기술 확산의 전례 없는 속도와 범위
2022년 11월 ChatGPT의 출시는 인공지능 기술이 전문적인 산업 응용 분야에서 대중적인 서비스로 전환되는 중요한 변곡점으로 기록됩니다. NBER(전미경제연구소)의 워킹 페이퍼 34255호 “How People Use ChatGPT”는 이 현상에 대한 가장 포괄적인 실증 분석을 제공하며, 단순한 기술 수용을 넘어선 사회적, 경제적 변화의 물결을 시사한다고 볼수 있습니다. 2025년 7월 기준으로 ChatGPT는 전 세계 성인 인구의 약 10%에 해당하는 7억 명 이상의 주간 활성 사용자(WAU)를 확보했으며, 이는 스마트폰이나 인터넷의 초기 확산 속도를 능가하는 전례 없는 수치입니다.
따라서 해당 보고서를 분석하고, 생성형 AI의 확산 과정, 사용자 인구통계학적 변화, 실제 사용 패턴(업무 대 비업무), 그리고 노동 시장에 미치는 경제적 함의를 심층적으로 알아보려 합니다. 데이터는 2022년부터 2025년까지의 기간을 포괄하며, 개인정보가 보호된 100만 건 이상의 대화 샘플과 거시적 사용 지표를 기반으로 합니다. 분석 결과, 생성형 AI는 단순한 자동화 도구를 넘어 지식 근로자의 의사결정 지원 시스템이자 가계 생산(home production)을 위한 핵심 유틸리티로 자리 잡았음을 보여줍니다. 특히, 비업무용 사용 비중이 70%를 상회한다는 사실은 이 기술이 창출하는 소비자 잉여(consumer surplus)가 공식적인 노동 생산성 통계를 훨씬 상회할 수 있음을 시사합니다.
데이터 규모와 분석의 의의
해당 보고서의 기반이 된 데이터셋은 기존의 설문조사 기반 연구가 가진 한계(자기보고 편향 등)를 극복하고, 실제 사용자의 행동 데이터를 직접적으로 관찰했다는 점에서 의의가 큽니다.
- 메시지 규모: 2025년 7월 기준, 주당 약 180억 개의 메시지가 전송되고 있으며, 이는 일일 25억 개 이상의 메시지 처리를 의미합니다.
- 성장 추세: 2024년 6월과 2025년 6월 사이 메시지 전송량은 5배 이상 급증했습니다.
- 코호트 유지율: 초기 사용자 집단(2022년 말~2023년 초 가입)의 사용량은 시간이 지남에 따라 감소하기보다 오히려 증가하거나 유지되는 경향을 보여, AI가 일시적 유행이 아닌 필수재로 자리 잡고 있음을 증명합니다.
연구 방법론 및 데이터 인프라
NBER 연구진은 사용자의 프라이버시를 완벽하게 보호하면서도 대화의 내용과 의도를 정밀하게 분석하기 위해 고도화된 자동화 파이프라인을 구축했습니다. 이는 향후 사회과학 연구에서 대규모 비정형 텍스트 데이터를 다루는 표준적인 방법론이 될 가능성이 높습니다.
프라이버시 보존형 분류 파이프라인 (Privacy-Preserving Classification)
연구진은 연구자가 사용자의 원본 메시지를 직접 열람하지 못하도록 엄격한 ‘데이터 클린 룸(Data Clean Room)’ 프로토콜을 적용했습니다.
- 개인 식별 정보(PII) 제거: 모든 메시지는 먼저 내부 LLM 도구를 통해 개인식별정보가 제거됩니다.
- 자동화된 분류: 익명화된 메시지는 사전에 정의된 분류 체계(Taxonomy)에 따라 LLM에 의해 자동으로 태깅됩니다. 이 과정에서 ‘GPT-5-mini’와 같은 모델이 활용되었습니다.
- 분류 검증: 분류기의 정확도는 공개된 데이터셋(WildChat)의 인간 레이블링 결과와 비교 검증되었으며, 높은 일치도를 보였습니다.
