Anthropic의 고용 구조는 어떻게 달라지고 있을까

Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory

AI는 Anthropic의 업무 방식과 고용을 어떻게 바꿔 놓았을까요? AI 도입의 최전선에 있는 Anthropic의 사례는 앞으로 AI가 경제 전반의 업무 조직과 채용, 노동 수요를 어떻게 바꿔 놓을지 가늠해 볼 선행 지표가 될 수 있습니다.

핵심 발견

• Anthropic은 주니어 기술 직군의 채용 비중을 줄여 왔습니다. 같은 기간 직원 대비 AI 에이전트의 작업 시간은 빠르게 늘었습니다. 8월 기준으로 대화형 AI 에이전트의 작업 시간은 직원 작업 시간의 6배에 달했습니다.
• AI 에이전트가 회사 전반에 퍼지면서 Anthropic은 1인당 코드 생산량이 늘고, 영업 담당자 1인당 계약 체결 건수가 늘고, 처리하는 계약 수도 늘었습니다. 같은 직원을 시간순으로 추적해 보면, 새로운 AI 도구를 쓰기 시작한 뒤 성과가 올랐습니다.
• 이렇게 속도가 빨라지자 에이전트의 산출물을 따라가는 데는 사람의 주의력이 병목이 됩니다. 비기술 직군 직원조차 자신의 Claude 에이전트가 내놓은 결과물을 다 읽으려면 근무 시간의 절반이 필요할 정도입니다. 그래서 직원들은 현황을 볼 수 있는 도구를 만들고 에이전트 파이프라인을 모니터링하는 '메타 업무'로 눈을 돌리고 있습니다.
• 업무 조직의 변화는 채용 담당 관리자들의 우선순위에서도 드러납니다. 이들은 기술 분야 전문성이나 구현 능력보다 자율성과 판단력을 점점 더 중시합니다.

들어가며

AI가 계속 강력해지면 일과 고용은 어떻게 달라질까요? Anthropic은 업무 흐름 전체를 AI 중심으로 철저히 재편한 회사라서 살펴볼 가치가 있습니다. 에이전트는 Slack 대화방을 넘나들며 회의 일정을 잡고, 버그를 자율적으로 고치며, 대규모 엔지니어링 프로젝트를 함께 해냅니다. 에이전트가 일한 시간은 사람의 6배에 이릅니다. 지금 Anthropic에서 벌어지는 변화는 미래의 일과 고용이 어떤 모습일지 미리 보여 주는 신호입니다.

이 보고서는 고용, AI 사용, 성과 지표, 직원 설문, 사내 커뮤니케이션 패턴, 직원 캘린더 데이터, 채용 의사결정 기록 등 Anthropic 내부 데이터를 폭넓게 활용했습니다. 이 정량 데이터에 직원 17명과의 인터뷰를 더해 맥락을 보완했습니다.

분석 결과, 회사가 성장하는 와중에도 주니어 기술 직군의 상대적 채용은 둔화했습니다. 엔지니어와 비기술 직군 직원 모두 생산성이 크게 뛰었고, 특히 코딩 에이전트를 도입한 뒤 급격히 올랐습니다. 채용 담당 관리자는 특정 기술 전문성보다 지원자의 자율성과 판단력을 점점 더 강조합니다. AI 비중이 큰 조직에서 일하는 사람의 두드러진 특징은, 가능하면 스스로 병목 지점에서 벗어나도록 끊임없이 일을 효율화해야 한다는 압박입니다. 한 엔지니어는 자신의 업무를 "저마다 내 관심을 달라고 요구하는 Claude 군단을 마주하는 일"이라고 표현했습니다. Anthropic 직원은 여전히 핵심적인 역할을 합니다. 다만 기여하는 방식이 달라졌습니다.

Anthropic은 이런 변화에 대응해, 일자리가 흔들릴 위험을 추적하는 조기 경보 체계를 만들었고, 직무가 바뀌는 만큼 사내 재배치를 우선시하고 있습니다. AI 개발과 업무 현장 변화의 최전선에서 취한 이 조치들은, 조직이 어떤 약속을 하느냐에 따라 AI가 고용에 미치는 영향이 달라질 수 있음을 보여 줍니다. 한편으로는 그 약속이 정확히 무엇이어야 하는지라는 어려운 질문도 던집니다.

