일자리는 이렇게 지워진다 — 신입부터, 조용히, 그리고 한 번에

폭풍 같은 해고가 아니라, 조용히 닫히는 채용 공고부터. 재귀적 자기개선(RSI)과 조직형 에이전트가 일의 정의를 다시 쓰는 지금, 데이터는 이미 답을 알고 있다. 문제는 우리가 그 답을 어떻게 맞이할 것인가이다.

"내 일은 오래 갈 거야"라는 착각

일자리는 어느 날 갑자기 사라지지 않는다. 하나씩, 하나씩, 조용히 지워진다. 신입 채용 공고가 먼저 줄고, 그다음에는 지금 다니는 사람들의 자리가 문제가 된다. 오늘도 회사에 출근한 우리는, 내 일이 언제까지 내 일인지 알지 못한다.

이 글의 출발점은 그 불안이다. 하지만 불안으로 끝나는 글이 되어서는 곤란하다. 2026년 9월 현재, 시애틀 — 클라우드 산업의 중심지이자 마이크로소프트–OpenAI, 아마존–앤트로픽이라는 두 동맹이 모두 뿌리를 내린 도시 — 에서 관측되는 숫자와 사건들을 따라가 보면, 불안의 정체가 조금 더 선명해진다. 그리고 선명해진 불안은 행동의 설계도가 된다.

외면해서도 안 되고, 마지못해 끌려가서도 안 된다. "내 일은 오래 갈 거야"라는 안일한 생각은 더더욱 안 된다. 이 세 가지를 마음에 새기고, 지금 벌어지고 있는 일부터 정확히 보자.

이번에는 속도가 다르다

1등 모델의 자리는 몇 주 단위로 뒤집히고, AI는 이미 다음 AI를 개발하기 시작했다

기술이 일자리를 바꾼다는 이야기는 늘 있었다. 그래서 많은 사람이 이렇게 반응한다. "그 말, 10년 전에도 들었어요." 맞는 말이다. 그런데 이번 사이클에서 달라진 것은 기술의 내용이기 전에 속도가 만들어지는 구조다.

2026년 9월 첫째 주, 단 사흘 동안 일어난 일이다. 9월 1일 앤트로픽이 장기 작업 특화 에이전트 모델 '클로드 파블 5.1'을 내놓았고, 9월 2일 구글이 여섯 주 만의 세 번째 플래시 모델 '제미나이 3.8'을 경쟁 모델의 10분의 1 가격으로 풀었으며, 9월 3일 OpenAI는 사람처럼 브라우저를 돌아다니며 일을 끝내는 'GPT-6 아스트라'를 공개했다.[1] 업계가 '최신'이라 부르는 모델이 한 주에 세 번 바뀐 셈이다. 구글은 "월 단위 모델 릴리즈"를 공식 로드맵으로 선언했고, 앤트로픽은 올해 1~5월 사이 제품 업데이트를 스물아홉 번 했다 — 평균 2주에 한 번꼴이다.

"여러분이 지금 쓰는 AI는, 이미 2주 전 이야기입니다."
— 시애틀 기술 동향 강의 노트, 2026. 9.

더 본질적인 변화는 따로 있다. OpenAI는 최신 모델의 공식 평가 항목에 AI 자기개선 능력을 넣었다. 모델이 연구 실험의 버그를 사람 대신 고치는지, 하드웨어용 커널을 직접 짜는지, 작은 언어모델의 프리트레이닝을 스스로 개선하는지를 시험하는 것이다.[2] 모델 평가에 '모델을 만드는 능력'이 정식 항목이 된 것 자체가 사건이다. 샘 알트먼의 묘사는 더 직설적이다. 아스트라는 논문 하나를 받아 인간 연구자의 일주일 치 작업을 수행하고, 코드베이스에서 실험을 구현·실행해 결과까지 내놓는다.

연구계의 신호도 같은 방향이다. 외부 루프 에이전트가 내부 루프 에이전트의 코드를 스스로 다시 짜는 실험(AIDE2)에서, 시스템은 8일간 무인으로 일곱 번 연속 개선에 성공했고 심지어 스스로 '꼼수'를 줄여나갔다(보상 해킹 비율 63% → 34%).[3] 이 흐름을 다룬 논문의 제목이 9월 15일 공개됐는데, 제목이 바로 **「인간이 만든 마지막 AI(The Last AI Built by Humans)」**다.

