearch.com/en/insights/global-humanoid-robot-shipments-soar-nearly-300-percent-yoy-in-h1-2026

Davidson, Tom and Rose Hadshar, "The Industrial Explosion," Forethought Research, May 2025. https://www.forethought.org/research/the-industrial-explosion

Davidson, Tom, Basil Halperin, Thomas Houlden, and Anton Korinek, "When Does Automating Research Produce Explosive Growth?," EconTAI Working Paper, January 2026. https://www.econtai.org/research/AutomatingAIResearch.pdf

Deming, David J., "The Growing Importance of Social Skills in the Labor Market," Quarterly Journal of Economics, 2017, 132 (4), 1593-1640.

Denain, Jean-Stanislas and Yann Rivière, "How Fast Could Robot Production Scale Up?," Epoch AI, April 2026. https://epoch.ai/publications/how-fast-could-robot-production-scale-up

Drankhan, Holly, "Developments in Robotic Teat Sprayers Cut Costs and Labor," Progressive Dairy, September 30, 2016. https://www.agproud.com/articles/28362-developments-in-robotic-teat-sprayers-cut-costs-and-labor

Dürr Group, "See and Drive Perfectly with x-light and x-wheel," duerrmore magazine, November 13, 2018. https://www.durr-group.com/en/duerrmore/2019/autonomous-driving/x-light-and-x-wheel

Eloundou, Tyna, Sam Manning, Pamela Mishkin, and Daniel Rock, "GPTs are GPTs: Labor Market Impact Potential of LLMs," Science, 2024, 384 (6702), 1306-1308.

Epiroc, "Autonomous Material Handling: A Crucial Step Toward the Mine of the Future," customer story, April 17, 2024. https://www.epiroc.com/en-me/customer-stories/2024/autonomous-material-handling-a-crucial-step-toward-the-mine-of-the-future

Ewing, Jack, "Robots That Walk and Talk Are Coming to Car Factories," The New York Times, August 11, 2026. https://www.nytimes.com/2026/08/11/business/humanoid-robots-car-factories.html

Fabrico, "Maintenance Cost as Percent of RAV: The Benchmark That Cuts Through Excuses," blog, June 26, 2026. https://www.fabrico.io/blog/maintenance-cost-as-percent-of-rav/

Federal Aviation Administration (FAA), "Safety Framework for Aircraft Automation," September 2025. https://www.faa.gov/aircraft/air_cert/step/safety_framework_aircraft_automation

Fine, Sidney A., "A Structure of Worker Functions," Personnel and Guidance Journal, 1955, 34 (2), 66-73.

Fine, Sidney A. and Wretha W. Wiley, An Introduction to Functional Job Analysis, Kalamazoo, MI: W.E. Upjohn Institute for Employment Research, 1971.

Firoozi, Roya, Johnathan Tucker, Stephen Tian, Anirudha Majumdar, Jiankai Sun, Weiyu Liu, Yuke Zhu, Shuran Song, Ashish Kapoor, Karol Hausman, Brian Ichter, Danny Driess, Jiajun Wu, Cewu Lu, and Mac Schwager, "Foundation Models in Robotics: Applications, Challenges, and the Future," International Journal of Robotics Research, 2025, 44 (5), 701-739.

Fori Automation, "Toe Tool Systems," product page, 2025. https://foriauto.com/our-products/end-of-line/alignment-systems/wheel-alignment-systems/toe-tool-systems

Frey, Carl Benedikt and Michael A. Osborne, "The Future of Employment: How Susceptible Are Jobs to Computerisation?," Technological Forecasting and Social Change, 2017, 114, 254-280.

Friedel, William C., Jr., Thomas S. Bettencourt, and Daniel L. Freeman, "Tomato Harvesting Employing Electronic Sorting," U.S. Patent 4,033,099, issued July 5, 1977. https://patents.google.com/patent/US4033099A/en

Friedel, William C., Jr. and Charles F. Dietz, "Tomato Harvesting Sorting System," U.S. Patent 4,118,311, issued October 3, 1978. https://patents.google.com/patent/US4118311A/en

Goldman, Sharon, "A Year Ago, Nvidia's Jensen Huang Said the 'ChatGPT Moment' for Robotics Was Around the Corner. Now He Says It's 'Nearly Here.' But Is It?," Fortune, January 6, 2026. https://fortune.com/2026/01/06/nvidia-jensen-huang-chatgpt-moment-for-robotics/

González Huarte, Javier, Maite Ortiz de Zarate, and Aitor Ibarguren, "CAD-Based Robot Programming Solution for Wire Harness Manufacturing in Aeronautic Sector," Robotics, 2023, 12 (5), 130.

Graetz, Georg and Guy Michaels, "Robots at Work," Review of Economics and Statistics, 2018, 100 (5), 753-768.

Gridwise, "How Are Robotaxis Affecting Driver Pay in AV Cities?," blog, August 2025. https://gridwise.io/blog/how-are-robotaxis-affecting-driver-pay-in-av-cities

Hirsch, Barry T., David A. Macpherson, and William E. Even, "Union Membership, Coverage, and Earnings from the CPS" [dataset], Unionstats.com, 2026. https://unionstats.com/

Honerkamp, Paxton, "Within Uber-Waymo Split, a Key Labor Battle over AVs Is Being Waged in the Nation's Capital," CNBC, August 1, 2026. https://www.cnbc.com/2026/08/01/uber-waymo-autonomous-vehicle-regulation.html

Huffman, Wallace E., "The Status of Labor-Saving Mechanization in U.S. Fruit and Vegetable Harvesting," Choices, 2012, 27 (2). https://www.choicesmagazine.org/choices-magazine/theme-articles/immigration-and-agriculture/the-status-of-labor-saving-mechanization-in-us-fruit-and-vegetable-harvesting

Humlum, Anders, "Robot Adoption and Labor Market Dynamics," Rockwool Foundation Research Unit Study Paper 175, 2021.

