Anthropic 경제 지표: AI가 소프트웨어 개발에 미치는 영향

컴퓨터 프로그래밍 관련 직업은 현대 경제에서 차지하는 비중은 작지만, 영향력은 상당합니다. 지난 2년간 코딩 작업의 상당 부분을 보조하고 자동화할 수 있는 AI 시스템이 도입되면서, 이 분야는 급격한 변화를 겪고 있습니다.

이전 Economic Index 연구에서 확인한 바에 따르면, 미국의 컴퓨터 관련 직종 종사자들은 Claude를 불균형적으로 많이 사용하고 있었습니다. 해당 직종의 종사자 수 대비 컴퓨터 관련 작업에 대한 Claude 대화량이 예상치를 크게 웃돈 것입니다. 교육 분야에서도 마찬가지입니다. 코딩 비중이 높은 컴퓨터과학 전공에서 AI 사용 빈도가 유독 높게 나타났습니다.

이러한 변화를 더 구체적으로 파악하기 위해, Claude.ai(대부분의 사용자가 Claude와 상호작용하는 기본 인터페이스)와 Claude Code(다양한 디지털 도구를 활용해 복잡한 작업을 연쇄적으로 수행할 수 있는 코딩 전문 에이전트)에서 발생한 코딩 관련 대화 50만 건을 분석했습니다.

분석 결과, 세 가지 핵심 패턴을 발견했습니다.

1. 코딩 에이전트는 자동화 비율이 더 높습니다. Claude Code 대화의 79%는 AI가 작업을 직접 수행하는 '자동화(automation)'로 분류되었으며, AI가 사람과 협업하며 역량을 강화하는 '증강(augmentation)'은 21%에 그쳤습니다. 반면 Claude.ai에서는 자동화로 분류된 대화가 49%에 불과했습니다. 이는 AI 에이전트가 보편화되고 에이전틱 AI 제품이 늘어날수록, 작업의 자동화가 더욱 확대될 수 있음을 시사합니다.
2. 개발자들은 AI를 활용해 주로 사용자 대상 앱을 만듭니다. 분석 데이터에서 가장 많이 사용된 프로그래밍 언어는 JavaScript, HTML 등 웹 개발 언어였으며, UI/UX 관련 작업도 상위권에 올랐습니다. 이는 단순한 애플리케이션이나 사용자 인터페이스 제작 중심의 직무가 순수 백엔드 작업 위주 직무보다 AI로 인한 변화를 더 빨리 겪을 수 있음을 시사합니다.
3. Claude Code의 주요 얼리 어답터는 스타트업이며, 대기업은 상대적으로 뒤처져 있습니다. 예비 분석 결과, Claude Code 대화의 33%가 스타트업 관련 작업이었던 반면, 대기업 관련 활용으로 파악된 비율은 13%에 불과했습니다. 이 채택 격차는 최첨단 AI 도구를 적극 활용하는 민첩한 조직과 전통적 대기업 사이의 간극을 보여줍니다.

Claude Code와 Claude.ai 대화 분석 방법

총 50만 건의 Claude 대화(Claude Code와 Claude.ai¹로 분할)를 프라이버시 보호 분석 도구로 분석했습니다. 이 도구는 사용자 대화를 상위 수준의 익명화된 인사이트로 요약합니다. 이번 연구에서는 이를 활용해 대화 주제(예: "UI/UX 컴포넌트 개발")를 식별하거나, 아래에서 설명할 '증강' 대 '자동화' 여부를 분류했습니다.

개발자들은 Claude와 어떻게 상호작용할까?

이전 Economic Index 보고서에서는 AI가 작업을 직접 수행하는 '자동화'와 사용자와 협업하며 작업을 수행하는 '증강'을 구분한 바 있습니다. 이번 분석에서 Claude Code는 자동화 비율이 압도적으로 높았습니다. 대화의 79%가 어떤 형태로든 자동화에 해당했으며, Claude.ai의 49%와 큰 차이를 보였습니다.

