Essays on the Impact of Automation in the Labor Market : The Network Analysis on Skills and Occupations = 노동시장 내 자동화의 영향에 대한 소고: 스킬과 직업에 대한 네트워크 분석

국문 초록 (Abstract)

기술혁신은 장기간에 걸쳐 노동시장을 지속적으로 재편해 왔으며, 자동화가 일자리를 감소시킬 것이라는 우려는 반복적으로 제기되어 왔다. 이러한 불안과 달리 상당한 실증 연구는 기술변화가 단기적으로는 특정 직무와 직업군에 대해 파괴적일 수 있지만 장기적으로는 생산성 향상과 새로운 활동의 창출을 통해 노동시장 성과를 개선할 수 있음을 시사한다. 대중적 우려와 실증적 관찰 사이에 지속적으로 나타나는 간극은 노동이 어떻게 재조직되는지에 대한 미시적 메커니즘, 즉 노동자와 직업이 직업 내부의 스킬 구성을 재구성함으로써 기술변화에 적응하는 과정에 대한 이해가 제한적이기 때문일 수 있다. 인공지능의 확산이 기술적 실업에 대한 두려움을 다시 증폭시키고 있는 가운데, 자동화 위험에 대응하기 위한 전략은 노동에 대한 보다 세밀한 이해에 기반해 설계될 필요가 있다.
이러한 맥락에서 상대적으로 덜 탐구된 쟁점은 직업 내 스킬 집합(occupational skill sets)의 구조와 그 진화이다. 많은 연구가 직업 단위에서 자동화 노출도를 추정하고 거시적 위험을 경고해 왔지만, 직업 내부에서 스킬 요구가 어떻게 변화하고 재구성되는지에 대한 체계적 증거는 여전히 제한적이다. 본 학위논문은 고용 변화와 직업 이동성 등 거시적 변화를 설명하기 위해서는 자동화에 적응하는 과정에서 지속적으로 변화하는 스킬 집합의 미시적 동학에 대한 분석이 선행되어야 한다고 주장한다.
이러한 분석은 하나의 근본적 전제를 요구한다. 스킬은 고립된 속성으로 존재하는 것이 아니라, 다른 스킬들과의 상호의존성을 통해 직무의 수행을 가능하게 하는 묶음(bundle)으로 존재한다. 노동자는 다양한 직무를 수행하기 위해 여러 스킬을 결합하며, 이러한 결합 구조의 변화는 적응의 핵심 요소를 이룬다. 따라서 노동의 재구성을 설명하기 위해서는 상호의존성 위에 출현하는 스킬의 복잡성과 직업 내 스킬 집합의 구성을 함께 분석해야 한다. 이를 위해 본 학위논문은 노동시장을 직업-스킬 네트워크로 모델링하고, 자동화와 관련된 스킬 셋 변화가 고용과 직업 이동성으로 어떻게 전이되는지를 검토한다. 분석에는 미국 노동통계청(U. S Bureau of Labor Statistics)이 제공하는 데이터베이스가 활용된다.
첫째, 본 학위논문은 경제적 복잡도(economic complexity) 접근을 적용하여 직업-스킬 네트워크에서 고차 연결성(higher-order connectivity)을 압축하고, 스킬 복잡성 지수(Skill Complexity Index, SCI)와 직업 복잡성 지수(Occupational Complexity Index, OCI)를 도출한다. 해당 네트워크는 모듈적 전문화(modular specialization)와 중첩적 상호보완성(nested complementarity)을 동시에 보인다. 즉, 인지적 스킬(cognitive skills)과 물리적 스킬(physical skills)은 서로 구분되는 영역으로 군집화되는 반면, 일반 스킬은(general skills) 서로 멀리 떨어진 직업들을 연결하는 중심적 위치를 점한다.
둘째, 본 학위논문은 자동화와 고용을 연결하는 복잡성 채널(complexity channel)을 검증한다. 매개분석 결과, 자동화는 직접 경로를 통해 고용과 유의하게 연관되지 않지만, 직업 내 스킬 집합의 복잡성을 증가시키는 경로를 통해 간접적으로는 고용과 양의 관계를 보인다. 이러한 간접 관계는 중임금 직업(middle wage occupations)에서 가장 강하게 나타나며, 자동화 위험에 취약하다고 간주되는 직업일지라도 내부 적응을 통해 노동수요를 유지할 수 있음을 시사한다.
셋째, 본 학위논문은 직무의 자동화(task automation)를 스킬의 침식(skill erosion)으로 변환하고, 직업 이동 네트워크의 진화를 추적하는 시뮬레이션 모델을 구축한다. 반복 직무 자동화(routine task automation)와 인공지능 자동화(AI-driven automation)를 대비한 시뮬레이션 결과, 자동화는 연결성이 약했던 직업들 사이에서도 새로운 이동 경로를 생성할 수 있음을 보여준다. 시뮬레이션 결과는 반복 직무 자동화는 물리적 스킬이 집약된 직업 클러스터 내에서 이동성을 높이며 더 많은 직업의 이탈(occupational exits)과 연관되는 반면, 인공지능 자동화는 보다 광범위한 직업들 간의 이동성을 높일 것으로 나타났다.
본 학위논문의 결과는 노동시장이 직업 내 스킬 집합의 재구조화를 통해 자동화에 적응하는 메커니즘을 보여준다. 이는 자동화 대응 전략이 일자리의 숫자라는 좁은 초점을 넘어, 변화에 유연하게 적응할 수 있도록 스킬 집합이 재구성되는 과정을 촉진하는 방향으로 설계되어야 함을 시사한다. 특히 일반 스킬의 함양이 매우 중요하다. 일반 스킬은 노동자가 새로운 전문 스킬을 다시 축적할 수 있는 기반을 제공하고, 자동화 위험이 높아지는 환경에서 직업 이동성을 강화하는 연결 자산으로 작동한다. 마지막으로, 인공지능 도입의 속도와 범위가 계속 확대되는 만큼, 본 학위논문은 노동시장의 적응을 실시간으로 추적하고 진단할 수 있는 관측 시스템을 구축할 필요성을 강조한다.