Hwang, Jyh-Jing, Runsheng Xu, Hubert Lin, Wei-Chih Hung, Jingwei Ji, Kristy Choi, Di Huang, Tong He, Paul Covington, Benjamin Sapp, Yin Zhou, James Guo, Dragomir Anguelov, and Mingxing Tan, "EMMA: End-to-End Multimodal Model for Autonomous Driving," Transactions on Machine Learning Research, 2025.

Ibarz, Julian, Jie Tan, Chelsea Finn, Mrinal Kalakrishnan, Peter Pastor, and Sergey Levine, "How to Train Your Robot with Deep Reinforcement Learning: Lessons We Have Learned," International Journal of Robotics Research, 2021, 40 (4-5), 698-721.

Ingenia, "Fruit-Picking Robots," Issue 93, December 2022. https://www.ingenia.org.uk/articles/fruit-picking-robots/

International Organization for Standardization (ISO), "Robotics — Vocabulary," ISO 8373:2021, Geneva, 2021.

Jarrett, Cosette, "12 Cool Facts About the AI-Powered Robots That Help Deliver Your Amazon Packages," About Amazon, December 11, 2023. https://www.aboutamazon.com/news/operations/amazon-robotics-cool-facts

Jones, Charles I. and Christopher Tonetti, "Past Automation and Future A.I.: How Weak Links Tame the Growth Explosion," working paper, Stanford University, 2026. https://web.stanford.edu/~chadj/JonesTonetti_Automation.pdf

Jurkat, Anne, Rainer Klump, and Florian Schneider, "Tracking the Rise of Robots: A Survey of the IFR Database and its Applications," MPRA Paper 111812, Munich Personal RePEc Archive, October 2021. https://mpra.ub.uni-muenchen.de/111812/

Katz, Lawrence F. and Kevin M. Murphy, "Changes in Relative Wages, 1963-1987: Supply and Demand Factors," Quarterly Journal of Economics, 1992, 107 (1), 35-78.

Kawasaki Robotics, "At the Forefront of FRP Automation: Spray-Up and Cutting Process Innovations Pioneered by KADO × IEC," case study, 2026. https://kawasakirobotics.com/case-studies/at-the-forefront-of-frp-automation-spray-up-and-cutting-process-innovations-pioneered-by-kado-x-iec/

Kemp, Charles C., Aaron Edsinger, and Eduardo Torres-Jara, "Challenges for Robot Manipulation in Human Environments," IEEE Robotics & Automation Magazine, 2007, 14 (1), 20-29.

Kim, Moo Jin, Karl Pertsch, Siddharth Karamcheti, Ted Xiao, Ashwin Balakrishna, Suraj Nair, Rafael Rafailov, Ethan P. Foster, Pannag R. Sanketi, Quan Vuong, Thomas Kollar, Benjamin Burchfiel, Russ Tedrake, Dorsa Sadigh, Sergey Levine, Percy Liang, and Chelsea Finn, "OpenVLA: An Open-Source Vision-Language-Action Model," in Proceedings of the 8th Conference on Robot Learning (CoRL 2024), Proceedings of Machine Learning Research, 2025, 270, 2679-2713.

Kober, Jens, J. Andrew Bagnell, and Jan Peters, "Reinforcement Learning in Robotics: A Survey," International Journal of Robotics Research, 2013, 32 (11), 1238-1274.

Kogan, Leonid, Dimitris Papanikolaou, Lawrence D. W. Schmidt, and Bryan Seegmiller, "Technology and Labor Displacement: Evidence from Linking Patents with Worker-Level Data," NBER Working Paper 31846, 2023.

Kroemer, Oliver, Scott Niekum, and George Konidaris, "A Review of Robot Learning for Manipulation: Challenges, Representations, and Algorithms," Journal of Machine Learning Research, 2021, 22 (30), 1-82.

Link, Albert N., Zachary T. Oliver, and Alan C. O'Connor, "Economic Analysis of Technology Infrastructure Needs for Advanced Manufacturing: Advanced Robotics and Automation," NIST GCR 16-005, National Institute of Standards and Technology, August 2016. https://doi.org/10.6028/NIST.GCR.16-005

Lise, Jeremy and Fabien Postel-Vinay, "Multidimensional Skills, Sorting, and Human Capital Accumulation," American Economic Review, 2020, 110 (8), 2328-2376.

Ludwig, Jens, Sendhil Mullainathan, and Ashesh Rambachan, "Large Language Models: An Applied Econometric Framework," NBER Working Paper 33344, 2025.

Lung, Natalie, "New York's Robotaxi Plan Pulled in Setback to Waymo Expansion," Bloomberg News, February 19, 2026. https://www.bloomberg.com/news/articles/2026-02-19/new-york-s-robotaxi-plan-pulled-in-setback-to-waymo-expansion

Madrigal, Alexis C., "Inside Waymo's Secret World for Training Self-Driving Cars," The Atlantic, August 23, 2017. https://www.theatlantic.com/technology/archive/2017/08/inside-waymos-secret-testing-and-simulation-facilities/537648/

Mason, Matthew T., "Toward Robotic Manipulation," Annual Review of Control, Robotics, and Autonomous Systems, 2018, 1, 1-28.

