AI를 가장 먼저 쓴 회사 안에서 일자리는 어떻게 바뀌었나: Anthropic 내부 고용 데이터 보고서 (How employment is changing at Anthropic)

"Claude 군단이 저마다 내 주의를 달라고 한다" — 에이전트는 사람보다 여섯 배 더 일하지만, 그 출력은 사람의 주의라는 좁은 깔때기를 하나씩 통과해야 한다.

원문 정보

제목: How employment is changing at Anthropic

출처: Anthropic Economics 팀 — Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory (anthropic.com) · Technical Report, The Anthropic Institute

발행: 2026-10-16 · 분량 표기 없음 (장문의 기술 보고서, 그림 8개)

원문 링크: https://www.anthropic.com/research/employment-at-anthropic

“AI가 일자리를 없앤다”는 논쟁에 외부 추정이 아니라 프런티어 AI 회사 자신의 내부 데이터(고용·채용 기록, AI 사용 텔레메트리, 산출 지표, 설문, Slack·캘린더, 인터뷰 17건)로 답한 드문 보고서라 Articles에 담는다.

한 줄 요약 (TL;DR)

AI를 가장 깊게 도입한 Anthropic에서는 에이전트가 사람보다 6배 많은 시간을 일하게 되면서 1인당 산출은 크게 늘었지만 주니어 기술직 채용 비중은 급감했고, 일의 중심은 “직접 하기”에서 에이전트를 관리·검토하는 메타워크로 옮겨갔으며, 이제 병목은 사람의 주의와 판단이다. 저자들은 지분 공유·조기 경보 시스템·내부 재배치가 충격을 완화할 수 있지만 주니어 채용 둔화는 막지 못하며, 정부 정책이 함께 필요하다고 결론짓는다.

왜 이 글을 골랐나

이 위키의 AI-Industry 글들은 대체로 바깥에서 본 관찰이었다. AI는 왜 엔지니어를 대체하지 못했나는 “AI 해고” 서사가 상당 부분 AI 워싱이라고 짚었고, 취업도 소프트웨어도 망가졌다는 구직자 입장에서 채용 시장의 적대화를 기록했다. 이 보고서는 반대편, 즉 AI를 만드는 회사가 자기 조직에 AI를 극단적으로 적용했을 때 무슨 일이 생겼는지를 숫자로 보여준다.

저자들의 전제는 “프런티어 도입 기업은 경제 전체의 선행 지표일 수 있다”는 것이다. 그렇다면 여기서 관찰된 패턴(주니어 채용 감소, 메타워크 증가, 채용 기준 이동)은 몇 년 뒤 다른 회사에서 일할 개발자들에게 미리 보는 예고편이 된다. 동시에 이해당사자가 직접 쓴 보고서라는 점도 염두에 두고 비판적으로 읽을 필요가 있다.

보고서의 흐름을 한 장으로 그리면 다음과 같다.

flowchart TB
    A["에이전트 근무 시간 폭증<br/>(대화형 기준 사람의 6배)"] --> B["1인당 산출 증가<br/>(커밋 5배 · 계약 · 인보이스 · 딜)"]
    A --> C["주니어 기술직 채용 비중 급감<br/>(신규 채용 중 27% → 9%)"]
    B --> D["사람의 주의가 병목<br/>(출력 읽기만 주 근무시간 절반 이상)"]
    D --> E["메타워크 증가 (10% → 22%)<br/>· 회의 시간 20% 증가"]
    C --> F["채용 기준 이동<br/>(도메인 전문성 → 자율성 · 판단력)"]
    E --> F
    F --> G["회사의 대응<br/>(지분 공유 · 조기 경보 · 내부 재배치)"]
    G -->|"그래도 남는 것"| H["한계<br/>(주니어 채용 둔화는 못 막음 → 정부 정책 필요)"]

핵심 내용

보고서 맨 앞의 네 가지 핵심 발견은 다음과 같다.

