AI가 직원보다 6배 더 일하는 회사, 인간의 일자리는 어떻게 달라졌나

AI가 인간의 일자리를 대체할 것이라는 전망은 오래전부터 있었다.

그러나 실제 기업에서 AI가 얼마나 많은 일을 수행하고, 사람의 업무와 채용 구조를 어떻게 바꾸는지 확인하기는 쉽지 않았다.

AI 도입 기업들은 생산성이 높아졌다고 말하지만, 그 생산성이 얼마나 증가했는지, 채용이 실제로 줄었는지, 직원들은 어떤 일을 새롭게 맡게 됐는지 구체적인 내부 데이터를 공개하는 경우는 드물다.

그런데 AI를 만드는 기업이 자신의 내부 데이터를 공개했다.

Anthropic은 2026년 10월 16일 'How employment is changing at Anthropic'이라는 연구보고서를 발표했다. 보고서는 회사의 고용 자료와 AI 사용량, 직원 생산성 지표, 설문조사, 내부 커뮤니케이션, 일정 데이터, 채용 평가 기록을 분석하고 직원 17명의 인터뷰를 함께 살펴봤다.

연구진은 AI를 가장 적극적으로 사용하는 기업 가운데 하나인 Anthropic의 변화가 향후 다른 기업에서 나타날 조직과 고용 변화의 선행지표가 될 수 있다고 봤다.

보고서의 결과는 주목할 만하다.

2026년 8월 기준 Anthropic 직원이 직접 사용하는 AI 에이전트의 실행시간은 직원 근무시간의 6배에 달했다.

기술 부서에서 주니어 직원이 차지하는 비중은 2025년 초 21%에서 14%로 줄었다. 같은 기간 주니어 기술직이 신규 기술직 채용에서 차지하는 비중은 27%에서 9%로 감소했다.

반면 엔지니어 한 명이 생산하는 코드량은 6개월 전보다 약 5배 증가했다.

AI가 더 많은 일을 수행하고, 직원들의 생산성이 높아지는 동안 기업이 사람을 채용하는 방식과 직원에게 요구하는 역량도 달라지고 있었던 것이다.

그런데 이번 연구에서 가장 흥미로운 사실은 다른 곳에 있다.

AI가 직원보다 훨씬 많은 시간 동안 작업하지만, 업무의 병목은 사라지지 않았다. 오히려 인간이 AI의 결과물을 검토하고 승인하며 다음 작업을 지시하는 과정이 새로운 병목으로 등장했다.

AI가 인간을 대체하고 있다는 단순한 설명만으로는 이 변화를 이해하기 어렵다.

AI가 일을 하는 조직에서는 인간의 역할 자체가 달라지고 있었다.

직원 한 명 뒤에서 AI 에이전트 여섯 명이 일하는 셈이다

Anthropic의 내부 데이터는 AI 에이전트가 기업의 업무 수행 구조를 얼마나 빠르게 바꾸고 있는지 보여준다.

보고서에 따르면 2026년 3월, 회사에서 실행된 자율형 및 대화형 AI 에이전트의 전체 작업시간이 처음으로 인간 직원의 근무시간을 넘어섰다.

같은 해 8월에는 직원이 직접 사용하는 대화형 AI 에이전트와 하위 에이전트의 작업시간만 계산해도 인간 근무시간의 6배에 달했다.

이는 Anthropic의 직원 한 명이 실제로 AI 직원 여섯 명을 고용했다는 의미는 아니다.

연구진은 AI 에이전트가 추론하거나 도구를 사용하는 시간을 합산했다. 30분을 초과하는 대기시간은 제외했으며, 인간의 근무시간은 직원 수에 주당 40시간을 적용해 산출했다.

따라서 인간과 AI의 노동시간을 직접적인 노동 가치나 생산량으로 비교할 수는 없다.

그럼에도 중요한 변화는 분명하다.

기업 내부에서 인간이 직접 수행하는 작업보다 AI가 수행하는 작업의 양이 훨씬 빠르게 증가하고 있다는 것이다.

특히 소프트웨어 개발에서 변화가 컸다.

Anthropic에서는 AI 에이전트가 코드를 작성하고, 반복적인 테스트를 수행하고, 버그를 수정하며, 인프라 코드를 유지보수한다. 대규모 코드베이스를 다른 언어로 변환하는 작업도 여러 에이전트가 함께 수행한다.

업무의 일부를 AI에 맡기는 수준을 넘어, 여러 에이전트가 동시에 대규모 작업을 처리하는 구조로 진화한 것이다.

AI 에이전트의 역할은 개발 부서에만 머물지 않았다.