최전선의 노동 수요

Anthropic은 빠르게 성장했지만, 매출 대비 채용 규모는 이전 세대의 대형 기술 기업보다 작았습니다. 창립 5년 차인 Anthropic의 직원 1인당 매출은 Meta와 Google이 가파르게 성장하던 정점 시기와 비교해 2~4배에 달합니다.¹

어떤 일자리가 사라지고 있을까요? Anthropic 내부에서는 2026년 1월 핵심 기술 부서를 중심으로 주니어 기술 인력에 대한 수요가 줄고 있다는 논의가 나왔습니다. 업무에 Claude를 가장 많이 활용하는 팀들은 코드 작성과 버그 탐색을 점점 Claude에 넘길 수 있다는 사실을 확인했습니다. 새 모델의 성능 향상이 이런 인식에 속도를 붙였습니다. "특히 성능 엔지니어의 생산성 향상이 눈길을 끌었고, 그 때문에 우리가 찾는 인재상이 사실상 하룻밤 사이에 바뀌었습니다."

4월에는 엔지니어링과 연구 팀들이 하위 직급 기술 직군의 채용에 힘을 덜 싣고 있었습니다. 같은 달 설문에서 관리자 다수는 AI 때문에 채용 시 보는 역량이 달라졌다고 답했습니다. ML 관리자의 약 3분의 1, SWE 관리자의 약 5분의 1은 AI 때문에 채용을 줄였다고 밝혔습니다.

고용 비중의 변화는 눈에 띕니다. 그림 1을 보면 Anthropic 기술 부서에서 주니어급 직원이 차지하는 비중은 2025년 초 21%에서 14%로 떨어졌습니다. 주니어 기술직 채용 비중은 더 가파르게 줄어 27%에서 9%가 됐습니다. 주니어 채용 공고는 2025년 12월 이후 특히 급감했습니다.

같은 시기 Anthropic 전체 고용에서 기술 부서가 차지하는 비중도 지난 1년간 61%에서 56%로 낮아졌습니다. 회사가 커지면서 기술직 채용도 절대 수치로는 계속 늘었지만, 영업·재무·채용 부문의 집중적인 채용이 이를 앞질렀습니다. 이 변화의 일부는 회사 규모가 커지면서 비즈니스 부문이 자연스럽게 확장된 결과입니다. 또 일부는 코딩 도구 덕분에 비기술 직군 직원이 직접 소프트웨어를 만들 수 있게 된 영향일 수 있습니다. 예를 들어 한 영업 담당자는 자신의 업무에 맞는 맞춤형 대시보드와 파이프라인을 직접 설계했습니다. "이런 걸 만드는 건 제 영역 밖이었어요. 특히 UI나 모든 도구를 연결하는 MCP 같은 부분은요. 그런데 이걸 서너 시간 만에, 계속 다듬어 가며 만들었습니다." 비기술 직군 직원(기준 시점에 코드 커밋이 없던 직원으로 정의하고 신규 입사자는 제외)의 코딩 중심 AI 에이전트 세션은 2025년 8월 월 2건에서 2026년 5월 90건으로 급증했습니다.

그렇다고 채용 구성의 이런 변화가 코딩 자동화 덕분에 다른 분야 전문가에게까지 코딩 역량이 퍼진 결과만은 아닙니다. 기술 부서 안에서 코딩을 적극적으로 하지 않는 직원(최근 30일간 코드 커밋이 없는 직원)의 비중은 2026년 4월까지 1년간 거의 절반으로 줄었습니다. 이는 일부 비엔지니어 비중이 줄어든 데 따른 것입니다. 예컨대 엔지니어 대비 프로덕트 매니저의 비율은 약 17 대 1로, 2025년 이후 더 높아졌습니다. 관리자의 커밋 수도 두 배로 늘었습니다. 기술 팀 안에서 관리와 조율을 맡은 역할도 점점 코드를 만들고 배포하는 일을 하게 된 것입니다.

비기술 직군 채용이 늘지 않은 영역도 있습니다. 보통 회사 규모에 따라 함께 커지는 관리 부서입니다. 에이전트 어시스턴트, 자동화된 검토, 티켓 서비스 외주를 함께 활용한 덕분에 Anthropic은 빠르게 성장하면서도 사무직 인력이 적은 구조를 유지하고 있습니다. 한 재무 담당 매니저는 구매 요청 검토 에이전트를 만들어 동료들에게 이렇게 설명했습니다. "시간이 많이 드는 일을 찾아내 사람들이 다른 일에 집중할 수 있게 해 주는 겁니다."