AI 에이전트의 근무 시간이 빠르게 늘어나는 동안 주니어 기술직 채용 비중이 줄었다. 8월 기준, 대화형(interactive) 에이전트 근무 시간이 직원 근무 시간의 6배다.
에이전트가 확산되면서 코드·영업·계약 처리에서 1인당 산출이 늘었다. 같은 직원을 시간에 따라 추적해도 새 AI 도구를 도입한 뒤 산출이 올랐다.
사람의 주의가 에이전트 산출의 병목이다. 비기술직 직원도 Claude 에이전트의 출력을 전부 읽으려면 주 근무시간의 절반이 든다. 직원들은 가시성 도구·모니터링 파이프라인을 만드는 “메타워크”로 대응한다.
채용 매니저들은 기술 도메인 전문성과 구현 능력보다 자율성과 판단력을 점점 더 우선한다.

프런티어의 노동 수요: 누구를 덜 뽑고 누구를 더 뽑나

1인당 매출: 창업 약 5년 차 시점 기준, Anthropic의 직원 1인당 매출은 같은 성장 단계의 Meta·Google보다 2~4배 높다(각사 10-K, 2025년 달러로 디플레이트).
주니어 기술직 감소: 주니어 기술직 수요가 줄었다는 논의는 2026년 1월 핵심 기술 조직에서 시작됐다. Claude에 가장 많이 의존하는 팀일수록 코딩·버그 찾기를 Claude에 넘길 수 있었다.
- 기술 부서 직원 중 주니어 비중: 21% → 14% (2025년 초 이후)
- 기술직 신규 채용 중 주니어 비중: 27% → 9%
- 주니어 채용 공고는 2025년 12월 이후 특히 급감
매니저 설문(4월): 과반이 AI 때문에 다른 스킬을 보고 뽑는다고 답했고, ML 매니저의 약 1/3, SWE 매니저의 약 1/5은 AI 때문에 덜 뽑는다고 답했다.
부서 구성 변화: 기술 부서의 고용 비중은 1년간 61% → 56%. 기술 인원 절대 수는 늘었지만 영업·재무·채용 쪽 증가가 더 빨랐다. 반면 행정·사무 기능은 에이전트 비서·자동 검토·티켓 아웃소싱 덕에 인원이 늘지 않았다.
모두가 코딩한다: 기준 시점에 커밋이 없던 비기술직 직원의 코딩 중심 에이전트 세션은 2025년 8월 월 2건에서 2026년 5월 월 90건으로 늘었다. 기술 부서에서 “최근 30일 커밋 없음”인 사람 비중은 거의 절반으로 줄었고, 매니저의 커밋은 두 배가 됐다. 엔지니어 대 PM 비율은 약 17:1이며 계속 오르는 중이다.
이동성: 근속 1년 이상 직원이 매달 부서를 옮길 확률은 2025년보다 2026년에 50% 높다. 예를 들어 Claude.ai의 문구를 쓰던 프로덕트 디자인 팀은 에이전트를 안내하는 context graph를 만든 뒤, 에이전트 프롬프팅과 eval 작성으로 역할을 바꿨다. 이 팀의 표현으로는 “언어로 사람의 행동을 이끌던 작가들이 이제 언어로 Claude의 행동을 이끈다.”

회사는 1년 만에 3배가 되고 기술 인원의 절대 수도 늘었지만, 비중으로 보면 세 지표가 모두 줄었다 — 가장 가파른 것은 기술직 신규 채용의 주니어 비중(27% → 9%)이다.

