AI가 코드를 씁니다. 그래도 완성은 전문성이 정합니다.

약 40만 건의 에이전틱 코딩 세션에서, 계획 결정의 약 70%는 사람이 내렸습니다. 그런데 실행 결정은 20%만 사람 몫이었습니다 [사실]. 코드를 치는 건 대부분 AI였다는 뜻이죠. 그럼 전문성은 이제 무의미해진 걸까요? Anthropic 자신의 데이터가 내놓은 답은 정반대입니다. 초보자와 전문가의 격차는 좁혀지지 않았습니다. 다만 자리를 옮겼을 뿐입니다 — "AI가 운동장을 평평하게 만든다"는 주장들이 잘 들여다보지 않는 곳으로요.

40만 세션이 실제로 측정한 것

Anthropic의 Societal Impacts 팀은 2025년 10월부터 2026년 4월까지 약 23만 5천 명이 만든 약 40만 건의 Claude Code 세션을 분석했습니다 [사실]. 보고서 제목은 "Agentic coding and persistent returns to expertise"(에이전틱 코딩과 지속되는 전문성 프리미엄), 저자는 Zoe Hitzig, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, Peter McCrory이고 2026년 6월 16일 발행됐습니다. 동료심사를 거친 논문이 아니라 회사 리서치 블로그 글입니다. 이 구분은 중요하니 뒤에서 다시 짚겠습니다.

방법론도 두 문장만 볼 가치가 있습니다. 결론이 전부 여기에 걸려 있거든요. Claude Sonnet 4.6 기반의 프라이버시 보존 분류기가 세션 대화록을 읽고 어떤 작업이었는지, 사용자의 숙련도는 어느 정도인지, 세션이 성공했는지를 판정했습니다. 직업은 미국 노동통계국(BLS)의 표준직업분류(SOC)에 매핑했고, 작업 가치는 프리랜서 마켓플레이스의 공고 가격에 보정했습니다 [사실]. 저자들이 밝힌 검증 하나: 분류기가 "코드 작성·수정"으로 라벨한 세션의 90% 이상에서 실제 텔레메트리상 코드 변경이 확인됐습니다 [사실].

전형적인 세션은 대화 턴 4번 정도였고, 사람이 프롬프트 하나를 보낼 때마다 Claude가 평균 10개 안팎의 액션을 연쇄 실행하며 평균 2,400단어를 출력했습니다 [사실]. 지금 에이전틱 코딩의 모양새가 이렇습니다. 사람은 가끔 방향을 잡고, 기계는 쉬지 않고 실행합니다.

성공 기준은 일부러 엄격하게 잡았습니다. "검증된 성공(verified success)"으로 인정받으려면 세션이 성공했다는 판정에 더해 최소 하나의 확실한 신호 — 작업 내용과 일치하는 git 커밋이나 풀 리퀘스트, 테스트 통과, 사용자의 명시적 확인 — 가 있어야 했습니다 [사실]. 뒤에 나오는 퍼센트가 낮아 보일 때 이 엄격함을 기억해 두세요.

전문성 프리미엄은 줄지 않았습니다. 이사를 갔을 뿐입니다.

핵심 패턴부터 보죠. 초보자로 분류된 사용자의 세션은 15%가 검증된 성공에 도달했고, 중급~전문가는 28~33%였습니다 [사실]. 더 느슨한 부분 성공 기준으로는 초보자 77% 대 나머지 91~92%였고요 [사실]. 세션을 포기한 비율은 초보자 19%, 그 외 5~7%였습니다 [사실].

가장 날카로운 숫자는 사고 현장에 있습니다. 세션이 문제에 빠졌을 때, 초보자가 그걸 검증된 성공까지 되살린 비율은 겨우 4%. 전문가는 15%였습니다 [사실].

보고서가 명시적으로 하지 않은 산수를 해 봅시다. 순탄한 경로에서 전문가는 초보자를 대략 2배 앞섭니다(15% 대 28~33%). 문제에 빠진 세션에서는 격차가 거의 4배로 벌어집니다(4% 대 15%) [추정 — 보고서의 발표 수치로 우리가 계산한 값]. 전문성 프리미엄은 작업 전체에 고르게 깔려 있지 않습니다. AI가 막히는 바로 그 지점 — 애매하고, 깨져 있고, 원인이 반쯤만 파악된 상황 — 에 집중적으로 몰려 있습니다.

