앤트로픽 경제 지수 보고서: 일상의 리듬

9

서론

1년 전만 해도 대부분의 클로드(Claude) 사용은 사용자와 AI 어시스턴트 간의 대화 형태였어요. 하지만 클로드 코드(Claude Code)와 코워크(Cowork)의 빠른 성장으로, 이제 클로드 세션은 점점 더 장기적인 에이전트 작업으로 구성되고 있어요. 채팅 기록만으로는 사람들이 AI를 어떻게 사용하는지 완전히 파악하기 어려워졌고, 앤트로픽 팀의 경제적 영향 연구 방법도 이에 맞춰 변화해야만 했죠.

이런 변화에 발맞춰, 앤트로픽 팀은 경제 지수(Economic Index)를 위한 데이터 파이프라인에 몇 가지 변화를 주었어요. 이번 버전에서는 앤트로픽 팀이:

• 데이터 샘플링률을 높여 시간 단위까지 사용 패턴을 볼 수 있게 되었어요.
• 각 대화의 결과물을 분류하는 새로운 분류기를 도입했어요.
• 더 세분화된 데이터를 공유해서, 채팅 및 코워크 대화(이 둘을 합쳐 “클로드 대화”라고 부를게요)와 1인칭 API(1P API) 결과를 월별로 집계해서 보여드려요.1

앤트로픽 팀은 부록에서 추가적인 방법론적 변화에 대해 설명하고 있어요. 이러한 변화들은 AI가 경제 생활을 어떻게 반영하고 또 스며드는지에 대한 더 명확한 그림을 제공해 줘요.

또한, 앤트로픽 팀은 그동안 사용자 세션 외부에서 클로드의 영향에 대한 가시성이 부족했어요. 사람들은 AI가 자신의 업무나 이용 가능한 기회를 어떻게 변화시키고 있다고 생각할까요? AI 사용이 그들의 기대치를 형성할까요? 이상적인 세상에서 AI에게 무엇을 바랄까요? 앤트로픽 팀은 2026년 4월에 시작된 앤트로픽 경제 지수 설문조사의 초기 조사 결과를 보고해요.

주요 결과는 아래에서 미리 보여드릴게요.

• 1장에서는 외부 세계의 리듬이 클로드 사용을 어떻게 형성하는지 보여줘요. 업무 관련 질의는 주말에 줄어들지만, 고소득 직업에서는 덜 드라마틱하게 감소하고요. 사람들은 아침에 뉴스를 묻는 경향이 있고, 수면 관련 조언은 새벽 5시경에 가장 많이 물어봐요. 세금 관련 요청은 신고 마감일 직전에 급증하고요.

• 2장에서는 사람들이 클로드 세션에서 얻어 가는 구체적인 결과물들을 탐구해요. 이런 결과물들은 사용하는 제품에 따라 크게 달라지는데요. 예를 들어, 채팅과 코워크는 클로드 코드보다 더 많은 설명을 제공해요. 결과물의 특성은 사람들이 클로드와 상호작용하는 방식에도 영향을 줘요. 웹사이트를 만드는 것은 문서를 번역하는 것보다 클로드의 판단에 훨씬 더 많이 의존해야 하거든요. 문서는 대부분 텍스트에 따라 답이 결정되지만요. 앤트로픽 팀은 또 더 많은 컴퓨팅 자원이 더 가치 있는 결과물과 관련이 있다는 것을 확인했어요. 특정 결과물이 소비하는 토큰은 작업의 예상 가치와 함께 증가하는 경향을 보여줘요.

• 3장에서는 앤트로픽 경제 지수 설문조사의 첫 번째 결과를 제시하고, 앤트로픽 팀의 개인 정보 보호 시스템을 통해 클로드 사용 데이터와 연결했어요. 기대와 경험은 사람들이 클로드를 어떻게 사용하는지에 따라 체계적으로 달라지는데요. 가장 자동화된 방식으로 클로드를 사용하는 사람들은 앞으로 1년 안에 AI가 더 많은 작업을 맡을 것으로 예상하지만, 동시에 그것이 자신의 업무에 긍정적인 영향을 미칠 것이라고 가장 낙관적으로 생각하며, 임금, 직업 안정성, 직업의 의미에 긍정적인 영향을 기대하고 있어요.

일상의 리듬

매일 대화의 일부를 지속적으로 샘플링하는 앤트로픽 팀의 새로운 개인 정보 보호 텔레메트리 덕분에, 이전 경제 지수 보고서에서 사용했던 7일 샘플과 달리 매일, 매시간 사용 패턴을 연구할 수 있게 되었어요. 이러한 분석은 전 세계 업무 패턴의 흐름을 포착하죠.2

앤트로픽 팀은 클로드 사용이 주간 업무 패턴을 따른다는 것을 발견했고, 개인적인 프롬프트는 주말에 급증하는 경향을 보여요. 시간별 데이터는 하루 내 패턴을 포착하는데요. 사람들은 주로 새벽 5시경에 수면 관련 조언을 묻고, 저녁 6시경에 레시피를 물어봐요. 또한, 특정 날짜에 맞춰 사용량이 반영되는 것도 확인했어요. 예를 들어, 미국의 세금 신고 마감일인 4월 15일 직전에는 세금 관련 요청이 급증했죠.

주간 업무 패턴

앤트로픽 팀의 표본 기간 동안 채팅 및 코워크3 대화 중 개인적인 용도로 분류된 비율은 주중에는 약 35%에서 주말에는 거의 50%까지 급증해요(그림 1.1). 주말에는 사용자들의 대화가 비즈니스 서신, 마케팅 문구, 슬라이드 덱에서 정서적 지원, 의료 질문, 투자 조언 등으로 바뀌어요. 이러한 변화는 고소득 국가에서 가장 크게 나타나요.

클로드 코드(Claude Code)와 1인칭 API 트래픽(즉, 앤트로픽을 통해 직접 라우팅되는 API 트래픽)에서도 비슷한 패턴이 나타나지만, 둘 다 개인적인 사용의 기본 비율은 더 낮아요.4

요청 클러스터5를 통해 앤트로픽 팀은 한 단계 더 깊이 들어가서 어떤 특정 클로드 코드 작업이 주중과 주말 사이에 가장 크게 변동하는지 확인할 수 있어요. 주말에는 백엔드 아키텍처, API 디버깅, 데이터 저장과 관련된 클로드 코드 사용 클러스터가 가장 많이 감소해요. 반면, AI 에이전트 설계, 퀀트 트레이딩, 게임과 관련된 클러스터는 가장 많이 증가하죠.

주말은 사람들이 새로운 벤처를 추구할 수 있는 공간을 만들기도 해요. 여러 국가에서 사업 시작과 관련된 대화는 토요일과 일요일에 가장 많아요. 하지만 구직 활동은 다른 업무 관련 작업과 마찬가지로 주말에 감소해요.6

일일 리듬

시간 단위로 살펴보면, 클로드 사용은 일상생활의 리듬을 반영해요. 그림 1.2는 전 세계 트래픽의 전체 평균 대비 다양한 요청 클러스터의 시간별 빈도를 보여줘요.7

사람들은 현지 시간으로 오전 7시에 뉴스를 물어봐요. 비즈니스 서신(예: 이메일 작성)은 오전 10시에서 11시 사이에 약간의 정점을 찍으며 업무 시간의 흐름을 따르고요. 가장 큰 급증 중 하나는 레시피 요청으로, 오후 6시에는 평균보다 2.3배 더 자주 나타나요. 미디어 추천은 저녁 시간에 가장 집중되어 있고, 사람들은 새벽 직전 몇 시간 동안 수면 관련 조언을 구해요.