이것이 RSI — 재귀적 자기개선(Recursive Self-Improvement) — 이다. 개발의 병목이 사람에서 기계로 넘어가는 순간, 사이클은 우리가 익숙한 의미의 '빠름'이 아니게 된다. 내가 배운 도구가 6개월 뒤에도 유효할 것이라는 전제, 내 직무의 기술 지형이 몇 년은 유지될 것이라는 전제. 그 전제들이 무너지는 속도가 일자리 문제의 밑바탕에 깔려 있다.

2026년 9월 모델 출시와 안전 논쟁의 주요 사건을 정리한 타임라인

• 09.01 · 앤트로픽, 클로드 파블 5.1 / 미토스 5.1 출시 — 롱호라이즌 에이전트 특화. 캐시 리드 가격 75% 인하 — 상시 구동 에이전트의 비용 구조를 바꾼 발표.
• 09.02 · 구글, 제미나이 3.8 플래시 — 6주 만의 세 번째 플래시. 에이전틱 워크플로우용 포지셔닝, 가격은 경쟁 모델의 1/10.
• 09.03 · OpenAI, GPT-6 아스트라 — 컴퓨터 사용(computer use) 능력이 화두. 실제 OS 평가(OSWorld 2.0) 72.6%, 평균 작업 완료 시간 75분 → 40분.
• 09.09 · 앤트로픽 연구원 제이콥 콕슨, 사임하며 폭로 — "자기개선형 초지능을 향해 질주하며 우리의 목숨을 도박하고 있다." 정렬 과학 리드 에반 허빈거도 "10년 내 멸종 확률 10% 이상"으로 동조.
• 09.12 · 다리오 아모데이 CEO, "업계는 속도를 늦춰야 한다" 에세이 — "6~12개월 안에 AI가 에이전트 떼를 이끌고 인터넷 전체를 장악할 수 있는 수준이 될 수 있다." 같은 주말 알트먼은 IPO 연기를 발표했고, 머스크는 "다리오가 맞다"고 거들었다.
• 09.15 · 논문 「인간이 만든 마지막 AI」 공개 — 재귀적 자기개선의 실험 결과들을 정리한 상징적인 제목의 논문.

이 타임라인에서 주목할 것은 속도 경쟁에서 이기던 사람들이 속도를 경고하기 시작했다는 점이다. 이 기술을 가장 잘 아는 사람들이 가장 크게 경고한다. 역설적으로, 그것이 판이 얼마나 커졌는지를 보여주는 가장 확실한 증거다. 그리고 이 판의 가장자리에서 일자리가 먼저 흔들리고 있다.

도구에서 직원으로

AI는 질문에 답하는 것을 넘어, 일을 '끝내는' 존재가 되었다

챗봇 시대의 AI는 조언자였다. 물어보면 답했고, 실행은 사람의 몫이었다. 에이전트 시대의 AI는 다르다. 목표를 주면 스스로 계획을 세우고, 브라우저를 열고, 폼을 채우고, CRM을 업데이트하고, 막히면 스스로 신호를 보낸다. 즉, 일의 단위가 '답변'에서 '작업 완료'로 바뀌었다.

기업들의 움직임은 이미 실험 단계를 지났다. 올해 3월 집계 기준으로 기업의 79%가 AI 에이전트를 도입 중이고, 기업용 애플리케이션의 40%가 올해 안에 에이전트를 내장할 전망이며, 경영진의 88%가 에이전트를 목적으로 AI 예산을 늘렸다. 도입 기업의 66%는 측정 가능한 생산성 향상을 보고했다.[4] 아마존이 공식 발표한 사례만 봐도 그렇다. Lyft는 클로드 기반 고객 지원 에이전트로 평균 해결 시간을 87% 단축했고, 화이자는 문서 검색 자동화로 연간 1만 6천 시간을 절약하고 인프라비를 55% 줄였다.[5]

AI 에이전트 도입과 생산성에 관한 세 가지 통계

• 79% — AI 에이전트를 도입 중인 기업의 비율 (업계 조사, 2026. 3. 집계)
• 88% — 에이전트 도입을 목적으로 AI 예산을 늘린 경영진 (업계 조사, 2026. 3. 집계)
• 87% — Lyft 고객 지원 에이전트의 평균 해결 시간 단축 폭 (아마존 공식 발표, 2026. 4.)

