미 연방준비제도이사회(Board of Governors of the Federal Reserve System)가 2026년 3월 발간한 금융·경제 토론 시리즈(Finance and Economics Discussion Series, FEDS) 2026-018번 워킹페이퍼는 대형언어모델(LLM, large language model)이 노동시장에 측정 가능한 영향을 줬는지를 검증한다. 저자(Leland D. Crane·Paul E. Soto)는 직업정보시스템(O*NET, Occupational Information Network)과 현재인구조사(CPS, Current Population Survey)를 결합해, 챗GPT(ChatGPT) 출시 이후 프로그래머(coder) 직군의 총고용 증가율이 가파르게 둔화됐음을 보였다. 산업 단위 통제를 적용해도 둔화가 남기 때문에, 이는 산업 충격이 아닌 직업 특이적(occupation-specific) 충격이라는 결론. 다만 고용 자체는 여전히 증가 중이며 증가 속도만 느려졌다고 명시했다. 한국 매크로 페르소나에 시사: 미국 노동시장 전반은 인공지능(AI)으로 인한 광범위 일자리 감소를 보이지 않으나, AI 노출도가 가장 높은 직군은 이미 고용 변동을 겪고 있다는 첫 정량 실증.
연방준비제도(Fed) 이코노미스트 4명이 2026년 1월 발간한 FEDS 워킹페이퍼(2026-006)는 대형언어모델(LLM)을 '경제 행위자(economic agent)'로 두고 분배 게임과 직장탐색 환경에서 드러나는 잠재 선호를 측정했다. 대부분 모델은 독재자 게임에서 균등 분배를 선호하는 '불평등 회피(inequality aversion)'를 보였고, Fehr-Schmidt 모형으로 추정된 회피 강도는 사람보다도 컸다. 그러나 이 선호는 견고하지 않다. 프롬프트 프레이밍·통제 벡터(control vector)로 페이오프 극대화 행동으로 이동시킬 수 있고, 일회 게임에서는 안정적이지만 동적 직장탐색 환경에서는 흔들린다.