밤이나 주말에 사람들이 클로드를 업무용으로 사용할 때는 고임금 직업 관련 작업으로 기울어져요(그림 1.3). 앤트로픽 팀은 이러한 요청을 하는 사람들의 직업을 명확히 식별할 수는 없지만, 이는 마케팅 관리자나 컴퓨터 프로그래머와 같은 고임금 직업을 가진 사람들이 전통적인 근무 시간 외에 일할 가능성이 더 높다는 사실을 반영할 수 있어요. 반대로, 텔레마케팅 및 사무직과 같이 하위 2분위 직업과 관련된 작업은 전체 대화에서 차지하는 비중이 더 작아져요. 이 패턴은 컴퓨터 및 수학 관련 작업에 의해서만 움직이는 것은 아닌데요. 앤트로픽 팀이 강건성 검증을 위해 분석에서 해당 직업들을 제외했을 때도, 상위 4분위 작업은 밤과 주말에 여전히 증가했어요.

세금 신고일

이 보고서의 표본 기간에는 미국 세금 신고 마감일이 포함되어 있어요. 그림 1.4는 마감일 전후로 세금 관련 대화 비율이 크게 급증하는 것을 보여줘요. 4월 14일에는 세금 관련 클러스터가 5월 평균보다 8배 더 많았고, 4월 15일에도 비슷한 수준을 유지했어요. 4월 16일에는 급격히 감소했고요.

결과물

이 장에서는 채팅과 코워크(이하 “클로드 대화”)8의 각 대화를 30가지 이상의 카테고리로 분류한 결과물(artifact)을 기준으로 분류했어요. 앤트로픽 팀은 클로드가 대화에서 생성하는 주요 결과물(문서, 설명, 코드 조각, 학술 논문 등, 채팅 창에 표시되거나 별도 문서로 제공되는 것 모두)을 '결과물'이라고 부를게요. 전체 결과물 목록은 부록에서 확인할 수 있어요.

앤트로픽 팀의 분류기는 클로드 대화의 93%가 결과물을 생성했다고 식별했어요(그림 2.1).9 가장 흔한 결과물은 설명(대화의 17%), 문서 및 보고서(15%), 지침(11%)이었어요. 대화형 결과물(설명이나 지침 같은)과 서면 결과물(문서나 프레젠테이션 같은)은 각각 대화의 약 3분의 1을 차지하고요. 코드 및 기술 작업(앱이나 스크립트 같은)은 약 6분의 1을 차지했어요.

결과물이 무엇인지는 그것이 무엇을 위한 것인지 알려주지 않아요. 같은 결과물이라도 업무용이거나 개인 프로젝트일 수 있죠. 다음으로 그 분할을 살펴볼게요.

각 결과물은 무엇에 사용되나요?

앤트로픽 팀의 1월 경제 지수 보고서는 각 대화를 업무, 개인, 또는 학업용으로 분류하는 기본 기능을 도입했어요. 여기서는 그 분류를 클로드 대화에서 생성된 결과물에 적용했어요(그림 2.2).

일부 결과물 카테고리는 거의 항상 개인적인 용도로 사용돼요. 창의적인 글쓰기, 지침, 레시피를 생성하는 대화의 80% 이상이 개인적인 용도로 분류되었어요. 카테고리 내에서도 개인적 용도와 업무 관련 용도는 상당히 다를 수 있어요. 예를 들어, 개인적인 창의적 글쓰기는 팬픽션, 세계관 구축, 시가 지배적이고요. 업무 관련(13%)은 주로 단편 비디오 스크립트, 시나리오, 연설문 형태였어요. 업무 관련일 가능성이 가장 높은 카테고리에는 마케팅 콘텐츠 제작(80%), 블로그 또는 기사 작성(81%), 데이터베이스 쿼리 작성(82%) 등이 포함돼요.

계획이나 전략 생성(업무 관련 44%, 개인 49%) 또는 번역(업무 42%, 개인 44%)과 같이 개인적 용도와 업무 용도로 동등하게 사용될 수 있는 결과물도 많아요. 예를 들어, 개인적인 계획 결과물 중 가장 흔한 유형은 여행 일정과 운동 스케줄이고, 업무 관련 계획은 주로 창업 또는 콘텐츠 전략과 관련이 있었어요.

마지막으로, 학업 관련 결과물에는 학술 논문 및 학위 논문, 교육 자료, 수학 관련 질의 생성 등이 포함되지만, 각각의 상당 부분은 업무 및 개인 카테고리 모두에 해당해요.

질문을 바꿔볼 수도 있어요. 각 결과물이 무엇에 사용되는지 묻는 대신, 업무, 개인, 학업 관련 대화가 각각 어떤 종류의 결과물을 생성하는 경향이 있는지 물어볼 수 있어요. 업무 관련 대화는 주로 문서 및 보고서(20%)를 생성하고, 다음으로 설명(9%), 이메일 초안(7%), 분석 및 요약(6%)이 뒤를 이어요. 학업 관련 대화도 대체로 비슷해서, 문서 및 보고서(21%)가 가장 많고, 설명(20%), 교육 자료(11%), 학술 논문(6%)이 뒤를 잇죠. 반면, 개인적인 대화에서는 문서 생성 비율이 6%에 불과한데요. 대신 가장 흔한 결과물은 설명(25%)과 추천(22%)이었어요.

비용은 작업의 가치를 따라가요

이러한 결과물을 생성하려면 컴퓨팅 자원이 필요하고, 앤트로픽 팀은 컴퓨팅 자원이 작업의 가치에 비례하는 경향이 있다는 것을 발견했어요. 앤트로픽 팀은 각 대화의 계산 비용을 토큰(클로드의 내부 추론을 포함하여 처리되고 생성되는 텍스트의 양)으로 측정하고, 각 대화의 분류된 작업을 일반적으로 수행하는 직업과 연결하여 직업별로 비교했어요. 이 섹션 전체에서 앤트로픽 팀은 업무 관련 대화에만 분석을 제한해요.

그림 2.3의 왼쪽 패널은 대화 수준의 중간 토큰 수와 매핑된 직업의 중간 임금 사이에 양의 상관관계가 있음을 보여줘요.10 예를 들어, 마케팅 관리자는 편집자보다 약 두 배 더 많은 수입을 올리고($시간당 80달러 대 37달러), 그들의 업무에 매핑되는 대화는 약 2.5배 더 많은 토큰을 소비해요. 물론, 이 관계는 노이즈가 많고 눈에 띄는 특이치도 있어요. 예를 들어, 약사들은 통계 보조원보다 거의 세 배 더 많은 수입을 올리지만($시간당 68달러 대 24달러), 약사 업무에 매핑되는 대화는 약 20분의 1 정도의 토큰만 사용하죠.