Massenkoff, Maxim and Peter McCrory, "Labor Market Impacts of AI: A New Measure and Early Evidence," Anthropic, March 5, 2026. https://www.anthropic.com/research/labor-market-impacts

Mayekawa, "Deboning Machines," product page, 2026a. https://mayekawa.com/products/deboning_machines/

Mayekawa, "Reducing Workloads with Reliable Deboning Technology and Stabilizing Production to Meet Market Demands for Pork," With Mayekawa, 2026b (undated; retrieved September 29, 2026). https://mayekawa.com/with/stories/hamdas/

McKinsey & Company, "The Future of Robotics: Intelligent, Adaptable, and on Your Team," The Next Normal, 2026. https://www.mckinsey.com/featured-insights/the-next-normal/robotics

Metzger, Jean-Claude, Olivier Lambercy, Antonella Califfi, Daria Dinacci, Claudio Petrillo, Paolo Rossi, Fabio M. Conti, and Roger Gassert, "Assessment-Driven Selection and Adaptation of Exercise Difficulty in Robot-Assisted Therapy: A Pilot Study with a Hand Rehabilitation Robot," Journal of NeuroEngineering and Rehabilitation, 2014, 11, 154.

Moravec, Hans, Mind Children: The Future of Robot and Human Intelligence, Cambridge, MA: Harvard University Press, 1988.

Morgan Stanley, "Humanoid Robot Market Expected to Reach $5 Trillion by 2050," May 14, 2025. https://www.morganstanley.com/insights/articles/humanoid-robot-market-5-trillion-by-2050

Morgan Stanley Research, "Humanoids: Investment Implications of Embodied AI," report, June 26, 2024.

Navas-Reascos, Gabriel E., David Romero, Johan Stahre, and Alberto Caballero-Ruiz, "Wire Harness Assembly Process Supported by Collaborative Robots: Literature Review and Call for R&D," Robotics, 2022, 11 (3), 65.

Nissyoku Shimbun, "前川製作所が豚もも肉脱骨ロボット「ハムダス」発売" [Mayekawa Launches HAMDAS Pork Ham Deboning Robot], Nihon Shokuryo Shimbun, September 14, 1998. https://news.nissyoku.co.jp/news/nss-8423-0032

Oitzman, Mike, "Pharm Robotics Advances Automated Dairy Cow Healthcare," The Robot Report, July 13, 2025. https://www.therobotreport.com/pharm-robotics-advances-automated-dairy-cow-healthcare/

Oxmaint, "Food Manufacturing Maintenance Budgeting: Planning, Benchmarks, and Cost Control," March 28, 2026. https://oxmaint.com/industries/food-manufacturing/food-manufacturing-maintenance-budgeting-benchmarks-cost-control

Pallottino, Lucia, "Robotics for Warehouses and Logistics: Technologies, Challenges, and Future Directions," Annual Review of Control, Robotics, and Autonomous Systems, 2026, 9, 377-401.

Polanyi, Michael, The Tacit Dimension, Garden City, NY: Doubleday, 1966.

Pumacay, Wilbert, Ishika Singh, Jiafei Duan, Ranjay Krishna, Jesse Thomason, and Dieter Fox, "THE COLOSSEUM: A Benchmark for Evaluating Generalization for Robotic Manipulation," arXiv:2402.08191, 2024.

Reuters, "Meet SwagBot, the AI-Powered Robot Cattle Herder Preventing Soil Degradation," Rappler, December 12, 2024. https://www.rappler.com/technology/innovations/swagbot-artificial-intelligence-powered-robot-cattle-herder/

Rivière, Yann and Jean-Stanislas Denain, "Where Autonomy Works: Evaluating Robot Capabilities in 2026," Epoch AI, 2026. https://epoch.ai/publications/where-autonomy-works-evaluating-robot-capabilities-in-2026

Robbins, Jacob, "Apptronik Raises $520M as VC Funding for Humanoid Robotics Explodes 300%," PitchBook News, February 11, 2026. https://pitchbook.com/news/articles/apptronik-raises-520m-as-vc-funding-for-humanoid-robotics-explodes-300

The Robot Report, "Path Robotics Raises $100M to Automate Welding," October 28, 2024. https://www.therobotreport.com/path-robotics-raises-100m-to-automate-welding/

The Robot Report, "Okibo Opens New Jersey HQ and Launches EG7 Robot in U.S. Market," April 11, 2025. https://www.therobotreport.com/okibo-opens-new-jersey-hq-and-launches-eg7-robot-in-u-s-market/

Rosen, C. A., "Machine Vision and Robotics: Industrial Requirements," in George G. Dodd and Lothar Rossol, eds., Computer Vision and Sensor-Based Robots, Springer, 1979, 3-22.

SAE International, "Taxonomy and Definitions for Terms Related to Driving Automation Systems for On-Road Motor Vehicles," SAE Recommended Practice J3016_202104, April 2021.

Sandvik, "Sandvik Introduces AutoMine AutoLoad 2.0 for Improved Autonomous Bucket Loading," press release, June 14, 2023. https://www.mining.sandvik/en/news-and-media/news-archive/2023/06/sandvik-introduces-automine-autoload-2.0-for-improved-autonomous-bucket-loading

Schenck RoTec, "Wheel Assembly Lines: Individual & Complete Solutions," product page, 2025. https://www.schenck-rotec.com/en-us/product/wheel-assembly-lines/

Scoop, "‘Golden Opportunity’ for Scott Technology with Silver Fern Farms," Scott Technology announcement, September 14, 2022. https://www.scoop.co.nz/stories/BU2209/S00201/golden-opportunity-for-scott-technology-with-silver-fern-farms.htm

Simbe Robotics, "Tally," product page, 2026. https://www.simberobotics.com/store-intelligence/tally

Statista, "Average Retail Electricity Price for Industrial Consumers in the United States from 1970 to 2025," April 28, 2026. https://www.statista.com/statistics/190680/us-industrial-consumer-price-estimates-for-retail-electricity-since-1970/

Suresh, Sudharshan, Haozhi Qi, Tingfan Wu, Taosha Fan, Luis Pineda, Mike Lambeta, Jitendra Malik, Mrinal Kalakrishnan, Roberto Calandra, Michael Kaess, Joseph Ortiz, and Mustafa Mukadam, "NeuralFeels with Neural Fields: Visuotactile Perception for In-Hand Manipulation," Science Robotics, 2024, 9 (96), eadl0628.

