넓어지는 ChatGPT의 업무 활용 영역
OpenAI 경제 연구팀이 연구자들이 AI와 노동에 관한 질문을 더 깊이 탐구할 수 있도록 데이터를 공개합니다.
오늘 OpenAI는 약 100개국의 165개 업무 활동을 살펴보는 OpenAI Signals 데이터를 공개합니다. 이 데이터는 일반 사용자들이 업무에 ChatGPT를 어떻게 활용하는지 보여줍니다. 이 데이터는 교육 자료 준비와 마케팅 콘텐츠 제작부터 프로그래밍과 비즈니스 데이터 분석까지, 사람들이 ChatGPT로 수행하는 업무 활동에 관한 새로운 정보를 제공합니다. 이를 통해 연구자들은 경제에서 AI가 맡는 역할을 새로운 방식으로 연구할 수 있습니다.
연구자들은 이 데이터를 활용해 업무용 ChatGPT 활용 양상이 국가별로 어떻게 다른지 살펴보고, 시간에 따른 변화를 추적하며, 다른 경제 지표와 연계할 수 있습니다. 이번에 공개하는 데이터는 ChatGPT 사용을 ‘중간 수준 업무 활동(Intermediate Work Activities, IWA)’이라는 165개 업무 활동 범주와 연결합니다. IWA는 다양한 직업에서 사람들이 수행하는 업무를 분류하는 데 널리 쓰이는 범주입니다. 데이터는 2025년 1분기부터 2026년 3분기까지의 기간을 분기별로 보여줍니다.
이번 데이터는 직업별 세부 과업을 여러 직업에 공통으로 적용되는 더 넓은 업무 활동 범주로 묶는 표준화된 체계인 O*NET을 기반으로 합니다. 공통 분류 체계를 사용하면 연구자들이 ChatGPT 사용을 다른 유형의 직업 및 고용 데이터와 비교하기가 쉬워집니다.
아래 대화형 차트에서는 특정 국가의 업무 활동이 시간에 따라 어떻게 변하는지 살펴볼 수 있습니다. 넓은 활동 그룹에서 더 구체적인 활동으로 범위를 좁혀 탐색할 수 있습니다. 데이터에 따르면 사람들이 업무에 ChatGPT를 활용하는 방식은 국가별로 큰 차이를 보입니다.
사람들이 ChatGPT로 수행하는 업무를 살펴보세요. 활동 그룹을 선택해 세부 과업과 시간에 따른 변화를 확인하거나, 국가를 선택해 업무 관련 메시지의 구성을 살펴보세요.
이 데이터를 IWA와 연결한 결과, 업무 관련 사용이 가장 흔한 활동에 집중되는 정도가 줄어든 것으로 나타났습니다. 이는 시간이 흐르면서 국가별로 ChatGPT를 활용하는 업무가 특정 분야에 특화되는 경향을 보였으며, 주로 활용하는 업무 유형도 국가마다 달랐다는 뜻입니다. 이러한 차이는 국가별 업무 유형의 차이나 AI 도구에 대한 접근성의 차이를 반영할 수 있습니다. 이런 질문을 탐구하는 것은 연구자들이 이번 데이터를 활용해 수행할 수 있는 여러 연구의 한 예입니다.
모든 분기에 걸쳐 관측된 74개국에서, 가장 흔한 10개 활동이 각국의 분류된 업무 메시지에서 차지하는 비중은 2025년 1분기 평균 56.0%에서 2026년 3분기 51.1%로 줄었습니다.
ChatGPT 사용 데이터를 IWA와 연결하면 연구자들은 ChatGPT 메시지를 미국의 여러 직업에서 수행하는 활동과 비교할 수 있습니다. 아래 두 시각화 자료는 사람들이 ChatGPT를 활용하는 방식과 미국의 여러 직업에서 수행하는 활동을 비교합니다. 이를 통해 사람들이 업무에 ChatGPT를 활용하는 방식과 미국 경제에서 실제로 수행되는 업무의 차이를 확인할 수 있습니다. 두 분포는 상당한 차이를 보입니다. 이는 주로 분류 체계에 매핑된 미국 직업의 과업 구성에 고용 규모를 가중치로 적용했을 때, 약 43%가 개별적으로 제시된 범주가 아닌 ‘기타 IWA’에 속하기 때문입니다. 여기에는 자재 운반, 차량 운전, 건강 또는 의료 기록 관리 등의 활동이 포함됩니다. 이러한 업무 범주들은 기존 미국 ChatGPT 사용 데이터에서 충분히 일관되게 나타나지 않아 개별 범주로 표시하기 위한 기준을 충족하지 못했습니다.
활동을 선택해 ChatGPT 사용과 미국 경제 전체에서 각각 차지하는 비중을 비교해 보세요.
이번 공개는 사람들의 AI 활용 방식에 관한 근거 자료를 꾸준히 공유하는 OpenAI Signals 활동의 연장선에 있습니다. 이 데이터는 ChatGPT 개인용 요금제의 업무 관련 메시지를 대상으로 하며, 기업용 메시지나 Codex 사용은 포함하지 않습니다. 연구자들이 이 데이터를 살펴보고 다른 자료와 연계해, 이러한 패턴이 근로자와 기업에 어떤 의미를 갖는지 탐구하기를 바랍니다.
사용자의 개인정보를 보호하기 위해 연구자들은 개별 대화를 읽지 않습니다. 식별 정보가 제거된 후 자동화된 시스템이 메시지를 분류합니다. 집계된 통계를 공개하되 소규모 집단의 결과는 공개하지 않으며, 개별 메시지를 보호하기 위해 통계적 노이즈를 추가합니다.