다양한 유형의 결과물을 생성하는 데 소비되는 토큰도 비슷한 이야기를 들려줘요. 더 복잡하고 가치 있는 결과물은 더 간단한 결과물보다 훨씬 더 많은 토큰을 소비하는 경향이 있어요. 예를 들어, 앱 구축에 대한 대화는 중간 대화보다 세 배 이상 많은 토큰을 사용해요. 반대편 스펙트럼에서는 일반적인 설명은 중간 대화 토큰의 약 5분의 1 정도만 사용하죠. 토큰 소비의 임금 기울기 중 약 44%는 결과물 구성(output mix)으로 설명돼요. 즉, 고임금 직업은 컴퓨팅 집약적인 결과물을 더 많이 생성하는 경향이 있다는 거예요.

이것이 경제적으로 왜 중요할까요? 고임금 직업에 매핑되는 대화에서 클로드는 더 많이 생산하고(턴당 1.34배 더 많은 결과물), 사용자는 더 많이 참여하며(1.53배 더 많은 턴), 확장된 사고를 더 자주 가능하게 해요(대화의 34% 대 31%, 표 2.4). 결정적으로, 이들은 함께 움직여요. 클로드의 더 많은 생산성이 사용자로부터의 감소를 의미하지 않는다는 거죠. 인간이 최고 가치 작업에 계속 참여한다면, 이 패턴은 노동 대체라기보다는 노동 보강에 더 가깝게 보여요. 또한, 어느 정도는 더 가치 있는 결과물에 더 많은 비용이 든다는 것을 보여주기도 해요. 다음 섹션에서는 각 대화 내에서 클로드에게 위임되는 의사 결정이 얼마나 되는지 살펴볼게요.

클로드가 스스로 결정할 자율성은 얼마나 될까요?

앤트로픽 팀은 이를 “없음”에서 “극심함”까지 1~5점 척도로 측정했어요. 설명하거나 지정하기 쉬운 작업은 자율성이 거의 필요 없어요. 자율성이 가장 낮은 결과물은 수학이나 계산, 번역, Q&A였죠. 자율성이 높은 작업은 여러 가능한 선택지 중에서 선택해야 하는 것들인데요. 예를 들어, 앱과 웹사이트, 게임, 프레젠테이션을 만드는 것들이요. 이처럼 지속적인 판단을 요구하는 작업은 역사적으로 자동화하기 어려웠어요. 클로드 채팅 및 코워크의 자율성 수준과 클로드 코드의 자율성 수준을 비교함으로써, 앤트로픽 팀은 이것이 변화하기 시작하고 있다는 것을 보여줘요.

거의 모든 유형의 결과물(표시된 31개 결과물 중 26개)에서 AI 자율성 수준은 채팅이나 코워크보다 클로드 코드에서 더 높았어요.11 예를 들어, 스크립트와 코드 조각을 생성하는 대화는 클로드 코드로 생성할 때 채팅이나 코워크에서 동일한 결과물을 생성하는 대화보다 자율성이 평균 0.53점 더 높았어요(1~5점 척도 기준). 모든 대화를 통틀어 자율성의 평균 차이는 0.37점이었고, 여기에는 두 가지 주요 원인이 있어요.12

차이의 약 3분의 2는 동일한 작업이 클로드 코드에서 더 많은 위임을 받아 실행되기 때문이에요. 블로그 게시물과 기사를 예로 들 수 있는데, 그 뒤에 있는 요청과 작업은 두 인터페이스에서 비슷하지만, 사람들이 클로드와 협업하는 방식은 크게 다르죠. 블로그 게시물이나 기사를 생성하는 채팅 및 코워크 대화의 중간값은 13번의 주고받는 과정을 포함하는 반면, 블로그를 생성하는 클로드 코드 세션의 중간값은 단 한 번의 인간 프롬프트만 포함해요. 나머지 3분의 1은 두 인터페이스에 걸쳐 다른 유형의 결과물 구성(output mix)을 반영하고요.

이러한 차이가 단순히 모델 선택을 반영한다고 생각할 수도 있어요. 클로드 코드 세션은 가장 유능한 모델로 실행되는 경우가 훨씬 더 많으니까요(54%가 Opus로 제공되는 반면, 채팅 및 코워크 대화는 10%만 Opus로 제공돼요). 하지만, 앤트로픽 팀이 동일한 모델로 제공되는 대화를 비교했을 때도 그 차이는 지속되었어요. 예를 들어, Sonnet을 사용하는 대화 중에서도 클로드 코드 세션은 여전히 0.26점 더 높은 자율성을 보여줬는데, 이는 사용하는 제품이 기본 모델보다 더 중요할 수 있음을 시사해요.

인터페이스 비교에서 한 걸음 물러서서 보면, 사용자가 가장 많이 위임하는 결과물 유형은 가장 많은 컴퓨팅 자원을 소비하는 것들과 동일해요. 모든 결과물에 걸쳐 평균 자율성과 중간 토큰 사용량이 함께 증가하는 경향을 보여요(채팅 및 코워크에서 상관계수 r=0.68; 부록 그림 A.2).

클로드는 요청된 수준보다 더 높은 수준으로 답변해요

각 대화에 대해 분류기는 두 가지 읽기 수준을 추정해요. 하나는 사용자의 프롬프트에 대한 것이고, 다른 하나는 클로드의 응답에 대한 것으로, 텍스트를 이해하는 데 필요한 교육 연수로 표현돼요.13 앤트로픽 팀은 읽기 수준이 결과물 유형에 따라 크게 다르다는 것을 발견했어요. 학술 논문을 결과로 얻는 평균 질의는 16년 이상의 교육(대략 학사 수준)을 필요로 했고, 이러한 대화의 15%는 박사 수준 이상(20년 이상의 교육)이었어요. 스펙트럼의 다른 끝에서는 레시피나 지침을 결과로 얻는 대화가 있었는데, 프롬프트를 이해하는 데 10년 미만의 교육만 필요했어요.

일반적으로 읽기 수준이 높은 결과물을 가진 유형은 프롬프트의 읽기 수준도 높았어요(대화 간 상관관계 0.87). 하지만 거의 모든 카테고리에서 클로드의 결과물이 프롬프트보다 평균 약 1년 정도 더 높은 이해 수준을 보인다는 것도 확인했어요. 이러한 격차는 사용자가 이미지 및 그래픽(+2.6년), 게임(+1.9년), 앱 및 웹사이트(+1.7년)와 같이 구축할 것을 설명할 때 가장 컸어요. 격차의 일부는 단순히 문체 때문일 수도 있어요. 프롬프트는 종종 간결하고 비공식적인 반면, 클로드는 세련된 산문으로 응답하는 경향이 있으니까요. 하지만 독자를 대상으로 하는 글(블로그 -0.1, 학술 논문 +0.0, 이메일 +0.3)에서는 격차가 거의 0에 가까웠는데, 이는 프롬프트가 일반적으로 의도된 결과물과 동일한 문체로 작성된 언어나 자료를 초안으로 작성하기 때문일 수 있어요.