다국어 초록 (Multilingual Abstract)

Technological innovation has continuously reshaped labor markets over the long run, and concerns that automation will reduce jobs have repeatedly resurfaced. Contrary to these anxieties, a substantial body of empirical research suggests that although technological change can be disruptive in the short term for specific tasks and occupational groups, it improves labor market performance in the long term through productivity gains and the creation of new activities. The persistent gap between public concern and empirical observation may stem from a limited understanding of the micro-level mechanisms through which labor is reorganized—particularly how workers and occupations adapt to technological change by reconfiguring skill compositions within occupations. As the diffusion of artificial intelligence (AI) once again amplifies fears of technological unemployment in this era, it is increasingly necessary to design strategies for responding to automation risks based on a more granular understanding of work.
In this context, one underexplored issue is the structure of occupational skill sets and how they evolve. Many studies estimate automation exposure at the occupational level and warn of macro-level risks; however, systematic evidence remains limited on how skill requirements change and are reconstituted within occupations. This dissertation argues that, even to explain macro-level outcomes such as employment and occupational mobility, it is essential first to analyze the micro-dynamics of skill sets that continuously change adapting to automation.
Such analysis requires a fundamental premise: skills do not exist as isolated attributes but operate as bundles that enable occupational performance through interdependence with other skills. Workers carry out diverse tasks by combining multiple skills, and changes in this combinatorial structure constitute a core component of occupational adaptation. Accordingly, explaining the reconfiguration of work requires analyzing the complexity of skills that emerges from interdependence and the organizing principles that shape the composition of occupational skill sets. To this end, this dissertation models the labor market as an occupation–skill network and examines how automation-related changes in skill sets translate into employment and occupational mobility. The analyses integrate U.S. labor market data from the Bureau of Labor Statistics.
First, the dissertation applies an economic complexity approach to compress higher-order connectivity in the occupation–skill network and derives a Skill Complexity Index (SCI) and an Occupational Complexity Index (OCI). The network exhibits both modular specialization and nested complementarity: cognitive and physical skills cluster into distinct domains, while general skills occupy central positions that bridge otherwise distant occupations.
Second, the dissertation tests a complexity channel linking automation to employment. Mediation analysis indicates that automation is not significantly associated with employment through a direct pathway but is positively associated with employment indirectly through increases in the complexity of occupational skill sets. This indirect relationship is strongest among middle-wage occupations, suggesting that occupations often considered vulnerable to automation risk sustain labor demand through internal reconfiguration.
Third, the dissertation develops a simulation model that translates task automation into skill erosion and tracks the evolution of an occupational mobility network. By contrasting routine task automation with AI-driven automation, the simulations show that automation can generate new mobility pathways across occupations that were weakly connected. Routine automation concentrates mobility within physically oriented clusters and is associated with more occupational exits, whereas AI-driven automation generates broader cross-domain occupational mobility.
The findings of this dissertation demonstrate a mechanism through which labor markets adapt to automation via the reconfiguration of occupational skill sets. This implies that strategies for responding to automation should move beyond a narrow focus on job counts and instead be designed to foster the processes by which skill sets are reorganized to enable adaptation to technological change. In particular, the results suggest that cultivating general skills is critical. General skills provide the foundation on which workers can reaccumulate new specialized skills and serve as connective assets that enhance occupational mobility in environments where automation risks intensify. Finally, as the speed and scope of AI adoption continue to expand, this dissertation underscores the need to build an observatory capable of tracking and diagnosing labor market adaptation in real time.