분석 차원
데이터는 크게 세 가지 차원에서 분석되었습니다:
- 대화 주제(Topic): 사용자가 무엇에 대해 이야기하는가? (예: 글쓰기, 코딩, 조언 구하기)
- 사용자 의도(Intent): 사용자가 AI에게 무엇을 기대하는가? (질문하기, 실행하기, 표현하기)
- 직무 연관성(O*NET Mapping): 해당 대화가 어떤 직업적 활동과 연관되는가?.
인구통계학적 대전환: 틈새시장(Niche)에서 보편적 도구로
ChatGPT의 사용자 기반은 초기 기술 수용자 중심에서 일반 대중으로 빠르게 확장되었으며, 이 과정에서 성별, 연령, 지역적 격차가 급격히 해소되는 양상을 보였습니다.
성별 격차의 해소 (The Closing Gender Gap)
출시 초기인 2022년 말, ChatGPT의 주간 활성 사용자 중 약 80%는 전형적인 남성 이름의 사용자였습니다. 이는 초기 AI 기술이 남성 중심의 기술/엔지니어링 커뮤니티를 중심으로 확산되었음을 반영합니다. 그러나 불과 2년 반 만인 2025년 6월, 이 격차는 사실상 소멸되었습니다.
- 현재 상태: 활성 사용자의 성비는 거의 균형을 이루었으며, 오히려 전형적인 여성 이름의 사용자가 약간 더 많은 비중을 차지하는 것으로 나타났습니다.
- 사용 패턴의 성별 차이: 성별 격차는 양적으로는 해소되었으나, 질적으로는 여전히 차이를 보입니다. 남성 사용자는 ‘기술적 도움(Technical Help)’과 ‘멀티미디어 생성’에 집중하는 반면, 여성 사용자는 ‘글쓰기(Writing)’와 ‘실용적 조언(Practical Guidance)’을 더 많이 활용하는 경향이 있습니다.
연령별 사용 분포와 ‘시니어 절벽’
사용자 연령 분포는 디지털 네이티브 세대의 압도적인 우위를 보여줍니다.
- 청년층의 지배: 성인 사용자가 보낸 전체 메시지의 약 50%가 18세에서 25세 사이의 사용자로부터 발생했습니다. 이는 이 세대가 AI를 검색엔진과 유사한 기본 인프라로 인식하고 있음을 시사합니다.
- 고령층의 낮은 업무 활용도: 66세 이상 사용자의 경우, 전체 메시지 중 업무 관련 내용이 차지하는 비중은 16%에 불과했습니다. 이는 고령층이 AI를 주로 개인적 호기심이나 여가용으로 활용하는 반면, 청년층은 이를 학업 및 초기 경력 개발의 도구로 적극 활용하고 있음을 나타냅니다.
글로벌 확산: 소득 수준과 기술 수용
초기에는 고소득 국가를 중심으로 확산되었으나, 2024-2025년 사이 중저소득 국가(1인당 GDP $10,000~$40,000 구간)에서의 성장률이 고소득 국가를 상회했습니다. 이는 LLM이 제공하는 지식 접근성과 언어 장벽 해소 효과가 개발도상국 사용자들에게 강력한 효용을 제공하고 있음을 시사합니다.
사용의 본질: ‘가계 생산’ 혁명과 비업무적 활용의 급증
경제학적 관점에서 가장 놀라운 발견은 업무용 사용보다 비업무용 사용이 훨씬 더 빠르게 성장하고 있다는 점입니다. 이는 AI가 공식 노동 시장의 생산성 도구일 뿐만 아니라, 가계 내부의 생산성을 높이는 핵심 도구임을 증명합니다.