인식

첫 두 장에서는 사람들이 클로드를 어떻게 사용하는지 보여줬지만, 사람들이 업무에서 AI를 어떻게 경험하는지(자신의 직업과 직장이 어떻게 변할 것으로 예상하는지, AI의 현재 및 잠재적 영향에 대해 어떻게 느끼는지, 기술에 무엇을 바라는지)에 대해서는 많은 통찰을 주지 못했어요. 2025년 12월 앤트로픽 인터뷰어(Anthropic Interviewer)를 통해 8만 1천 명의 클로드 사용자들과 진행한 인터뷰는 그 당시의 상황을 보여줬어요. 응답자들은 상당한 생산성 향상을 보고했지만, 동시에 일자리 대체에 대한 우려도 표명했어요. 이러한 우려는 경력이 짧은 근로자들과 클로드가 가장 많은 작업을 수행하는 직업군에 집중되었고요.14

2026년 4월, 앤트로픽 팀은 이 작업을 바탕으로 앤트로픽 경제 지수 설문조사를 시작했어요. 이 설문조사를 통해 사람들에게 AI와 업무 경험에 대해 직접 물어보고, 응답이 클로드 사용과 어떻게 다른지 탐구할 수 있었어요. 앤트로픽 팀은 개인 정보 보호 방법을 사용하여 5월 중순부터 6월 초까지의 설문 응답을 사용 데이터와 연결했어요. 각 응답자의 사용 패턴을 파악하기 위해, 이 기간 동안 개인당 최대 20개 세션을 무작위로 샘플링했어요(Claude.ai, Cowork, Claude Code 모두에서, 세션 구성이 각 사람의 일반적인 사용 패턴을 반영하도록). 샘플링 노이즈를 줄이기 위해 5개 미만의 세션을 가진 응답자는 제외했어요. 앤트로픽 팀의 최종 연결된 샘플은 약 9,700명의 설문 응답자로 구성되었어요.

앤트로픽 팀은 대부분의 응답자들이 향후 1년 동안 AI의 상당한 발전을 예상한다는 것을 발견했어요. AI 능력에 대한 사람들의 인식은 그들의 경험, 거주지, 직업이 AI에 얼마나 노출되어 있는지에 따라 다르지만, 미래 발전 속도에 대한 그들의 기대는 놀랍도록 일관적이에요. 이는 AI 능력이 광범위하게 향상되는 “상승하는 조류”와 일치해요.

그러나 그러한 발전이 자신의 경력에 무엇을 의미하는지에 대한 견해는 덜 일관적이었어요. 경력이 짧은 근로자들은 AI가 자신의 업무 중 가장 높은 비중을 처리할 수 있다고 보고했으며, 일자리 상실에 대한 가장 큰 우려를 표명했어요. 하지만 일반적인 우려와는 달리, 클로드에게 가장 많은 것을 위임하는 사람들은 미래 노동 시장 결과에 대해 가장 낙관적이며, 자신의 기술 가치가 상승하고 있다고 느껴요. 그리고 AI의 최전선에 가깝게 있음에도 불구하고(아마도 그 때문에), 평균적인 응답자들의 향후 10년에 대한 희망은 대체가 아니라 협업에 집중되어 있어요. 그들은 AI가 의미 있는 일을 보존하고, 지루한 일을 자동화하며, 그 이득이 널리 공유되기를 바라고 있었어요.

경제 지수 설문조사 응답자 특성

경제 지수 설문조사는 일반 대중을 대표하지는 않아요. 앤트로픽 팀은 클로드 사용자 중 무작위 표본에 도달하며, 설문조사를 완료하는 사람들에게는 선택 편향이 있을 수 있고, 분석에서 비정규 사용자를 제외했어요. 그림 3.1은 설문조사 응답자들의 직업 구성(주황색)을 미국 고용(회색)과 함께 보여줘요. 컴퓨터 및 수학 관련 직업은 가장 과대표되어 있으며, 설문조사 응답자의 약 30%를 차지해요. 이는 클로드 사용 비율과 비슷하지만, 미국 전체 고용에서 차지하는 4%보다는 훨씬 높죠. 관리직은 응답자의 23%15를 차지하며, 고용 비율(7%)에 비해 크게 과대표되어 있는데, 이는 관리직이 실제 관리 업무 외의 다른 작업에 클로드를 사용하기 때문일 수 있어요. 설문조사에서 많은 응답자(특히 경력이 많은 응답자)가 AI가 부족한 능력으로 판단 및 관리를 언급했거든요. 운송 및 자재 이동, 음식 준비 및 서빙 관련, 건설 및 채굴과 같은 물리적 직업 카테고리는 설문조사에서 과소대표되어 있는데, 클로드 세션에서도 마찬가지예요.

0

AI와 업무 과제

AI 영향에 대한 연구는 종종 직업별 노출, 즉 특정 직업 내에서 AI로 수행할 수 있는 업무의 비중에 초점을 맞춰요. 이전 연구에서 앤트로픽 팀은 관찰된 노출(observed exposure) 측정치를 구성했는데, 이는 이미 클로드로 수행되고 있는 직업별 업무의 비중을 포착해요. 앤트로픽 팀은 이를 일반적으로 사용되는 이론적 노출(theoretical exposure) 측정치와 비교했는데, 이는 대규모 언어 모델이 이론적으로 수행할 수 있는 직업별 업무의 비중이에요.

직업별 노출을 이해하는 또 다른 방법은 단순히 사람들에게 AI가 자신의 업무 중 얼마나 많은 부분을 수행할 수 있는지 묻는 거예요. 앤트로픽 팀은 응답자들에게 AI가 현재 전적으로 스스로 처리할 수 있는 업무의 비중(이하 보고된 노출(reported exposure))과 12개월 후에는 얼마나 처리할 것으로 예상하는지(예상된 노출(anticipated exposure))를 물어봤어요. 이들은 “거의 없음”에서 “거의 전부”까지 다섯 가지 범위 중에서 선택할 수 있었어요. 응답자 10명 중 6명 가까이가 내년에는 현재보다 더 높은 범위를 선택했어요. 3분의 1 이상이 내년에는 AI가 자신의 업무 중 대부분 또는 거의 전부를 처리할 수 있을 것으로 예상했어요(그림 3.2).

1

그림 3.3은 보고된 노출과 예상된 노출을 관찰된 노출 및 이론적 노출과 비교해요. 앤트로픽 팀은 사람들이 AI가 할 수 있다고 보고하고 예상하는 것이 직업별 관찰된 노출 및 이론적 노출 측정치와 일치하는지, 그리고 관찰된 노출 또는 이론적 노출에서 더 높은 점수를 받은 직업의 응답자들이 향후 1년 동안 더 빠른 진전을 예상하는지 질문했어요. 첫 번째 질문에 대한 답은 “예”예요. 보고된 노출(회색 점)은 관찰된 노출 및 이론적 노출과 양의 상관관계가 있어요. 두 번째 질문에 대한 답은 “아니오”예요. 현재부터 12개월 후의 보고된 노출 및 예상된 노출(주황색 점)에 대한 최적합 선은 본질적으로 평행해요. 이는 관찰된 노출 또는 이론적 노출이 높은 직업의 사람들과 낮은 직업의 사람들이 향후 1년 동안 AI가 처리할 수 있는 업무 비중에서 거의 동일한 증가분을 예상한다는 것을 의미해요.17 다시 말해, 소프트웨어 엔지니어와 건설 관리자는 자신의 직업 내에서 거의 동일한 진전 증가분을 예상하는 거죠.