AI가 정말 생산성을 끌어올렸나

에이전트 시간: 2026년 3월, 자율형+대화형 에이전트 작업 시간 합계가 처음으로 사람의 작업 시간을 넘었다. 직원이 직접 띄운 에이전트만 보면 8월에는 사람의 6배다. (측정 방식: 직원이 지시한 대화형 세션만, 서브에이전트는 합산, 추론·도구 사용 시간만 세고 30분 넘는 대기는 제외, 사람은 1인당 주 40시간 가정.)
산출: 엔지니어 1인당 코드 커밋은 6개월 전의 5배로, 모든 기능 중 가장 빠르게 늘었다. 변호사는 더 많은 계약을, 매입채무 담당은 더 많은 인보이스를 처리했고, 영업은 더 많은 딜을 닫았다.
인과 추정 설계: 코딩 에이전트를 도입한 엔지니어 192명과 도입하지 않은 74명을 비교했다. 개인·월 이원 고정효과(two-way fixed effects)를 쓰고, “에이전트 세션 5회 이상인 첫 달”을 도입 시점으로 잡았다. 도입 이후 추가 코드량이 급증했다.
코드 품질: 같은 사람·같은 달·같은 디렉터리 안에서 에이전트가 쓴 코드와 사람이 쓴 코드를 비교했을 때, 이후 삭제·revert되는 비율에 차이가 없었다.
선택 편향 인정: 완전 자율형 에이전트를 도입한 엔지니어는 도입 전부터 이미 산출이 가파르게 오르던 사람들이었다.
영업·법무·채용: 한 AE는 자동화가 기존 업무의 약 20%를 대체했다고, 다른 AE는 고객을 30% 더 만날 수 있게 됐다고 말했다. 변호사는 리스크 스캔·법률 트리아지·공개 문구 1차 검토를 자동화했고, 리크루터는 소싱·트래킹을 Claude에 맡기고 면접 질문 재설계와 지원자 면담에 시간을 썼다.
복잡도와 주니어 고용: Claude를 가장 복잡한 작업에 쓰는 직무일수록 2026년 1~7월 주니어 고용 증가가 둔화됐다. 저자들은 이를 기술(記述)적 관찰이라고 명시한다.

병목과 프로세스: 새로운 일, 오래된 일

속도 압박: 직원들은 “영원한 압박(eternal pressure)”을 말하고, “다른 곳이라면 3개월 걸릴” 일이 일주일 안에 기대된다고 했다.
생산성 인식: “업무 프로세스가 나를 최대한 생산적으로 만든다”에 동의한 비율은 2024년 말 44% → 2025년 11월 58% → 2026년 4월 75%. 단, 4월 문항에서 “as possible”이 빠져 비교 가능성이 약하다고 저자들이 직접 밝힌다.
기대치: Anthropic 직원들은 2030년까지 AI가 자기 일의 75%를 할 수 있다고 본다. 다른 미국인은 28%다.
모델 릴리스 효과: 새 모델이 나오면 “이전 모델 기준 상위 10% 난이도”를 넘는 작업 비중이 10%에서 13%로 오르고 그대로 유지됐다. 쉬운 쪽 작업은 거의 변하지 않았다. 즉 새 모델은 더 어려운 일을 맡기는 쪽으로 쓰였다.
관리자로의 전환: 4월 설문 자유 응답에서 27%는 생산성 향상을, 20%는 “일을 직접 하던 데서 Claude들을 관리하는 쪽으로” 옮겨갔다고 적었다. 한 엔지니어의 말로는 “Claude 군단이 저마다 내 주의를 달라고 한다(an army of Claudes, with every one asking for my attention).”
유휴 시간과 읽기 부담: 대화형 Claude 세션 시간의 약 80%는 사람의 입력을 기다리는 시간이다. 출력 토큰을 단어로 바꾸면(토큰당 0.75단어, 분당 250단어 읽기 가정) 비기술 조직조차 대화형 출력만 읽는 데 주 근무시간의 절반 이상이 든다.
상시 지시문: 에이전트용 상시 지시문(standing instructions)은 2025년 7월 수백 개에서 1년 뒤 8,500개가 됐다.
메타워크: 대화형 세션 중 메타워크(에이전트 스킬 만들기, 계획·리뷰, 대시보드·모니터, 프로세스 문서화) 비중은 2025년 가을 10% → 2026년 봄 22%. 한 AE는 “뭐든 두 번째로 하게 되면, 세 번째는 안 하도록 Claude로 어떻게 만들지 생각하게 된다”고 말했다.
회의와 Slack: 중앙값 직원의 회의 시간은 1년 전보다 20% 늘었다(기술 IC는 16%). 에이전트는 활성 공개 Slack 채널의 거의 절반에 등장하지만 주로 Claude-사람 전용 채널에 있고, 사람의 응답 수는 그대로인 채 에이전트 응답이 그 위에 얹혔다. 비공개·비기록 작업은 AI 중심 직장에서 “보이지 않고, 혼란스럽고, 권장되지 않는” 것이 되어, 일을 에이전트가 볼 수 있는 채널로 옮기라는 압력이 생겼다.
채용 스코어카드 변화: 후보자의 AI 도구 활용 이력 언급은 2024년 평가의 약 5%(기술직)·7%(비기술직)에서 2026년 각각 약 3배·4배로 늘었다. 기술직 평가에서는 자율성과 판단력 언급이 가장 크게 늘고 도메인 전문성 비중은 줄었다. 비기술직에서는 고객·미션 지향이 늘고 실행 스킬 언급이 줄었다. 한 채용 매니저는 “모델은 계속 들쭉날쭉(jagged)할 테니, 우리 팀원은 여러 도메인을 오갈 수 있으면 좋겠다”고 했다.