개인의 영역에서도 같은 일이 벌어지고 있다. 오픈소스 개인 에이전트 'OpenClaw'는 스무 개 남짓한 메신저에서 24시간 돌아가며 메일 정리, 예약, 코드, 브라우저 자동화를 수행하며 GitHub 스타 38만 개 — 리액트와 리눅스 커널을 넘는 오픈소스 사상 최고 속도 — 를 기록했다.[6] '스스로 개선하는' 에이전트 Hermes는 경험에서 스킬을 만들어 기억에 축적한다. 한 달에 몇십 달러로 나만의 AI 비서를 부리는 시대는 이미 와 있다.

조직형 에이전트 — 지금 어디까지 왔나

이 흐름의 종착지가 조직형 에이전트 (Organizational Agent)다. 에이전트 하나가 업무 하나를 돕는 수준을 넘어, 여러 부서의 에이전트가 조직처럼 연결되어 일을 배분하고 실행하는 단계. 현재 도달 수준을 레벨로 정리하면 이렇다.

개인 사용에서 자율 에이전트 조직까지의 도입 단계

• L1 — 개인 사용 — 일반 사용자와 일반 기업의 챗봇·보조 도구 활용
• L2 — 전문 업무 — 선도적 제품과 전문 직무에 에이전트 투입
• L3 — 부서 운영 — 특정 부서의 실제 운영을 에이전트가 담당
• L3.5 — 부서 연결 — 여러 부서를 연결한 선도 사례 등장 (싱가포르 Circles CareX: 지원 업무의 65%를 사람 없이 해결, ARPU 22% 증가, 이탈률 9% 감소)
• L4A — 사람이 이끄는 에이전트 조직 — 사람이 목표와 정책을 정하고 여러 부서 에이전트가 실행. 현재 시도되고 있는 최전선 (현재)
• L4B — 자율 에이전트 조직 — 에이전트가 전략·자원 배분·부서 조정까지 자율 수행. 아직 연구·실험 단계

정확하게 말하자면, 전략과 예산과 책임까지 AI 조직에 완전히 위임한 기업은 아직 없다. 마이크로소프트가 Agent 365로 에이전트의 신원·권한·감사를 조직 차원에서 관리하기 시작한 것을 보라. AI 직원을 만드는 것보다, AI 직원이 일할 수 있는 조직 운영체계를 먼저 만들고 있는 것이다. 운영체계가 깔리고 나면 그 위에 올라탈 '직원'은 사람이 아니어도 된다는 뜻이다.

여기까지가 구조다. 그럼 이 구조가 실제 고용 숫자를 어떻게 바꾸고 있는가. 다음 장의 데이터가 이 글의 핵심이다.

신입부터 지워진다

"AI가 일자리를 빼앗는가"의 답은 아직 '아직은 아니다'. 하지만 신입에게 닥친 변화는 실데이터다

FIG. 02 — 의자는 비어 있고, 화면은 일하고 있다. 신입 채용이 닫힌 사무실의 풍경.

FIG. 02 — 의자는 비어 있고, 화면은 일하고 있다. 신입 채용이 닫힌 사무실의 풍경.

일자리의 소멸은 대규모 해고 뉴스로 오지 않았다. 더 조용한 경로 — 채용 공고의 소멸 — 로 왔다. Revelio Labs 조사에서 미국의 신입 채용 공고는 18개월 새 35% 줄었다.[7] 스탠퍼드 연구진이 ADP 급여 데이터를 분석한 결과, AI 영향이 큰 직종에서 22~25세 초년생 고용은 2022년 말 이후 16% 상대 감소했다. 소프트웨어 개발과 고객 지원에서 폭이 가장 컸다.[8] AI를 도입한 기업에서는 도입 후 6분기 안에 신입 고용이 약 9% 줄었는데, 같은 기간 시니어 고용은 오히려 늘었다.[9]

신입 채용과 초년생 고용의 감소율을 비교한 막대그래프

• 신입 채용 공고(18개월) — −35%
• 22~25세 초년생 고용(AI 고노출 직종) — −16%
• AI 도입 기업의 신입 고용(도입 후 6분기) — −9%
• 같은 기업의 시니어 고용(도입 후 6분기) — ＋증가

출처: Revelio Labs / 스탠퍼드·ADP 급여 데이터 분석 / AI 도입 기업 고용 추적. 막대 길이는 비율을 시각화한 것으로, 첫 번째 막대(−35%)를 100으로 정규화.

