Anthropic에서 고용이 어떻게 변화하고 있는가

Anthropic에서 고용은 어떻게 변하고 있는가

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

Anthropic에서 AI는 업무와 고용을 어떻게 재편했을까? AI 도입의 최전선에 있는 회사로서, Anthropic은 AI가 경제 전반의 업무 조직, 채용, 노동 수요를 어떻게 바꿀지 보여주는 선행 지표가 될 수 있다.

핵심 요약

• Anthropic은 주니어 기술 직위를 더 작은 비율로 채용해 왔다. 이는 직원 대비 AI 에이전트의 작업 시간이 빠르게 확대되는 가운데 일어났다. 8월까지 인터랙티브 AI 에이전트 작업 시간은 직원의 작업 시간을 6 대 1로 앞질렀다.
• AI 에이전트가 회사 전반에 확산되면서 Anthropic은 사람당 더 많은 코드를 생산하고, 영업 담당자당 더 많은 판매를 성사시키고, 더 많은 계약을 처리하기 시작했다. 동일한 직원을 시간 경과에 따라 추적해 보면, 새로운 AI 도구를 도입하면서 생산량이 증가했다.
• 이러한 가속화로 인해 인간의 주의가 에이전트 산출의 병목이 되었다. 비기술 직군 직원들조차 Claude 에이전트의 모든 산출물을 읽는 데 근무 주 중 절반의 시간이 걸린다. 이에 직원들은 가시성 도구를 만들고 에이전트 파이프라인을 모니터링하는 '메타 업무'로 눈을 돌린다.
• 업무 조직의 변화는 채용 담당자들의 우선순위 변화에도 반영되어, 기술적 도메인 전문성과 구현 능력에 비해 자율성과 판단력을 점점 더 중시하게 되었다.

서론

점점 더 강력해지는 AI 아래에서 우리는 업무와 고용의 어떤 변화를 기대할 수 있을까? Anthropic은 AI 중심으로 업무 방식을 철저히 재편했기 때문에 연구할 가치가 있다. 에이전트는 Slack 대화를 오가며 회의 일정을 잡는다. 자율적으로 버그를 수정하고 함께 거대한 엔지니어링 프로젝트에 착수한다. 에이전트의 작업 시간은 인간의 작업 시간을 6 대 1로 앞선다. 지금 Anthropic에서 일어나고 있는 변화는 노동과 고용의 미래 가능한 모습에 대한 중요한 신호를 제공한다.

이 보고서는 고용, AI 사용, 생산량 지표, 직원 설문, 내부 커뮤니케이션 패턴, 직원 캘린더 데이터, 채용 결정 기록을 포괄하는 Anthropic 내부 데이터를 바탕으로 한다. 이러한 정량 데이터는 17건의 직원 인터뷰를 통해 맥락화되었다.

우리는 회사가 성장하는 동안에도 주니어 기술 직위의 상대적 채용이 둔화되었음을 발견했다. 엔지니어와 비기술 직원 모두의 생산성이 크게 도약했으며, 특히 코딩 에이전트를 도입했을 때 급격히 상승했다. 채용 담당자들은 구체적인 기술 전문성에 비해 지원자의 자율성과 판단력을 점점 더 중시하고 있다. AI 중심 조직에서 일하는 특징은 가능한 한 스스로를 이 병목 위치에서 벗어나게끔 하는 끊임없는 압박이다. 한 엔지니어는 업무를 '모두가 나의 주의를 요구하는 Claude의 군대와 맞서는 것'이라고 표현했다. Anthropic의 직원들은 여전히 중요하다. 하지만 그들의 기여 방식은 변했다.

Anthropic은 이러한 변화에 대응하여 혼란 위기에 처한 직무를 추적하는 조기 경보 시스템을 구축했고, 직무가 변화함에 따라 내부 재배치를 우선시해 왔다. AI 개발과 직장 변화 양쪽의 최전선에서 이루어진 이러한 조치들은 구체적인 조직적 약속이 AI가 고용에 미치는 영향을 어떻게 형성할 수 있는지 보여준다. 그러나 동시에 그러한 약속이 정확히 무엇이어야 하는지에 대한 어려운 질문도 제기한다.

최전선의 노동 수요

Anthropic은 빠르게 확장해 왔다. 그러나 이전 세대의 대형 기술 기업들에 비해 매출 대비 채용 규모는 작았다. 설립 5년 차인 Anthropic은 직원 1인당 매출이 자사의 급성장기 정점에 달했던 Meta와 Google의 2–4배에 이른다.¹

어떤 직무가 사라지고 있는가? Anthropic 내부에서는 2026년 1월 핵심 기술 부문에서 주니어 기술 직원에 대한 수요 감소에 관한 논의가 나타났다. 자신들의 업무에서 Claude에 가장 크게 의존하던 팀들은 코드 작성과 버그 찾기가 점점 더 Claude에 위임될 수 있다는 것을 발견했다. 새로워진 모델의 성능이 이러한 인식을 가속화했다. '눈살을 찌푸리게 한 것은 특히 퍼포먼스 엔지니어를 위한 성능 향상이었고, 그것이 사실상 하룻밤 사이에 우리가 찾던 인재상을 바꿔 놓았다.'

4월까지 엔지니어링 및 연구 팀은 하위 밴드 기술 직위 채용을 축소했다. 같은 달 실시된 설문에서 과반수의 관리자가 AI로 인해 다른 기술 세트를 채용하고 있다고 답했다. ML 관리자의 약 3분의 1, SWE 관리자의 5분의 1은 AI로 인해 채용을 줄였다고 보고했다.