전문가는 같은 도구에서 뽑아내는 양 자체도 다릅니다. 전문가의 프롬프트 하나는 평균 12개의 Claude 액션과 3,200단어의 출력을 끌어냈고, 초보자는 5개 액션과 600단어에 그쳤습니다. 저자들은 이 격차를 p < 0.001 수준으로 보고합니다 [사실]. 같은 구독, 같은 모델인데 출력은 5배 차이. 도구가 평등 장치가 아니라, 운전자가 변수라는 얘기죠.

이 모든 걸 읽는 방식을 바꾸는 디테일이 하나 있습니다. 여기서 "전문성"은 직함도, 경력 연수도 아니었습니다. 분류기는 행동을 채점했습니다 — 지시를 얼마나 정밀하게 내리는지, Claude에게 무엇을 검증하라고 요구하는지, 사용자가 Claude를 고쳐주는지 아니면 Claude가 사용자를 고쳐주는지 [사실]. 이 데이터셋에서 전문성이란 세션 안에서 하는 행동입니다.

"코딩부터 배우고 오라"를 복잡하게 만드는 5%포인트

이제 긴장의 반대편입니다. 코드를 생산한 세션에서, 소프트웨어 직군 사용자의 검증된 성공률은 약 34%. 그런데 다른 직군 사용자도 약 29%였습니다 [사실]. 부분 성공은 89% 대 88%로 거의 같았고, 데이터에서 규모가 가장 큰 10개 직군 전부가 소프트웨어 엔지니어와 7%포인트 이내에 들어왔습니다 [사실].

보고서 자신은 하지 않은 비교를 나란히 놓아 보죠. 직업이 만드는 차이는 약 5%포인트, 도구를 얼마나 전문가답게 다루는가가 만드는 차이는 13~18%포인트입니다 [추정 — 우리 계산]. 전문가처럼 일하는 것이 전문가로 고용돼 있는 것보다 대략 3배 더 강한 예측 변수라는 뜻입니다.

이 데이터의 겉보기 모순은 이렇게 풀립니다. 작동하는 코드를 만들어내는 진입장벽은 내려가고 있습니다 — 이 데이터셋의 마케터, 분석가, 연구자들은 전문 엔지니어에 근접한 비율로 검증된 코드를 만들어냈습니다. 하지만 기계의 작업을 지휘하고, 검증하고, 구출하는 능력에 대한 보상은 굳건하고, 실패 경계선에서는 오히려 벌어지고 있습니다. "전문성"이라 불리는 서로 다른 두 가지가 반대 방향으로 움직이고 있는 겁니다.

다만 진입장벽 사망 선고를 내리기 전에 포기율을 다시 보세요. 초보자 세션 다섯에 하나 꼴로 사용자가 그냥 떠나며 끝났습니다. 나머지 사용자들의 거의 3배입니다 [사실]. 장벽은 사라진 게 아니라 모양이 바뀌었습니다. "코드를 쓸 수 있는가?"에서 "코드가 맞는지 판별할 수 있는가, 틀렸을 때 뭘 해야 하는지 아는가?"로요.

일 자체가 6개월 만에 달라졌습니다

사람들이 이 도구로 하는 일의 구성도 빠르게 움직였습니다. 디버깅·수정 작업은 10월 세션의 33%에서 4월 19%로 떨어졌습니다. 소프트웨어 운영은 14%에서 21%로 늘었고, 글쓰기·분석은 약 10%에서 20%로 대략 두 배가 됐습니다 [사실]. 프리랜서 시장 가격에 보정한 세션당 작업 가치는 같은 기간 27% 올랐고, 구축(building) 작업은 43% 안팎 상승했습니다 [사실].