Svanberg, Maja, Wensu Li, Martin Fleming, Brian Goehring, and Neil Thompson, "Beyond AI Exposure: Which Tasks Are Cost-Effective to Automate with Computer Vision?," MIT FutureTech working paper, January 2024. https://futuretech.mit.edu/publication/beyond-ai-exposure-which-tasks-are-cost-effective-to-automate-with-computer-vision

Tamkin, Alex, Miles McCain, Kunal Handa, Esin Durmus, Liane Lovitt, Ankur Rathi, Saffron Huang, Alfred Mountfield, Jerry Hong, Stuart Ritchie, Michael Stern, Brian Clarke, Landon Goldberg, Theodore R. Sumers, Jared Mueller, William McEachen, Wes Mitchell, Shan Carter, Jack Clark, Jared Kaplan, and Deep Ganguli, "Clio: Privacy-Preserving Insights into Real-World AI Use," arXiv:2412.13678, 2024.

Tamkin, Alex and Peter McCrory, "Estimating AI Productivity Gains from Claude Conversations," Anthropic, 2025. https://www.anthropic.com/research/estimating-productivity-gains

Tedrake, Russ, Robotic Manipulation: Perception, Planning, and Control, course notes for MIT 6.421, 2026. http://manipulation.mit.edu

Telexistence, "Telexistence to Begin Installing AI Robot 'TX SCARA' in 300 FamilyMart Stores," press release, August 10, 2022. https://tx-inc.com/en/blog/2022/08/10/11737/

Thomas, Charlotte, "Rise of the Robots," METSTRADE, October 23, 2023. https://www.metstrade.com/news/superyacht/rise-of-the-robots

Trammell, Philip and Anton Korinek, "Economic Growth Under Transformative AI," Annual Review of Economics, 2026, 18, 589-611.

Transformation Hub Wiring Harness, "Robotics Challenge 2026," 2026. https://www.leitungssatz-hub.de/en/robotik-challenge/robotik-challenge-2026/

UBS, "Is the World Ready for 1bn Robots?," UBS Global Research Q-Series, June 17, 2025.

University of Michigan, "U-M Opens Mcity Test Environment for Connected and Driverless Vehicles," Michigan Engineering News, July 20, 2015. https://news.engin.umich.edu/2015/07/u-m-opens-mcity-test-environment-for-connected-and-driverless-vehicles/

U.S. Bureau of Economic Analysis (BEA), "Price Indexes for Private Fixed Investment in Equipment by Type: Computers and Peripheral Equipment [B935RG3A086NBEA]," NIPA Table 5.5.4, retrieved from FRED, Federal Reserve Bank of St. Louis, 2026. https://fred.stlouisfed.org/series/B935RG3A086NBEA

U.S. Bureau of Labor Statistics (BLS), "A New Methodology for Estimating Hours Worked for U.S. Labor Productivity Measurement," Office of Productivity and Technology technical note, November 3, 2022. https://www.bls.gov/productivity/technical-notes/labor-productivity-hours-worked-method-using-ces-all-employee-hours-nov-2022.htm

U.S. Bureau of Labor Statistics (BLS), "Occupational Employment and Wage Statistics (OEWS): May 2025 National Occupational Employment and Wage Estimates," 2025. https://www.bls.gov/oes/tables.htm

U.S. Bureau of Labor Statistics (BLS), "Consumer Price Index for All Urban Consumers: New Vehicles, U.S. City Average, Not Seasonally Adjusted [CUUR0000SETA01]," 2026a. https://www.bls.gov/cpi/

U.S. Bureau of Labor Statistics (BLS), "Employment Level - Agriculture and Related Industries [LNS12034560] and Employment Level [CE16OV]," Current Population Survey, retrieved from FRED, Federal Reserve Bank of St. Louis, 2026b. https://fred.stlouisfed.org/series/LNS12034560

U.S. Bureau of Labor Statistics (BLS), "Occupational Employment and Wage Statistics: Frequently Asked Questions," 2026c, retrieved September 21, 2026. https://www.bls.gov/oes/oes_ques.htm

U.S. Census Bureau, "Annual Capital Expenditures Survey: Robotic Equipment Expenditures, 2019-2022," 2024. https://www.census.gov/programs-surveys/aces.html

U.S. Department of Transportation Office of Inspector General, "Enhanced FAA Oversight Could Reduce Hazards Associated with Increased Use of Flight Deck Automation," Audit Report AV-2016-013, January 7, 2016. https://www.oig.dot.gov/sites/default/files/FAA%20Flight%20Decek%20Automation_Final%20Report%5E1-7-16.pdf

Vitiello, V., K.-W. Kwok, and G.-Z. Yang, "Introduction to Robot-Assisted Minimally Invasive Surgery (MIS)," in Paula Gomes, ed., Medical Robotics: Minimally Invasive Surgery, Woodhead Publishing, 2012, 1-40.