목차 (Table of Contents)

• Abstract iii
• Contents vii
• List of Tables xi
• List of Figures xii
• Chapter 1. Introduction 1
• 1.1 Background 1
• 1.2 Research Questions, Objectives, and Outline 8
• 1.3 Significance and Contributions 13
• Chapter 2. Literature Review 19
• 2.1 The Development of the Predictions on the Future of Work 19
• 2.2 Definitions 22
• 2.2.1 Occupation, Task, and Skill 22
• 2.2.2 Occupational Skill Sets as Interdependent Systems 23
• 2.3 Automation and Occupational Employment 25
• 2.3.1 Static Job Content and Employment 25
• 2.3.2 Dynamic Job Content and Employment 26
• 2.4 Automation and Occupational Mobility 28
• 2.4.1 Occupational Mobility and Skill Relatedness 28
• 2.4.2 Automation and the Barrier of Occupational Transition 29
• 2.5 Summary 31
• Chapter 3. Unraveling the Structural Embeddedness of Skills in the Occupation–Skill Bipartite Network 33
• 3.1 Introduction 33
• 3.2 Materials and Methods 38
• 3.2.1 O*NET and OEWS Data 38
• 3.2.2 Constructing the Skill Network 39
• 3.2.3 Measuring the Structural Embeddedness of Skills and Occupations 40
• 3.2.4 The Contribution of Skills to Modularity and Nestedness 42
• 3.2.5 Regression Analysis 46
• 3.3 Results 47
• 3.3.1 Identifying General Skills 47
• 3.3.2 Deriving the Complexity of Occupations and Skills 51
• 3.3.3 Structural Embeddedness of Skills in the Labor Market 55
• 3.3.4 Wage Premium of General Skills 59
• 3.4 Discussion 64
• Chapter 4. Complexity Channel: The Impact of Automation on Skill Sets and Employment of Occupations 67
• 4.1 Introduction 67
• 4.2 Materials and Methods 71
• 4.2.1 Data 71
• 4.2.2 Measuring Occupational Skill Sets 73
• 4.2.3 Empirical Model 75
• 4.3 Results 78
• 4.3.1 Descriptive Evidence on the Evolution of Occupational Skill Sets 78
• 4.3.2 Mediation Analysis Results 83
• 4.4 Discussion 90
• Chapter 5. Contrasting Pathways of Automation: Routine Task Substitution vs. AI Complementarity 94
• 5.1 Introduction 94
• 5.2 The Assumptions of Task Automation Scenarios 98
• 5.2.1 Research Question 98
• 5.2.2 The Machines’ Comparative Advantage against Humans 99
• 5.2.3 The Relationships between Tasks and Skills 101
• 5.2.4 The Role of Skills in Occupational Mobility 103
• 5.2.5 Summary 104
• 5.3 Materials and Methods 106
• 5.3.1 Data 106
• 5.3.2 Simulating Task Automation and Skill Requirements Changes 108
• 5.3.3 Occupational Network 113
• 5.4 Results 115
• 5.4.1 Task Automation and Changes in Skill Requirements 115
• 5.4.2 Structural Changes in Occupational Network 119
• 5.4.3 Human–Machine Ratio 124
• 5.5 Discussion 127
• Chapter 6. Conclusion 132
• 6.1 Summary 132
• 6.2 Policy Implications 134
• 6.3 Future Research 138
• Bibliography 140
• Appendix 157
• A.1. The Skill Importance Distributions 157
• A.2. Comparison of Methods for Identifying Skill Requirements 158
• A.3. The Communities of Occupations 161
• B.1. Structural Changes in the Occupational Network until the Exhaustion of All Tasks 162
• B.2. The Specificity of Skills and the Task Automation Sequences 163
• Abstract (Korean) 164