고용 비율의 변화는 놀랍다. 그림 1은 Anthropic 기술 부문에서 주니어급 직원의 비율이 2025년 초 이후 21%에서 14%로 하락했음을 보여준다. 주니어 기술 신규 채용의 비율은 더 빠르게, 27%에서 9%로 떨어졌다. 주니어 채용 공고는 2025년 12월 이후 특히 가파르게 감소했다.

동시에 Anthropic 내 기술 부서의 전체 고용 비중은 61%에서 지난 1년간 56%로 하락했습니다. 회사가 확장되면서 기술 채용은 절대적 규모로는 계속 성장했지만, 영업, 재무, 채용 분야의 집중적인 채용이 그 속도를 앞질렀습니다. 이러한 변화의 일부는 회사가 규모를 키우면서 비즈니스 기능이 자연스럽게 확장된 것입니다. 일부는 코딩 도구가 비기술 직군 직원들이 스스로 소프트웨어를 만들 수 있게 해준 결과일 수 있습니다. 예를 들어, 한 영업 담당자는 자신의 업무에 맞춘 맞춤형 대시보드와 파이프라인을 설계했습니다: “이런 빌드는 특히 UI나 여러 도구 및 MCP를 연결하는 부분에서 내 전문 분야 밖이었어요. 그런데 이걸 3~4시간 정도 반복 개선하면서 만들었습니다.” 비기술 직군 직원들(신규 채용자를 제외하고 기준 시점에 코드 커밋이 없는 사람으로 식별)의 코딩 중심 AI 에이전트 세션은 2025년 8월의 월 2건에서 2026년 5월에는 90건으로 급증했습니다.

그러나 이러한 채용 구성의 변화는 자동화된 코딩으로 인해 채용이 다른 분야의 전문가들에게 확산될 수 있게 되었다는 이야기만은 아닙니다. 기술 부서 내에서 능동적으로 코딩하지 않는 직원(직전 30일간 코드 커밋이 없는 직원으로 정의)의 비중은 2026년 4월까지의 1년간 거의 절반으로 줄었습니다. 이 중 일부는 비엔지니어의 비중이 얇아진 데 기인합니다. 예를 들어 엔지니어 대비 프로덕트 매니저의 비율은 약 17 대 1 수준이며 2025년 이후 증가했습니다. 관리자의 커밋 수도 두 배가 되었습니다. 기술 팀 내 감독 및 조율 역할은 점점 더 코드를 빌드하고 출시하는 일에 관여하고 있습니다.

비기술 채용이 가속되지 않은 한 분야는 회사 규모에 비례해 보통 확대되는 행정 기능입니다. 에이전트 어시스턴트, 자동화된 리뷰, 티켓 서비스 아웃소싱의 결합으로 Anthropic은 급속히 성장했음에도 사무 인력이 적은 상태를 유지하고 있습니다. 한 재무 관리자는 구매 요청 검토 에이전트를 만들고 동료들에게 “시간이 많이 드는 작업을 찾아내어 사람들이 다른 업무에 집중할 수 있도록 하는 것”이라고 설명했습니다.

대면 상호작용과 밀접하게 연관된 사무 업무조차도 완만하게 성장했습니다. 일정 관리와 이메일 분류를 위한 개인 비서 에이전트를 만든 한 executive assistant는 “우리는 이미 Claude가 정말 초급 수준의 행정 직무를 대체하는 단계를 지나쳤다고 생각합니다”라고 설명하며, 대신 자신의 업무를 더 상위의 “chief of staff” 업무에 집중시켰습니다.

이러한 변화는 이미 인력 재배치를 수반했습니다. 회사에서 1년 이상 근무한 직원들은 2026년에 매월 부서 간 이동할 확률이 2025년보다 50% 더 높았습니다. 팀 전체가 에이전트에게 업무를 인계하며 재배치되기도 했습니다. Claude.ai의 인사말 같은 콘텐츠를 작성하던 한 프로덕트 디자인 팀을 생각해 보십시오: “Hello night owl;” “Coffee and Claude time?” 2026년 봄, 이 팀은 에이전트가 매력적인 프로덕트 콘텐츠를 작성하도록 효과적으로 유도하는 context graph를 개발했습니다. 이는 팀을 “확장 해제했다”고 그 팀의 매니저는 설명했지만, 동시에 인간 작가에게 무엇이 남았는지라는 질문을 제기했습니다. 이 팀은 이후 에이전트 프롬프팅으로 전환하여 Claude를 위한 모델 평가(evals)와 프롬프트 작성을 시작했습니다. “언어로 인간의 행동을 이끌던 작가들이 이제는 Claude의 행동을 이끌기 위해 언어를 사용하고 있습니다.”

AI가 Anthropic의 생산성 증가를 주도하고 있는가?

이러한 변화가 AI에 기인한 것일까요? Anthropic에서 인간은 성장하는 AI 에이전트 대열 위에 얹힌 얇은 층입니다. 에이전트 세션 텔레메트리에 따르면, 2026년 3월 자율형 및 대화형 에이전트 작업 시간의 합이 처음으로 인간의 작업 시간을 추월했습니다. 이 중 일부는 산업 규모의 소프트웨어 엔지니어링을 수행하고, 수많은 일상적 테스트와 점검을 채우고, 늘어나는 방대한 인프라 코드를 유지보수하며, 대규모 코드베이스 번역을 위한 조직적인 캠페인을 수행하는 에이전트 함대들 때문입니다. 그러나 그림 2와 같이 개별 직원이 배치한 에이전트에만 한정해 보아도, 8월까지 에이전트들은 그들의 인간 운용자보다 6배 많은 시간을 일했습니다.