에이전트를 더 띄우기는 쉽지만 출력을 읽고 판단하는 사람의 처리량은 늘지 않는다 — 그래서 세션은 대부분 사람을 기다리고, 직원들은 스킬·리뷰·대시보드·문서화 같은 메타워크로 우회로를 만든다.

고용주는 무엇을 할 수 있나

저자들은 역사적 비유로 시작한다. 철도는 관리형 대기업을, 증기기관은 공장을, PC는 스타트업을 가능하게 했다. AI에 대해서는 “1인 AI 스타트업”과 “사람을 손발로 쓰는 AI 운영 회사”라는 두 가지 추측적 미래가 거론되지만, Anthropic은 어느 쪽도 아니다. 1년 만에 규모가 3배가 됐고, 경영 통제권을 모델에 넘기지도 않았다.

그 위에서 저자들이 강조하는 세 가지 장치:

광범위한 지분 소유: 직원이 회사 성공의 몫을 갖게 한다. 저자들은 이를 2차대전 이후의 노사 타협(생산성 향상에 연동된 임금이 경영진의 작업 재편 통제권을 상쇄)에 비유하며, AI 도입의 이익을 나누는 메커니즘이 필수라고 본다.
조기 경보 시스템: 역할 단위의 수요·생산성 지표를 AI 역량·사용 추이와 함께 읽어, 일이 이동하는 지점을 잡아내고 당장 위험이 덜한 역할로 재배치를 유도한다.
내부 재배치: 유연한 내부 재배치가 AI 집약 조직에 결정적이라고 주장한다.

트레이드오프도 적는다. 재배치 약속은 고용주를 채용에 소극적으로 만들 수 있고, 일반적인 경쟁 시장에서는 비용이 크다. 반면 재배치를 우선하면 사람을 밀어내면서 생산성은 별로 안 오르는 “그저 그런(so-so)” 자동화 대신 새로운 과업 창출 쪽으로 기업을 유도할 수 있다. 미래의 과업 구성이 불확실하니 유연한 인력을 유지하자는 것이다. 다만 어떤 고용주 행동도 혼란을 막지 못하고, 주니어 채용 둔화를 직접 해결하지도 못한다고 인정하며, 재교육·소득 지원에 대한 정부 정책이 필요하다고 맺는다. 한 임원의 말대로 “불안에 떠는 인력은 최선의 일을 하는 인력이 아니다.”

저자들이 밝힌 한계

도구 도입은 무작위가 아니고(큰 프로젝트를 앞둔 사람이 먼저 도입할 수 있음), 도입자는 이미 산출이 늘던 사람들이며, 코드 품질 프록시는 제한적이다(AI의 오류가 사람 오류보다 발견하기 어려울 수 있음). 산출 증가에는 사업 성장·자동화 선택·영업 기회도 섞여 있고, 복잡도-주니어 고용 분석은 인과가 아니며, 읽기 시간은 가정된 환산율에 기반한다. 무엇보다 빠르게 성장하고 주가가 오르는 AI 회사라는 Anthropic의 상황은 경제 전체로 일반화되지 않을 수 있다.

분석과 인사이트

여기부터는 원문 요약이 아니라 내 해석이다.

