앤트로픽 엔지니어, 업무의 59%에 AI 활용 — 내부 데이터가 말하는 현실

AI 회사가 자기 자신을 현미경으로 들여다보면 어떤 결과가 나올까요? 앤트로픽이 그 답을 공개했는데, 숫자들이 상당히 인상적입니다. 비현실적으로 높아서가 아니라, AI 통합이 실제로 어떤 모습인지를 정확하게 보여주기 때문입니다.

2025년 8월, 앤트로픽은 자사 엔지니어와 연구원 132명을 대상으로 설문조사를 실시하고, 53건의 심층 인터뷰를 진행했으며, 2025년 2월부터 8월까지의 내부 Claude Code 사용 기록 20만 건 이상을 분석했습니다. [Fact] 그 결과는 지식 노동자들이 일상에서 AI를 어떻게 사용하는지에 대한 가장 세밀한 보고서 중 하나가 되었습니다. 가상의 설문이 아니라 실제 업무 흐름에서 나온 데이터입니다.

28%에서 59%로: 사용률 곡선이 가파르게 올라가고 있습니다

1년 전, 앤트로픽 직원들은 업무의 약 28%에서 Claude를 사용한다고 보고했습니다. [Fact] 2025년 8월까지 이 수치는 59%로 뛰어올라 12개월 만에 두 배 이상 증가했습니다. [Fact]

생산성 향상도 비슷한 궤적을 따랐습니다. 자기 보고 생산성 향상률은 같은 기간 20%에서 50%로 올랐습니다. [Fact] 응답자의 14%는 100%를 초과하는 생산성 향상, 즉 AI의 도움으로 산출물이 두 배로 늘었다고 보고했습니다. [Fact]

이것은 가설적인 전망이 아닙니다. AI 도구를 만들고 매일 사용하는 사람들에게서 나온 데이터입니다. AI에서 가치를 뽑아내는 데 누구보다 뛰어날 사람이 있다면, 바로 이 도구를 만드는 엔지니어들이겠지요. 이 맥락이 중요한데, 뒤에서 다시 다루겠습니다.

엔지니어들이 실제로 AI를 쓰는 용도

가장 흔한 일일 사용 사례는 의외일 수 있습니다. 바로 디버깅입니다. [Fact] 응답자의 55%가 버그를 추적하는 데 매일 Claude를 사용합니다. 코드 이해가 42%로 2위, 기능 구현이 37%로 그 뒤를 잇습니다. [Fact]

아키텍처적 판단이 필요한 고수준 사고인 설계 및 계획 작업은 AI 채택률이 가장 낮은 영역으로 남아 있습니다. [Fact] 엔지니어들은 결과를 쉽게 검증할 수 있는 작업을 위임하는 쪽을 선택하고 있습니다. Claude가 버그 있는 코드를 쓰면 테스트가 실패하니까 바로 알 수 있죠. 하지만 Claude가 잘못된 설계 결정을 내리면 몇 달이 지나서야 그 결과를 발견할 수도 있습니다.

이런 선택적 위임 패턴은 앤트로픽 경제 지수 분석에서 확인한 내용과 일치합니다. 해당 분석에서 AI 사용은 완전 자동화보다 "증강"에 집중된다는 결과가 나왔습니다. 작업자가 루프 안에 남아서 위험과 검증 가능성에 따라 어떤 작업을 넘길지 선택하는 것이죠.

모든 것을 바꾸는 27%

아마 가장 중요한 발견일 것입니다. AI 지원 업무의 27%는 AI가 없었다면 아예 하지 않았을 일이었습니다. [Fact] 이것은 더 빨라진 작업이 아니라, 단순히 존재하지 않았을 작업들입니다. 엔지니어들은 Claude를 사용해 익숙하지 않은 코드베이스를 탐색하고, 건너뛰었을 테스트를 작성하고, 사소한 불편을 수정하고(이른바 "페이퍼컷 수정"은 Claude Code 사용의 8.6%를 차지 [Fact]), 수동으로 시도하기엔 너무 시간이 많이 드는 아이디어를 프로토타이핑했습니다.

이것은 AI가 인간의 일을 "대체"하거나 "보강"한다는 단순한 서사에 도전합니다. AI 영향의 상당 부분은 완전히 새로운 일을 만들어내는 것입니다. 개인이 자신의 시간 제약 안에서 가능하다고 생각하는 범위를 넓히는 것이죠.

소프트웨어 개발자와 컴퓨터 프로그래머에게 이것은 의미 있는 신호입니다. AI는 기존 작업을 빠르게 만드는 것에 그치지 않고, 한 사람이 해낼 수 있는 범위 자체를 넓히고 있습니다. 백엔드 엔지니어가 프론트엔드 인터페이스를 만들 수 있게 되었고, 연구원이 새 프레임워크를 배우지 않고도 데이터 시각화를 만들 수 있게 되었습니다. 전문 분야 간의 경계가 흐려지고 있습니다.