숫자 뒤의 현장은 이렇다. 올해 시애틀에서 강의자가 아마존 직원과 나눈 대화가 그 예다. 대규모 정리해고의 폭풍은 한풀 꺾인 상태였다. 대신 회사는 신입 채용을 거의 닫고, 기존 경력직이 AI를 쓰며 생산성을 끌어올리는 방향으로 움직이고 있었다. 그 직원은 이런 불안을 덧붙였다 — "AI가 한 단계만 더 발전하면, 이 완충 지대도 오래 버티지 못할 것."

'신입 소멸'은 현장에서 이렇게 진행된다. 사람을 자르는 게 아니라, 뽑지 않는 것. 채용 페이지가 조용히 비어가고, 채용 과정까지 AI가 맡으면서 지원자는 사람을 상대한다는 느낌조차 잃어간다. 일자리는 파괴되는 게 아니라, 처음부터 만들어지지 않는다.

"AI가 일자리를 빼앗는가"라는 질문의 답은 아직 '아직은 아니다'. 하지만 신입에게 닥친 변화는 예언이 아니라 실데이터다.

왜 신입부터인가. 신입의 일 — 자료 조사, 문서 초안, 기본 코딩, 1차 고객 응대 — 이 에이전트가 가장 먼저 '작업 완료'할 수 있는 일이기 때문이다. 그리고 시니어의 일 — 목표 설정, 판단, 검수 — 은 아직 사람에게 남아 있기 때문이다. 이 비대칭이 다음 장의 딜레마를 만든다.

반론, 그리고 기업의 두 갈래 길

공포만큼 위험한 것은 성급한 낙관이다. 양쪽의 증거를 함께 보자

정직한 글이라면 반대편 증거도 함께 놓아야 한다. 세 가지가 있다.

첫째, 전체 노동시장의 집계 신호는 아직 없다. 2026년 초 현재, 실업률과 임금의 거시 지표에서 AI발 충격은 확인되지 않는다. 신입 채용의 붕괴는 사실이지만, 그것이 전체 고용의 붕괴로 번졌다는 데이터는 아직 없다.

둘째, 제번스의 역설이다. 다리오 아모데이 — 9월에 "속도를 늦추라"는 에세이를 쓴 바로 그 사람 — 는 생산성이 오르면 오히려 수요가 늘어 일자리가 늘 수 있다고 말해왔다. 위기론과 낙관론을 같은 사람이 동시에 말하는 시대다. 진짜 변수는 에이전트가 본격화되는 시점이다.

셋째, 생산성 여력을 해고가 아니라 재배치로 푸는 기업이 실제로 있다. 같은 숫자를 두고 기업들은 지금 두 갈래 길로 갈라지고 있다.

AI 생산성 여력을 고용 축소와 인력 재배치에 사용하는 두 갈래 길

길 1 — 비우기 · 신입 채용을 닫고, 생산성을 지렛대로 쓴다

빅테크의 기본값. 채용 공고를 줄이고, 기존 경력직이 AI 도구로 생산성을 끌어올린다. 겉으로는 고용이 유지되는 것처럼 보이지만, 조직의 미래를 공급하던 파이프라인이 마르고 있다.

−35% 신입 채용 공고 감소폭 −16% 초년생 고용 감소폭(AI 고노출 직종)

길 2 — 재배치 · 확보한 여력을 사람을 옮기는 데 쓴다

인도 위프로(Wipro)의 선택. AI 도입으로 약 2만 명 분량의 생산성 여력을 확보했지만, 해고 대신 사내 재배치를 택했다. 전체 인력 24만 3천 명 중 10만 명 이상이 AI 교육·인증을 완료했고, 엔지니어는 '에이전트 감독자'로 이동한다.[10]

20,000명분 확보된 생산성 여력 100,000명+ AI 교육·인증 완료

위프로 CTO 산드히야 아룬의 표현이 방향을 보여준다. "같은 엔지니어가 에이전트 무리를 관리하거나, 다른 프로젝트에 투입되거나, 새 역할 교육을 받는다." 그리고 측정 기준도 바꾼다 — 절감된 시간이 아니라 고객 경험과 수익, 실행 결과로 AI의 가치를 평가하는 것. 인도 3,150억 달러 IT 서비스 업계 전체가 이 기로에 서 있다. TCS는 현장 배치형(forward-deployed) 엔지니어를 최대 8,900명, 인포시스는 6,000명 규모로 확대 중이다.