일부 에이전트는 직원의 캘린더와 메시지를 확인하고, 회의를 예약하며, 해야 할 일을 정리했다. 예정된 회의에 참석하는 사람과 회의 목적을 직원에게 미리 알려주는 업무도 수행했다.

기업 내부에서 AI는 질문에 답하는 챗봇이 아니라 실제 업무 프로세스에 참여하는 실행 주체로 자리 잡고 있었다.

신입 기술직 채용 비중은 왜 3분의 1 수준으로 떨어졌나

AI 도입이 고용 구조에 미치는 영향은 신입 기술직에서 가장 뚜렷하게 나타났다.

Anthropic의 기술 부서에서 주니어 직원이 차지하는 비중은 2025년 초 21%에서 2026년 14%로 감소했다.

주니어 기술직이 신규 기술직 채용에서 차지하는 비중은 27%에서 9%로 줄었다.

신입 기술직 채용의 상대적 비중이 3분의 1 수준으로 축소된 것이다.

이러한 변화는 2026년 초부터 내부에서 감지됐다.

보고서에 따르면 핵심 기술 부서에서는 1월부터 주니어 인력에 대한 수요 감소가 논의되기 시작했다.

Claude를 많이 활용하는 조직에서 코드 작성과 버그 탐지 같은 업무를 점점 더 AI에 맡길 수 있게 됐기 때문이다.

4월에는 엔지니어링과 연구 조직이 상대적으로 낮은 직급의 기술 인력 채용에 대한 우선순위를 낮췄다.

같은 달 실시된 관리자 설문에서 머신러닝 관리자 약 3분의 1, 소프트웨어 엔지니어링 관리자 약 5분의 1은 AI로 인해 채용을 줄이고 있다고 응답했다.

여기서 주목해야 할 것은 기술직 전체가 감소했다는 뜻은 아니라는 점이다.

Anthropic은 빠르게 성장하는 기업이다. 기술직 직원 수도 절대적으로는 계속 증가했다.

다만 영업과 재무, 채용 등 다른 사업 부문의 성장이 더 빨랐다.

전체 직원 가운데 기술 부서 인력이 차지하는 비중도 1년 동안 61%에서 56%로 감소했다.

즉 기술 인력이 사라진 것이 아니라 기업이 성장하는 과정에서 필요한 인력의 구성과 채용 우선순위가 달라지고 있었다.

하지만 신입 인력에 미치는 영향은 별도로 봐야 한다.

기업은 기존 직원의 업무를 AI로 보조하거나 자동화하면서, 과거에 신입 직원에게 맡기던 작업을 AI에 넘길 수 있다.

코드 작성과 테스트, 자료 조사, 문서 정리처럼 경험을 쌓기 위해 수행하던 기초 작업의 일부가 자동화되면 신입 채용의 필요성이 줄어들 수 있다.

이는 단순히 현재의 일자리 수 문제가 아니다.

미래의 숙련 인력을 어떻게 양성할 것인가라는 문제로 이어진다.

숙련된 엔지니어는 처음부터 숙련된 엔지니어였던 것이 아니다. 단순한 코드를 작성하고 오류를 수정하며 시스템을 이해하는 과정에서 전문성을 축적했다.

그런데 AI가 이러한 초급 업무를 대체한다면 기업은 새로운 질문에 답해야 한다.

신입 직원은 어디에서 경험을 쌓을 것인가.

이번 보고서가 보여주는 중요한 노동시장 변화 중 하나다.

엔지니어 생산성 5배 증가, 정말 AI 덕분일까

Anthropic은 AI 도입 이후 직원의 생산성이 크게 높아졌다고 밝혔다.

가장 극적인 변화는 소프트웨어 개발에서 나타났다.

2026년 중반 엔지니어 한 명이 기록한 코드 커밋 수는 6개월 전보다 약 5배 증가했다.

법무 부서는 더 많은 계약서를 처리했고, 영업 담당자는 더 많은 고객과 계약을 체결했다. 회계와 재무 업무에서도 처리량이 증가했다.

그러나 여기에는 주의할 점이 있다.

코드 커밋이 5배 늘었다고 해서 소프트웨어의 사업적 가치나 개발자의 생산성이 정확히 5배 높아졌다고 단정할 수는 없다.

또한 Anthropic은 회사 자체가 폭발적으로 성장하고 있었다.

더 많은 고객이 유입되고 사업 기회가 확대됐다면 AI와 무관하게 영업 실적이 개선됐을 가능성도 있다.

연구진도 이 문제를 고려했다.

AI 코딩 에이전트를 도입한 직원과 아직 도입하지 않은 직원을 비교하고, 동일한 직원을 시간에 따라 추적했다.

분석에는 AI 코딩 에이전트를 도입한 엔지니어 192명과 연구 기간 동안 도입하지 않은 엔지니어 74명이 포함됐다.

