TaskLens — AI 과업 노출 탐색기

직업 과업의 이론적 AI 노출과 Claude 대화에서 관측된 과업을 함께 살펴보는 탐색기

🔗 https://pasmal0320-droid.github.io/tasklens/

관련 과제: TaskLens 공고 과업 분석 — 고용24 채용공고의 업무를 같은 기준으로 읽는 확장 페이지

AI는 직업이 아니라 과업에 닿는다. 노출은 대체가 아니고, 관측은 사용률이 아니다.

미국 직업 923개, O*NET 과업 18,838개마다 다음 값을 과업 단위로 보여 주는 정적 웹페이지입니다.

지표	무엇인가	분모 · 출처
이론적 노출	GPT-4가 평가한 "LLM이 이 과업 시간을 크게 줄일 수 있는가"(E0 / E2 / E1). 직업 값은 β = E1 비중 + 0.5 × E2 비중	그 직업의 과업 · Eloundou 외(2023) GPTs are GPTs
Claude 대화 관측 비중	Claude.ai 대화 전체 중 해당 과업으로 분류된 대화의 비중(%). 종사자의 AI 사용률이 아님	Claude 대화 표본 · Anthropic Economic Index 2025-03-27
자동화 / 보조	해당 과업 대화 중 AI에 맡기는 방식(지시·피드백 루프)과 함께 일하는 방식(반복·학습·검증)의 비율	분류 가능한 대화 · 같은 출처
관측 노출 (직업)	Anthropic이 공개한 직업별 관측 노출 지표(observed_exposure)를 그대로 사용	AEI labor_market_impacts 2026-03

과업 관측 비중은 직업 단위로 합산하지 않습니다. 같은 과업 문구가 여러 직업에 연결되기 때문입니다.

기능

• 직업 검색: 한국어·영문 직업명, SOC 코드, 보고 직함(예: "CPA")으로 찾고 자동완성 최대 8개
• 직업 상세: 과업마다 노출·관측 비중·자동화 막대. 값마다 분모·시점·출처 표기
• 과업 결합 상태 5분류: 관측 / 공유 과업 / 관측되지 않음 / 연결되지 않음 / 다중 매칭
• 검수 직업 5개(인사 담당자, 회계사, 소프트웨어 개발자, 간호사, 법률 보조원)는 "검수됨" 배지와 한국어 과업. 나머지는 "자동 결합·미검수"
• 공유 URL: #occ=15-1252.00 형식으로 같은 화면 열기
• (P1) 이론적 노출 vs 관측 노출 산점도, 직업 비교(#compare=a,b,c), 직군·숙련 수준 필터, 다크 모드 토글
• 모바일 대응, 시스템 다크 모드 자동 적용

파일 구성

index.html   페이지 본체 (HTML·CSS·JS 한 파일, 프레임워크 없음)
data.js      가공 데이터 (window.TASKLENS_DATA, 파일을 직접 열어도 동작)
data.json    같은 데이터의 JSON (data.js가 없을 때 fetch로 대체 사용)
README.md    이 문서

외부 리소스: Chart.js 4.4.1(cdnjs), Pretendard 웹폰트(jsDelivr). 서버·API 호출은 없습니다.

로컬에서 보기

index.html을 더블클릭해도 열립니다(data.js 사용). 로컬 서버로 확인하려면:

python -m http.server 8765

그다음 http://localhost:8765/ 를 엽니다.

데이터 가공 요약

가공 스크립트(build.py)와 원천 데이터는 저장소에 올리지 않고 로컬에 보관합니다. 규칙은 PRD v1.3 3.3절을 따릅니다.

1. 기준: O*NET 31.0 과업(8자리 O*NET-SOC 코드 + Task ID)
2. 이론적 노출: (코드, Task ID)로 GPT-4 라벨을 결합했습니다. 8823.0처럼 소수형인 Task ID는 정수로 변환했습니다. 18,735개 과업이 연결됐습니다(99.5%).
3. Claude 대화 관측: AEI 동봉 과업표를 O*NET-SOC 2010→2019 공식 대응표로 변환한 뒤 "직업 코드 + 정규화 문구"로 결합했습니다. 문구가 조금 바뀐 과업은 (코드, Task ID)로 보완했습니다(453건).

분류	과업 수	비율
관측 (exact)	3,771	20.0%
공유 과업 (shared)	19	0.1%
관측되지 않음 (unobserved)	13,784	73.2%
연결되지 않음 (unlinked)	1,191	6.3%
다중 매칭 (multi)	73	0.4%

4. 직업 단위: 관측 노출은 876/923개 직업, OEWS 고용·임금은 891/923개 직업에 연결됐습니다.

한계

1. 노출도는 GPT-4의 평가이며 일자리 대체를 뜻하지 않습니다.
2. 모든 데이터는 미국 직업 체계 기준입니다. 한국의 직무 구성과 다를 수 있습니다.
3. Claude 대화 관측 비중은 특정 서비스·기간의 대화 중 비중이며 직업 종사자의 AI 사용률이 아닙니다.
4. 일부 과업은 과업표 버전 차이로 연결되지 않았습니다(매칭률 위 표).
5. 옛 직업 코드(2010)는 공식 대응표로 변환했고, 나뉘거나 합쳐진 직업은 "코드 변경 대응"으로 표시했습니다.
6. 직업명·과업 한국어는 AI 기계 번역입니다. 검수 직업 5개 외에는 수동 검수를 거치지 않았습니다.
7. 교육 목적이며 커리어·투자·법률 조언이 아닙니다.

출처와 라이선스

데이터	버전	라이선스
O*NET Database	31.0 (August 2026), 2010→2019 대응표	CC BY 4.0. O*NET 31.0 Database by U.S. Department of Labor, Employment and Training Administration (USDOL/ETA). 한국어 번역·가공은 작성자가 수행
GPTs are GPTs (Eloundou, Manning, Mishkin & Rock, 2023)	full_labelset.tsv, occ_level.csv — GPT-4 평가 기준	MIT License, Copyright 2024 OpenAI
Anthropic Economic Index	release 2025-03-27, labor_market_impacts	데이터셋 카드 기재: 데이터 CC-BY, 코드 MIT
BLS OEWS	May 2025 National	미국 정부 공개 데이터

페이지 코드와 이 저장소의 가공 데이터는 위 원천 라이선스의 조건(출처 표기·변경 고지)을 따릅니다.

만든 사람

강병석 · KAIST 기술경영전문대학원 · ITM.690 인공지능 경영과 법 과제 1 (2026) AI와 대화하며 데이터 결합부터 페이지 제작까지 진행한 바이브 코딩 프로젝트입니다.