1. “AI가 일자리를 없앤다”보다 정확한 말은 “AI가 사다리의 아래 칸을 치운다”

가장 무거운 숫자는 생산성 5배가 아니라 기술직 신규 채용 중 주니어 비중 27% → 9%다. 회사 전체 인원은 3배가 됐고 기술 인원의 절대 수도 늘었으니, “해고”의 이야기가 아니다. 사라진 것은 입구다. AI는 왜 엔지니어를 대체하지 못했나가 말한 decide-execute-deliver 샌드위치로 보면, AI가 가장 먼저 흡수한 것은 가운데 execute 층(코딩·버그 찾기)이고, 그 층이 바로 주니어가 경력을 시작하며 배우던 자리다. 보고서가 “어떤 고용주 행동도 주니어 채용 둔화를 직접 해결하지 못한다”고 솔직히 인정한 부분이 오히려 가장 정직한 대목이라고 본다. 내일의 시니어는 오늘의 주니어에서 나오는데, 그 파이프라인을 누가 유지할지는 이 보고서가 열어둔 가장 큰 질문이다. AI가 우리의 실력을 망치고 있는가의 탈숙련 문제와도 같은 뿌리다.

2. 병목은 연산이 아니라 사람의 주의다

세션 시간의 80%가 사람을 기다리는 시간이고, 출력만 읽어도 주 근무시간의 절반이 든다는 수치는 실무자에게 아주 구체적인 경고다. 에이전트를 더 많이 띄우는 것은 쉽지만, 그 결과를 검토·판단하는 사람의 처리량은 늘지 않는다. 그래서 메타워크(스킬, 상시 지시문 8,500개, 대시보드, 모니터)가 10%에서 22%로 늘었다. 이건 AI 시대, 나의 전문성을 재설계하는 법이 말한 “생산에서 검증으로, 스킬 숙련자에서 운영 책임자로”의 이동이 실제 데이터로 찍힌 모습이다. 다만 보고서가 메타워크를 대체로 긍정적으로 그리는 데 비해, 나는 메타워크가 “에이전트를 위한 일”이 계속 쌓이는 새로운 형태의 관리 부채가 될 수 있다는 점도 함께 보고 싶다. 회의 시간 20% 증가, Slack에서 사람 응답은 그대로인데 에이전트 응답이 얹힌 구조는 조정 비용이 줄지 않고 오히려 늘었다는 신호로도 읽힌다.

3. 채용 기준의 이동은 이미 시장 전체에서 관찰되던 흐름의 내부 증거다

기술직 평가에서 자율성·판단력 언급이 가장 크게 늘고 도메인 전문성이 줄었다는 결과는 AI 네이티브 채용의 철학이 말한 “만들기에서 결정하기로”와 정확히 겹친다. “모델은 들쭉날쭉하니 팀원은 도메인을 오갈 수 있어야 한다”는 매니저의 말은, 특정 스택의 깊이보다 모델이 못하는 빈칸을 그때그때 메우는 적응력에 값을 매긴다는 뜻이다. 엔지니어 대 PM 17:1, 매니저 커밋 2배, 비기술직 코딩 세션 45배라는 수치는 직무 경계가 녹고 있다는 증거이고, 미션 팟처럼 직무 사일로를 해체하는 조직 설계가 왜 등장하는지 설명해 준다.

4. 읽을 때 조심할 점

이 보고서는 저자들 스스로 한계를 꼼꼼히 적었다는 점에서 신뢰할 만하지만, 몇 가지는 독자가 따로 의식해야 한다.

이해당사자의 자기 보고다. AI 회사가 “AI 덕에 1인당 매출이 Meta·Google의 2~4배”라고 쓰는 것은 사실일 수 있어도, 그 자체로 제품 홍보 효과가 있다. 매출 효율에는 AI 시장 자체의 폭발적 성장이라는 순풍이 섞여 있다.
“커밋 5배”는 산출의 프록시일 뿐이다. revert 비율이 같다는 품질 비교는 의미 있지만, 저자들도 인정하듯 AI의 오류는 더 늦게 드러날 수 있다. 코드량이 늘어난 만큼 유지보수 표면도 늘어난다.
재배치·지분 공유는 빠르게 크는 회사에서만 쉬운 처방이다. 3배 성장 중인 회사는 옮길 자리가 많다. 성장이 멈춘 회사에서 같은 장치가 작동할지는 이 데이터로 알 수 없다.