커지는 자율성, 커지는 우려

Claude Code의 자율성은 측정 가능하게 확대되었습니다. [Fact] 연속 도구 호출 횟수, 즉 Claude가 사람의 개입 없이 수행하는 연속 동작 수가 6개월 동안 약 10회에서 20회로 두 배 늘었습니다. 반면 대화당 사람의 개입 횟수는 6.2회에서 4.1회로 33% 감소했습니다. [Fact]

엔지니어들이 한 발 물러나 AI가 더 긴 작업 구간을 독립적으로 처리하게 두고 있는 것입니다. 기능 구현 용도는 14%에서 37%로, 설계 및 계획 작업조차 1%에서 10%로 늘었습니다. [Fact]

하지만 인터뷰에서는 우려의 흐름도 드러납니다. 한 엔지니어는 "결과물을 만드는 게 너무 쉽고 빨라지면, 실제로 시간을 들여서 무언가를 배우는 게 점점 더 어려워진다"고 말했습니다. [Fact] 또 다른 엔지니어는 역설을 지적했습니다. Claude를 효과적으로 사용하려면 Claude에 지나치게 의존하면 퇴화할 수 있는 바로 그 코딩 실력이 필요하다는 것입니다.

일부는 단기적 낙관과 장기적 불확실성이 공존한다고 보고했습니다. 한 엔지니어의 말을 빌리면, AI가 결국 "나와 많은 다른 사람들을 필요 없게 만들" 것이라고 했습니다. [Fact] 이것은 기술 공포증 환자의 목소리가 아닙니다. 이 시스템을 직접 만드는 사람의 목소리입니다.

소프트웨어 직종 종사자들에게 주는 의미

소프트웨어 개발자, 데이터 사이언티스트, 컴퓨터 프로그래머에게 이 연구는 희망과 경고를 동시에 담고 있습니다.

희망적인 면을 보면, AI는 현재 개발자를 대체하는 것이 아니라 더 생산적으로 만들고 있습니다. 앤트로픽의 엔지니어 1인당 일일 병합 풀 리퀘스트 수는 67% 증가했지만 [Fact], 인력이 그에 비례해 줄지는 않았습니다. 일이 늘어난 생산 능력을 채울 만큼 확장된 것이죠.

경고의 면도 있습니다. 궤적이 명확합니다. 사용률은 1년 만에 두 배, 자율성은 6개월 만에 두 배가 되었습니다. 오랫동안 엔지니어링에서 가장 인간적인 부분으로 여겨졌던 설계 작업도 위임되기 시작했습니다. 문제를 이해하는 것보다 코드를 작성하는 것이 주된 가치인 개발자라면, 편안한 중간 지대가 침식되고 있는 것입니다.

[Claim] 앞으로 잘 해나갈 개발자는 메타 스킬을 갖춘 사람들입니다. 언제 위임하고, 무엇을 검증하고, AI를 어떻게 효과적으로 지시할지 아는 것이죠. 이 연구에서 AI 회사에서조차 응답자의 절반 이상이 업무의 0-20%만 완전히 위임한다고 답했습니다. [Fact] 미래의 핵심 역량은 프롬프팅이 아니라 판단력입니다.

무시해서는 안 될 주의사항

앤트로픽 직원들은 일반적인 지식 노동자가 아닙니다. Claude를 만들고, 그 역량을 속속들이 이해하며, AI 채택을 극대화하도록 설계된 환경에서 일합니다. [Claim] 59%의 통합률에서 생산성 향상의 상한이 약 50%라면, AI 전문성이 부족하고 도구 환경이 약한 대부분의 기업은 상당히 낮은 수치를 보게 될 것입니다.

이 연구는 또한 상당한 한계를 인정합니다. 적극적 사용자 쪽으로 치우친 선택 편향, 비익명 응답에서의 사회적 바람직성 효과, 생산성 향상을 자기 보고하는 것의 본질적 어려움 등이 있습니다. [Fact]

그럼에도 이 연구의 가치는 현재 AI가 기술 업무에서 무엇을 할 수 있는지의 상한선을 보여준다는 점에 있습니다. 예언이 아니라 미리보기입니다. 하지만 모든 소프트웨어 전문가가 주목해야 할 미리보기임은 분명합니다.

출처

• Huang, S., Seethor, B., Durmus, E., Handa, K., McCain, M., Stern, M., & Ganguli, D. (2025). "How AI is transforming work at Anthropic." Anthropic Research. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

업데이트 이력

• 2026-03-23: 앤트로픽 내부 연구(2025년 12월)를 기반으로 초판 발행.

---

이 분석은 AI의 도움으로 작성되었습니다. 모든 사실적 주장은 [Fact], 의견과 해석은 [Claim], 예측은 [Estimate]로 표기됩니다. 출처 데이터와 방법론 세부사항은 링크된 논문에서 확인할 수 있습니다. 직업별 상세 데이터는 개별 직업 페이지를 방문하세요.