Wallace, Neal, "Butcher Bot Pays Off in Dollars per Carcase," Farmers Weekly (New Zealand), September 30, 2022. https://www.farmersweekly.co.nz/technology/butcher-bot-pays-off-in-dollars-per-carcase/

Wallace, Neal, "One Giant LEAP for Robo Meatworks," Farmers Weekly (New Zealand), April 22, 2024. https://www.farmersweekly.co.nz/technology/one-giant-leap-for-robo-meatworks/

Wang, Hanchen, Tianfan Fu, Yuanqi Du, Wenhao Gao, Kexin Huang, Ziming Liu, Payal Chandak, Shengchao Liu, Peter Van Katwyk, Andreea Deac, Anima Anandkumar, Karianne Bergen, Carla P. Gomes, Shirley Ho, Pushmeet Kohli, Joan Lasenby, Jure Leskovec, Tie-Yan Liu, Arjun Manrai, Debora Marks, Bharath Ramsundar, Le Song, Jimeng Sun, Jian Tang, Petar Veličković, Max Welling, Linfeng Zhang, Connor W. Coley, Yoshua Bengio, and Marinka Zitnik, "Scientific Discovery in the Age of Artificial Intelligence," Nature, 2023, 620, 47-60.

Waste360, "Q&A: AMP's Matanya Horowitz on Bringing AI to the Recycling World and How the Tech Is Advancing," November 2023. https://www.waste360.com/waste-recycling/q-a-amp-s-matanya-horowitz-on-bringing-ai-to-the-recycling-and-how-the-tech-is-advancing

WATTAgNet, "The New Generation of Automated Deboning Machines," October 1, 2018. https://www.wattagnet.com/broilers-turkeys/processing-slaughter/article/15526256/the-new-generation-of-automated-deboning-machines-wattagnet

Webb, Michael, "The Impact of Artificial Intelligence on the Labor Market," working paper, Stanford University, 2020.

Wessling, Brianna, "With New Funding, Monumental Plans to Bring Its Construction Robots to the U.S.," The Robot Report, July 17, 2026. https://www.therobotreport.com/with-new-funding-monumental-plans-bring-construction-robots-u-s/

Wishart-Smith, Heather, "Built Robotics Unveils Autonomous Pile Driving Robot, Expediting Solar Rollout," Forbes, March 20, 2023. https://www.forbes.com/sites/heatherwishartsmith/2023/03/20/built-robotics-unveils-autonomous-pile-driving-robot-expediting-solar-rollout/

Yotzov, Ivan, Jose Maria Barrero, Nicholas Bloom, Philip Bunn, Steven J. Davis, Kevin M. Foster, Aaron Jalca, Brent H. Meyer, Paul Mizen, Michael A. Navarrete, Pawel Smietanka, Gregory Thwaites, and Ben Zhe Wang, "Firm Data on AI," NBER Working Paper 34836, 2026. https://doi.org/10.3386/w34836

Yu, Zhen, Jingyu Wang, Ting Zuo, James Alm, Xun Li, and Xue Li, "Robotaxis Reduce Taxi Drivers' Income," Humanities and Social Sciences Communications, 2026, 13, article 629.

Zeira, Joseph, "Workers, Machines, and Economic Growth," Quarterly Journal of Economics, 1998, 113 (4), 1091-1117.

Ziemerink, Jan, "How to Manage Automatic Calf Feeders Successfully," Förster-Technik North America presentation, Vita Plus, 2018. https://www.vitaplus.com/wp-content/uploads/2018/06/Successfull-Calfraising_with-Auto-feeders2018_2.pdf

데이터 출처

Althobaiti, Shahad, Ahmad Alabdulkareem, Judy Hanwen Shen, Iyad Rahwan, Morgan Frank, Esteban Moro, and Alex Rutherford. "Dictionary of Titles" [dataset]. Harvard Dataverse, 2022. https://doi.org/10.7910/DVN/DQW8IP

Autor, David, Caroline Chin, Anna Salomons, and Bryan Seegmiller. Replication Data for: "New Frontiers: The Origins and Content of New Work, 1940-2018." Harvard Dataverse, V1.1, 2024. https://doi.org/10.7910/DVN/7RYD2E, retrieved July 30-31, 2026.

Autor, David H. and David Dorn. 2013. "The Growth of Low-Skill Service Jobs and the Polarization of the US Labor Market." American Economic Review 103 (5): 1553-1597. Occupation crosswalks (occ1990dd) and offshorability measure: https://www.ddorn.net/data.htm.

Bank of Japan. Producer Price Index, 2020 Base: Robots [PRCG20_2201350029]. Time-Series Data Search, retrieved September 16, 2026. https://www.stat-search.boj.or.jp/

Eloundou, Tyna, Sam Manning, Pamela Mishkin, and Daniel Rock. 2024. "GPTs are GPTs: Labor Market Impact Potential of LLMs." Science 384 (6702): 1306-1308. Task-level exposure labels: https://github.com/openai/GPTs-are-GPTs.

Hirsch, Barry T., David A. Macpherson, and William E. Even. Union Membership, Coverage, and Earnings from the CPS [dataset]. Unionstats.com, 2026. https://unionstats.com/. Described in Hirsch, Barry T. and David A. Macpherson. 2003. "Union Membership and Coverage Database from the Current Population Survey: Note." Industrial and Labor Relations Review 56 (2): 349-354.