자동화와 증강은 이전 연구에서 다룬 바와 같이 여러 하위 유형으로 세분화했습니다. Claude가 자율적으로 작업을 수행하되 사람의 검증을 거치는 '피드백 루프(Feedback Loop)' 패턴(예: 사용자가 오류 메시지를 Claude에 다시 전달하는 경우)은 Claude Code(35.8%)에서 Claude.ai(21.3%)보다 약 2배 높게 나타났습니다. 사용자와의 상호작용이 최소화된 상태에서 Claude가 작업을 완료하는 '지시형(Directive)' 대화 역시 Claude Code(43.8%)가 Claude.ai(27.5%)보다 높았습니다. 사용자가 AI 모델로부터 지식을 습득하는 '학습(Learning)'을 포함한 증강 유형 전반은 Claude Code에서 Claude.ai보다 상당히 낮았습니다.

이 결과는 코딩에 특화된 전문 에이전트(여기서는 Claude Code)와 일반적인 대규모 언어 모델 사용 방식(즉 Claude.ai와 같은 챗봇 인터페이스) 간의 차이를 잘 보여줍니다. 에이전틱 제품이 더 많이 출시됨에 따라 AI가 사람들의 업무에 통합되는 방식도 달라질 수 있습니다. 적어도 코딩의 경우, 작업 자동화가 더 확대되는 방향으로 나아갈 가능성이 있습니다.

AI 활용이 보편화될수록 개발자의 역할이 어디까지 유지될지에 대한 의문이 제기됩니다. 중요한 점은, 자동화 내에서도 사람의 개입이 여전히 빈번하다는 것입니다. '피드백 루프' 상호작용은 단순히 오류 메시지를 Claude에 붙여넣는 수준이더라도 사용자의 입력을 필요로 합니다. 하지만 더 높은 역량의 에이전틱 시스템이 등장하면 사용자 입력이 점진적으로 줄어들 가능성이 높으므로, 이러한 패턴이 앞으로도 지속되리라고 단정하기는 어렵습니다.

개발자들은 Claude로 무엇을 만들까?

전체적으로, 개발자들은 웹사이트와 모바일 애플리케이션의 사용자 인터페이스 및 인터랙티브 요소를 구현하는 데 Claude를 주로 활용하고 있었습니다. 특정 언어가 압도적이지는 않았지만, 웹 개발 중심 언어인 JavaScript와 TypeScript가 전체 쿼리의 31%를 차지했고, 사용자 대상 코드에 쓰이는 HTML²과 CSS가 28%를 추가로 차지했습니다.

백엔드 개발 언어(서버 측 로직, 데이터베이스, 인프라, API 및 AI 개발에 사용)도 일정 비중을 보였습니다. 특히 Python은 쿼리의 14%를 차지했습니다. 다만 Python은 백엔드 개발과 데이터 분석 양쪽에 모두 사용됩니다. 또 다른 데이터 중심 언어인 SQL(쿼리의 6%)과 합치면, 이 언어들의 상당수는 전통적 백엔드 개발을 넘어 데이터 사이언스 및 분석 용도로 사용되었을 가능성이 높습니다.

이러한 패턴은 Claude를 활용한 주요 코딩 작업 유형에서도 이어집니다. 상위 5개 작업 중 두 가지가 사용자 대상 앱 개발에 집중되어 있었습니다. "UI/UX 컴포넌트 개발"이 전체 대화의 12%, "웹 및 모바일 앱 개발"이 8%를 차지했습니다. 이런 작업은 '바이브 코딩(vibe coding)'—다양한 수준의 경험을 가진 개발자가 원하는 결과를 자연어로 설명하고 구현 세부 사항은 AI에 맡기는 방식—으로 점점 더 많이 수행되고 있습니다.

"소프트웨어 아키텍처 및 코드 설계", "디버그 및 성능 최적화"와 같은 범용 작업 관련 대화 역시 Claude.ai와 Claude Code 모두에서 높은 비중을 차지했습니다.