Anthropic은 소프트웨어 생산자이며, 이러한 에이전트를 통해 흐르는 토큰의 압도적 대부분은 소프트웨어 코드 생산에 사용됩니다. 회사 전역에서 운영되는 에이전트 함대를 대시보드가 모니터링합니다. 그러나 개인 비서 에이전트들 또한 직원들의 캘린더와 메시지를 모니터링하여 일정을 잡고, 수신 메시지에서 누적된 할 일 목록을 보내며, 다가오는 회의의 상대방과 목적에 대해 직원들에게 자동으로 브리핑합니다. 토큰은 점점 더 많은 일상 업무 영역을 다루고 있습니다.

이 토큰들은 모두 어떤 의미를 갖는 것일까? 그림 3은 측정 가능한 산출물을 가진 다양한 직무에 대해 시간에 따른 산출량을 그래프로 보여준다. 이전 보고서들과 일치하게, Anthropic 엔지니어들을 조사하여 모델 학습과 연구의 자동화를 설명한바에 따르면, 엔지니어 1인당 코드 커밋 수가 가장 빠르게 증가하여 6개월 전 속도의 5배에 달했다. 데이터 과학자들도 성장하는 방대한 Anthropic 데이터를 더 많이 조회하며, Claude 에이전트에게 실시간 지표를 대시보드와 의사결정자에게 전달하도록 요청하고 있다. 그러나 그림 3은 코딩 에이전트가 확산됨에 따라 비기술 직군 직원들의 산출량도 증가했음을 보여준다. 변호사들은 더 많은 계약을 처리했고, 지급계 담당자들은 송장을 더 많이 처리했으며, 영업사원들은 더 많은 거래를 성사시켰다.

그러나 이 모든 것이 Claude 사용 덕분일까? 같은 기간 동안 회사는 폭발적인 사업 성장을 경험했다. 강력한 모델을 판매하고 있다면 거래를 성사시키기가 더 쉬운 법이다. AI의 독립적인 효과를 평가하기 위해, 우리는 에이전틱 코딩 도구를 도입한 직원들과 아직 도입하지 않은 직원들의 산출량을 비교한다. 이를 통해 같은 달에 회사에서 근무하며 따라서 유사한 사업 환경에 노출되었지만 서로 다른 도구를 사용하는 직원들을 비교할 수 있다. 다만 도구 도입이 무작위적이지는 않다는 점에 유의해야 한다. 예를 들어 대규모 신규 프로젝트를 주도하려는 직원들이 이를 위해 도구를 도입하기로 결정한다면, 이는 우리의 추정치에 편향을 초래할 것이다.

우리는 코딩 에이전트를 도입하는 과정의 192명 엔지니어를 시간에 따라 추적 관찰했으며, 이를 연구 기간 동안 에이전트를 도입하지 않은 74명의 엔지니어와 비교했다. 그림 4는 도입 후 몇 달 동안 엔지니어들이 추가하는 코드의 양이 급격히 증가함을 보여준다. 코드가 더 많다는 것이 반드시 더 나은 코드나 더 큰 비즈니스 영향을 의미하는 것은 아니다. AI가 만들어낸 저품질 코드를 검증하기 위해, 우리는 Anthropic에서 이루어진 코드 커밋을 연구했다. 같은 직원이 같은 달에 같은 코딩 디렉터리에서 커밋한 코드를 비교하되, 코딩 에이전트가 작성한 코드와 해당 직원이 직접 작성한 코드를 대조했다. 코드 품질에는 많은 차원이 있으며, AI의 오류는 인간의 오류보다 식별하기 어려울 수 있다. 그러나 우리는 이후에 제거되거나 되돌려진 코드 줄의 비율에서 차이를 발견하지 못했다.

그림 4는 또한 엔지니어가 첫 번째 완전 자율 에이전트를 도입한 후 무슨 일이 일어나는지 살펴본다. 도입자들은 이미 비도입자에 비해 가파른 상승 궤적에 있었다. 이는 완전 자율 에이전트로 전환한 직원들이 이미 산출량을 늘려가고 있었음을 시사한다.

이러한 패턴이 코딩을 넘어 지식 노동의 더 광범위한 변혁으로 이어지고 있을까? Anthropic의 영업 담당자들은 지난 9월부터 꾸준히 AI 에이전트를 도입하기 시작했다. 그림 4는 영업 담당자들이 에이전트를 도입한 후 더 많은 고객과 거래를 성사시킴을 보여준다. 이 패턴의 일부는 더 많은 영업 기회를 가진 담당자들이 자동화를 선택했기 때문일 수 있다. 그러나 기록 관리와 일상적인 커뮤니케이션의 자동화를 반영하는 것일 수도 있다. 한 계정 임원은 Claude 자동화가 이메일 작성과 고객 관리 소프트웨어 통합을 처리하여 이전 업무의 약 20%를 대체했다고 설명했다. 또 다른 사람은 유사한 자동화 덕분에 대면 시간에 집중할 수 있게 되어 이전보다 30% 더 많은 고객과 대화할 수 있었다고 언급했다. “어떤 일이든 두 번째로 하게 되면, '어떻게 하면 Claude를 써서 세 번째로는 안 해도 되게 만들 수 있을까?'라고 생각하게 됩니다.”