National Academy of Sciences, Committee on Occupational Classification and Analysis. Dictionary of Occupational Titles (DOT): Part I - Current Population Survey, April 1971, Augmented With DOT Characteristics, and Part II - Fourth Edition Dictionary of DOT Scores for 1970 Census Categories. Ann Arbor, MI: Inter-university Consortium for Political and Social Research [distributor], 2006-09-06. https://doi.org/10.3886/ICPSR07845.v2

National Center for O*NET Development. O*NET Database, versions 29.3 (2025), 13.0 (2008), and 4.0 (2002); the O*NET-SOC taxonomy crosswalks; and the DOT to O*NET-SOC 2019 Crosswalk. Washington, DC: U.S. Department of Labor, Employment and Training Administration. https://www.onetcenter.org/database.html; https://www.onetcenter.org/taxonomy.html; https://www.onetcenter.org/crosswalks/dot/

Ruggles, Steven, Sarah Flood, Matthew Sobek, Daniel Backman, Grace Cooper, Julia A. Rivera Drew, Stephanie Richards, Renae Rodgers, Jonathan Schroeder, and Kari C.W. Williams. IPUMS USA: Version 16.0 [dataset]. Minneapolis, MN: IPUMS, 2025. https://doi.org/10.18128/D010.V16.0

U.S. Bureau of Economic Analysis (BEA). Personal Consumption Expenditures: Chain-type Price Index [PCEPI], retrieved from FRED, Federal Reserve Bank of St. Louis. https://fred.stlouisfed.org/series/PCEPI, September 21, 2026.

U.S. Bureau of Economic Analysis (BEA). Table 5.5.4. Price Indexes for Private Fixed Investment in Equipment by Type: Computers and peripheral equipment [B935RG3A086NBEA], retrieved from FRED, Federal Reserve Bank of St. Louis. https://fred.stlouisfed.org/series/B935RG3A086NBEA, September 16, 2026.

U.S. Bureau of Labor Statistics (BLS). Consumer Price Index for All Urban Consumers, U.S. city average, not seasonally adjusted: New vehicles [CUUR0000SETA01]. Washington, DC: U.S. Department of Labor. Retrieved September 16, 2026. https://www.bls.gov/cpi/

U.S. Bureau of Labor Statistics (BLS). Employer Costs for Employee Compensation (ECEC), 2004-2023 and March 2026. Washington, DC: U.S. Department of Labor. https://www.bls.gov/ecec/

U.S. Bureau of Labor Statistics (BLS). Employment Projections, 2025-35: Table 1.6, Occupations with the Largest Job Declines. Washington, DC: U.S. Department of Labor, August 27, 2026. https://www.bls.gov/emp/tables/occupations-largest-job-declines.htm

U.S. Bureau of Labor Statistics (BLS). Occupational Employment and Wage Statistics (OEWS): 2002, May 2008, May 2015, and May 2025 National Occupational Employment and Wage Estimates. Washington, DC: U.S. Department of Labor. https://www.bls.gov/oes/tables.htm

U.S. Bureau of Labor Statistics (BLS). Occupational Requirements Survey (ORS), 2023 and 2025. Washington, DC: U.S. Department of Labor. https://www.bls.gov/ors/

U.S. Census Bureau. 2018 Census Occupation Code List with Crosswalk, and 2018 ACS PUMS and 2018 SIPP Public-Use Occupation Code List [datasets], 2018. https://www2.census.gov/programs-surveys/demo/guidance/industry-occupation/2018-occupation-code-list-and-crosswalk.xlsx; https://www2.census.gov/programs-surveys/demo/guidance/industry-occupation/2018-ACS-PUMS-and-2018-SIPP-Public-Use-Occupation-Code-List.xlsx

U.S. Census Bureau. Annual Capital Expenditures Survey: Capital Expenditures for Structures and Equipment, Tables 1a and 1b, 2019-2022 releases. https://www.census.gov/data/tables/2022/econ/aces/2022-aces-summary.html

U.S. Department of Labor, Employment and Training Administration. Dictionary of Occupational Titles, Fourth Edition. Washington, DC: U.S. Government Printing Office, 1977.

United States Department of Labor, United States Employment Service, and North Carolina Occupational Analysis Field Center. Dictionary of Occupational Titles (DOT): Revised Fourth Edition, 1991. Ann Arbor, MI: Inter-university Consortium for Political and Social Research [distributor], 2026-02-19. https://doi.org/10.3886/ICPSR06100.v2. Missing text from the Department of Labor Office of Administrative Law Judges DOT pages and https://occupationalinfo.org.

Webb, Michael. 2020. "The Impact of Artificial Intelligence on the Labor Market." Working paper, Stanford University. Robot exposure percentiles and 2010 labor-supply weights: https://web.stanford.edu/~mww/, retrieved July 18, 2026; now at https://www.michaelwebb.co/.

각주

1. 급격한 경제 성장 시나리오에서 약한 연결고리(weak links)와 보완성(complementarities)이 하는 역할은 Aghion et al. (2019), Davidson et al. (2026), Jones and Tonetti (2026)를 참고하세요. AI는 물리적 업무보다 디지털 업무에 더 큰 영향을 준다고 여겨지는 경우가 많습니다. 예를 들어 Cazzaniga et al. (2024)를 참고하세요.

2. 물리적 자동화의 장벽으로서 '환경 통제(environmental control)'를 다룬 논의는 Autor (2015)를 참고하세요. Link et al. (2016)의 6장도 함께 볼 만합니다. 이 점은 '노출도 측정' 절에서 더 자세히 다룹니다.

3. 로봇용 AI 파운데이션 모델은 Firoozi et al. (2025)를 참고하세요. AI로 가능해진 로봇의 역량은 Rivière and Denain (2026)이 다룹니다. 물류 창고와 운전 분야의 AI 로봇은 Agaskar et al. (2025), Hwang et al. (2025)를 참고하세요. AI는 로봇공학의 혁신 속도를 높일 수도 있습니다. 이에 대해서는 Cockburn et al. (2019), Wang et al. (2023), Davidson et al. (2026)을 참고하세요.

4. 로봇공학에 'ChatGPT 모멘트'가 올 수 있다는 전망은 Baptista et al. (2026)과 Goldman (2026)을 참고하세요. Morgan Stanley Research (2024)와 McKinsey & Company (2026)의 전망도 볼 만합니다.