또한 보고된 노출이 관찰된 노출보다 체계적으로 높다는 점도 주목할 만해요. 이에 대한 한 가지 설명은 모든 사람이 모든 작업을 수행하는 것은 아니며, 앤트로픽 팀의 설문조사는 AI를 더 많이 사용하는 사람들에게 불균형적으로 도달한다는 거예요.18 비슷하게, 이론적 노출은 현재 사용량의 척도가 아니라 가능한 것의 상한선이므로, 이론적 노출은 보고된 노출을 체계적으로 과장해요.

2

앤트로픽 팀은 또한 AI의 현재 및 미래 능력에 대한 인식이 응답자의 특성 및 사용 패턴과 어떻게 관련되는지 살펴봐요. 그림 3.4의 왼쪽 패널은 AI 능력에 대한 인식이 국가 GDP와 음의 상관관계가 있다는 것을 보여줘요.19 고소득 국가에서는 AI가 현재 자신들을 위해 수행할 수 있다고 사람들이 보고하는 작업의 평균 비중이 약 10%포인트 더 낮아요. 이 패턴은 직업 수준 노출 측정치(선진국에서 더 높은 경향이 있음)가 다른 것을 시사하더라도, AI가 저소득 국가 근로자들이 매일 수행하는 작업 중 더 많은 부분을 대체할 가능성과 일치해요. 실제로 IMF는 언급했듯이, 선진국이 전반적으로 AI 노출이 더 넓지만, 저소득 국가 근로자들은 AI가 자신의 작업을 대체하기보다는 보강하도록 하는 보완적인 기술과 인프라에 대한 접근성이 낮을 수 있다고 해요. 이전 연구에서 앤트로픽 팀은 저소득 국가들이 작업 구성의 차이를 조정하더라도 클로드를 더 자동화된 방식으로 사용하는 경향이 있음을 문서화했어요.

가운데 패널은 보고된 노출과 예상된 노출이 근무 경험 연수와도 음의 상관관계가 있음을 보여줘요.20 최소 15년 이상의 경험을 가진 사람들은 AI가 수행할 수 있는 작업의 비중을 첫 직장 연차 사람들보다 약 10%포인트 더 낮게 평가했어요. 앤트로픽 팀은 숙련된 근로자들이 AI가 모방하기 어려운 암묵적 또는 상황별 전문 지식을 축적했기 때문일 수 있다는 증거를 발견했어요. 후속 질문에서 앤트로픽 팀은 사람들에게 AI가 절대 할 수 없을 것이라고 생각하는 작업과 그 이유를 물어봤는데요. 가장 흔한 응답은 AI가 자신의 업무에 필요한 판단력, 상황 인식, 상황적 추론 능력이 부족하다는 점을 강조했어요. 응답자들, 특히 최소 15년 이상의 경험을 가진 사람들은 AI가 복제할 수 없는 것으로 자신의 직업의 관계적, 대인적 측면(신뢰 구축 및 사람 관리)도 지적했어요.

AI에 대한 직업별 노출과 마찬가지로, 앤트로픽 팀은 AI 능력의 미래 개선에 대한 인식이 1인당 GDP 및 경험 연수와 본질적으로 상관관계가 없다는 것을 발견했어요. 12개월 후 AI가 수행할 수 있을 것으로 예상되는 작업의 비중은 오늘날 AI 능력에 대한 인식보다 일관되게 높아요.

3

다음으로 앤트로픽 팀은 사람들이 클로드와 상호작용하는 방식과 클로드 능력에 대한 현재 인식이 어떻게 관련되는지 살펴볼 거예요. 이전 보고서와 마찬가지로, 앤트로픽 팀은 클로드와 협업하는 방식을 “자동화(automation)”와 “확장(augmentation)” 모드로 구분해요. 앤트로픽 팀은 클로드에게 사용자의 입력이 거의 또는 전혀 없이 작업을 완료하도록 요청하는 경우 해당 대화를 자동화된 것으로 식별해요. 구체적으로, 자동화 비율은 대화 패턴이 지시형(“이 문서를 번역해 줘”)이거나 피드백 루프형(“이 이메일을 수정해 줘... 더 캐주얼하게”)인 대화의 비율이에요.21

그림 3.4의 오른쪽 패널은 보고된 노출과 예상된 노출이 자동화 비율과 함께 증가한다는 것을 보여줘요. 이는 위임이 능력에 대한 정보를 주기 때문일 수 있어요. 전체 작업을 맡기는 사람들은 AI가 스스로 무엇을 완료할 수 있는지 직접 관찰하니까요. 또는 이미 AI가 자신의 작업을 할 수 있다고 믿는 사람들이 가장 기꺼이 작업을 맡기기 때문일 수도 있죠. 앤트로픽 팀이 자동화 비율을 업무 작업에 할애된 세션 비율이나 클로드 코드에서 수행된 세션 비율로 대체해도 동일한 패턴이 나타나요.22

AI와 직업

앤트로픽 팀은 사람들이 앞으로 12개월 동안 자신의 직업이 어떻게 변할 것이라고 생각하는지도 물어봤어요. 응답자의 3분의 1 이상이 책임이 크게 바뀔 가능성이 높거나 매우 높다고 답했어요(자신, 동료, 후배 동료, 선배 동료 모두). 자신의 일자리를 잃을 가능성이 높거나 매우 높다고 답한 응답자는 10%였어요. 이는 미국에서 일자리를 잃을 연간 위험률보다 약간 낮은 수치예요.23 하지만 앤트로픽 팀의 응답자들이 안정적인 고용 상태의 지식 노동자(기본적으로 평균보다 낮은 이직 위험에 직면할 가능성이 있음)에 치우쳐 있다는 점을 고려하면, 이는 여전히 높은 위험 인식을 나타낼 수 있어요. 자신의 일자리 상실 가능성이 높거나 매우 높다고 평가한 응답자 중 38%는 예측의 원인으로 AI를 지목했어요.24 특히, 응답자들은 평균적으로 자신보다 타인의 일자리 상실에 대해 더 걱정했어요.25 응답자들은 특히 후배 동료의 일자리 상실에 대해 더 걱정했고, 3분의 1 이상이 내년 안에 후배 동료가 일자리를 잃을 확률이 60% 이상이라고 답했어요. 응답자들은 또한 저소득 국가에서(모두의) 일자리 상실에 대해 더 우려했어요.