분석 결과 에이전트 도입 이후 코드 생산량이 뚜렷하게 증가하는 경향이 확인됐다.

연구진은 코드 품질 문제도 살펴봤다.

같은 직원이 같은 달, 같은 코드 디렉터리에서 작성한 인간 코드와 AI 에이전트 코드를 비교했다.

90일 이내 삭제된 코드의 비율, 버그 수정으로 삭제된 코드, 커밋 전체의 취소 여부, 테스트 생략이나 오류 억제 표시 등을 품질의 대리 지표로 활용했다.

그 결과 AI 에이전트가 작성한 코드와 인간이 직접 작성한 코드 사이에서 이러한 지표의 뚜렷한 차이는 발견되지 않았다.

그러나 이것이 AI 코드와 인간 코드의 품질이 모든 측면에서 동일하다는 의미는 아니다.

연구진도 코드 오류의 복잡성과 장기 유지보수성, 실제 사업 성과 등 측정하기 어려운 요소가 있다고 설명했다.

또한 AI 도구를 도입한 직원이 원래 더 적극적이거나 새로운 프로젝트를 앞두고 있었을 가능성을 완전히 제거하지는 못했다.

따라서 이번 연구는 AI 도입과 생산성 증가 사이의 강한 연관성을 보여주지만, 관찰된 변화 전체를 AI의 순수한 인과효과로 해석해서는 안 된다.

그럼에도 실무적으로 중요한 변화는 확인된다.

AI 에이전트가 단순히 직원의 시간을 조금 절약해 주는 도구를 넘어, 직원 한 명이 처리할 수 있는 업무의 규모를 크게 확장하고 있다는 사실이다.

개발자가 아닌 직원들도 직접 소프트웨어를 만들기 시작했다

이번 연구에서 주목할 또 다른 변화는 코딩이 개발자만의 업무가 아니게 됐다는 점이다.

Anthropic은 과거에 코드를 작성하지 않던 직원들이 AI 코딩 도구를 이용해 직접 필요한 소프트웨어를 만드는 사례가 빠르게 늘었다고 설명했다.

비개발 직원의 코딩 중심 AI 에이전트 세션은 2025년 8월 월평균 2회에서 2026년 5월 90회로 증가했다.

약 9개월 만에 45배 수준으로 늘어난 것이다.

한 영업 담당자는 자신이 사용할 영업 관리 대시보드와 파이프라인을 직접 만들었다.

기존에는 UI를 설계하고 여러 도구와 MCP를 연결하는 작업이 자신의 전문 영역 밖에 있었다. 하지만 AI를 활용하면서 3~4시간 만에 필요한 도구를 만들 수 있었다고 설명했다.

이 사례는 조직 구조에도 중요한 의미가 있다.

과거에는 영업 부서가 새로운 업무 도구를 만들려면 개발 부서에 요청해야 했다.

개발자는 요구사항을 확인하고, 우선순위를 조정하고, 개발 일정을 정해야 했다.

그러나 AI 코딩 에이전트가 발전하면서 업무 담당자가 직접 자신의 도구를 만드는 일이 가능해지고 있다.

이는 기술 부서가 모든 소프트웨어 개발 수요를 처리하던 구조를 바꿀 수 있다.

직원들은 자신에게 필요한 기능을 AI와 함께 구현하고, 개발 조직은 더 복잡한 시스템 설계와 보안, 공통 인프라, 기술적 거버넌스에 집중하는 방식으로 역할이 나뉠 수 있다.

Anthropic의 기술 부서에서도 변화가 나타났다.

최근 30일 동안 코드 커밋을 하지 않은 기술 부서 직원의 비중은 2026년 4월까지 1년 사이 거의 절반으로 줄었다.

관리자들 역시 코드를 직접 생산하는 사례가 증가했다. 관리자들의 커밋 수는 두 배로 늘었다.

개발을 직접 수행하는 사람과 이를 관리하는 사람 사이의 경계가 흐려지고 있었다.

이는 AI가 개발자의 역할을 없애는 것과는 다른 변화다.

소프트웨어를 만드는 능력이 조직 전체로 확산되면서 개발자의 전문성이 필요한 영역이 다시 정의되는 것이다.

AI가 일을 더 많이 할수록 인간이 병목이 된다

그러나 AI 에이전트가 늘어나면서 새로운 문제가 나타났다.

AI가 만들어내는 결과물의 양이 인간이 검토할 수 있는 속도보다 빠르게 증가한 것이다.

Anthropic 직원들은 동시에 여러 AI 에이전트를 사용한다.

각 에이전트는 코드를 작성하고, 자료를 조사하고, 보고서를 만들고, 오류를 확인한다. 작업이 끝나면 직원에게 결과를 보고하거나 다음 지시를 요청한다.