추론적으로, 이러한 결과는 AI 역량 향상으로 '바이브 코딩'이 주류 개발 워크플로에 본격 편입될 경우, 단순 애플리케이션이나 사용자 인터페이스 제작 중심 직무가 더 먼저 변화를 맞이할 수 있음을 시사합니다. AI가 컴포넌트 생성과 스타일링 작업을 점점 더 많이 처리하게 되면, 해당 개발자들은 상위 수준의 설계나 사용자 경험 업무로 역할이 이동할 수 있습니다.

누가 코딩에 Claude를 사용하고 있을까?

어떤 개발자 그룹이 Claude를 사용하고 있는지도 분석했습니다. 분석 시스템을 활용해 사용자의 코딩 관련 대화에 가장 적합한 프로젝트 유형(예: 개인 프로젝트, 스타트업 프로젝트 등)을 식별했습니다. 다만 Claude의 응답이 실제로 어떤 맥락에서 활용되었는지 알 수 없기 때문에, 이 분석은 불완전한 데이터에 기반한 추론에 의존합니다. 따라서 이 결과는 앞선 분석보다 예비적 성격이 강합니다.

스타트업이 Claude Code의 주요 얼리 어답터로 나타났으며, 대기업 채택은 상대적으로 저조합니다. 스타트업 관련 작업은 Claude Code 대화의 32.9%를 차지해 Claude.ai 사용 비율 대비 약 20% 높았습니다. 반면 대기업 관련 작업은 Claude Code 대화의 23.8%로, Claude.ai에서의 비중(25.9%)보다 소폭 낮았습니다³.

또한 학생, 연구자, 개인 프로젝트 개발자, 튜토리얼·학습 목적 사용자를 모두 합치면 양쪽 플랫폼 전체 대화의 절반에 달했습니다. 즉, 기업뿐 아니라 개인 사용자도 코딩 보조 도구의 중요한 채택층입니다.

이러한 채택 패턴은 과거 기술 전환기와 유사합니다. 스타트업은 경쟁 우위를 위해 새로운 도구를 빠르게 도입하는 반면, 기존 조직은 신중하게 접근하며 전사적 도입 전 철저한 보안 검토를 거치는 경우가 많습니다. AI의 범용적 특성은 이러한 격차를 더 가속화할 수 있습니다. AI 에이전트가 상당한 생산성 향상을 제공한다면, 얼리 어답터와 후발 주자 간의 격차가 실질적인 경쟁력 차이로 이어질 수 있습니다.

한계점

이번 분석은 개발자들이 실제 워크플로에서 Claude를 어떻게 활용하는지에 기반한 실제 사용 데이터를 토대로 합니다. 이러한 접근 방식이 실질적 의미를 부여하지만, 동시에 본질적인 한계도 수반합니다. 주요 한계는 다음과 같습니다.

• 분석 대상은 Claude.ai와 Claude Code에 한정되었습니다. 특히 전문적 업무 환경에서 다른 패턴을 보일 수 있는 Team, Enterprise, API 사용은 제외했습니다.
• Claude Code와 같은 에이전틱 도구에서는 자동화와 증강의 경계가 점점 모호해집니다. 예를 들어 '피드백 루프' 패턴은 여전히 사용자의 감독과 입력을 필요로 하기 때문에 전통적 의미의 자동화와 질적으로 다릅니다. 새로운 에이전틱 역량을 반영하도록 자동화/증강 프레임워크를 확장해야 할 필요가 있습니다.
• Claude 코딩 사용자 유형 분류는 제한된 맥락에서의 추론에 의존했습니다. 대화를 '스타트업' 대 '대기업', '개인' 대 '학술' 프로젝트로 분류할 때, 분석 도구는 불완전한 정보를 바탕으로 추정했기 때문에 일부 분류가 부정확할 수 있습니다. 또한 '분류 불가(Could Not Classify)' 옵션을 포함했는데, Claude.ai 대화의 5%, Claude Code 대화의 2%가 이에 해당했습니다. 이 범주는 분석에서 제외하고 결과를 재정규화했습니다.
• 데이터셋은 얼리 어답터 중심일 가능성이 높습니다. 이 사용자들이 전체 개발자 집단을 대표하지 않을 수 있으며, 이러한 자기 선택 편향으로 인해 경험이 풍부하거나 기술적으로 모험적인 사용자 쪽으로 사용 패턴이 치우칠 수 있습니다.
• 프라이버시 고려 사항으로 인해 특정 보존 기간 내의 데이터만 분석했으며, 스프린트 주기나 릴리스 일정과 같은 소프트웨어 개발의 주기적 패턴을 포착하지 못했을 수 있습니다.
• Claude 사용 데이터가 AI 코딩 도구 전체 채택 현황을 얼마나 대표하는지는 불분명합니다. 많은 개발자가 Claude 외에도 여러 AI 도구를 함께 사용하므로, 이번 분석은 AI 활용 패턴의 일부만을 보여줍니다.
• 개발자가 AI에 위임하는 작업만을 분석했으며, AI 결과물이 코드베이스에 실제로 어떻게 반영되는지, 생성된 코드의 품질, 이러한 상호작용이 생산성이나 코드 품질 향상에 실제로 기여했는지는 분석하지 않았습니다.