5. 로봇 투자 데이터는 2022년 연간 자본지출조사(U.S. Census Bureau, 2024)에서 가져왔습니다. Yotzov et al. (2026)이 2025년 11월에 미국 경영진을 대상으로 실시한 설문에 따르면, 고용 규모로 가중했을 때 현재 로봇을 쓰는 기업은 13%이고, 조사 시점으로부터 3년 안에 쓰겠다는 기업은 22%입니다. 영국, 독일, 호주에서도 도입 예상 수준은 대체로 비슷합니다.

6. 휴머노이드 로봇 스타트업에 대한 투자는 Robbins (2026)를, 대형 자동차 업체들의 휴머노이드 활용 시도는 Ewing (2026)을 참고하세요.

7. 예를 들어 어떤 로봇은 카메라만 쓰고, 어떤 로봇은 촉각 센서를 씁니다. 이러한 접근법은 Brooks (2025)를, 비전 로봇과 촉각 로봇 연구는 Andrychowicz et al. (2020)과 Suresh et al. (2024)를 참고하세요.

8. 휴머노이드 시장 개요는 Counterpoint Research (2026)를 참고하세요. 현재 휴머노이드 대부분은 엔터테인먼트와 데이터 수집에 쓰입니다. 자동차 공장의 휴머노이드 도입 사례는 BMW Group (2026)을 참고하세요.

9. 우리의 분류 체계는 노동경제학과 직업 분석의 오랜 전통 위에 세워졌습니다. O*NET의 전신인 직업명 사전(Dictionary of Occupational Titles)은 직업을 '데이터/사람/사물'로 분류했습니다. Fine (1955), Fine and Wiley (1971), Autor et al. (2003), Acemoglu and Autor (2011), Deming (2017)을 참고하세요.

10. 로봇의 정확한 정의는 저마다 다릅니다. 우리는 노출도 프롬프트(부록 F.3)에 로봇을 설명해 두고, 어떤 기계가 이 기준에 해당하는지는 Claude가 판단하도록 했습니다. 국제표준화기구(ISO)는 로봇을 '이동, 조작, 위치 결정을 수행하기 위해 어느 정도의 자율성을 갖춘, 프로그래밍된 구동 메커니즘'으로, 자율성을 '사람의 개입 없이 현재 상태와 감지 정보를 바탕으로 의도한 작업을 수행하는 능력'으로 정의합니다(ISO 2021).

11. 오늘날의 로봇이 무엇을 할 수 있는지에 초점을 맞춘 것은 Eloundou et al. (2024)와 비슷한 접근입니다. 이들은 2023년 시점에 LLM이 속도를 높일 수 있는 업무를 기준으로 AI 노출도를 측정했습니다. 그 밖의 AI 노출도 측정 방식은 Massenkoff and McCrory (2026)에 정리되어 있습니다.

12. 자동화의 병목으로서 '환경 통제'는 Autor (2015)를, 통합 작업이 로봇 도입을 늦추는 문제는 Autor et al. (2020)을 참고하세요. 미국 국립표준기술연구소(NIST)에 제출된 로봇공학의 경제적 영향 보고서는 비정형 환경에서의 로봇 역량을 강조합니다. Link et al. (2016)의 6장을 참고하세요. 로봇 성능이 새로운 업무와 환경으로 어떻게 일반화되는지는 Kober et al. (2013), Ibarz et al. (2021), Kim et al. (2025)가 다룹니다. 로봇 파운데이션 모델과 특화된 로봇 제어 시스템의 비교는 Firoozi et al. (2025)를 참고하세요. 로봇 조작(manipulation) 분야의 발전을 개괄한 글로는 Kemp et al. (2007)과 Kroemer et al. (2021)이 있습니다. 조작 벤치마크는 Pumacay et al. (2024)를, 복잡한 환경에서의 로봇 역량 목록은 Rivière and Denain (2026)을 참고하세요.

13. 로봇이 물체를 다루는 데 필요한 복잡한 기술은 예를 들어 Mason (2018)과 Tedrake (2026)이 논의합니다.

14. 예를 들어 옛 공군 기지에 조성된 모의 도시는 Madrigal (2017)을, 비슷한 시설인 Mcity는 University of Michigan (2015)을 참고하세요.

15. 실제로 우리 평가에서 이 업무는 현재 기준 E3, 2008년 시점 노출도를 평가한 버전에서는 E1입니다(부록 B). 우리 평가 기준과 마찬가지로, 자율주행 성능 표준에서도 비정형 환경에서의 성능을 고려합니다. SAE International (2021)을 참고하세요.

16. 이 점은 Moravec (1988)이 대표적으로 지적했습니다. Polanyi (1966)도 참고하세요. 이를 자동화에 적용한 논의는 Autor (2015)에 있습니다.

17. 부록 A.4에는 노출도 측정의 변형 방식들이 실려 있습니다. 이들도 노출도에 따른 직업 순위는 비슷하게 나옵니다.

18. Built Robotics Exosystem (2026)을 참고하세요.

19. 2020~2024년 미국 지역사회조사(American Community Survey)의 주당 통상 근로시간으로 직업 간 가중치를 줘도 결과는 비슷합니다.

20. 사람도 통제된 환경에서 일합니다. '환자, 간호 스테이션, 수술실에 약품이나 의약품 재료를 배달한다' 같은 업무는 병원과 의원에서 이뤄집니다. 부록 A.4에서는 로봇이 업무를 수행할 수 있는 환경과 사람이 실제로 수행하는 환경 사이의 격차로 로봇 노출도를 측정했습니다. 이 방식도 노출도에 따른 직업 순위는 거의 같게 나옵니다.

21. The Robot Report (2024).

22. Boston Dynamics Stretch를 참고하세요.

23. Pallottino (2026)을 참고하세요.

24. 그림 4의 고용 데이터는 BLS OEWS에서 가져왔기 때문에, 차량 공유 서비스의 개인사업자 기사는 택시 기사 고용에서 제외됩니다.