영업을 넘어, Anthropic의 한 변호사는 위험과 기회를 검색하고, 법률 질문을 분류하며, 법률 검토를 위해 대외 콘텐츠의 초안을 1차 검토하는 일련의 Claude 자동화를 구축했다. 한 채용 담당자는 Claude를 후보자 소싱, 지원서 추적, 그리고 “아마 몇 주”는 걸렸을 분석에 활용하여, 낡은 면접 질문을 재설계하고 더 많은 지원자를 만나는 데 시간을 낼 수 있었다.

이 모든 것은 AI 능력이 향상됨에 따라 Anthropic 전반의 광범위한 직무에 영향을 미치고 있음을 시사한다. 기술적으로, 우리는 가장 복잡한 작업에 Claude를 사용하는 직무에서 초급 인력 고용이 둔화되는 것을 관찰한다(그림 5).

병목과 프로세스: AI 집약적 직장에서의 신규 및 기존 과업

AI를 폭넓게 도입하는 것은 고용과 생산성을 넘어 더 많은 것을 변화시킵니다. 이는 업무 프로세스의 지속적인 변화를 유발하고, 새로운 과제를 만들어내며, 직원들의 직장에 대한 인식을 변화시킵니다. 한 직원은 이를 “가능한 한 최대한 빨리 움직이고 모든 일에 Claude를 사용하라는 Anthropic의 영원한 압박”이라고 표현했고, 다른 직원은 “우리가 일주일 안에 기대하는 것들은 다른 곳이라면 석 달이 걸릴 일들”이라고 말했습니다. 내부 직원 설문에서 Anthropic의 업무 프로세스가 응답자를 최대한 생산적으로 만들어 주는지에 대한 질문을 했을 때, 2024년 말에는 44%의 직원이 그렇다고 답했고, 2025년 11월까지는 58%가 그렇다고 답했습니다(2026년 4월에는 75%가 그렇다고 답했지만, 질문에서 “최대한”이라는 표현이 빠지면서 약해진 질문이었습니다). 8월 기준으로 Anthropic 직원들은 2030년까지 AI가 자신들의 업무의 75%를 수행할 수 있게 될 것으로 예상하는 반면, 다른 미국인들 사이에서는 28%였습니다 [Link to AI Expectations Gap].

이처럼 걷잡을수록 높아지는 생산성 기대치는 내부 모델 출시의 주기에서 극적으로 드러납니다. 새 모델이 제공되는 즉시 Anthropic 직원들은 대화형 코딩 에이전트 세션에서 더 어려운 문제를 다루기 시작합니다. 우리는 이를 자동화된 Claude 채점기가 식별 정보를 제거한 세션들의 과제 요구 수준을 깊이, 범위, 관련된 시스템의 수를 기준으로 평가하여 측정합니다. 기존 모델 기준 난이도 상위 90 백분위를 넘는 과제의 비율은 약 30% 가까이 급등하고(전체 과제의 10%에서 13%로) 모델 출시 후 몇 주 동안 높은 수준을 유지합니다. 에이전트에게 맡겨지는 쉬운 과제의 비중은 거의 변하지 않습니다.

에이전트의 기하급수적인 생산성은 인간의 화면과 주의를 넘나드는 산출물로 이어집니다. 한 엔지니어는 이를 아이 돌봄에 비유했습니다:

그들은 내 주스 박스를 열어야 하고 내 주스 박스가 열리는 건 긴급한 일이라고 하는 것 같아요. 그리고 그것은 손가락을 베어 피가 나는 아이가 말하는 것과 같은 수준의 절박함으로 표현됩니다. [...] 아이를 돌볼 때 모든 아이가 똑같이 당신의 주의를 요구하는 문제를 갖고 다가오는데, 여러 [Claude들]도 마찬가지로 그렇게 합니다.

2026년 4월 설문에서 AI가 일상 업무에 어떤 영향을 미쳤는지에 대한 자유 응답 질문에서, 27%는 Claude 도구로부터의 생산성 향상을 언급했고 20%는 실제로 일을 하는 것에서 Claude들을 관리하는 역할로 자신의 역할이 바뀌었다고 말했습니다.

이러한 모델 주도의 가속화 속에서 인간의 주의력은 끊임없는 병목 지점입니다. 대화형 다중 턴 세션에서 에이전트 세션 시간의 대다수는 전혀 작업에 쓰이지 않고 대기에 쓰입니다. 우리는 각 대화형 세션의 총 실제 경과 시간에서 각 에이전트의 활성 작업 시간을 빼서 유휴 시간을 추적합니다. Claude 세션은 약 80%가 인간의 입력을 기다리며 유휴 상태입니다. 한 엔지니어가 표현했듯이, 사람들이 “에이전트들의 병목”이 되고 있는 것입니다.

대화형 세션에서 Claude가 생성한 모든 출력을 읽는 데 정확히 얼마나 많은 시간이 필요할까요? 각 대화형 세션에 대해 평균 인간 독서 속도를 가정하고 세션의 에이전트 출력 토큰을 단어 수로 변환했습니다. Figure 6은 최근 6개월 동안 기술 부문에서 코딩 에이전트 출력량이 크게 급증했음을 보여줍니다. 그러나 비기술 부문에서조차 대화형 Claude 세션은 업무 주간의 절반 이상을 차지할 만큼의 콘텐츠를 출력하고 있습니다. 쏟아지는 Claude 텍스트를 정리할 필요가 있습니다.

