오늘 우리는 출시합니다 OpenAI가 탐색하는 Signals 데이터 거의 100개국에 걸쳐 165가지 직업 활동을 분석하여 소비자들이 업무용으로 ChatGPT를 어떻게 사용하는지 보여줍니다. 이 데이터는 교육 자료 준비, 마케팅 콘텐츠 개발부터 프로그래밍, 비즈니스 데이터 분석에 이르기까지 사람들이 ChatGPT에 가져오는 업무 활동에 관한 새로운 정보와 함께, 경제에서 AI가 하는 역할을 연구할 수 있는 새로운 방법을 연구자들에게 제공합니다.
연구자들은 이 데이터를 활용해 국가별로 업무용 ChatGPT 사용이 어떻게 다른지 탐색하고, 시간에 따른 변화를 추적하며, 이 데이터를 다른 경제 지표와 연계할 수 있습니다. 이번 공개 데이터는 ChatGPT 사용량을 중간 업무 활동(Intermediate Work Activities, IWA)이라 불리는 165개 업무 활동 범주와 연결합니다. IWA는 다양한 직업에 걸쳐 사람들이 수행하는 업무 유형에 대해 널리 사용되는 작업 범주입니다. 데이터는 분기별로 표현되며, 2025년 1분기부터 2026년 3분기까지의 기간을 포괄합니다.
사람들이 업무에 AI를 어떻게 사용하는지 더 깊은 수준에서 이해하기
저희의 새로운 데이터는 직업별 과업을 여러 직업에 걸쳐 공유되는 더 넓은 범주의 업무 활동으로 묶어주는 표준화된 프레임워크인 O*NET을 활용합니다. 공통 프레임워크를 사용하면 연구자들이 ChatGPT 사용을 다른 유형의 직업 및 고용 데이터와 비교하는 데 도움이 됩니다.
아래 인터랙티브 차트를 사용하면 특정 국가에서 이러한 업무 활동이 시간에 따라 어떻게 변화하는지, 폭넓은 활동 그룹에서 더 구체적인 활동으로 이동하며 탐색할 수 있습니다. 데이터는 사람들이 업무에 ChatGPT를 사용하는 방식이 국가마다 크게 다르다는 것을 보여줍니다.
| 활동 | 공유 |
|---|
일치하는 활동이 없습니다
사람들이 ChatGPT에 가져오는 작업을 탐색해 보세요. 활동 그룹을 선택하여 그 안의 과제를 확인하거나, 그것들이 시간에 따라 어떻게 변하는지 살펴보거나, 국가를 선택하여 해당 국가의 업무 관련 메시지 구성을 탐색해 보세요.
이 데이터를 IWA와 연결해 분석한 결과, 업무 관련 사용이 가장 흔한 활동에 덜 집중되는 것으로 나타났습니다. 이는 국가들이 시간이 지남에 따라 자신들의 업무에 특화하게 되었고, 서로 다른 국가들이 서로 다른 유형의 업무에 특화했음을 의미합니다. 이러한 차이는 국가 간에 수행되는 업무의 종류가 다르거나 AI 도구에 대한 접근성이 다양하다는 점을 반영할 수 있습니다. 이러한 질문을 탐구하는 것은 연구자들이 이 새로운 데이터로 추구할 수 있는 많은 예 중 하나입니다.
분기마다 관찰된 74개국 전체에서, 가장 흔한 10가지 활동이 2026년 3분기 각국의 분류된 업무 메시지 중 평균 51.1%를 차지했으며, 이는 2025년 1분기의 56.0%에서 감소한 수치입니다.
연구자들이 이 데이터를 활용할 수 있는 방법
ChatGPT 사용 데이터를 IWA와 연결하면 연구자들이 ChatGPT 메시지를 미국 직업 전반에서 수행되는 활동과 비교할 수 있습니다. 아래의 쌍을 이룬 시각화 자료는 사람들이 ChatGPT를 사용하는 방식과 미국 직업 전반에서 수행되는 활동을 비교합니다. 이 비교는 사람들이 업무 목적으로 ChatGPT를 사용하는 방식과 미국 경제에서 실제로 이루어지는 작업 간의 차이를 보여줍니다. 두 분포는 상당히 다른데, 이는 주로 매핑된 미국 직업의 고용 가중 작업 구성 중 약 43%가 개별적으로 보고된 범주 밖의 기타 IWA에 속하기 때문입니다. 여기에는 자재 이동, 차량 운전, 건강 또는 의료 기록 유지와 같은 활동이 포함됩니다. 이러한 누락된 범주는 원래의 미국 ChatGPT 표본에서 일관된 대표성을 확보하는 기준을 충족하지 못했습니다.
활동을 선택하면 ChatGPT 사용량과 미국 전체 경제에서 각각 얼마나 나타나는지 확인할 수 있습니다.
데이터 탐색하기
이번 발표는 사람들이 AI를 어떻게 사용하는지에 대한 근거를 공유하는 지속적인 노력인 OpenAI Signals를 토대로 합니다. 이 데이터는 개인 ChatGPT 플랜에서 업무 관련 메시지를 다루며, 기업 메시지나 Codex 사용은 포함하지 않습니다. 연구자들이 이 데이터를 탐색하고 다른 자료와 연계하며 이러한 패턴이 노동자와 기업에 어떤 의미를 갖는지 조사해 보시기를 초대합니다.
사용자의 개인정보를 보호하기 위해 연구자들은 개별 대화를 읽지 않습니다. 자동화 시스템이 식별 정보를 제거한 후 메시지를 분류합니다. 우리는 집계된 통계를 공개하고, 소규모 그룹에 대한 결과는 보류하며, 개별 메시지를 보호하기 위해 통계적 노이즈를 추가합니다.
인용
BibTeX
1@online{openaiecon2026signalsdata,2 author = {Aaron Chatterji and Thomas Cunningham and David J. Deming and Zoe Hitzig and Drew Johnston and Alex Martin Richmond and Christopher Ong and Carl Yan Shan and Kevin Wadman},3 title = {{OpenAI} Signals v3.0},4 year = {2026},5 organization = {OpenAI},6 url = {https://openai.com/signals/data-download/},7 urldate = {2026-10-26},8 note = {Data download and methodology},9}