향후 전망

AI는 개발자의 업무 방식을 근본적으로 바꾸고 있습니다. 이번 분석에 따르면, 이러한 변화는 특히 Claude Code와 같은 전문 에이전틱 시스템에서 두드러지며, 사용자 대상 앱 개발 영역에서 특히 강하게 나타나고, 기존 대기업보다 스타트업에 더 큰 이점을 제공하고 있을 가능성이 있습니다.

이번 연구 결과는 많은 질문을 던집니다. 사람이 여전히 프로세스에 관여하는 '피드백 루프'의 비중이 AI 역량 발전에도 지속될까요, 아니면 더 완전한 자동화로 이행할까요? AI 시스템이 더 큰 규모의 소프트웨어를 구축할 수 있게 되면, 개발자의 역할은 직접 코드를 작성하는 것에서 시스템을 관리하고 방향을 제시하는 쪽으로 대부분 전환될까요? 어떤 소프트웨어 개발 역할이 가장 크게 변하고, 어떤 역할은 완전히 사라질까요?

AI의 코딩 역량 향상은 AI 개발 자체에도 특히 큰 영향을 미칠 수 있습니다. AI 연구개발의 상당 부분이 소프트웨어에 의존하기 때문에, AI 기반 코딩의 발전이 연구 돌파구를 앞당기고, 이것이 다시 AI 발전을 가속하는 양의 피드백 순환이 만들어질 수 있습니다.

거시적으로 보면 AI 시스템은 아직 매우 초기 단계에 있습니다. 하지만 상대적으로 코딩은 경제 영역에서 AI 활용이 가장 진전된 분야 중 하나이며, 그래서 주목할 가치가 있습니다. 소프트웨어 개발에서 도출한 교훈이 다른 직종에 그대로 적용된다고 단정할 수는 없지만, 소프트웨어 개발은 점점 더 강력해지는 AI 모델의 보급에 따라 다른 직종이 어떻게 변화할지 가늠할 수 있는 선행 지표가 될 수 있습니다.

함께 일해요

AI가 노동 시장에 미치는 영향을 연구하는 Anthropic의 업무에 관심이 있으시다면, Economist 및 Data Scientist (Policy) 포지션에 지원해 주세요.

부록

보충 분석으로, 소프트웨어 관련 자동화·증강 패턴과 소프트웨어와 무관한 대화의 패턴을 비교했습니다. Claude Code는 소프트웨어 전용 특성이 있으므로, 이 분석은 Claude.ai에서만 수행했습니다.

소프트웨어와 관련 없는 사용 사례와 비교했을 때, 소프트웨어 개발은 자동화 성격이 더 강합니다. 이는 피드백 루프의 대폭 증가(+18.3%)가 주된 요인이며, 주목할 점은 지시형 패턴이 뚜렷하게 감소(-11.2%)했다는 것입니다. 다시 말해, AI 기반 코딩은 Claude가 작업의 대부분을 수행하더라도 비코딩 작업에 비해 사람의 검토와 반복 작업이 훨씬 많이 필요한 것이 현재 상황입니다.