이러한 정보 홍수에 대한 한 가지 해결책은 자동화의 증가입니다. 그러나 이는 다른 종류의 작업을 필요로 합니다. 에이전트를 위한 서면 상시 지침은 2025년 7월의 수백 건에서 1년 후 8,500건으로 늘었습니다. 한 엔지니어는 에이전트 요청을 분류하는 에이전트 비서실장(chief of staff)을 설정했습니다. 또 다른 사람은 자신의 Claude 팀을 위한 성과 평가를 작성했습니다: “자, 우리 소통 방식에서 무엇이 작동하고 무엇이 작동하지 않는지 이야기해 봅시다.” 리크루터들은 문제를 발견하고 조치를 시작하는 에이전트들과 통합 대시보드를 구축했습니다. 한 변호사는 법률 질문 검토에서 벗어나 “법률 조언을 위한 SEO, [고객의] 에이전트들이 발견할 수 있는 프레임워크를 작성해야” 하는 일에 주의를 돌렸습니다.

Figure 7은 이러한 종류의 메타 작업이 2025년 가을 평균 직원의 대화형 Claude 세션의 10%에서 2026년 봄에는 22%로 급증했음을 보여줍니다. 이 증가의 상당 부분은 특히 에이전트 관리에 기인합니다: 다중 에이전트 실행을 위한 사양 작성, 한 에이전트가 다른 에이전트의 출력을 검토하도록 반복 실행, 그리고 파이프라인 모니터링 등입니다. 여러 기능 영역에서 인간의 관여는 특정 코드나 글에서 점차 추상화되어 에이전트가 자신의 과제를 효과적으로 수행하게 하는 데 필요한 도구로 옮겨가고 있습니다.

에이전트 신뢰성이 향상되고 이를 감독하기 위한 도구에 상당한 투자가 이루어졌음에도 불구하고, 인간의 신뢰와 책임은 여전히 핵심입니다. 한 직원은 버그를 추적하는 일이 점점 더 “실제로 어느 정도의 인간 소집과 의사결정과 거버넌스를 필요로 하는 조직적이거나 시스템적이거나 기술 부채적인 문제들을 드러낸다”고 설명했습니다. 수많은 인터뷰에서 직원들은 대면 협업이 필수적이라고 말했습니다. 캘린더 데이터에 따르면 중앙값 기준 직원은 1년 전보다 회의에 20% 더 많은 시간을 보냅니다. 이 중 일부는 회사의 성장과 회의 집약적인 비기술 직무로의 전환을 반영합니다. 그러나 기술적 개인 기여자 직무의 직원들 사이에서조차 회의 시간은 지난 1년 동안 16% 증가했습니다. 큰 그림의 전략적 질문들은 폭넓은 범위의 영향력 있는 위치에 닿아 있으며, 일반적으로 다른 사람들과의 논의와 소통을 필요로 합니다. 에이전트 관리에서 벗어나는 휴식은 대개 회의에 뛰어드는 모습으로 나타납니다.

전반적으로 기술 직무와 비기술 직무 모두 업무의 구현 부분이 자동화되는 모습을 보였습니다(코드 작성, 버그 식별, 진행 상황 기록, 이메일 초안 작성). 엔지니어들은 에이전트의 리더이자 관리자가 되었다고 말했고, 비기술 직원들은 업무 중 전략적 부분을 점점 더 많이 맡게 되었다고 말했습니다: “그 전략적 20%가 업무의 90%가 되었다.” 하지만 많은 비기술 직무의 경우 핵심 구현 업무는 대인 관계적이기도 합니다: 영업 통화, 면접, 복잡한 문제에 대한 부서 간 조율. 이 모든 것은 여전히 인간의 몫으로 남아 있습니다.

Anthropic 커뮤니케이션의 표면과 배후 채널을 모두 제공하는 Slack 채널도 생각해 볼 필요가 있습니다. 에이전트는 Slack을 통해 확산되어 결국 활성화된 공개 채널의 거의 절반에 등장했습니다. Figure 8은 해당 부서 구성원이 상호작용한 모든 공개 Slack 채널을 바탕으로 하나의 대규모 부서의 커뮤니케이션 네트워크를 확대해서 보여줍니다. 이 그림은 Slack 스레드에 참여했는지 여부를 기준으로 인간과 에이전트 참여자를 연결합니다. 이 그림은 주황색 점들이 피어나며 네트워크를 장악하는 에이전트의 놀라운 부상을 보여줍니다.

에이전트는 기존 인간 채널에 많은 메시지를 보내기보다 Claude-인간 상호작용을 위한 전용 채널에 불균형적으로 나타났습니다. 인간 커뮤니케이션의 기본 구조와 밀도는 거의 변하지 않았습니다. 에이전트는 인간 상호작용을 대체한 것이 아니라 이에 추가되었습니다: 이 부서의 인간 스레드는 동일한 수의 인간 응답을 유지하면서 그 위에 에이전트 응답을 추가로 쌓았습니다. 에이전트는 여러 직원에게 동시에 높은 연결성을 가지는 노드가 아니라 단일 직원을 위한 팀이 되었습니다.

