인도 국가 브리프: Anthropic 경제 지수

요약

세계 최대 IT 서비스 수출국인 인도는 세계에서 가장 빠르게 성장하는 AI 사용자 기반을 보유한 국가 중 하나입니다. 인도에서 AI가 어떻게 사용되고 있는지, 그리고 다른 국가들과 어떻게 다른지를 이해하는 것은 인도의 AI 정책, 투자, 도입 전략을 수립하는 데 필수적입니다. 이 브리프는 2025년 11월 전 세계 약 100만 건의 Claude.ai 대화를 분석한 Anthropic 경제 지표 4차 보고서의 데이터를 바탕으로 인도의 Claude.ai 사용 현황에 대한 인사이트를 제공합니다. 인도는 전체 Claude.ai 사용량의 5.8%를 차지하며 미국에 이어 2위를 기록하고 있습니다. 그러나 현재 도입은 특정 지역에 집중되어 있어, 전체 인구로 접근성을 확대할 수 있는 상당한 기회가 존재합니다.

분석 결과에 따르면, 인도 사용자들은 AI를 업무 맥락에서 더 적극적으로 활용하고, AI에 더 많은 자율성을 부여하며, 도움 없이는 완료하는 데 상당히 오래 걸리는 작업을 Claude에게 맡기는 것으로 나타났습니다. 인간 혼자서는 완료할 수 없는 복잡한 작업의 비율이 높다는 점은 인도 사용자들이 이 기술을 최첨단 수준에서 활용하고 있음을 시사합니다.

인도는 글로벌 AI 도입 선도 국가 중 하나

인도는 전체 Claude.ai 사용량 기준으로 미국에 이어 2위를 차지하고 있습니다. 그러나 생산가능인구 기준 1인당 사용량으로 보면, 충분한 관측 데이터가 있는 116개국 중 101위로, 싱가포르나 말레이시아 등 아시아 다른 국가들보다 낮은 순위입니다. 이러한 격차는 인도의 높은 Claude 사용량이 평균적인 개인의 활발한 사용이 아닌 거대한 인구 규모를 반영한다는 것을 보여줍니다. 이는 도입을 확대할 수 있는 상당한 기회가 있음을 시사합니다.

인도 내 사용 집중 현상

지역적 집중

사용량은 경제 활동이 활발한 소수의 주에 집중되어 있습니다. 마하라슈트라, 타밀나두, 카르나타카, 델리 4개 주가 인도 전체 Claude.ai 사용량의 절반 이상을 차지합니다. 이 패턴은 인도 IT 산업의 지리적 분포 및 도시 경제 산출량과 밀접하게 일치합니다.

방갈로르, 하이데라바드, 첸나이, 뭄바이, 델리 NCR이 위치한 이 4개 주에 집중되어 있다는 점은 현재 AI 도입이 광범위한 소비자 수용보다는 인도의 기존 기술 인력에 의해 주도되고 있음을 시사합니다.

직업별 작업 집중

작업을 관련 직업에 매핑하여 추론한 인도 Claude.ai 사용의 직업 구성은 소프트웨어 개발 및 엔지니어링 역할에 치우쳐 있으며, 이는 인도의 대규모 IT 서비스 산업과 일치합니다.

인도 사용자들이 수행하는 가장 일반적인 O*NET 작업은 소프트웨어 중심 프로필을 확인해 줍니다:

인도는 소프트웨어 관련 작업에 할애되는 AI 사용 비율에서 전 세계 1위(전체 O*NET 매핑 작업의 45.2%)를 차지하며, 베트남(42.1%)과 이집트(39.2%)를 앞서고 있습니다. 가장 일반적인 개별 작업(표 1 참조)과 작업을 직업군으로 집계했을 때(그림 3 참조) 교육 관련 작업이 포함되어 있다는 점은 학습 및 교육 분야에서도 일반적인 사용 사례가 있음을 나타냅니다.

경제적 기본 요소: 인도의 차별화된 AI 활용 방식

최신 경제 지표 보고서에서는 인간과 AI가 협업하는 방식에 대한 기본 측정 지표인 "경제적 기본 요소(economic primitives)"를 도입했습니다. 인도와 글로벌 평균을 비교하면 몇 가지 독특한 패턴이 드러납니다.

더 큰 생산성 향상. 인도 사용자들은 AI 없이는 3.8시간이 걸릴 작업을 AI와 함께 평균 14.8분 만에 완료합니다—15배의 속도 향상입니다. 전 세계적으로 사용자들은 AI 없이 3.1시간이 걸릴 작업을 평균 15.4분 만에 완료합니다—12배의 속도 향상입니다. 이는 인도 사용자들이 가져오는 더 복잡한 작업에서 AI가 특히 큰 생산성 향상을 제공하고 있음을 시사합니다.

더 강한 업무 지향성. 인도 Claude.ai 사용의 51.3%가 업무 관련인 반면, 글로벌 평균은 46%입니다. 학업은 20.9%(글로벌 19.3%), 개인 용도는 27.8%(글로벌 34.7%)를 차지합니다. 업무 비중이 높고 개인 용도가 낮은 프로필은 인도의 대규모 전문 서비스 산업과 일치하며, 메인 보고서에서 1인당 GDP가 낮은 국가들이 개인 용도보다 업무와 학업에 더 치우치는 경향이 있다는 발견과도 부합합니다.

더 높은 AI 자율성. 인도 사용자들은 AI에 더 많은 의사결정 자율성을 위임합니다(1~5점 척도에서 3.60 vs 글로벌 3.38, 1은 위임 없음, 5는 극단적 위임). 이는 AI를 단순히 보조 도구로 사용하기보다 독립적으로 작동하도록 맡기려는 의지가 더 크다는 것을 시사합니다.