문제는 모든 에이전트가 인간의 관심을 필요로 한다는 점이다.

한 엔지니어는 여러 Claude를 관리하는 경험을 어린아이들을 돌보는 일에 비유했다.

에이전트마다 자신의 요청이 긴급하다고 보고한다. 하지만 실제로 중요한 문제와 사소한 문제가 같은 수준의 주의를 요구할 수 있다.

직원은 수많은 요청 가운데 무엇을 먼저 처리할지 판단해야 한다.

Anthropic의 데이터에 따르면 여러 차례 상호작용하는 대화형 에이전트 세션에서 전체 경과시간의 약 80%는 AI가 실제 작업하지 않고 인간의 입력을 기다리는 시간이었다.

AI가 인간보다 많은 작업을 처리하지만, 다음 단계로 넘어가기 위해서는 여전히 인간의 판단이 필요한 것이다.

연구진은 AI가 출력한 텍스트를 사람이 전부 읽으려면 얼마나 걸리는지도 계산했다.

기술 부서뿐 아니라 비기술 부서에서도 대화형 Claude 세션의 결과물을 모두 읽으려면 직원 근무시간의 절반 이상이 필요할 정도로 출력량이 증가했다.

AI가 생산하는 정보의 양이 인간의 처리 능력을 압박하기 시작한 것이다.

이는 AI 생산성의 새로운 역설이다.

AI가 일을 더 빠르게 처리할수록 인간은 더 많은 결과를 확인해야 한다.

AI가 여러 작업을 동시에 수행할수록 인간은 더 많은 의사결정을 내려야 한다.

AI가 더 많은 업무를 자동화할수록 인간은 무엇을 자동화하고 무엇을 직접 판단할 것인지 결정해야 한다.

결국 생산성의 병목이 업무 수행 능력에서 판단과 감독 능력으로 이동하고 있었다.

인간의 새로운 업무는 AI가 일을 잘하도록 만드는 일이다

Anthropic은 이러한 변화를 '메타 업무(Meta-work)'라고 설명했다.

메타 업무는 실제 코드나 문서를 직접 만드는 것이 아니라 AI 에이전트가 업무를 효과적으로 수행할 수 있도록 환경과 절차를 설계하고 관리하는 일이다.

예를 들어 AI 에이전트에게 줄 작업 명세를 작성하고, 여러 에이전트의 역할을 구분하며, 한 에이전트가 다른 에이전트의 결과를 검토하도록 설계하는 작업이다.

에이전트의 진행 상황을 확인하는 대시보드를 만들고, 오류를 탐지하는 모니터링 체계를 구축하는 일도 포함된다.

보고서에 따르면 메타 업무가 차지하는 비중은 2025년 가을 전체 대화형 Claude 세션의 약 10%에서 2026년 봄 22%로 증가했다.

직원들이 직접 결과물을 만드는 데서 벗어나 AI가 결과물을 만드는 시스템을 구축하는 데 더 많은 시간을 쓰기 시작한 것이다.

Anthropic 내부에서는 AI 에이전트 관리 도구도 빠르게 증가했다.

에이전트를 위한 상시 지침 문서는 2025년 7월 수백 개에서 1년 뒤 약 8,500개로 늘었다.

어떤 엔지니어는 다른 에이전트의 요청을 분류하고 우선순위를 정하는 AI 비서실장을 만들었다.

한 직원은 자신이 관리하는 Claude 팀의 성과를 평가하는 보고서까지 작성했다.

이제 직원은 AI에게 업무를 지시하는 데 그치지 않는다.

AI의 업무 방식을 설계하고, 성과를 평가하고, 작업 프로세스를 개선하는 관리자에 가까워지고 있다.

이것은 기업 조직의 기본적인 역할 구분을 변화시킬 수 있다.

과거 관리자는 사람을 관리했고, 실무자는 업무를 수행했다.

AI 중심 조직에서는 실무자도 여러 에이전트를 관리할 수 있다.

그 결과 개별 직원이 작은 팀이나 사업 조직을 운영하는 것과 비슷한 책임을 갖게 될 가능성이 있다.

AI 시대의 채용 기준, 전문성보다 판단력이 중요해지는가

Anthropic의 채용 평가 기록에서도 변화가 발견됐다.

연구진은 2024년 이후 채용된 수천 명에 대한 면접관의 평가 기록을 분석했다.

가장 뚜렷한 변화는 지원자가 AI 도구를 창의적으로 활용하는 능력을 보여줬는지에 대한 관심이 증가했다는 점이다.

2024년 기술직 채용 평가에서 AI 도구 활용 경험이 언급된 비중은 약 5%였다. 비기술직에서는 약 7%였다.