4

클로드를 더 자동화된 방식으로 사용하는 사람들이 일자리를 잃을 것에 대해 더 걱정할까요? 앤트로픽 팀은 사람들이 향후 1년 동안 AI가 업무의 여섯 가지 측면(임금, 직업 안정성, 새 일자리 찾기 능력(경제적 측면)과 의미, 자율성, 인간 상호작용(본질적 측면))에 미칠 것으로 예상하는 영향에 대해 무엇이라고 말했는지 살펴봤고, 이러한 기대치가 클로드 사용의 자동화 비율에 따라 어떻게 다른지 살펴봤어요.

여섯 가지 모든 측면에서, 자동화된 세션 비율이 높은 사람들은 클로드를 더 보강적으로 사용하는 사람들에 비해 내년 AI가 자신의 직업 결과에 미칠 영향에 대해 더 낙관적으로 느껴요. 앤트로픽 팀은 미래 임금과 일자리 찾기 능력에 대한 긍정적인 영향에 대한 기대에서 가장 큰 효과를 확인했어요.26

5

자동화된 사용과 감정이 함께 움직이는 이유에 대한 자연스러운 질문이 생겨요. 이 관계가 선택 편향으로 설명될 수 있어요. 즉, AI에 가장 열광하는 사람들이 전체 작업을 AI에 위임할 의향도 가장 높다는 거죠. 앤트로픽 팀은 이를 완전히 배제할 수는 없지만, Claude.ai의 사용자 재직 기간(초기 채택자와 후기 채택자를 포착하는 열광의 척도로 생각할 수 있음)을 통제해도 이러한 추정치는 의미 있게 변하지 않았어요.

또 다른 가능성은 AI를 더 자동화된 방식으로 사용하는 사람들이 오늘날 AI의 이점을 더 많이 경험하기 때문이라는 거예요. 앤트로픽 팀의 이전 조사 결과와 일치하게, 대다수의 사람들은 업무 속도, 범위, 품질 면에서 생산성 향상을 보고했으며(각각 86%, 82%, 69%), 27%는 그렇지 않았다면 구매해야 했을 서비스 비용 절감을 통해 이득을 보고 있다고 보고했어요.

상당한 생산성 향상 외에도, 대다수의 사람들은 AI로 더 많이 배우고(68%), AI가 자신의 기술 가치를 높였다고 느껴요(57%). 그림 3.7은 이 두 가지 결과가 자동화된 세션 비율에 따라 어떻게 달라지는지 보여줘요. 앤트로픽 팀은 AI가 자신의 기술 시장 가치를 높이고 있다고 보고하는 사람들의 비율이 자동화 비율과 함께 증가하는 반면, 더 많이 배우고 있다고 보고하는 비율은 거의 변동이 없다는 것을 확인했어요.

위임에 대한 흔한 우려는 AI에게 전체 작업을 맡기는 것이 사고를 AI에게 전가하는 것을 의미하며, 출력의 증가는 학습과 기술 위축을 대가로 한다는 거예요. 앤트로픽 팀은 여기에서 이런 패턴을 보지 못했어요. 더 많이 위임하는 사람들은 다른 모든 사람들과 같은 비율로 배우고 있다고 보고했으니까요. 하지만 이는 자기 평가이며, 기술은 가치가 높아지고 더 많이 배운다고 보고하더라도 침식될 수 있으므로, 이 데이터가 기술 침식을 배제하지는 않아요.

6

성별에 따른 사용 방식 차이

지금까지 앤트로픽 팀은 사용 패턴이 기대와 행동에 어떻게 관련되는지 탐구했어요. 다음으로, 앤트로픽 팀은 다양한 방식으로 클로드를 누가 사용하는지 연구했어요. 가장 눈에 띄는 차이는 성별에 따라 나타났어요. 앤트로픽 팀이 연결한 응답자 표본의 12%에 불과한 여성들은 남성들과 다르게 클로드를 사용해요. 직업적 차이를 감안한 후에도 여성들은 클로드를 업무용으로 사용할 가능성이 약간 낮고, 클로드 코드 세션 비율이 0.24 표준편차(6.3%포인트) 낮으며, 자동화 비율이 0.33 표준편차(7.3%포인트) 낮았어요. 대신 여성들은 클로드를 더 반복적으로 사용하는 경향이 있으며, 남성보다 채팅에서 더 많은 활동 시간을 기록했는데, 이는 더 협력적인 참여의 신호예요.27

7

AI로 변화된 경제에서 사람들은 무엇을 바랄까요?

앤트로픽 경제 지수 설문조사는 AI에 대한 긍정적이고 부정적인 경험과 감정을 혼합하여 보여줬지만, 앤트로픽 팀은 희망적인 메시지로 설문조사를 마무리했어요. 마지막 개방형 질문은 응답자들에게 “크게 꿈꿔보세요. AI로 형성될 경제가 10년 후에는 어떤 모습이기를 바라나요?”라고 물어봤어요. 앤트로픽 팀은 각 설문 응답을 분류기를 통해 처리하여 관련 테마로 태그를 지정했어요. 아래에서 가장 자주 언급된 상위 5가지 테마를 보여드릴게요. 각 테마에 대한 추가 설명은 부록에서 확인할 수 있어요.

8

가장 흔히 표현된 테마는 AI의 업무 확장에 대한 것이었어요. 설문 응답자의 절반 이상이 의미 있는 작업에서 AI와 협업하고 싶고, 자신의 경력이 여전히 중요하기를 바라며, 또는 새로운 산업이 생겨나 새로운 일자리 기회를 창출하기를 바라는 등 다양한 형태의 바람을 표현했어요. 동시에, 응답자의 절반 이상은 AI의 자동화를 희망했어요. 특히 지루한 부분을 자동화하여 더 많은 자유 시간과 업무 외적인 의미를 위한 공간을 갖기를 바랐죠. 세 번째로 흔한 테마는 설문 응답자의 약 3분의 1이 표현한 공유된 번영에 대한 것이었어요. 즉, AI로 인한 경제적 이득이 널리 공유되기를 바라는 희망이었죠.

논의

AI는 경제 전반에 걸쳐 빠르게 확산되고 있으며, 점점 더 많은 인터페이스와 점점 더 지능적인 결과물을 통해 퍼져나가고 있어요. 초기 AI 채팅 인터페이스에서는 웹 검색, 도구 호출, 결과물, 기타 기능 없이 채팅 창 안에 사용이 간단하게 담겨 있었어요. 이제 클로드 모델은 클로드 코드와 코워크를 통해 몇 시간 동안 자율적으로 작동할 수 있게 되었죠. 이러한 형태가 변화함에 따라 사용자층도 변화하고 있어요. 초기 사용자들은 고도로 기술적인 사람들이었어요. 앤트로픽 팀의 최근 사용자들은 노동 시장에서 더 낮은 임금을 받는 업무에 클로드를 적용하고 있어요.

이 보고서에서 앤트로픽 팀은 더 유익한 측정을 위해 몇 가지 단계를 밟았어요. 첫째, 앤트로픽 팀은 시간 단위 샘플로 데이터를 처리하여 측정 빈도를 더욱 높이기 시작했어요. 이는 일상생활의 리듬이 사용 로그에 어떻게 새겨져 있는지 보여주며, 미래 연구를 위한 길을 열어줘요. 둘째, 앤트로픽 팀은 사람들이 클로드에서 얻어 가는 결과물(아티팩트)을 기록하기 시작했어요. 이는 클로드의 작업 결과물을 더 명확하게 보여주며, 몇 가지 직관적인 패턴을 보여줘요.