그리고, 누구도 답하지 못한 딜레마

두 길 모두 같은 질문에 부딪힌다. 신입을 뽑지 않으면, 10년 뒤 시니어는 어디서 오는가. 조직 피라미드의 하단이 사라지는데 상단은 유지될 수 없다. 시니어의 생산성은 오르는데, 그 생산성 도구를 다루는 판단력은 어디서 쌓는가. 신입 시절의 '자잘한 실무'가 사라진 시대에 경험의 사다리를 어떻게 다시 설계할 것인가 — 이것은 기업의 질문이자, 지금 신입인 사람과 신입을 둔 부모의 질문이기도 하다.

에릭 슈미트 전 구글 CEO는 "AI가 대부분의 프로그래밍 작업을 할 것"이라고 말한다. 아모데이는 같은 주에 "속도를 늦춰야 한다"와 "일자리가 늘 수 있다"를 함께 말한다. 확실한 것은 하나뿐이다. 이 불확실성의 비용을 가장 먼저 치르는 것은 조직이 아니라 개인이라는 것. 그래서 다음 질문은 회사가 아니라 내 것이 된다.

살아남는 법: 네 가지 전략

외면 금지, 수동 추종 금지, 안일 금지 — 그럼 무엇을 할 것인가

생존 전략의 출발점은 기술이 아니라 태도다. 인공지능을 비롯한 기술 트렌드를 살피고, 최대한 사용하며, 살길을 능동적으로 모색하는 것. 지금 하는 일에서 최대한 써먹는 것과 동시에, 회사라는 울타리를 잃어도 계속할 수 있는 것이 무엇인지 고민하는 것. 이 두 가지를 네 개의 실행 원칙으로 풀어본다.

1. AI를 '쓰는' 사람을 넘어, AI를 '감독하는' 사람이 되라

새로운 기본기는 프롬프트 작성이 아니라, 목표를 정확히 주고 결과를 검수하는 감독 능력이다. 이미 코딩 분야에서는 '검수하는 시니어'가 가장 강해진다는 데이터가 이미 나와 있다 — AI 도입 기업에서 시니어 고용이 늘어난 이유다. 지금 내 업무에서 AI가 할 수 있는 부분을 하나씩 맡겨보고, 그 출력을 판단하고 교정하는 연습을 반복하라. 위프로가 10만 명을 재교육해 만든 역할이 바로 '에이전트 감독자'다. 회사가 교육해주기를 기다릴 필요가 없다. 지금 내 책상에서 시작할 수 있다.

2. 속도를 일상으로 만들어라 — 작게, 자주 배우기

모델이 몇 주마다 바뀌고, 개발 주체까지 기계화되는 시대에는 배운 도구에 안주하는 것 자체가 가장 큰 리스크다. '어떤 AI를 배울까'라는 질문에 대한 답은 모델 이름이 아니라 범주다 — 추론형 모델, 에이전트 프레임워크, 자동화 도구. 도구를 수시로 갈아타는 것이 기본값이다. 마지못해 따라가는 수동 학습과의 차이는 속도가 아니라 주도권이다. 내 업무의 문제를 먼저 들고 도구를 찾는 사람은 도구가 바뀌어도 흔들리지 않는다.

3. 회사라는 울타리 밖에서도 통하는 자산을 만들어라

"지금 하고 있는 일, 회사라는 울타리를 잃어도 내가 무엇을 계속할 수 있을까." 이 질문을 미루지 마라. 직무 기술서(job description) 안의 나와 밖의 나를 분리해서 점검하라. 회사가 준 권한과 시스템이 없어졌을 때 남는 것 — 도메인 지식, 문제를 정의하는 능력, 사람과의 신뢰, 직접 만든 것의 포트폴리오 — 이 진짜 자산이다. OpenClaw나 Hermes 같은 오픈소스 에이전트를 직접 돌려보는 것도 한 가지 방법이다. 한 달에 몇십 달러면 나만의 AI 비서를 가질 수 있는 시대에, 그것을 직접 돌려본 경험은 어떤 회사에도 속하지 않는 내 것이 된다.

4. 인터페이스가 옮겨가는 자리에 서라

AI는 화면 밖으로 나오고 있다. 음성·영상·공간 — 텍스트를 넘어 세상을 만지기 시작했다. 휴머노이드 로봇이 공장에서 부품을 정렬하고, 200시간 연속으로 택배를 분류하는 시대다. 물리 세계는 소프트웨어보다 느리게 변하지만, 물류와 제조 현장에서는 이미 시작됐다. 질문은 "얼마나 빨리"가 아니라 "어느 순서로"다. 내 전문성이 '현장 이해'와 만나는 지점 — 그것이 도구가 아무리 바뀌어도 쉽게 지워지지 않는 자리다.