2026년에는 기술직에서 약 3배, 비기술직에서 약 4배로 증가했다.

AI 도구를 얼마나 효과적으로 활용하는지가 채용 판단의 중요한 요소로 자리 잡기 시작한 것이다.

더 흥미로운 변화는 기술직 지원자에 대한 평가 기준이다.

기술직 면접 평가에서 가장 크게 증가한 요소는 지원자의 자율성과 판단력이었다.

반면 특정 기술 분야의 전문성에 관한 언급은 전체 평가에서 상대적으로 비중이 줄었다.

비기술직에서도 비슷한 변화가 나타났다.

고객과 조직의 미션을 이해하는 능력에 대한 관심은 증가한 반면, 구체적인 실행 능력에 대한 평가 비중은 감소했다.

이는 전문지식이 더 이상 중요하지 않다는 뜻이 아니다.

다만 AI가 특정 분야의 작업을 수행할 수 있게 되면서 인간에게 요구되는 경쟁력이 달라지고 있다는 의미다.

AI가 코드를 작성할 수 있다면, 사람은 무엇을 만들어야 하는지 판단해야 한다.

AI가 데이터를 분석할 수 있다면, 사람은 어떤 질문을 던져야 하는지 결정해야 한다.

AI가 문서를 작성할 수 있다면, 사람은 그 문서가 조직의 목적과 상황에 적절한지 검토해야 한다.

실행 능력이 자동화될수록 목표 설정과 판단, 책임의 중요성이 높아지는 것이다.

AI가 늘어나도 인간의 회의는 줄지 않았다

AI가 업무를 자동화하면 회의도 줄어들까.

Anthropic의 데이터는 다른 결과를 보여준다.

직원들의 캘린더를 분석한 결과 중위값 기준 직원의 회의시간은 1년 전보다 20% 증가했다.

기술직 개인 기여자만 살펴봐도 회의시간이 16% 늘었다.

AI가 업무를 대신 수행하면 직원들이 회의에 쓰는 시간이 줄어들 것이라는 직관과 반대되는 결과다.

여기에는 여러 이유가 있다.

Anthropic 자체가 빠르게 성장하면서 협업이 필요한 업무가 증가했다.

또한 AI가 실무 작업을 수행할수록 인간이 함께 논의해야 하는 의사결정의 중요성이 높아졌다.

어떤 기능을 개발할 것인지, 어느 프로젝트에 자원을 배분할 것인지, 조직 간 이해관계를 어떻게 조정할 것인지, 오류가 발생했을 때 누가 책임질 것인지는 여전히 인간의 판단이 필요한 영역이다.

Anthropic 직원들은 인터뷰에서 대면 협업이 여전히 필수적이라고 설명했다.

AI는 코드와 문서를 만들 수 있지만, 조직 전체의 전략과 우선순위를 결정하는 역할까지 넘겨받지는 않았다.

보고서에 따르면 Anthropic은 지난 1년 동안 직원 수가 약 3배로 증가했다.

회사가 커지는 과정에서도 주요 전략과 팀의 의사결정은 Slack 토론과 대면회의를 통해 인간이 주도했다.

AI 에이전트는 사람의 의사소통을 대체하기보다 새로운 상호작용을 추가하는 모습에 가까웠다.

실제로 한 부서의 Slack 데이터를 분석한 결과 AI 에이전트는 활성 공개 채널의 거의 절반에 등장했다.

그러나 인간 사이의 기존 커뮤니케이션 구조가 사라진 것은 아니었다.

AI 에이전트의 활동이 기존 인간 커뮤니케이션 위에 추가됐다.

이는 AI 시대의 조직이 단순히 사람을 줄여 운영하는 구조로 바뀌지 않을 수 있음을 보여준다.

오히려 사람과 AI의 상호작용이 늘어나면서 새로운 조정과 관리 업무가 생길 수 있다.

AI가 읽을 수 없는 업무는 조직에서 보이지 않게 된다

이번 보고서는 AI 중심 조직의 또 다른 특징도 보여준다.

업무의 가시성이 중요해지고 있다는 점이다.

AI 에이전트가 업무를 수행하려면 조직의 최신 정보와 의사결정 내용을 알아야 한다.

그런데 중요한 결론이 대면회의에서 내려지고, 회의록이나 공유 문서로 남지 않는다면 AI는 그 사실을 알 수 없다.

AI는 오래된 문서나 과거 대화에 의존해 잘못된 판단을 내릴 수 있다.

Anthropic에서는 실제로 오래된 문서에 이름이 남아 있다는 이유로 해당 직원에게 더 이상 담당하지 않는 업무의 요청이 반복적으로 전달되는 사례도 있었다.

