Anthropic은 연구 초점을 내부로 돌려 AI를 내부적으로 어떻게 사용하는지 검토하고 모든 사람이 궁금해하는 질문인 "AI가 실제로 사무실에 들어오면, 실제로 일하는 사람들에게 무슨 일이 일어날까?"에 답했습니다. 그들은 132명을 대상으로 한 설문조사, 53명을 대상으로 한 심층 인터뷰, 그리고 Claude Code의 내부 기록을 사용하여 체계적인 검토를 실시했습니다. 간단히 말해서, 엔지니어들이 클로드를 "절대 떠나지 않을 페어 프로그래머"로 활용하기 시작한 후, 생산성이 50%나 급증했고, 기술 경계도 크게 넓어졌습니다. 하지만 이로 인해 "심각한 기술 저하, 협업 약화, 그리고 모호한 직업적 정체성"이라는 세 가지 주요 불안감이 촉발되었습니다. 1. 첫째, 생산성과 업무의 성격의 변화입니다. 생산성이 크게 향상되었습니다. 직원들은 업무의 60%에 클로드를 사용한다고 보고했으며, 그 결과 효율성이 50% 증가했고 작년 같은 기간에 비해 2~3배 증가했습니다. 모든 사람이 "육각형 전사"입니다. 즉, 엔지니어는 프런트엔드 개발, 데이터베이스, API 코드 등 핵심 전문 분야를 넘어 작업을 처리할 수 있으므로 반복 작업이 가속화됩니다. 새로운 업무량에서 클로드의 작업량 중 27%는 내부 도구, 데이터 대시보드, 코드 리팩토링과 같은 사소한 개선 사항 등 "이전에는 결코 하지 않았을 작업"에 속합니다. 2. 미션 맵의 변경 사항 클로드의 주요 용도는 코드 버그 수정과 기존 코드베이스 이해입니다. 55%의 사람들이 디버깅을 위해, 42%가 코드를 읽는 데, 37%가 새로운 기능을 작성하는 데 클로드를 매일 사용합니다. 낮은 위임의 고빈도 사용: 클로드에게 위임할 수 있는 작업은 0~20%에 불과하며, 감독도 전혀 없습니다. 위험도가 높은 코드의 경우 여전히 수동 감독과 검증이 필요합니다. 위임 전략에서 엔지니어는 맥락이 단순하고 복잡도가 낮으며 검증하기 쉽고 잘 정의되어 있으며 위험이 적거나 지루한 작업을 AI에 위임하는 경향이 있습니다. 고수준 사고, 설계 결정 또는 심도 있는 사고가 필요한 작업은 여전히 사람이 처리합니다. 신뢰는 점차 쌓였습니다. 경험이 쌓이면서 엔지니어들은 클로드에 대한 신뢰가 커졌고, 그에게 더 복잡한 작업도 맡기기 시작했습니다. 3. 기술 개발 및 과제 기술 확장과 축소는 공존합니다. AI는 엔지니어의 역량을 확대하지만, AI에 대한 과도한 의존으로 인해 심층 프로그래밍, 디버깅, 시스템 이해와 같은 핵심 기술이 퇴화될 수 있다는 우려도 있습니다. 감독의 역설: AI를 효과적으로 감독하려면 관련 기술이 필요하지만, AI의 광범위한 사용으로 인해 이러한 기술을 익히는 사람이 줄어들 수 있습니다. 어떤 사람들은 숙련도를 유지하기 위해 AI를 의도적으로 비활성화하여 중요한 코드를 작성하기도 합니다. 추상화 추세는 소프트웨어 엔지니어링이 어셈블리 언어에서 고급 언어로의 진화와 유사하게 더 높은 수준의 추상화를 향해 진화하고 있음을 시사합니다. 영어가 새로운 프로그래밍 언어가 될 가능성도 있습니다. 4. 일의 의미와 즐거움 프로그래밍의 의미가 바뀌었습니다. 일부 엔지니어는 AI가 가져오는 높은 생산성과 최종 결과를 중시하는 반면, 다른 엔지니어는 손으로 코드를 작성하는 선(禪)과 같은 느낌을 갈망합니다. 관계가 냉각되면서 클로드는 가장 먼저 연락하는 동료가 되었고, 질문의 80%가 먼저 이루어졌습니다. 이로 인해 동료들과 소통하고 멘토링할 기회가 줄어들었고, 필요성에 대한 인식도 낮아졌습니다. 5. 진로 전망과 불확실성 역할 전환: 코드 작성에서 AI 관리로; 어떤 사람들은 시간의 70%를 AI 코드 검토에 사용합니다. 계속되는 불확실성으로 인해 많은 엔지니어들이 소프트웨어 엔지니어링 분야에서의 장기적인 진로에 대해 불확실함을 느끼고 있습니다. AI가 모든 것을 대신하게 될지도 모른다는 걱정과 매일 출근하는 것이 마치 스스로를 자동화하는 것처럼 느껴질까 봐 걱정하는 것입니다. 그러나 적응력과 고차원적인 개념에 대한 이해가 더욱 중요해질 것이라고 생각하는 사람들도 있습니다. 6. 클로드 코드 사용 추세 작업의 복잡성과 자율성이 증가함에 따라 클로드의 평균 작업 복잡성은 증가했고, 연속적인 도구 호출 횟수는 116% 증가했으며, 인간의 개입 횟수는 33% 감소했습니다. 업무 분배가 변경되어 새로운 기능 구현 및 코드 설계/계획과 관련된 업무의 비중이 크게 증가했습니다. 각 팀은 각자의 필요에 따라 Claude를 사용할 수 있습니다. 예를 들어 보안 팀은 코드 이해를 위해 Claude를 사용하고, 비기술직 직원은 디버깅 및 데이터 과학 작업에 Claude를 사용합니다. 그러나 본 연구에는 한계점도 있습니다. 자가 표본 추출과 익명화되지 않은 특성으로 인해 긍정적 효과가 과장될 수 있으며, 클로드 코드 분석은 절대적인 업무량이 아닌 업무 분포의 상대적인 변화만을 측정했습니다. 더욱이 AI 기술은 빠르게 발전하고 있으며, 새로운 모델의 등장에 따라 연구 결과가 달라질 수 있으며, 다른 조직이나 산업에 완전히 적용하기 어려울 수 있습니다. #AI 연구 #AI가 일자리에 미치는 영향
블로그anthropic.com/research/how-a…a8