인간이 늘어나는 AI 에이전트 무리 속에서 일할 때, 인간의 업무를 에이전트가 볼 수 있는 채널로 옮기라는 압력에 직면합니다. 대면 회의에서 결정이 이루어지고 메모나 보고가 나타나지 않으면, 에이전트는 목표와 가정을 갱신하는 데 필요한 중요한 맥락을 놓치게 됩니다. 한 직원은 Claude 굿즈에 관한 수개월 된 문서에 자신의 이름이 올라 있어서 직무가 바뀐 지 오래 후에도 에이전트가 티셔츠와 머그컵 요청을 계속 가져오게 되었다고 설명했습니다. 기록되지 않는 회의와 다이렉트 메시지에서 이루어지는 비공개 업무는 AI가 중심이 되는 직장에서 보이지 않고, 혼란스러우며, 권장되지 않습니다. 한 연구자는 이러한 개방성으로의 기본 태도가 Anthropic의 철저한 AI 통합에 핵심적이라고 설명했습니다: “대부분의 조직은 그렇게 운영되지 않는데, 리더들이 피드백을 공개적으로 방어해야 하기 때문에 큰 변화라고 생각합니다.” AI에 맥락을 공급해야 하는 필요성은 인간의 업무와 결정에 대한 관찰 가능성을 요구합니다.

이런 직장에서 누가 성공할까요? Anthropic에서 업무 내용의 변화는 채용 결정에서 채용 담당자가 우선시하는 역량의 변화로도 나타납니다. 우리는 2024년 이후 Anthropic에 채용된 수천 명의 직원에 대한 채용 담당자 인터뷰 스코어카드를 처리하기 위해 자동화된 코더를 사용했습니다. 이 코멘트는 지원자의 수행 능력을 평가하는 면접관의 정성적 반응입니다. 가장 뚜렷한 변화는 지원자가 AI 도구를 창의적으로 사용했음을 보여줬는지에 대한 강조가 증가한 것입니다. 2024년에 채용 담당자들은 기술 직무 평가의 약 5%, 비기술 직무 평가의 7%에서 지원자의 AI 도구 활용 실적을 언급했습니다. 2026년까지 이 비율은 기술 직무에서 3배, 비기술 직무에서 4배로 증가했습니다. 채용 담당자들은 지원자가 AI를 효과적으로 사용하는지에 점점 더 집중하고 있습니다.

평가에서 더 깊은 변화도 보입니다. 기술 직무 지원자 면접에서 가장 크게 증가한 항목은 지원자의 자율성과 판단력에 대한 코멘트였습니다. 전체 평가에서 도메인 전문성에 대한 논의 비중은 축소되었습니다. 한 관리자는 “모델이 계속 고르지 않은 성능을 보일 것으로 예상하므로, 내 팀에게는 여러 도메인에서 대체 가능하기를 바란다”고 설명했습니다. 마찬가지로 비기술 직무 지원자의 경우 고객 및 사명 지향성은 증가한 반면 실행 역량에 대한 논의는 감소했습니다. 채용 담당자들은 점점 더 AI 도구로 자동화된 도메인별 기술과 실행이 아닌, 지원자의 판단력과 헌신을 기준으로 평가하고 있습니다.

고용주가 할 수 있는 일

Anthropic에서 AI가 깊이 채택된 것은 유용한 사례가 됩니다. AI가 확산되고 개선됨에 따라 업무의 조직 방식이 이전 기술 변화의 물결에서 그랬던 것처럼 변할 수 있습니다. 철도는 관리주의적 기업을 낳았고, 증기 동력은 공장을 가능하게 했으며, 개인용 컴퓨터는 스타트업을 가져왔습니다. 도구를 사용하고 추론하는 LLM은 어떤 새로운 조직을 요구할 것이며, 우리는 그 안에서 어떤 역할을 하게 될까요? 한 가지 가능성은 인간 창업자 한 명이 에이전트 무리를 이끌어 수십억 달러의 매출을 올리는 1인 스타트업입니다. 또 다른 가능성은 AI 천재 CEO가 인간 에이전트를 피펫을 다루고 의회에서 증언하는 용도로만 고용하는 회사입니다.

Anthropic은 이 중 어느 쪽도 아닙니다. 지난 1년간 규모가 3배로 커졌습니다. 이제 작은 스타트업이 아닙니다. 또한 경영 통제권을 모델에 넘기지도 않았습니다. 서면 Slack 토론과 대면 회의가 회사 전략부터 팀 결정까지 모든 것을 이끌며, AI 에이전트의 개입은 거의 없습니다. 회사 전체에서 인간의 업무를 가시적으로 유지하면 자율 에이전트가 최신 맥락을 바탕으로 추론할 수 있습니다. 에이전트 팀을 조율하는 개별 기여자는 필요한 지식과 업무의 상호의존성 측면에서 관리자와 더 비슷해 보입니다. 열린 환경에서 일하고 결정하는 것은 AI 집약적 조직에서 매우 중요합니다.

직원들이 점점 더 Claude 팀을 관리하는 일을 자신의 업무로 인식함에 따라, 이를 자신만의 고유한 분야에서 효과적으로 수행하는 데 필요한 도구를 구축하는 데 더 많은 시간을 보내고 있습니다. 이러한 실험은 직원들이 끊임없이 자신의 업무를 자동화하여 없애고 있다는 것을 의미합니다. 일부 직무에서는 그들이 처음에 기술을 쌓게 했던 대상 수준의 작업에서 점점 더 멀어지고 있습니다. 에이전트가 워크플로를 빠르게 처리하는 동안, 인간의 주의와 판단은 시스템이 부딪히는 병목 지점이 됩니다. 영업부터 법무까지, 인간 직원들은 더 많은 그리고 다른 업무를 수행해야 합니다. 직무는 최고의 LLM의 능력 범위를 넘어서는 제품 구축, 에이전트 관리, 전략적·대인 관계 업무 처리까지 포함하도록 확장되고 있습니다.

