질문 선택
88어떤 정책, 어떤 한계, 어떤 비교가 측정할 가치가 있는지 결정하는 일은 어떤 도구가 개입하기 전 단계이며, 전체 연구 프로그램과 정책 판단의 성패가 갈리는 지점이다.
진한 칸일수록 이 직업에서 해당 지표가 높습니다.
낮음높음
이 명칭 아래 세 갈래 길이 공존한다. 연구와 강의를 하는 학계, 중앙은행·정부부처·IMF 같은 기구의 정책 경제학자, 은행·컨설팅·테크 기업의 민간 부문 경제학자다. 일상 업무는 어디서나 비슷하다. 데이터를 정리하고, 모형을 추정하고, 글을 쓰고, 그 결과를 그에 따라 행동해야 할 사람들에게 설명하는 일이다.
법적으로는 아니다. 이 명칭은 어디서든 보호받지 않는다. 실제로는 대학, 중앙은행, 국제기구의 연구직이 사실상 박사 전용이지만, 정부부처와 상업은행, 컨설팅사는 석사급에서 채용하며 영국의 정부경제서비스(GES)는 학사 졸업자를 곧바로 채용한다. 박사학위는 이 직업 전체가 아니라 연구 트랙의 통행증이다.
미국 노동통계국에 따르면 2023년 미국 중위 연봉은 약 11만 5천 달러였고, 연방준비제도와 IMF 소속 경제학자는 그보다 높으며 대형 은행의 수석 이코노미스트는 50만 달러 이상을 번다. 명목 기준으로는 다른 나라에서 훨씬 낮다. 인도나 브라질의 정부 경제학자는 동일한 업무에도 미국 수치의 극히 일부만 받는다.
엄밀히는 아니다. 정식 명칭은 '스웨덴 중앙은행이 제정한 알프레드 노벨 기념 경제학상'으로, 스웨덴 중앙은행이 1968년에 제정해 1969년 처음 수여했다. 원래의 노벨상들보다 68년 늦다. 같은 스톡홀름 시상식에서 같은 상금과 함께 수여되기 때문에 경제학자를 포함한 거의 모든 사람이 그냥 노벨상이라 부른다.
2008년 11월 엘리자베스 2세 여왕이 런던정치경제대학(LSE)을 방문했을 때 정확히 이 질문을 던졌다. 영국학사원의 서면 답변은 '많은 명석한 사람들의 집단적 상상력의 실패'를 원인으로 지목했다. 표준 거시경제 모형이 금융 시스템 자체를 아예 빠뜨리고 있었다는 것이다. 이 사건은 은행업과 신용을 주류 모형에 다시 편입시키는 계기가 되었고, 그 재구축 작업은 지금도 진행 중이다.
금융 분석가는 투자 결정을 돕기 위해 개별 기업과 증권의 가치를 평가하며 대개 CFA 과정을 통해 자격을 얻는다. 경제학자는 인플레이션, 고용, 무역, 빈곤 등 시스템 전체가 어떻게 작동하는지를 연구하며 그에 대한 인과적 질문을 던진다. 훈련 과정도 이에 따라 갈린다. 분석가는 회계와 밸류에이션을, 경제학자는 계량경제학과 모형화를 보통 석사나 박사 과정에서 익힌다.
경제학자는 스스로 인정하듯 유독 AI에 많이 노출된 직업이다. 이 일은 읽고, 코딩하고, 추정하고, 쓰는 일 — 대형언어모델이 가장 잘 다루는 바로 그 업무들 — 이다. 이 직업 자체와 그 자동화 연구를 다룬 설문들은 경제학을 평균적 직업보다 훨씬 높은 노출도에 두며, 현직 경제학자들은 이미 코드, 문헌 검색, 초안 작성에 AI를 일상적으로 활용한다.
그러나 노출이 곧 대체는 아니다. 이 일의 가치를 이루는 부분 — 질문을 선택하고, 어떤 변동이 정말로 외생적인지 판단하고, 총재나 장관이 행동으로 옮길 조언 뒤에 서는 것 — 은 현재 시스템이 수행하기보다는 보조하는 판단과 책임의 과업이다. 현실적인 전망은 일상적인 업무의 끝단은 줄어들되, 오히려 그 위의 시니어 판단 업무는 영향력이 커지는 직업이다.
하루 업무 중 상당 부분 — 데이터 준비, 일상적 추정, 차트 제작, 문헌 검토, 초안 산문, 단기 예측 — 은 이미 자동화가 가능하고 실제로도 상당 부분 자동화되어 있다. 그러나 고객이 실제로 돈을 지불하는 핵심, 즉 질문을 설정하고, 인과적 주장을 판단하고, 모형을 제도적 현실과 통합하고, 조언에 책임을 지는 일은 여전히 저항한다. 대략 이 일의 3분의 1은 이제 기계의 몫이지만, 그 위의 책임 있는 판단은 아니다.