이번 주에 시작할 수 있는 것들

• 내 업무의 30%를 에이전트에게 맡겨보기. 반복 작업 하나를 골라 목표-실행-검수의 사이클을 직접 설계한다.
• 모델이 아니라 범주로 배우기. 추론형 모델·에이전트 프레임워크·자동화 도구, 세 범주 각각에 손을 대본다.
• 울타리 테스트. "회사가 없어져도 할 수 있는 일"을 종이에 적어본다. 세 줄이 안 나오면, 그것이 숙제다.
• 분기마다 갈아타기 연습. 익숙한 도구를 내려놓고 새 도구로 같은 일을 해본다. 갈아타는 힘도 근육처럼 길러진다.

무엇이 오는가가 아니라, 어떻게 맞이할 것인가

시애틀에서 보이는 것은 위기라기보다, 일의 정의가 다시 쓰이는 순간이다. 이 기술을 가장 잘 아는 사람들이 가장 크게 경고한다. 그 경고 속에서도 기술은 멈추지 않는다. 1등 모델은 다음 달에 바뀌고, 에이전트는 레벨 4를 향해 가고, 신입 채용 공고는 회복되지 않을 수도 있다.

우리가 선택할 수 있는 것은 '무엇이 오는가'가 아니다. '어떻게 맞이할 것인가'다. 외면은 전략이 아니고, 마지못한 추종도 전략이 아니다. 트렌드를 살피고, 최대한 사용하고, 회사라는 울타리 너머의 나를 설계하는 것 — 그것이 이 시대의 생존 문법이다.

이 글을 읽기 전의 당신과, 지금의 당신은 이미 다른 질문을 품고 있을 것이다. 그 질문이 출발점이다.

지금 당신이 하고 있는 일에서, 내일 당장 AI에게 맡길 수 있는 한 가지는 무엇인가. 그리고 회사라는 이름을 지우고 나면, 당신의 이름 옆에는 무엇이 남는가.

각주 · 출처 (원문 확인일 2026. 9. 17.)

1. Google 블로그 — "Introducing Gemini 3.8 Flash and 3.8 Flash Cyber"(2026. 9. 2.) / Fortune — "OpenAI debuts GPT-6 Astra"(2026. 9. 3.) / VentureBeat — "Claude Fable 5.1 and Mythos 5.1 arrive"(2026. 9. 1.)
2. OpenAI — GPT-6 Astra System Card: AI 자기개선 능력 평가 항목(2026. 9. 3.)
3. alphaxiv — "The Last AI Built by Humans: Toward Genuine Recursive Self-Improvement"(2026. 9. 15.) / DataScienceDojo — 재귀적 자기개선 사례 정리, AIDE2 실험(2026. 7. 14.)
4. Accelirate — Agentic AI Statistics 2026: 기업 도입 통계(2026. 3. 23.)
5. About Amazon — "Amazon and Anthropic expand strategic collaboration": Lyft·화이자 사례(2026. 4. 20.)
6. openclaw.ai 공식 사이트 / ayautomate — OpenClaw 성장·보안 사고 정리(2026. 4. 29.) / Vellum — Hermes Agent 개요
7. Revelio Labs — 미국 신입 채용 공고 18개월 35% 감소, 인용: WEF — "How AI is changing the nature of entry level work"(2026. 3. 26.)
8. 스탠퍼드 연구진 — ADP 급여 데이터 분석: AI 고노출 직종 22~25세 고용 16% 상대 감소(2022년 말 이후), 인용: Washington Monthly — "How AI Broke the Entry-Level Job"(2026. 5. 29.)
9. Forbes — "Why Entry-Level Hiring Is Down 80% at Companies Adopting AI"(2026. 5. 29.) 및 AI 도입 기업 고용 추적 데이터
10. Reuters — "Wipro's AI push frees capacity equivalent to 20,000 workers, CTO says"(2026. 9. 10.)
11. AP News — "Anthropic CEO Dario Amodei says AI industry needs to slow down for safety"(2026. 9. 13.) / CNBC — 앤트로픽 연구원 사임 보도(2026. 9. 9.)
12. AIMultiple — "Top 20+ Predictions from Experts on AI Job Loss"(2026. 9. 2.) — 낙관론·위기론 전망 종합