그럼에도 “에이전트 시간 / 사람 시간”, “세션 중 대기 비율”, “메타워크 비중” 같은 측정 프레임 자체는 다른 조직이 그대로 가져다 쓸 수 있는 실질적 기여라고 본다.

적용 포인트

입구가 좁아진다는 전제로 커리어를 설계하라. 주니어라면 “구현을 빠르게 하는 사람”보다 “모호한 문제를 스스로 정의하고, 에이전트 산출을 판단해 책임지는 사람”이라는 증거(자율적으로 끝낸 프로젝트, 판단의 근거를 남긴 기록)를 쌓는 편이 채용 스코어카드 변화와 맞는다.
에이전트 수가 아니라 검토 처리량을 설계하라. 동시에 띄우는 에이전트 수를 늘리기 전에, 출력 요약·diff 중심 리뷰·자동 검증(테스트·eval)으로 “사람이 읽어야 하는 양”을 먼저 줄인다.
두 번 한 일은 세 번째부터 자동화하라. 보고서 속 AE의 원칙을 그대로 쓰되, 만든 스킬·지시문에는 소유자와 폐기 기준을 둬서 메타워크가 부채로 쌓이지 않게 한다.
일을 에이전트가 볼 수 있는 곳으로 옮겨라. 결정과 맥락을 DM·머릿속이 아니라 기록되는 채널·문서에 남기면, 사람 동료와 에이전트 모두에게 컨텍스트가 된다.
팀 리더라면 측정부터 하라. 에이전트 시간 대비 사람 시간, 세션 대기 비율, 메타워크 비중, 주니어 채용 비중을 분기별로 보면 일이 어디로 이동하는지 조기에 잡을 수 있다. 이는 보고서의 “조기 경보 시스템”을 작게 구현하는 방법이다.
주니어를 뽑는 이유를 의식적으로 지켜라. 단기 산출만 보면 주니어 채용을 줄이는 것이 합리적이지만, 시니어 파이프라인과 팀의 유연성을 위해 어떤 비율을 유지할지 명시적으로 결정해 둔다.

마무리

이 보고서는 AI가 일자리를 “없애는지”에 대한 단순한 답 대신, 더 구체적인 그림을 보여준다. 에이전트가 사람보다 여섯 배 더 일하는 회사에서도 사람은 여전히 핵심이다. 하지만 사람이 하는 일은 실행에서 판단·검토·조율·메타워크로 옮겨갔고, 그 결과 경력의 첫 계단이 가장 먼저 좁아졌다. 병목이 연산에서 사람의 주의로 옮겨간 이상, 앞으로의 생산성 경쟁은 “에이전트를 얼마나 많이 돌리느냐”가 아니라 “사람의 주의를 얼마나 잘 설계하느냐”가 될 것이다. 그리고 주니어 사다리를 어떻게 지킬지는 한 회사의 선의로 풀 수 없는, 업계와 정책의 숙제로 남는다.

더 읽어보기

원문 — How employment is changing at Anthropic (Anthropic Economics)
AI는 왜 소프트웨어 엔지니어를 대체하지 못했나 — decide-execute-deliver 프레임으로 보면 AI가 흡수한 execute 층이 곧 주니어의 자리라는 점이 보인다
취업도 소프트웨어도 망가졌다 — 같은 노동 시장을 구직자 쪽에서 본 기록
AI 네이티브 채용의 철학 — 채용 기준이 구현에서 판단으로 옮겨간다는 흐름의 채용자 쪽 설계
가장 빠른 AI-first 회사는 어떻게 일하는가: 미션 팟 — 직무 경계가 녹을 때의 조직 설계
AI 시대, 나의 전문성을 재설계하는 법 — 생산에서 검증으로, 숙련자에서 운영 책임자로의 이동
AI가 우리의 실력을 망치고 있는가 — 주니어가 실행을 통해 배우던 기회가 사라질 때의 탈숙련 문제
고밀도 인재 팀을 만드는 채용 플레이북 — 적게 뽑는 대신 더 높은 기준으로 뽑는 채용 전략