조직과 업무 내용의 이러한 변화는 정원, 채용, 공고에서 주니어 기술 직무의 비중 감소와 함께 나타났습니다. 채용 담당자들은 점차 실행력과 협소한 전문성보다 지원자의 자율성과 판단력에 주목하고 있습니다. 전반적으로 Anthropic의 매출 성장은 고용 성장 대비 이전 세대 기술 기업들의 빠른 초기 생산성 성장마저 앞질렀습니다.

경제 전반에 걸쳐 이러한 패턴을 미래로 읽어내면 AI 확산이 근로자 실직 위험을 초래할 수 있음을 시사합니다. 기존 연구에서도 다음과 같은 사실이 밝혀진 바 있습니다. AI 네이티브 스타트업 그리고 AI 도입 기업들 더 평평하며 더 적은 초급 수준 직원들.. 주변에서 일하는 인간에게 도움이 되는 방식으로 AI의 격변을 관리하는 방법에 대해 Anthropic으로부터 무엇을 배울 수 있을까요?

여기서 우리는 신중하게 나아가고자 합니다. Anthropic의 고용 관행 중 경제 전반에 걸쳐 그대로 복제될 수 없는 부분이 많습니다.

그러나 세 가지 특징이 두드러진다. 첫째, 광범위한 주식 소유는 직원들에게 회사의 성공에 대한 강한 이해관계를 부여한다. 물론 이는 기업 가치가 크게 상승해 온 회사에게는 쉽게 취할 수 있는 자세다. 많은 기업에게 공동 소유는 불충분하거나 바람직하지 않을 수 있다. 그러나 성공적인 도입에 대해 노동자들이 재정적 지분을 보유하지 않는 친노동자적 AI 도입 방식은 상상하기 어렵다. 인터뷰 대상자들의 표현을 빌리면, 개별 실무자들이 “에이전트를 관리하고”, “VP급 결정을 내리고”, “자신의 사업 부문”이 되기를 기대한다면, 그들의 이해관계를 조직과 일치시키는 것이 중요하다. 1950년대에 형성된 제2차 세계대전 이후의 노사 합의는 바로 이러한 종류의 타협에 기반을 두었다. United Auto Workers와 United Steel Workers 같은 노동조합은 업무 재편(심지어 업무 강화)에 관한 경영권을 허용하는 대신 생산성 향상과 연동된 임금 인상 및 풍부한 복리후생을 받아냈다. AI의 영향을 받는 직원들과 고용주 사이의 새로운 합의가 어떠하든, 도입의 혜택을 공유하는 메커니즘이 필수적이다. Anthropic에서 직원들은 자신의 전문 지식을 기계에 체계화하고, 자신의 업무 방식이 끊임없이 뒤흔들리고 붕괴되는 것을 겪으며, 자신의 업무 상당 부분이 AI 협업자의 출력을 재빨리 훑어보는 일이 된 것을 목격해 왔다. 그들은 이 모든 것을 공짜로 하는 것이 아니다.

둘째, Anthropic는 AI로 인해 변혁을 겪는 일자리를 모니터링하는 지속적인 조기 경보 시스템을 구축하고 있습니다. 수요와 생산성에 대한 직무 수준의 일련의 지표들이 AI 역량 및 사용 현황과 대조하여 분석됩니다. 이러한 종합 지표는 업무가 어디로 이동하고 있는지 파악하는 데 도움을 줍니다. 조기 경보 시스템을 통해 회사는 영향을 받는 직원들을 즉각적인 위험도가 상대적으로 낮고 기술이 적합한 직무로 재배치하기 시작할 수 있습니다. 경제 전반의 기업들이 가속화된 업무 재편의 속도에 맞춰 방향을 전환함에 따라, 내부 직원 재배치를 안내하는 효과적인 시스템의 가치는 점점 더 커질 것입니다. AI의 발전이 요구하는 모든 새로운 과업을 외부 노동 시장에서 조달하는 것은 AI가 빠르게 발전할수록 더 큰 병목이 될 것입니다. 이번 보고서에서 우리는 부서 간 이동성 증가, 업무 내용 변화, 그리고 기존 과업이 자동화됨에 따라 직원들이 새로운 과업으로 전환하는 현상을 확인했습니다. AI를 집중적으로 활용하는 조직에게는 직원을 내부적으로 유연하게 재배치하는 시스템을 구축하는 것이 매우 중요할 것입니다.

직원 내부 재배치에 대한 이러한 약속은 중요한 상충관계를 야기한다. 잘 기능하는 노동시장은 노동자를 현재 고용주든 다른 곳이든 가장 생산적인 자리로 이동시켜야 한다. 기존 직원을 재배치하겠다는 약속은 고용주가 신규 직원 채용에 위험을 감수하는 것을 주저하게 만들 수 있다. 정상적인 경제 상황, 특히 치열하게 경쟁하는 상황에서는 이러한 약속이 비용이 될 수 있다.

하지만 재배치 우선은 AI를 도입하는 기업들이 노동 비용을 절감하기 위해 AI 애플리케이션을 인간 근로자 대체에 투입하는 대신, AI가 새로운 제품과 새로운 시장을 위한 새로운 업무를 창출할 수 있는 방식을 고려하도록 강제합니다. 이는 고용주가 ‘이라는 유혹을 견디는 데 도움이 될 수 있습니다.그저 그런’ 또는 ‘비효율적인’ AI나 기타 기술이 인간 노동자를 근소하게 앞서는 자동화: 고용주는 인간 노동자를 대체하여 실직한 노동자들의 소득 상실이라는 상당한 사회적 비용을 초래하는 반면, 생산성 향상 효과는 미미합니다.