마지막으로, 사용 데이터만으로는 많은 정보를 얻을 수 없어요. 앤트로픽 팀의 설문조사를 통해 처음으로 사람들에게 AI를 어떻게 사용하고 AI에 대해 어떻게 느끼는지 직접 물어볼 수 있었어요. 앤트로픽 팀은 설문 응답자들이 앤트로픽 팀이 생각했던 것보다 훨씬 더 많은 일에 AI를 사용한다는 것을 발견했어요. 그들은 자신의 직업에 대한 관찰된 노출 측정치가 시사하는 것보다 AI가 자신의 업무 중 더 높은 비중을 처리할 수 있다고 보고했어요. 내년의 능력 예측을 요청했을 때, 35% 이상의 응답자들이 AI가 자신의 업무 중 대부분을 처리할 수 있을 것이라고 예측했고요.

클로드가 수행하는 작업을 정확하게 분류하는 것은 계속해서 변화하는 목표로 남아있을 거예요. 예를 들어, AI 능력이 증가함에 따라 AI들이 서로 상호작용하고 정보를 교환할 가능성이 높아지는데, 이는 인간이나 단순한 분류기로는 이해하기 어려운 방식일 수 있어요. 궁극적으로, 클로드의 경제적 영향은 사용 로그뿐만 아니라 고용 및 생산성과 같은 경제 총량에서도 가시화될 거예요. 그럼에도 불구하고, AI는 가장 많은 작업을 수행하는 영역에서 가장 먼저 영향을 미칠 가능성이 높으므로, 이러한 끊임없이 변화하는 사용 패턴을 밝히는 것이 대중에게 정보를 제공하는 핵심 방법으로 남을 거예요.

부록

여기에서 이용 가능해요.

인용

@online{anthropic2026aeiv6,
author = {Maxim Massenkoff and Eva Lyubich and Szymon Sacher and Zoe Hitzig and Shaoyi Zhang and Ryan Heller and Peter McCrory},
title = {Anthropic Economic Index report: Cadences},
date = {2026-06-26},
year = {2026},
url = {https://www.anthropic.com/research/economic-index-june-2026-report},
}

저자

Maxim Massenkoff, Eva Lyubich, Szymon Sacher, Zoe Hitzig, Shaoyi Zhang, Ryan Heller, Peter McCrory.

감사의 말씀

Scott Booth, Keir Bradwell, Meredith Callan, Dexter Callender III, Boris Cherny, Chris Doenlen, Eleanor Dorfman, Jake Eaton, Evan Frondorf, Deep Ganguli, Romello Goodman, Ankit Gupta, Kunal Handa, Rebecca Hiscott, Andrew Ho, Hanah Ho, Jerry Hong, Saffron Huang, Mo Julapalli, Katie Kennedy, Jennifer Martinez, Miles McCain, Kelsey Nanan, Tyler Neylon, Adnan Pirzada, Dianne Penn, Kerry Persen, Sarah Pollack, Ankur Rathi, Santi Ruiz, David Saunders, Ankit Siva, Michael Stern, Ami Vora, Scott White, Heather Whitney, Kim Withee, Ryan Zauk, Jack Clark.

각주

• 1 이는 Claude.ai 및 클로드 데스크톱 앱의 소비자(무료/Pro/Max) 계정에서 진행된 채팅 대화와 코워크 세션을 포함해요. “1인칭 API” 또는 1P API는 앤트로픽 자체 프로그래밍 인터페이스를 통해 직접 라우팅되는 개발자 트래픽을 의미하며, 이는 앤트로픽의 소비자용 Claude.ai 애플리케이션과 Amazon Bedrock 또는 Google Cloud Vertex와 같은 서드파티 플랫폼과는 달라요. 앤트로픽 팀은 개인 정보 및 보존 정책에 따라 데이터를 계속 관리하며, 앤트로픽 팀의 분석은 약관, 정책 및 계약 계약과 일치해요.

• 2 전반적으로 모든 분석은 개인 정보 보호 분류기를 기반으로 해요. 대화 내용은 다른 클로드 인스턴스에 의해서만 읽혀져요. 그런 다음 개인 정보 보호 분석을 보장하기 위해 관측치가 불충분한 모든 셀을 필터링해요.

• 3 이는 Claude.ai 및 클로드 데스크톱 앱의 채팅 및 코워크 탭에서 진행된 모든 대화를 포함해요. 클로드 코드와 API 트래픽은 별도로 제시돼요.

• 4 “1인칭 API” 또는 1P API는 앤트로픽 자체 프로그래밍 인터페이스를 통해 직접 라우팅되는 개발자 트래픽을 의미하며, 이는 앤트로픽의 소비자용 Claude.ai 애플리케이션과 Amazon Bedrock 또는 Google Cloud Vertex와 같은 서드파티 플랫폼과는 달라요. 클로드 코드는 포함하지 않아요.

• 5 앤트로픽 팀의 Sonnet 3.7 보고서 및 부록을 참조하세요.

• 6 앤트로픽 팀은 기업가 활동을 세부 요청 클러스터가 기업가 정신, 부업 아이디어 구상, 자본 조달, 크리에이터 수익화, 전자상거래, 비즈니스 모델, 헬스케어 비즈니스, 사회적 기업, 이벤트 비즈니스인 대화의 비율로 정의했어요. 이력서 활동은 결과물 분류기가 이력서 또는 구직 신청으로 분류한 대화예요.

• 7 시간은 대화의 IP 주소에서 상태를 추론하여 결정돼요.

• 8 이 장의 데이터는 2026년 4월 10일부터 6월 10일까지 샘플링된 채팅 및 코워크 대화를 다뤄요. 자율성 논의에서 인터페이스를 비교할 때는 같은 기간의 클로드 코드 세션이 포함돼요. 임금은 BLS OEWS, 2025년 5월 발표 자료에서 가져왔어요.

• 9 “없음”은 눈에 띄는 구체적인 결과물이 없었던 대화에 대한 포괄적인 범주예요. 여기에는 짧거나 중단된 대화, 오류가 발생한 경우, 클로드가 명확한 질문을 했지만 사용자가 계속하지 않은 경우가 포함될 수 있어요.

• 10 대화 수준 토큰 수는 극도로 오른쪽으로 치우친 변수이기 때문에 앤트로픽 팀은 기하평균을 사용했어요. 즉, 소수의 대화는 “일반적인” 대화보다 몇 배 더 많은 토큰을 사용하죠. 중간값을 사용하거나 사용된 모델의 조합을 고려하여 토큰에 각각의 비용을 가중치를 부여해도 관계는 매우 유사해요. 의사 직업과 같은 일부 눈에 띄는 예외도 있어요.

• 11 클로드 코드에 대한 더 자세한 내용은 동반 보고서를 참조하세요.