25. 초기 증거에 따르면 자율주행 호출 서비스의 영향을 받는 기사들의 소득이 줄고 있습니다. Gridwise (2025)와 Yu et al. (2026)을 참고하세요.

26. Amazon의 Vulcan 로봇을 참고하세요.

27. Badger Marty와 Simbe Tally를 참고하세요.

28. Telexistence TX SCARA를 참고하세요.

29. Canvas 드라이월 로봇을 참고하세요.

30. AMP Cortex(Waste360, 2023)를 참고하세요.

31. 근무 시간의 절반 이상이 육체노동인 직업으로 한정해도, 노출된 노동자는 여전히 임금이 낮고, 학력이 낮고, 여성 비율이 낮고, 히스패닉 비율과 실업률이 높습니다. 다만 대부분의 격차는 다소 줄어듭니다.

32. 예를 들어 Massenkoff and McCrory (2026)를 참고하세요.

33. Deming (2017)과 Frey and Osborne (2017)입니다.

34. 지난 수십 년간 자동화와 노동시장을 분석한 연구는 대체로 물리적 자동화보다 컴퓨터와 소프트웨어를 강조해 왔습니다. 예를 들어 컴퓨터화는 Autor et al. (2003)을, 로봇이 지금까지 미국 일자리에 미친 총영향이 제한적이라는 분석은 Acemoglu and Restrepo (2020)를 참고하세요. Svanberg et al. (2024)는 컴퓨터 비전 업무를 자동화하는 비용을 추정했습니다.

35. Claude에게는 로봇 자체의 비용은 물론 액세서리, 통합·설치, 유지보수와 서비스, 소프트웨어, 에너지와 기타 운영 투입물, 감독과 운영, 보험, 폐기 비용, 그 밖의 모든 비용을 포함하도록 지시했습니다. 고정비는 추정한 자본비용을 적용해 연 단위로 환산합니다.

36. 총보상은 BLS 직업별 임금에, BLS 고용비용지수(Employer Costs for Employee Compensation) 조사의 직업군별 '총보상 대비 임금+유급휴가' 비율을 곱해 추정합니다. 총보상에는 유급휴가, 추가 급여, 보험, 퇴직·저축 비용, FICA와 실업보험 같은 법정 고용주 부담금이 포함됩니다.

37. 업무 기반 모델에서의 자동화는 예를 들어 Zeira (1998), Acemoglu and Autor (2011), Acemoglu and Restrepo (2018)를 참고하세요.

38. 이런 비교에서는 로봇이 사람보다 저렴하더라도 그 직업의 업무 중 일부만 수행하는 경우가 있습니다. 예를 들어 기록물 보관 전문가(archivist)의 육체 업무는 두 가지이고, 이 중 로봇에 노출된 업무는 '필요에 따라 기록, 문서, 물품을 보존하고, 기록을 필름, 비디오테이프, 오디오테이프, 디스크 또는 컴퓨터 형식으로 복사하기' 하나뿐입니다. 이 업무를 로봇이 하는 데 드는 비용은 연간 5,500달러로 추정합니다. 기록물 보관 전문가가 이 업무에 쓰는 시간은 약 8%이고 총보상 중앙값은 8만 5,000달러이므로, 이 업무의 인건비는 연간 6,800달러입니다. 이 업무만 보면 로봇이 비용 경쟁력이 있지만, 업무 하나를 자동화한다고 해서 기록물 보관 전문가가 일자리를 잃을 가능성은 낮습니다.

39. 인용된 로봇과 시스템은 Douglas 상단 적재식 케이스 패커(포장), Boston Dynamics의 Stretch와 Agility Robotics의 Digit(자재 취급), 머신비전 검사 스테이션(검사), Combi 랜덤 케이스 이렉터(박스 조립), 인쇄·부착식 라벨러(라벨링), 3M-Matic 랜덤 케이스 실러(밀봉)입니다.

40. 예를 들어 Honerkamp (2026)과 Lung (2026)을 참고하세요.

41. BLS 고용 전망 프로그램(Employment Projections) 2025~35년, 표 1.6의 2026년 8월 전망입니다. 포장 작업자(packers and packagers)는 일자리 감소 순위에서 11위로, 교정 공무원(correctional officers and jailers)과 영업·사무직 9개 직업군(SOC의 '상위 수준 집계' 명칭으로, 41번과 43번 그룹)에 이어 뒤를 잇습니다. 고용 데이터는 2015년과 2025년 BLS OEWS에서 가져왔습니다.

42. 예를 들어 Path Robotics AW-3 자율 용접 셀을 참고하세요.

43. 청소 로봇은 더 오래 일할 수 있지만, 속도는 사람보다 최대 10배 느립니다. Rivière and Denain (2026)을 참고하세요.

44. 이 수치에는 타이어 제조원(tire builders)과 포장 작업자가 포함됩니다. 이 직업들은 업무 시간 기준으로 업무의 95% 이상이 로봇에 노출되어 있고, 일부 노동자의 경우 로봇 비용이 총보상보다 낮습니다.

45. Davidson and Hadshar (2025)와 Denain and Rivière (2026)을 참고하세요.

46. Eloundou et al. (2024)의 LLM 노출도와 비교해 보세요. 컴퓨터 프로그래머는 사람 평가자 기준 25위, LLM 평가자 기준 6위이고, 시인·작사가·창작 작가는 사람 기준 11위, LLM 기준 14위입니다. 두 직업은 노출도가 비슷했지만, 이후 AI 개발자들은 창작 글쓰기보다 코딩에 더 많은 노력을 쏟았습니다.