우리가 Anthropic에서 보는 바에 따르면, AI를 집중적으로 사용하면서도 새로운 업무와 여전히 사람의 몫으로 남는 업무가 공존하고 있습니다. 이러한 업무의 미래 구성에 대한 불확실성은 유연한 인력을 유지해야 함을 시사합니다. Anthropic의 한 경영진이 언급했듯이, "불안에 시달리는 인력은 최선의 성과를 내는 인력이 아닙니다."

이러한 조치들 중 어떤 것도 강력한 AI가 일자리를 뒤흔드는 것을 막지는 못할 것입니다. 실제로 이 보고서에서 문서화된 신입 채용 감소 추세를 직접적으로 해결하는 조치도 없습니다. 기존 재직자를 위한 고용 보호는 애초에 채용되지 못한 사람들에게는 도움이 되지 않습니다. 고용주들의 자발적 조치는 정부의 장기적 안목을 가진 정책과 병행되어야 합니다. 재교육 및 소득 지원. 이러한 정책은 AI가 가져올 수 있는 일자리 변화의 규모에 대한 명확한 그림에 따라 이루어져야 한다.

권장 인용 표기

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = sep,

url = {https://anthropic.com/research/<SLUG-TBC>}

}

감사의 말

업무가 어떻게 변화했는지에 대한 인터뷰에 시간을 내어준 Anthropic 직원들에게 감사드립니다. 매우 유익한 의견과 도움을 주신 Kate Astbury, Shehzad Bashir, Zoe Blumenfeld, Scott Booth, Henry Brill, Yena Cho, Henry de Valence, Adam Farina, Johannes Hermle, Zoe Hitzig, , Hasnain Lakhani, Eva Lyubich, Kerry Persen, Kristina Pham, Sarah Pollack, Hannah Pritchett, Georg Rilinger, Santi Ruiz, Szymon Sacher, Florian Scholz, Meg Tong, Monika Tuchowska, Helen Wang, Kim Withee, Charles Yang, 그리고 Jack Clark께 감사를 전합니다.

참고 문헌

Acemoglu, Daron, and Pascual Restrepo. 2019. “Automation and New Tasks: How Technology Displaces and Reinstates Labor(자동화와 새로운 과업: 기술은 어떻게 노동을 대체하고 재투입하는가).” Journal of Economic Perspectives 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, Nathan Zorzi. 2025. “Inefficient Automation(비효율적 자동화).” Review of Economic Studies 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, Liyuan Yang. 2026. "Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools"(코드 작성 vs. 코드 배포: AI 코딩 도구 세대 간 생산성 효과). NBER Working Paper 35275. https://doi.org/10.3386/w35275

Ewens, Michael, Xavier Giroud. 2025. “Corporate Hierarchy(기업 내 위계).” NBER Working Paper 34162. https://doi.org/10.3386/w34162

Favaro, Marina, Jack Clark. 2026. “When AI Builds Itself(AI가 스스로를 만들 때).” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, Peter McCrory. 2026. “Agentic Coding and Persistent Returns to Expertise.” Anthropic, 6월 16일. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, Guy Lichtinger. 2025. “Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data(연공서열 편향적 기술 변화로서의 생성형 AI: 미국 이력서 및 채용 공고 데이터에 대한 증거).” SSRN Working Paper 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, Deep Ganguli. 2025. “How AI Is Transforming Work at Anthropic.” Anthropic, 12월 2일. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, Rembrand Koning. 2026. “AI-Native Firms(AI 네이티브 기업).” Harvard Business School Working Paper 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, Maxim Massenkoff. 2026. “An Evidence Review of Subsidized Job Training(보조금 지원 직업훈련에 대한 증거 검토).” The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs

각주

1. Anthropic의 추정치는 2026년 4월까지의 12개월(창립 약 5년 후)에 대한 내부 재무 및 인원 기록에서 나온 것입니다. Google과 Meta의 고용 및 매출 수치는 창립 5년 후의 Form 10-K 제출 자료(각각 2003년과 2009년)를 기반으로 합니다. 모든 수치는 2025년 달러 가치로 조정되었습니다.

관련 콘텐츠

Claude로 더 효율적인 양자 회로 설계하기

우리는 Claude에게 8개의 양자 회로에 대한 자연어 사양과 함께 설계를 검증하고 점수를 매기는 자동 평가기를 제공했습니다. Claude는 대부분 독자적으로 작업하여 발표된 최고의 회로보다 개선된 설계를 만들어냈으며, 어떤 경우에는 한 자릿수 이상 향상되어 실용적인 양자 컴퓨터의 실현을 이전에 예상되었던 것보다 앞당길 수 있을 것으로 보입니다.

Claude, ECDSA 곡선의 기원을 밝히다

수십 년간 미제였던 가장 널리 쓰이는 암호화 표준 중 하나의 기원에 대한 수수께끼가 풀렸습니다.

AI 기대 격차

AI는 앞으로 수년간 경제를 어떻게 재편할까요? AI가 경제에 미칠 미래 영향에 대한 의견 불일치의 핵심 원인은 무엇일까요? 이 노트는 이러한 질문들에 대한 새로운 설문 조사 증거를 제시합니다.