이 문제를 해결하려면 조직의 의사결정과 업무 과정이 AI가 읽을 수 있는 형태로 기록되어야 한다.

회의 결과를 문서화하고, 역할과 책임을 최신 상태로 유지하며, 정책과 업무 규칙을 시스템에 반영해야 한다.

이는 단순한 문서 관리 문제가 아니다.

AI가 기업의 업무를 수행하기 위한 새로운 조직 운영 조건이다.

과거에는 직원들이 구두로 공유하거나 경험으로 알고 있던 정보가 중요했다.

하지만 AI 중심 조직에서는 이러한 암묵적인 지식이 자동화 시스템의 장애물이 될 수 있다.

AI에게 보이지 않는 결정은 AI의 업무 수행에도 반영되기 어렵기 때문이다.

따라서 조직은 점점 더 많은 정보를 기록하고 공유해야 한다.

하지만 이 과정은 새로운 문제도 만든다.

업무 가시성을 높이기 위해 개인의 작업과 의사소통을 광범위하게 기록한다면 개인정보 보호와 직원 감시 문제가 발생할 수 있다.

AI가 조직을 더 잘 이해하도록 만드는 과정에서 조직 구성원의 활동이 과도하게 관찰될 가능성도 존재한다.

AI 중심 기업의 경쟁력은 모델 성능뿐 아니라 조직의 지식을 얼마나 정확하고 안전하게 관리할 수 있는지에 달려 있다는 것이다.

AI가 대체한 업무에서 직원들은 어디로 이동했나

Anthropic은 AI 도입에 따른 업무 변화에 대응하기 위해 내부 인력 재배치를 강조하고 있다.

보고서에 따르면 최소 1년 이상 근무한 직원이 다른 부서로 이동할 월별 가능성은 2025년보다 2026년에 약 50% 높아졌다.

일부 팀은 AI에 기존 업무를 넘긴 뒤 새로운 역할을 맡았다.

대표적인 사례가 제품 디자인 조직이다.

이 팀은 Claude 서비스에 표시되는 짧은 인사말과 안내 문구 등 제품 콘텐츠를 작성했다.

그러나 2026년 봄, 해당 팀은 AI 에이전트가 매력적인 제품 콘텐츠를 작성할 수 있도록 지원하는 컨텍스트 그래프를 구축했다.

그 결과 기존의 콘텐츠 제작 업무 상당 부분을 AI가 수행할 수 있게 됐다.

그렇다면 인간 작성자에게는 어떤 일이 남았을까.

팀은 자신들이 하던 문구 작성에서 벗어나 Claude의 프롬프트와 평가 체계를 만드는 역할로 이동했다.

사람의 행동을 유도하기 위해 문장을 쓰던 직원들이 이제는 AI의 행동을 유도하기 위해 문장을 쓰게 된 것이다.

같은 글쓰기 능력이지만 활용 대상이 달라졌다.

이 사례는 AI가 업무를 자동화한 이후에도 새로운 업무가 만들어질 수 있다는 가능성을 보여준다.

그러나 모든 직원이 자연스럽게 새로운 직무로 이동할 수 있는 것은 아니다.

기존 업무에서 쌓은 전문성이 새로운 역할에서 그대로 인정받는지도 불확실하다.

또한 기업이 내부 이동을 지원할 역량과 재정적 여유를 갖고 있는지에 따라 결과가 달라질 수 있다.

Anthropic은 빠르게 성장하는 AI 기업이다.

이런 기업의 내부 재배치 사례를 성장 정체나 비용 압박을 겪는 일반 기업에 그대로 적용하기는 어렵다.

일자리를 지키는 것과 신입에게 기회를 주는 것은 다른 문제다

Anthropic은 AI가 변화시키는 직무를 추적하기 위한 조기 경보 시스템도 구축하고 있다.

직무별 인력 수요와 생산성, AI의 업무 수행 능력과 실제 활용 수준을 함께 분석해 변화 가능성이 높은 직무를 파악하는 방식이다.

이를 통해 기존 직원이 자신의 역량을 활용할 수 있는 다른 업무로 이동하도록 지원하려 한다.

이러한 접근은 AI 도입의 영향을 단순한 인력 감축으로만 처리하지 않으려는 시도다.

하지만 연구진은 중요한 한계도 인정했다.

기존 직원을 재배치하는 정책이 신규 채용 감소 문제까지 해결해 주지는 않는다는 것이다.

Anthropic이 이미 확인한 주니어 기술직 채용 비중의 감소는 내부 재배치만으로 해결할 수 없다.

기존 직원의 일자리를 보호하더라도 처음부터 채용되지 않은 청년에게는 아무런 도움이 되지 않을 수 있기 때문이다.