• 12 가장 큰 예외는 데이터 및 스프레드시트로, 채팅 및 코워크 대화가 클로드 코드보다 더 많은 자율성을 포함해요(3.09 대 2.74). 이는 대부분 구성적인데요. 격차의 약 70%는 다른 작업 구성(task mix)을 반영해요. 채팅 및 코워크에서는 이 결과물이 클로드가 구조를 설계하는 금융 모델링 및 대시보드 쪽으로 기울어지는 반면, 클로드 코드에서는 사양이 정밀한 구조화된 추출 및 태깅 쪽으로 기울어져요. 코워크는 데이터 및 스프레드시트 작업이 과대표되어 있고 특히 자율성이 높아 채팅 및 코워크 상승의 일부를 설명해요.

• 13 이 분류에 사용된 프롬프트에 대한 자세한 내용은 앤트로픽 팀의 3월 보고서 부록을 참조하세요.

• 14 비슷한 패턴은 앤트로픽 팀의 사용자 기반을 넘어선 앤트로픽 공개 기록(Anthropic Public Record)에서 생성된 보다 구조화된 설문조사 데이터에서도 나타나는데, 이는 5만 명 이상의 미국인을 대상으로 한 전국 대표 설문조사예요.

• 15 자신의 직업이 관리직으로 코딩된 사람 중 48.1%는 회사에 고용되어 있다고 답했고, 24.4%는 직원을 둔 사업주라고 답했으며, 21.7%는 자영업자 또는 계약직이라고 답했어요. 나머지는 현재 고용되어 있지 않으며, 가장 최근의 직업을 보고한 거예요.

• 16 군인은 제외해요.

• 17 응답이 구간화되어 있기 때문에(가장 낮은 가능한 코딩된 응답이 0을 초과하고 가장 높은 가능한 응답이 1보다 낮기 때문에), 이 그림의 기울기는 0에 편향되어 있어요. 결과적으로 앤트로픽 팀은 기울기 비교를 정성적으로 해석하며, 정밀한 추정치로 해석하지 않아요. 하지만 패턴(양의 기울기와 거의 평행한 선)은 자신의 업무 중 최소 60%를 AI가 할 수 있다고 보고하는 지표를 사용하여 관계를 추정해도 강건하게 나타나며, 이는 중간점 코딩의 영향을 받지 않아요.

• 18 구간화된 응답 척도도 역할을 할 가능성이 있어요. 중간점 코딩이 보고된 작업 비중을 극단에서 멀어지게 하기 때문에, 관찰된 노출은 어떤 실질적인 차이가 없더라도 가장 적게 노출된 직업에서는 AI의 능력을 과소평가하고 가장 많이 노출된 직업에서는 과대평가하는 것처럼 보일 거예요.

• 19 작업 연령 성인당 GDP는 세계 은행 WDI(2024) 및 유엔 세계 인구 전망(2024)의 작업 연령 인구 추정치와 IMF 세계 경제 전망(2025년 추정치)을 사용하여 앤트로픽 경제 지수와 동일한 방식으로 구성되었어요.

• 20 앤트로픽 팀은 설문 응답자들에게 현재 또는 밀접하게 관련된 역할에서 근무한 연수를 물어봤어요.

• 21 협업 모드 분류기는 대화 내용을 다음 상호작용 모드 중 하나에 매핑해요:

  • 지시형: 인간이 최소한의 상호작용으로 AI에게 완전한 작업 실행을 위임함
  • 피드백 루프형: 인간과 AI가 환경으로부터 주로 피드백을 제공하며 작업을 완료하기 위해 반복적인 대화를 함
  • 작업 반복형: 인간과 AI가 AI 출력을 개선하기 위해 반복적인 대화를 하며 작업을 완료함
  • 학습형: 인간이 직접적인 작업 완료보다는 이해와 설명을 추구함
  • 검증형: 인간이 자신의 작업을 확인하거나 검증하기 위해 AI를 사용함

• 22 업무 비율과 클로드 코드 비율은 모두 자동화와 양의 상관관계가 있어요. 클로드 코드는 에이전트 도구로, 해당 세션은 평균적으로 채팅이나 코워크 세션보다 더 자동화되어 있고, 업무 세션 또한 개인 세션보다 더 자동화된 경향이 있으니까요. 업무 사용량도 직접적으로 중요한데요. 설문조사는 업무 작업에 대해 묻기 때문에, 업무에 클로드를 사용하는 사람들은 기계적으로 AI가 자신의 업무 중 더 많은 부분을 처리할 것이라고 예상할 수 있어요. 따라서 이러한 측정값을 조건화하면 자동화 비율과 작업 비율(현재, 12개월 후, 변화) 간의 관계는 약화되지만, 세 가지 관계 모두 양의 상관관계와 통계적 유의성을 유지해요.

• 23 미국 해고 및 퇴직률(BLS JOLTS, 총 비농업, 계절 조정)은 2026년 4월까지 12개월 동안 월 평균 고용의 약 1.1%였으며, 이는 연간 총 13.4%에 해당해요. 따라서 10%는 비자발적 이직 사건의 실제 연간 발생률보다 약간 낮은 수치예요.

• 24 이 질문은 직업 변화 예측과 일자리 상실 예측에 대해 함께 물어본 거예요. 따라서 38%는 자신의 일자리 상실 예측을 AI에 귀속시킨 사람들의 비율에 대한 상한선이에요.

• 25 이는 사람들이 자신의 상황을 다른 사람의 상황보다 더 호의적으로 평가하는 익숙한 패턴을 반영해요. 코로나19 팬데믹 당시에도 비슷한 현상이 관찰되었는데, 자가 보고된 재정적 웰빙이 국가 경제에 대한 인식보다 높았어요.

• 26 이는 국가 GDP 및 경험과는 대조적인데요. 낮은 GDP와 경험은 더 높은 작업 비율(그림 3.4에 표시됨) 과 더 높은 일자리 상실 확률과 상관관계가 있어요.

• 27 이는 채팅/코워크와 클로드 코드 간의 대체 때문일 수도 있지만, 클로드 코드 세션 비율을 통제해도 이 패턴은 유지돼요. 이러한 패턴은 직업 고정 효과를 통제해도 살아남아요.

관련 콘텐츠

프로젝트 페치(Project Fetch): 2단계

앤트로픽 팀은 클로드(Claude)가 앤트로픽 직원들이 정교한 로봇 작업을 수행하는 데 도움이 되는지 여부에 대한 최신 테스트 결과를 보고해요. 앤트로픽 팀은 인간의 도움 없이 작동하는 클로드 오퍼스(Opus) 4.7이 1년 미만 전에 참가자들이 완료했던 모든 작업에서 가장 빠른 인간 팀보다 약 20배 더 빠르다는 것을 발견했어요.

더 읽어보기

에이전틱 코딩과 전문 지식에 대한 지속적인 수익

이 보고서는 2025년 10월부터 2026년 4월까지 약 23만 5천 명의 사람들이 참여한 약 40만 개의 상호작용 세션에 대한 개인 정보 보호 분석을 기반으로, 클로드 코드(Claude Code)가 실제로 어떻게 사용되는지에 대한 증거를 제공해요.

더 읽어보기

생물학 분야의 에이전트들을 위한 길을 열다

더 읽어보기