AI 노출도를 측정하는 기존 연구는 AI가 어떤 업무를 수행할 수 있는지만 포착할 뿐 실제 노동자가 이를 채택했는지는 다루지 않는다. 저자들은 노동자가 업무를 워크플로에 구축해 AI에 위임했는지를 기록하는 '위임 노출' 개념을 제안하고, 실무자들이 이미 구축·공유한 에이전트 루틴과 직업별 업무의 근접도로 측정하는 '에이전틱 채택 지수(AAI)'로 구체화했다. Manus Skills Marketplace에서 약 5만3,000개의 에이전트 스킬 명세를 수집해 약 1만8,000개의 O*NET 업무 서술과 의미적 유사도를 계산하고 직업 단위로 집계한 결과 세 가지를 발견했다. 첫째, 위임이 집중되는 직업은 기존 AI 노출 프레임워크가 가장 위험하다고 지목한 직업과 크게 다르다. 둘째, AAI는 노동자의 실제 사용 실태보다 AI가 할 수 있는 일에 더 가깝게 움직인다. 셋째, AAI는 임금 분포의 최상위가 아니라 학사 학위 수준에서 정점을 찍고 양극단에서 낮아지는데, 고학력 직업의 채택 부진은 기술적 실현 가능성만으로는 설명되지 않는다.

• •'위임 노출(delegated exposure)' 개념 제안: AI가 할 수 있는 일이 아니라 실제로 위임된 일을 측정
• •에이전튱 채택 지수(AAI): Manus 5만3,000개 에이전트 스킬과 O*NET 업무 1만8,000개의 의미적 유사도로 산출
• •위임 집중 직업이 기존 AI노출 프레임워크의 고위험 직업과 크게 다름
• •AAI는 노동자의 실제 채택보다 'AI가 할 수 있는 일'에 더 가깝게 추적
• •AAI는 최상위 임금이 아닌 학사 학위 수준에서 정점, 고학력군 채택 부진은 기술 실현가능성만으로는 설명 안됨