제품 통계가 아니라 노동 신호로 읽으면 이렇습니다. 모델이 수정 작업의 상당 부분을 흡수했고, 사람은 시스템을 돌리고 그에 대해 소통하는 쪽으로 이동했습니다. "코딩 일은 대부분 디버깅"이라는 머릿속 모델을 갖고 계셨다면, 그 모델은 이 데이터셋 안에서 6개월치 낡았습니다. AI 활동이 실제 소프트웨어 직업의 어떤 태스크에 얼마나 관측되는지는 소프트웨어 개발자, 컴퓨터 프로그래머, 웹 개발자 페이지의 릴리스별 관측 사용 테이블에서 확인할 수 있습니다.

두 눈 뜨고 읽어야 할 부분

이건 Anthropic이 Anthropic 제품을 연구해 Anthropic 블로그에 올린 글입니다. 그렇다고 숫자가 틀렸다는 건 아니지만, 무엇을 측정할 수 있었고 무엇이 강조됐는지에는 영향을 줍니다 [주장]. 저자들 스스로 밝힌 한계도 실질적입니다. 세션에서 나온 코드가 실제로 쓰였는지는 관측할 수 없고, 상당한 비중이라고 스스로 인정한 비대화형(non-interactive) 사용은 분석에서 빠졌으며, 모든 분류가 모델이 대화록을 읽은 결과에 의존하는데 이를 대규모로 검증하기는 여전히 어렵습니다 [사실].

표본 문제도 얹어야 합니다. 2025~2026년에 에이전틱 코딩 도구를 스스로 선택한 사람들은 얼리어답터이지 노동인구의 단면이 아닙니다. Claude Code를 설치한 마케터라면 이미 평범하지 않은 사람이죠. 29%라는 숫자는 동기 부여된 비개발자가 해낸 수준을 말해주는 것이지, 평균적인 사무직이 해낼 수준이 아닙니다.

그리고 15~33%라는 검증된 성공률이 초라해 보인다면 정의를 다시 떠올리세요 — 테스트 통과나 일치하는 커밋 같은 딱딱한 외부 신호가 있어야 인정됩니다. 실제로 쓸모 있었던 세션 중에도 그런 신호를 남기지 않는 경우는 많습니다. 부분 성공률 77~92%가 천장이고 검증된 성공률이 바닥입니다. 진짜 유용성은 그 사이 어딘가에 있는데, 이 데이터셋으로는 그 지점을 못 박을 수 없습니다.

이 데이터로 무엇을 할 것인가

소프트웨어 전문가가 아니라면: 5%포인트 격차가 이 보고서에서 가장 희망적인 숫자입니다. "코딩을 제대로 배운 다음에" 에이전틱 도구를 실전 문제에 써 보겠다며 미룰 근거를, 이 데이터는 지지하지 않습니다.

실력을 쌓는 중이라면: 프리미엄은 문제에 빠진 세션에 살고 있습니다. 화려하지 않은 부분을 연습하세요 — 검증 가능할 만큼 정밀하게 지시 쓰기, 출력을 믿기 전에 검증(테스트, 재현 절차) 요구하기, 이 세션을 구출할지 새로 시작할지 일찍 알아차리기. 분류기가 전문성으로 읽어낸 행동이 바로 이것들이고, 이 데이터에서 성공률을 2~4배로 끌어올린 것도 이것들입니다.

현업 개발자라면: 직군 자체가 주는 성공률 우위는 5%포인트뿐이고, 일에서 디버깅이 차지하는 비중은 줄고 있습니다. 이 데이터셋이 보여주는 오래갈 우위는 실패 경계선에서의 판단력 — 15% 대 4%라는 숫자입니다. 갈고닦을 기술은 그것이고, 그게 지금 일에서 기계에 흡수되기 가장 먼 부분입니다.

Sources

• Hitzig, Z., Massenkoff, M., Lyubich, E., Zhang, S., Heller, R., & McCrory, P. (2026, June 16). Agentic coding and persistent returns to expertise. Anthropic. https://www.anthropic.com/research/claude-code-expertise

이 글은 AI 보조 분석으로 작성됐습니다. 수치는 인용한 보고서 원문에서 직접 가져와 재검증했으며, "우리 계산"으로 표시한 값은 보고서가 발표한 수치에서 도출한 것입니다. 이 사이트는 독립 프로젝트로, Anthropic과 제휴하거나 승인을 받은 바 없습니다.