더 나아가 기업이 기존 직원의 고용을 유지하고 재배치해야 한다는 부담을 크게 느낀다면 신규 인력 채용에 더욱 신중해질 가능성도 있다.

이는 AI 시대 고용 정책의 중요한 딜레마다.

기존 직원의 일자리를 지켜야 한다.

동시에 새로운 세대가 노동시장에 진입할 기회도 보장해야 한다.

생산성 향상에 따른 이익을 직원들과 어떻게 공유할 것인지도 고민해야 한다.

보고서는 직원들이 AI 도입의 성과에 경제적으로 참여할 수 있는 구조가 중요하다고 강조했다.

Anthropic의 경우 광범위한 주식 보유가 직원들이 회사의 성공에 이해관계를 갖도록 하는 요인 중 하나다.

다만 이러한 제도는 기업 가치가 빠르게 상승하는 회사에서 상대적으로 유리하게 작동할 수 있다.

모든 기업에 동일한 방식을 적용하기는 어렵다.

연구진은 기업 내부의 인력 재배치와 성과 공유뿐 아니라 정부의 재교육 및 소득 지원 정책도 함께 필요하다고 제안했다.

AI가 일자리 구조를 변화시키는 속도가 빨라질수록 개별 기업의 인사정책만으로 대응하기 어려워질 수 있기 때문이다.

AI 시대 기업의 조직도는 어떻게 바뀔까

Anthropic의 내부 변화는 기업 조직의 미래를 상상하게 한다.

기존 기업의 조직은 업무를 여러 사람에게 나눠 수행하도록 설계됐다.

실무자는 자신에게 맡겨진 작업을 처리하고, 관리자는 여러 직원의 업무를 조정하며, 경영진은 조직의 전략과 자원 배분을 결정한다.

그러나 AI 에이전트가 업무를 수행하기 시작하면 이 구조가 달라질 수 있다.

개별 직원이 여러 AI 에이전트를 활용해 과거 팀 단위로 수행하던 업무를 처리할 수 있다.

직원은 직접 수행하는 작업보다 작업을 설계하고, 결과를 검토하며, 다음 행동을 결정하는 데 더 많은 시간을 쓰게 된다.

실무자와 관리자 사이의 경계도 흐려진다.

개별 직원이 사실상 여러 AI 에이전트로 구성된 팀을 운영하는 역할을 맡기 때문이다.

이런 조직에서는 단순히 직원 수를 늘리는 것보다 AI를 얼마나 효과적으로 배치하고 관리하는지가 중요해질 수 있다.

하지만 모든 업무가 AI로 대체되는 것은 아니다.

Anthropic의 사례에서도 대면 협업과 조직 간 조정, 전략적 판단, 책임 있는 의사결정은 여전히 인간이 수행했다.

AI가 더 많은 실무를 담당할수록 인간의 역할은 오히려 복잡해질 수 있다.

과거에는 자신이 맡은 업무를 정확하게 수행하는 것이 중요했다.

AI 중심 조직에서는 여러 에이전트의 결과를 종합하고, 업무 사이의 충돌을 조정하며, 조직의 목표에 맞는 판단을 내리는 역량이 중요해질 수 있다.

이 변화는 기업의 인재 육성 방식에도 영향을 미칠 가능성이 크다.

신입에게 단순한 업무를 반복 수행하도록 하면서 경험을 쌓게 하는 전통적인 훈련 방식이 더 이상 충분하지 않을 수 있다.

AI가 이미 그러한 업무를 빠르고 저렴하게 수행하기 때문이다.

따라서 기업은 신입 직원이 실제 문제를 이해하고, AI의 결과를 비판적으로 평가하며, 복잡한 업무를 설계하는 역량을 어떻게 학습할 수 있을지 새롭게 고민해야 한다.

AI가 인간의 업무를 대신할수록 인간의 역량을 어떻게 형성할 것인지가 중요한 과제가 되는 것이다.

생산성 혁신인가, 노동의 재편인가

Anthropic의 연구는 AI가 일자리를 모두 없앨 것이라는 단순한 주장을 뒷받침하지 않는다.

회사는 빠르게 성장했고 직원 수는 증가했다.

AI 에이전트 활용이 급증하는 동안 기술직의 절대 인원도 증가했다.

기존 직원들은 새로운 업무로 이동했고, AI를 활용해 더 많은 결과물을 생산했다.

그러나 이 변화가 모든 노동자에게 긍정적인 것도 아니다.

주니어 기술직의 신규 채용 비중은 크게 줄었다.

직원들은 AI가 생산한 방대한 결과물을 검토해야 했고, AI 에이전트를 관리하기 위한 새로운 업무를 떠맡았다.

업무 수행 속도가 빨라지면서 조직이 직원에게 기대하는 생산성도 높아졌다.