직함이 아니라 업무 단위로 산정했다. 낮을수록 안전하다.
AI가 대체하지 못하는 직업 →어떤 정책, 어떤 한계, 어떤 비교가 측정할 가치가 있는지 결정하는 일은 어떤 도구가 개입하기 전 단계이며, 전체 연구 프로그램과 정책 판단의 성패가 갈리는 지점이다.
위기는 정확히 적합된 관계가 실패하는 순간이다. 2008년과 팬데믹 모두 모형이 틀렸을 때 모형을 넘어서 사고할 수 있었던 경제학자에게 보상을 주었다.
금리 결정 위원회, 재정 채점 기관, 전문가 증인은 자신의 이름으로 판단에 답한다. 어떤 기관도 아직 표결이나 재정 산정, 선서 증언을 모형에 위임하지 않는다.
조언은 장관, 이사회, 대중이 믿을 때에만 의미가 있다. 브리핑, 증언, 평이한 언어로 그 신뢰를 쌓는 일은 자동화가 닿지 않는 관계적 작업이다.
데이터가 어떻게 구성되는지, 지난 위기가 실제로 어떻게 전개되었는지, 특정 통계가 특정 나라에서 무엇을 놓치는지 아는 것은 모형이 소비하지만 만들어내지는 못하는 암묵적 지식이다.
산출물 서식 정리, 상투적인 섹션 초안 작성, 표준 차트 세트 제작은 — 주니어 경제학자 업무시간의 실질적 몫이다 — 이미 스크립팅과 AI 도구로 전 과정이 처리된다.
데이터셋 병합, 변수 표준화, 잘 정식화된 회귀분석 실행은 점점 자동화되고 있다. AI 코딩 보조 도구는 이제 이런 작업을 위한 쓸 만한 Stata, R, Python 코드를 작성한다.
대형언어모델은 워킹페이퍼를 요약하고 관련 문헌을 찾아내며 상당한 수준의 초안 산문을 만들어낸다. 리서치 어시스턴트 몇 주치 시간을 잡아먹던 작업을 압축시킨다.
고빈도 데이터로 GDP와 인플레이션을 나우캐스팅하는 일은 이미 대부분 머신러닝 문제이며, 중앙은행들은 이런 모형을 일상적으로 운용한다. 인간의 역할은 이를 해석하고 무시하는 쪽으로 옮겨갔다.
증거의 단위가 수천 명 규모의 설문조사에서 세금 기록, 거래, 위성 이미지 등 전체 인구 데이터로 옮겨가고 있다. 라즈 체티의 기회통찰(Opportunity Insights) 팀이 익명화된 국세청 데이터로 미국의 계층 이동성을 지도화한 방식이 이제 전 세계 통계기관으로 퍼지고 있다.
코딩, 문헌 검토, 초안 작성이 AI 도구로 옮겨가면서 전통적인 리서치 어시스턴트 도제 제도가 공동화되고 있다. 이 분야는 기술적 판단력을 가르치던 일상적 업무가 자동화된 지금 다음 세대가 어떻게 그 기술을 배울지를 놓고 활발히 논쟁 중이다.
앨빈 로스의 설계 경제학자 선언 이후 시장 설계는 논문에서 실제 운영으로 옮겨갔다. 신장 교환 알고리즘, 주파수 경매, 온라인 광고 시장은 경제학자가 직접 만들고 운영하며, 위신은 경제를 설명하는 쪽에서 경제를 구축하는 쪽으로 옮겨가고 있다.
중앙은행은 이제 부분적으로 연설을 통해 경제를 조종한다. 선제적 안내, 팬 차트, 기자회견. 소셜미디어는 공적 설명을 핵심 역량으로 만들었고, 이 직업은 회귀분석뿐 아니라 청중을 사로잡을 수 있는 경제학자를 점점 더 많이 승진시킨다.
테크 기업 내부에서 경매, 가격 책정, 마켓플레이스 규칙을 설계하는 경력이다. 할 배리언 아래 구글의 광고 경매 작업 이전에는 거의 존재하지 않았고, 지금은 신규 경제학 박사들의 최대 목적지 중 하나다.
2010년 영국 내각부 안에 넛지 유닛인 행동인사이트팀이 창설되며 발명된 역할로, 이후 수십 개국 정부가 이를 모방했다. 행동경제학과 실험을 세금 통지서, 연금, 공중보건에 적용한다.
탄소 가격을 책정하고, 전환 시나리오를 모형화하고, 기후 리스크에 대해 금융 시스템을 스트레스 테스트하는 전문 분야로, 윌리엄 노드하우스의 2018년 노벨상으로 정점을 찍었고 이제 중앙은행, 보험사, 정부부처가 두루 요구한다.
결제 데이터, 구인공고, 위성 데이터로부터 나우캐스팅 시스템과 정책 대시보드를 구축하는 계량경제학과 머신러닝 사이 경계 역할로, 통계기관과 핀테크 기업이 가장 빠르게 채용을 늘리고 있는 분야다.
