TaskNet은 미국 6개 직종의 노동자를 AI로 인터뷰해 기존 직업 분류표 O*NET에 없던 업무 79개를 찾아냈다. 연구진은 이 가운데 5개가 현대 대규모 언어 모델(LLM)의 확산으로 새로 생기거나 바뀐 업무라고 보고했다.

스탠퍼드, Mercor, O*NET Resource Center, National Bureau of Economic Research 연구진이 공개한 워킹페이퍼는 TaskNet을 O*NET의 구조를 확장한 오픈소스 업무 목록으로 소개한다. 설문에 주로 의존하는 O*NET과 달리, TaskNet은 언어 모델이 노동자에게 질문하고 답변에 따라 추가 질문을 한다. 이를 통해 새 업무를 찾고, 모호한 설명을 분명히 하며, 노동자가 수행하는 업무 묶음을 확인한다.

O*NET 분석가들은 후보 업무 설명 229개를 모두 유효한 업무로 판단했다. 다만 일부 항목은 O*NET의 문체 기준에 맞지 않거나 주로 다른 직종의 업무를 설명해 21%를 다시 썼다. 인터뷰 자료 구축에 쓰이지 않은 노동자 57명의 업무 보고 1,184건을 별도로 확인한 결과, TaskNet 목록은 6개 직종에서 보고된 업무의 평균 89.3%를 포괄했다. O*NET의 포괄률은 78.6%였다.

추가로 확인한 업무에는 초등학교 교사의 기본 응급처치, 응급실 의사의 검사 결과 안내 전화처럼 실제로 수행되지만 공식 업무 목록에는 잘 기록되지 않던 일도 포함됐다. 연구진은 새 업무 79개가 연간 수십억 시간의 노동에 해당하며, 시간 조정 임금으로 환산하면 연간 약 1,400억 달러라고 추산했다.

새로 생긴 업무 5개 중 다수는 소프트웨어 개발 분야의 프롬프트·컨텍스트 파이프라인 설계와 AI 시스템 평가 작성이었다. 변호사들은 AI가 만든 법률 자료를 제출하거나 회람하기 전에 정확성, 규정 준수, 근거를 검토하고 수정하는 일을 새 업무로 보고했다.

업무 목록을 갱신하자 소프트웨어 개발자, 변호사, 초등학교 교사의 AI 노출 점수는 높아졌고, 개인 돌봄 보조 인력의 점수는 낮아졌다. 앞의 직종에서는 문서 작성·소통·기록 관리 같은 업무가 추가된 점이 상승의 주요 배경이었다. 개인 돌봄 보조 인력은 옷 입히기나 반려동물 돌보기처럼 신체적이거나 관계에 기반한 업무가 더해지고 구체화되면서 점수가 내려갔다.

연구진은 소프트웨어 개발자와 변호사 모두에서 전문성이 더 중요한 업무일수록 AI가 수행하기 어렵다는 패턴도 관찰했다. 개발자가 꼽은 AI가 배우기 쉬운 업무 가운데 최상위 수행자가 평균보다 뚜렷하게 뛰어나다는 응답은 34%였고, 배우기 어려운 업무에서는 62%였다. 변호사 업무에서도 합의 협상, 재판 변론, 의뢰인 자문처럼 전문성이 중요한 일은 강화학습 실현 가능성(RL feasibility) 점수가 낮았다.

논문은 SSRN 워킹페이퍼에서 확인할 수 있다. TaskNet 연구진은 더 많은 직종을 대상으로 인터뷰를 확대하고 반복해 업무 변화를 추적할 계획이라고 밝혔다.