더 낮은 인간 단독 수행 가능성. 우리가 측정하는 데이터 포인트 중 하나는 AI가 인간 혼자서는 할 수 없는 일—예를 들어 모르는 프로그래밍 언어로 코드를 작성하는 것—을 수행하는 데 사용되고 있는지 여부입니다. 분석 결과, 84.6%의 작업이 인간 혼자서도 완료할 수 있는 것으로 나타났습니다(글로벌 87.9%). 이는 인도 사용자들이 독립적으로 쉽게 수행할 수 없는 작업을 AI에 더 자주 가져온다는 것을 시사합니다.

프롬프팅 기술이 중요합니다. 인간과 AI가 대화에 가져오는 기술 수준의 대리 지표로, 사용자 프롬프트나 AI 응답을 이해하는 데 필요한 교육 연수를 추정합니다. 분석 결과, 프롬프트의 인간 교육 수준(12.2년)과 응답의 AI 교육 수준(12.5년)이 비교적 유사하며, 이는 입력 품질이 출력 품질을 형성한다는 글로벌 패턴을 반영합니다. AI 교육 수준의 국가별 평균을 비교하면, 인도는 상위 10%에 속하며, 이는 인도 사용자들이 Claude로부터 정교한 출력을 얻고 있음을 나타냅니다.

시사점

AI의 경제적 영향을 확대하려면 소프트웨어와 IT 서비스를 넘어서야 합니다. 작업의 45.2%가 소프트웨어 관련 직업에 매핑되며—이는 모든 국가 중 가장 높은 비율입니다. 4개 주(마하라슈트라, 타밀나두, 카르나타카, 델리)가 전체 사용량의 절반 이상을 차지합니다. 이는 인도 IT 산업의 지리적 분포를 반영하며, 현재 AI 도입이 주로 IT에 집중된 기존 전문 역량과 워크플로우의 연장선상에 있음을 시사합니다.

AI 투자는 상당하고 측정 가능한 생산성 향상을 제공할 수 있습니다. 인도 사용자들은 원래 3.8시간이 걸릴 작업에 AI를 적용하여 약 15분으로 압축합니다—15배의 속도 향상으로, 글로벌 12배와 비교됩니다. 이는 인도가 이미 AI에서 상당한 가치를 추출하고 있음을 의미합니다: 더 어려운 작업을 가져오고 이러한 작업을 완료하는 데 필요한 시간을 글로벌 평균보다 더 많이 압축하고 있습니다.

절대 사용량과 1인당 사용량 간의 격차를 줄이려면 구조적 장벽을 해결해야 합니다. 인도는 총 사용량에서 2위이지만 1인당 사용량에서는 101위입니다. 이 두 수치 간의 격차는 인도의 거대한 인구와 현재 도입이 얼마나 좁게 집중되어 있는지를 모두 반영합니다. 전 세계적으로 1인당 AI 도입은 1인당 소득과 강한 상관관계가 있습니다. 인도의 1인당 사용량은 이 관계가 예측하는 수준과 일치합니다. 소득, 디지털 인프라, IT 산업 외부에서의 인식과 관련된 구조적 장벽을 해결하지 않으면, 인도의 AI 도입은 계속 집중된 상태로 남을 가능성이 높습니다.

AI 자율성을 수용하는 것이 인도 사용자들에게 잘 작용하고 있는 것으로 보입니다. 더 높은 자율성 점수, 더 긴 기준 작업 시간, 인간 혼자서도 할 수 있는 작업에 대한 빈번한 사용은 인도 전문가들이 AI가 결정을 내리도록 신뢰하고 인간의 역량을 강화하는 데 활용하고 있음을 시사합니다.

AI 기술에 대한 투자는 높은 수익을 가져올 수 있습니다. 글로벌 데이터에서 프롬프트 정교함과 응답 품질 간의 강한 상관관계는 효과적인 AI 사용에 초점을 맞춘 교육 프로그램—특히 인도의 현재 IT 중심 사용자 기반 외부의 근로자들을 위한—이 더 광범위한 AI 도입으로부터의 수익을 의미 있게 개선할 수 있음을 시사합니다.

방법론

이 분석은 Anthropic 경제 지표 4차 보고서에 설명된 대로 2025년 11월 13~20일 Claude.ai 소비자 사용에서 수집한 개인정보 보호 데이터를 기반으로 합니다. 경제적 기본 요소는 해당 보고서에 상세히 설명된 방법론을 사용하여 계산됩니다. 지역 할당은 IP 기반 지리적 위치를 사용합니다. 직업 및 작업 분류는 O*NET 작업 분류 체계와 SOC 직업군에 대한 매핑을 기반으로 합니다. 국가별 순위의 경우, 무작위 샘플에서 저사용 국가에 대한 측정의 불확실성 때문에 샘플에서 최소 200건 이상의 관측치가 있는 국가만 포함합니다. 기초 데이터에는 Claude.ai Free, Pro, Max 사용량이 포함됩니다.

전체 방법론, 글로벌 발견 사항, 시계열 분석은 Anthropic 경제 지표 2026년 1월 보고서를 참조하세요.

인용

@online{appel2026indiacountrybrief,
author = {Ruth Appel},
title = {India Country Brief: The Anthropic Economic Index},
date = {2026-02-16},
year = {2026},
url = {https://www.anthropic.com/research/india-brief-economic-index},
}

감사의 글

Sally Aldous, Jake Eaton, Ria Strasser Galvis, Hanah Ho, Maxim Massenkoff, Peter McCrory, Jared Mueller, Emily Pastewka, Sarah Pollack, Nitarshan Rajkumar, David Saunders, Alexandra Sanderford, Kim Withee.