세 가지 가역 렌즈: 업무 보조, 일부 대체, 새 틈새. 교육용이며 예측이 아닙니다.
역할은 유지하고 AI가 초안·분류·조사를 빠르게 하며 판단과 책임은 사람이 집니다.
좁은 작업 묶음(템플릿·초안·반복 채점)이 먼저 줄어들고 인접 숙련은 커질 수 있습니다.
규제 환경에서 AI 출력을 신뢰해야 하는 감독·통합·도메인 QA 역할이 생길 수 있습니다.
증거를 정직하게 읽으면 경제학은 노출도가 높고 판단력의 비중도 높은 직업이라는 결론에 도달한다. 대부분의 분야보다 더 많은 일상 업무가 자동화될 수 있고, 자동화될 수 없는 잔여 부분에 더 많은 가치가 담겨 있다. 데이터 정리, 코딩, 초안 작성, 표준 예측이라는 일상적 층은 빠르게 흡수되고 있고, 그 층 위에 세워진 신입 직급은 얇아질 것이다.
확장되는 것은 판단력 층의 영향력이다. AI의 도움을 받는 경제학자는 십 년 전 팀 전체가 하던 것보다 더 많은 특정을 시험하고, 더 많은 문헌을 읽고, 더 많은 시나리오를 만들어낼 수 있다. 그러나 어떤 질문을 던질지, 어떤 인과적 결론을 내릴지, 어떤 조언을 할지는 여전히 인간의 이름을 달고 나간다. 경제 분석에 결정을 거는 기관들은 그 이름을 지우려는 어떤 움직임도 보이지 않는다.
기억할 만한 선례는 경제학자들이 자신의 자동화를 이미 흡수해왔다는 것이다. 전자 컴퓨터는 이 직업의 계산원들을 지워버리고 계량경제학을 하나의 산업으로 만들었다. 저렴한 회귀분석 소프트웨어는 추정 작업을 대중화하고 무엇을 추정할지 아는 것의 프리미엄을 높였다. AI는 더 큰 규모에서 벌어지는 같은 거래다. 데이터에 손대는 사람은 줄고, 판단에 실리는 무게는 늘어난다.
같은 분야만이 아니라 여섯 점수 프로필이 가까운 직업입니다.
의뢰인에게 조언하고 그들을 구속하는 문서를 작성하며 사건이 법정에 이르면 대신 다투는 직업으로, 조언이 잘못되면 개인적으로 법적 책임을 진다.
AI 내성 58 💊모든 처방전 뒤에 있는 약의 전문가 — 바그다드 최초의 약국과 약제사의 절구에서 모르핀, 아르테미시닌, 오늘날의 조제실까지.
AI 내성 58 🛰️지상을 벗어나는 항공기, 로켓, 우주선을 설계하고 분석하고 인증하며, 추측의 여지가 없는 안전 여유를 다루는 직업이다.
AI 내성 74 🧫임상, 시험 및 건강 시스템 데이터를 사용하여 보다 안전한 치료, 연구 및 운영 결정을 위한 신뢰할 수 있는 증거를 생성합니다.
AI 내성 68 🦾물리적 세계를 감지하고 판단하고 행동하는 기계를 설계하는 사람으로, 진짜 난제는 지능이 아니라 언제나 세계 그 자체였다.
AI 내성 65 🌿조직이 비즈니스 의무를 이행하면서 환경 및 사회적 피해를 줄이는 데 도움이 되는 전략, 측정 및 보고를 주도합니다.
AI 내성 66회사를 세우는 사람 — 틈새를 발견하고 위험을 감수하며 급여 지급까지 책임지는 존재로, 아시리아의 대상 금융업자에서 벤처 투자를 받는 창업자까지 이어진다.
AI 내성 88 💹기업의 가치를 매기고 자본을 움직이는 딜메이커 — 메디치가의 피렌체에서 오늘날의 피치북까지 이어지는 거래로, 수십억 달러가 오갈 때 신뢰의 대가로 보수를 받는다.
AI 내성 42 🧾장부의 수호자: 문자 자체를 만들어낸 오래된 기술의 계승자이자, 이제는 자신을 자동화하려는 소프트웨어와 협상 중이다.
AI 내성 35 📣수요를 만들어내는 전문가. 폼페이의 벽화 광고와 P&G의 1931년 브랜드맨 메모에서 경매 기반의 디지털 피드 시대까지.
AI 내성 38 🗺️회사가 다음에 무엇을 만들지, 왜 만들어야 하는지를 결정하는 사람. 고객의 필요, 사업 목표, 엔지니어링의 한계를 하나의 공유된 계획으로 엮어내지만, 그 계획을 온전히 소유하는 사람은 따로 없다.
AI 내성 50 🌿조직이 비즈니스 의무를 이행하면서 환경 및 사회적 피해를 줄이는 데 도움이 되는 전략, 측정 및 보고를 주도합니다.
AI 내성 66