4.1 비업무 활용의 지배적 비중
데이터에 따르면, 2024년 6월 전체 메시지의 53%였던 비업무용 메시지 비중은 2025년 6월 70% 이상으로 급증했습니다.
| 구분 | 2024년 6월 비중 | 2025년 6월 비중 | 성장 추세 |
| 비업무용 (Non-Work) | 53% | 73% | 폭발적 성장 |
| 업무용 (Work) | 47% | 27% | 꾸준한 성장 (상대적 비중 감소) |
표 1: ChatGPT 메시지의 업무/비업무 비중 변화 추이
이러한 변화는 사용자들이 AI를 단순한 업무 보조 도구가 아닌, 요리법 검색, 여행 계획, 개인적 학습, 건강 관리 등 일상생활의 전반적인 의사결정과 창작 활동(‘가계 생산’)에 통합하고 있음을 보여줍니다.
소비자 잉여 (Consumer Surplus)의 규모
비업무적 사용의 폭발적 증가는 사용자들이 이 서비스에서 막대한 효용을 얻고 있음을 의미합니다. 관련 연구(Collis and Brynjolfsson, 2025)는 생성형 AI가 미국에서만 연간 최소 970억 달러(약 130조 원)의 소비자 잉여를 창출한다고 추정했습니다. 사용자들은 AI 서비스 사용을 중단하는 대가로 월 약 100달러의 보상을 요구할 정도로 이 도구에 높은 가치를 부여하고 있습니다.
대화 주제 분석: 사용자는 AI와 무엇을 이야기하는가?
사용자들의 구체적인 대화 주제를 분석한 결과, 세 가지 주요 카테고리가 전체 사용량의 약 80%를 차지하는 것으로 나타났습니다.
3대 핵심 주제 (The Big Three)
- 실용적 지도 (Practical Guidance, 약 28.1%):
- 내용: 튜터링, 교육, 노하우(How-to) 조언, 창의적 아이디어 구상.
- 특징: 사용자의 구체적이고 개인화된 맥락에 맞춘 조언을 제공합니다. 이는 단순 검색으로는 해결하기 어려운 복합적인 문제 해결을 지원합니다.
- 글쓰기 (Writing, 약 28.1%):
- 내용: 이메일 초안 작성, 문서 편집, 번역, 요약.
- 특징: 업무 관련 메시지에서는 가장 지배적인 주제(약 40~52%)입니다. 특히 글쓰기 요청의 2/3는 새로운 텍스트를 생성하는 것이 아니라, 사용자가 제공한 텍스트를 편집(Editing), 비평, 번역해 달라는 요청입니다. 이는 AI가 ‘저자’보다는 ‘편집자’나 ‘검토자’로서 활용되고 있음을 시사합니다.
- 정보 탐색 (Seeking Information, 약 21.3%):
- 내용: 사실 관계 확인, 제품 정보 검색, 요리법 등.
- 특징: 기존 검색 엔진을 대체하는 기능으로, 사용자는 파편화된 링크 대신 합성된 답변을 선호합니다.
코딩과 기술적 도움의 틈새화
일반적인 인식과 달리, 컴퓨터 프로그래밍(Computer Programming) 관련 대화는 전체의 4.2% 에 불과했습니다. 이는 전문 개발자들이 ChatGPT 웹 인터페이스보다는 GitHub Copilot과 같은 IDE 통합형 도구를 선호하기 때문일 수 있으며, 동시에 일반 대중에게는 코딩보다 자연어 처리 능력이 훨씬 더 중요한 효용임을 보여줍니다.
주제별 상세 분포표
| 대화 주제 (Topic) | 전체 비중 (%) | 주요 하위 활동 |
| 실용적 지도 (Practical Guidance) | 28.1% | 튜터링(10.2%), 노하우 조언(8.5%) |
| 글쓰기 (Writing) | 28.1% | 편집 및 비평(10.6%), 개인적 서신, 번역 |
| 정보 탐색 (Seeking Information) | 21.3% | 특정 정보 검색, 제품 문의, 요리법 |
| 기술적 도움 (Technical Help) | 7.5% | 프로그래밍(4.2%), 수학 계산(3.0%) |
| 멀티미디어 (Multimedia) | 6.0% | 이미지 생성(4.2%), 이미지 분석 |
| 자기 표현 (Self-Expression) | 4.3% | 역할극, 개인적 성찰, 인사 |
| 기타/알 수 없음 | 4.6% | – |
표 2: ChatGPT 대화 주제별 상세 분포 (2025년 6월 기준)
사용자 의도 프레임워크: 질문, 실행, 표현
NBER 연구진은 사용자의 행동을 더 깊이 이해하기 위해 ‘질문(Asking)’, ‘실행(Doing)’, ‘표현(Expressing)’이라는 새로운 분류 체계를 도입했습니다.