Anthropic의 내부 설문에서 2026년 8월 직원들은 2030년까지 AI가 자신의 업무 중 평균 75%를 수행할 수 있을 것으로 예상했다.

같은 질문에 대한 미국 일반인의 응답은 28%였다.

물론 이는 직원들의 주관적 전망이지 실제로 2030년에 업무의 75%가 자동화된다는 예측 결과는 아니다.

그럼에도 AI를 일상적으로 사용하는 직원들이 얼마나 빠른 변화를 체감하고 있는지 보여준다.

AI 도입은 인간의 업무량을 단순히 줄이는 방향으로만 진행되지 않는다.

일부 작업은 자동화되지만 새로운 작업이 생긴다.

실행 업무는 줄어들지만 감독과 검토 업무는 늘어난다.

AI의 생산성이 높아질수록 인간에게 요구되는 판단 속도와 책임도 커질 수 있다.

따라서 AI 시대의 노동 변화를 이해하려면 일자리 수뿐 아니라 업무의 내용과 강도, 필요한 역량, 노동의 성과가 누구에게 돌아가는지 함께 살펴봐야 한다.

AI가 일을 하는 시대, 인간에게 남는 것은 무엇인가

이번 Anthropic 보고서가 던지는 질문은 분명하다.

AI가 인간보다 더 많은 시간 동안 작업하고, 코드와 문서를 만들고, 데이터를 분석하며, 여러 업무를 동시에 수행하는 시대에 인간은 어떤 역할을 맡아야 하는가.

Anthropic의 사례는 하나의 답을 제시한다.

인간은 더 이상 모든 작업을 직접 수행하는 존재만은 아니다.

AI가 어떤 일을 해야 하는지 결정하고, 필요한 정보와 도구를 제공하며, 작업의 결과를 평가하고, 문제가 발생했을 때 책임 있게 판단하는 역할이 커지고 있다.

그러나 여기에는 역설이 있다.

AI가 강력해질수록 인간의 기술적 실행 능력이 덜 중요해질 수 있지만, 좋은 판단을 내리기 위해서는 여전히 업무에 대한 깊은 이해가 필요하다.

AI가 작성한 코드의 위험성을 알아보려면 소프트웨어에 대한 지식이 있어야 한다.

AI가 분석한 재무 자료를 검증하려면 회계와 금융을 이해해야 한다.

AI가 제안한 조직 전략을 평가하려면 시장과 고객, 조직의 현실을 알아야 한다.

따라서 AI 시대의 전문성은 사라지는 것이 아니라 역할이 달라지는 것으로 볼 수 있다.

직접 수행하는 전문성에서 결과를 설계하고 검증하는 전문성으로 이동하는 것이다.

그렇다면 가장 중요한 문제는 새로운 세대가 이러한 판단 능력을 어떻게 배울 것인가다.

과거에는 직접 업무를 수행하며 전문성을 쌓았다.

하지만 AI가 초급 업무를 대신하는 조직에서는 그 학습 경로가 약해질 가능성이 있다.

이는 기업의 생산성 혁신이 해결해야 할 가장 어려운 문제 중 하나다.

Anthropic은 이미 그 변화의 한가운데 있다.

AI 에이전트의 작업시간은 인간의 6배로 늘었다.

신입 기술직 채용 비중은 감소했다.

코드 생산량은 급증했다.

직원들은 자신이 하던 일을 AI에 넘기고 새로운 업무를 맡기 시작했다.

그러나 기업을 움직이는 전략과 책임, 조직적 의사결정은 여전히 인간에게 남아 있다.

이것이 이번 연구가 보여주는 AI 시대 노동의 현실이다.

AI가 인간의 일을 모두 없애는 것은 아니다.

하지만 인간이 어떤 일을 해야 하는지는 이미 바꾸고 있다.

AI 시대 기업의 경쟁력은 더 많은 사람을 고용하거나 더 많은 AI 에이전트를 사용하는 것만으로 결정되지 않을 수 있다. AI가 수행할 업무를 정확히 설계하고, 결과를 검증하며, 생산성 향상의 성과를 조직과 구성원에게 어떻게 배분하느냐가 새로운 경쟁력이 될 수 있다.

Anthropic의 내부 데이터는 그 변화가 먼 미래의 이야기가 아님을 보여준다.

이미 AI를 만드는 회사의 조직과 채용, 업무 현장에서 시작되고 있다.

그리고 이 변화는 앞으로 AI를 도입하는 수많은 기업에도 중요한 질문을 던질 것이다.

AI가 더 많은 일을 수행할수록 인간은 무엇을 해야 하는가.

그 질문에 대한 답이 AI 시대의 일자리와 기업 조직을 결정하게 될 것이다.