의도별 비중과 의미
- 질문하기 (Asking, 49%): 의사결정에 필요한 정보나 조언을 구하는 행위 (예: “링컨 다음 대통령은 누구인가?”, “이번 분기 예산은 어떻게 짜야 하는가?”). 이는 지식 근로자의 문제 해결 모델과 일치합니다.
- 실행하기 (Doing, 40%): AI에게 구체적인 산출물을 만들도록 시키는 행위 (예: “이 이메일을 더 정중하게 고쳐줘”, “파이썬 코드를 짜줘”). 이는 전통적인 과업 기반(task-based) 노동 모델에 해당합니다.
- 표현하기 (Expressing, 11%): 정보나 산출물 없이 감정이나 의견을 표출하는 행위.
‘질문하기(Asking)’의 부상과 의사결정 지원
주목할 점은 ‘질문하기’ 유형이 ‘실행하기’보다 더 빠르게 증가하고 있다는 사실입니다. 특히 고소득 전문직 종사자일수록 ‘질문하기’ 비중이 높습니다. 이는 사용자들이 AI를 단순한 작업 대행자(Automation)로만 쓰는 것이 아니라, 자신의 판단력을 높여주는 조언자(Advisor) 또는 코파일럿(Co-pilot) 으로 활용하고 있음을 시사합니다. 또한 사용자 만족도 조사에서 ‘질문하기’ 대화는 ‘실행하기’ 대화보다 일관되게 더 높은 평가를 받았습니다.
직업 및 노동 시장 영향: 증강(Augmentation)의 현실
사용자 데이터를 미국의 직업 정보 네트워크(O*NET)와 연계 분석한 결과, AI가 실제 직무 현장에서 어떻게 통합되고 있는지에 대한 구체적인 지도가 그려졌습니다.
고학력 전문직 중심의 업무 활용
교육 수준은 업무용 AI 활용을 예측하는 가장 강력한 변수입니다. 대학 학위 이상 소지자는 고졸 이하 사용자보다 업무 목적으로 ChatGPT를 사용할 확률이 훨씬 높습니다. 이는 현재 단계의 생성형 AI가 저숙련 노동을 대체하기보다는, 고숙련 노동자의 생산성을 극대화하는 보완재(Complement) 역할을 하고 있음을 뒷받침합니다.
직무 활동의 보편성 (Universal Work Activities)
직종에 상관없이(경영진, 엔지니어, 영업직 등), 업무 관련 메시지의 약 **81%**는 다음 두 가지 O*NET 활동으로 수렴합니다 :
- 정보 획득, 기록 및 해석 (Obtaining, documenting, and interpreting information)
- 의사결정, 조언 제공 및 문제 해결 (Making decisions, giving advice, solving problems)
이는 ChatGPT가 특정 산업에 특화된 도구가 아니라, 모든 지식 노동의 기저에 있는 인지적 프로세스(정보 처리 및 판단)를 지원하는 범용 기술(General Purpose Technology) 임을 증명합니다.
직종별 활용 패턴의 차이
직종별로 AI를 활용하는 방식에는 뚜렷한 차이가 존재합니다.
- 경영 및 비즈니스 (Management & Business): ‘글쓰기(Writing)’가 업무 메시지의 52%를 차지합니다. 관리자들에게는 커뮤니케이션과 전략 수립이 핵심 업무이며, AI는 이를 위한 초안 작성 및 다듬기 도구로 활용됩니다.
- 컴퓨터 및 수학 관련 직종: ‘기술적 도움’과 ‘실행하기(Doing)’ 비중이 높습니다.
- 과학 및 엔지니어링: ‘질문하기(Asking)’ 비중이 상대적으로 높습니다. 이는 복잡한 문제 해결 과정에서 가설을 검증하거나 전문 지식을 탐색하는 용도로 AI를 활용함을 보여줍니다.
경제적 시사점 및 미래 전망
의사결정 지원 시스템으로서의 가치
Deming(2021)과 Caplin 등(2023)의 연구에 따르면, 지식 집약적 일자리에서 생산성은 더 나은 의사결정을 내리는 능력에 달려 있습니다. 보고서의 데이터는 ChatGPT가 바로 이 지점, 즉 의사결정 지원(Decision Support) 에서 핵심적인 경제적 가치를 창출하고 있음을 보여줍니다. 고임금 전문직들이 AI에게 작업을 전적으로 위임하기보다(Doing), 조언을 구하는(Asking) 패턴은 Ide와 Talamas(2025)가 제안한 ‘코파일럿(Co-pilot)’ 모델과 정확히 일치합니다.
노동의 미래: 자동화가 아닌 증강
우려와 달리, 데이터는 AI가 인간을 대체하는 ‘자동화’보다는 인간의 능력을 확장하는 ‘증강’의 방향으로 쓰이고 있음을 가리킵니다. 특히 글쓰기 업무의 상당 부분이 ‘기존 텍스트의 개선’에 집중되어 있다는 점은 AI가 인간의 창작물을 대체하기보다 품질을 높이는 데 기여하고 있음을 시사합니다. 그러나 청년층(18-25세)의 압도적인 사용률은 향후 노동 시장 진입 세대와 기성 세대 간의 ‘AI 활용 격차’가 새로운 형태의 불평등을 낳을 수 있음을 경고합니다.
디지털 격차의 이중성
접근성 측면에서의 디지털 격차(성별, 국가 간 격차)는 빠르게 해소되고 있습니다. 그러나 활용의 깊이 측면에서는 새로운 격차가 발생하고 있습니다. 고학력 전문직은 AI를 통해 의사결정의 질을 높이고 생산성을 증대시키는 반면, 저학력/단순 노무직에서는 활용도가 낮아 생산성 격차가 심화될 가능성이 있습니다.
마무리
NBER의 “How People Use ChatGPT” 보고서는 생성형 AI가 실험실의 기술을 넘어 전 지구적인 일상과 업무의 인프라로 자리 잡았음을 실증적으로 보여줍니다. 2022년 말부터 2025년 중반까지, 이 기술은 소수의 기술 애호가를 위한 도구에서 전 세계 성인의 10%가 사용하는 보편적 서비스로 진화했습니다.
핵심 결론은 다음과 같습니다:
- 비업무 활용의 폭발: AI는 업무 생산성 도구일 뿐만 아니라, 교육, 가사, 개인적 성장을 지원하는 가계 생산의 핵심 도구로 부상했습니다.
- 지식 노동의 재정의: 직장 내에서 AI는 단순 반복 업무의 자동화보다는, 정보 해석과 의사결정을 지원하는 ‘인지적 파트너’로서 기능하고 있습니다.
- 글쓰기와 정보 종합의 민주화: 가장 보편적인 사용 사례인 ‘글쓰기’와 ‘실용적 지도’는 AI가 언어 장벽과 정보 비대칭을 해소하는 데 기여하고 있음을 보여줍니다.
향후 기업과 정책 입안자들은 AI 도입 전략을 수립함에 있어, 단순한 작업 자동화(Doing)에 초점을 맞추기보다 조직 구성원들의 문제 해결 및 의사결정 능력(Asking)을 어떻게 AI로 증강할 것인지에 주목해야 합니다. 데이터가 보여주듯, AI의 진정한 가치는 인간을 대체하는 것이 아니라 인간의 판단력을 더 날카롭고 효율적으로 만드는 데 있기 때문입니다.