대면 상호작용과 밀접하게 얽힌 사무 업무도 증가세가 더뎠습니다. 일정 관리와 이메일 분류를 위한 개인 비서 에이전트를 만든 한 임원 비서는 이렇게 말했습니다. "이미 Claude가 신입 수준의 행정 업무를 대체하는 단계는 지났다고 생각해요." 그리고 자신의 업무를 더 고차원적인 '비서실장' 역할로 옮겼습니다.

이런 변화 속에서 이미 인력 재배치도 이뤄지고 있습니다. 입사 1년 이상 된 직원이 매달 부서를 옮길 확률은 2026년이 2025년보다 50% 높았습니다. 업무를 에이전트에 넘기면서 팀 전체가 재배치된 경우도 있습니다. Claude.ai의 인사말을 쓰던 한 프로덕트 디자인 팀이 그렇습니다. "안녕하세요, 올빼미님", "커피 한 잔 하며 Claude와 함께할까요?" 같은 문구를 쓰던 팀이었죠. 2026년 봄 이 팀은 에이전트가 설득력 있는 제품 콘텐츠를 쓰도록 효과적으로 이끄는 컨텍스트 그래프를 개발했습니다. 팀 매니저는 이것이 "팀의 규모를 확장해 주었지만" 사람 작가에게 남은 일이 무엇이냐는 질문도 낳았다고 설명했습니다. 이후 이 팀은 에이전트 프롬프팅 업무로 옮겨 Claude를 위한 모델 평가와 프롬프트를 작성하기 시작했습니다. "언어로 사람의 행동을 움직이던 작가들이 이제는 그 언어로 Claude의 행동을 움직이고 있습니다."

Anthropic의 생산성 증가는 AI 덕분일까?

이런 변화가 AI 때문일까요? Anthropic에서 사람은 갈수록 늘어나는 AI 에이전트 위에 얹힌 얇은 층에 가깝습니다. 에이전트 세션 텔레메트리에 따르면 2026년 3월 자율 에이전트와 대화형 에이전트의 작업 시간 합계가 처음으로 사람의 작업 시간을 넘어섰습니다. 일부는 에이전트 무리가 산업 규모로 소프트웨어 엔지니어링을 수행한 결과입니다. 수많은 일상적 테스트와 점검을 채우고, 늘어나는 인프라 코드를 유지·보수하며, 방대한 코드베이스를 번역하는 대규모 작업을 밀어붙이는 식이죠. 그러나 그림 2처럼 개별 직원이 운용하는 에이전트만 놓고 봐도, 8월에는 에이전트가 사람 담당자의 6배에 달하는 시간을 일했습니다.

Anthropic은 소프트웨어를 만드는 회사이고, 이 에이전트들이 쓰는 토큰의 대부분은 소프트웨어 코드를 만드는 데 들어갑니다. 대시보드는 회사 곳곳에서 돌아가는 에이전트 무리를 모니터링합니다. 개인 비서 에이전트는 직원의 캘린더와 메시지를 살피며 일정을 잡고, 들어온 메시지에서 할 일 목록을 만들어 보내고, 곧 있을 회의의 참석자와 목적을 자동으로 브리핑해 줍니다. 토큰이 닿는 일상 업무의 범위는 계속 넓어지고 있습니다.

이 많은 토큰은 결국 무엇으로 이어졌을까요? 그림 3은 산출물을 측정할 수 있는 여러 직군의 성과를 시간순으로 보여 줍니다. Anthropic 엔지니어를 대상으로 한 설문이나 모델 학습과 연구의 자동화를 다룬 기존 보고서와 같은 흐름으로, 엔지니어 1인당 코드 커밋이 가장 빠르게 늘어 6개월 전의 5배 속도에 이르렀습니다. 데이터 사이언티스트도 점점 불어나는 Anthropic 데이터를 더 많이 조회하며, Claude 에이전트에게 실시간 지표를 대시보드와 의사결정자에게 전달하도록 시키고 있습니다. 그런데 그림 3을 보면 비기술 직군 직원도 코딩 에이전트가 퍼지면서 성과가 올랐습니다. 변호사는 더 많은 계약을 처리했고, 매입채무 팀은 더 많은 청구서를 처리했으며, 영업 담당자는 더 많은 거래를 성사시켰습니다.

하지만 이 모든 게 Claude 덕분일까요? 같은 기간 회사는 폭발적으로 성장했습니다. 강력한 모델을 팔면 계약은 더 쉽게 따내기 마련입니다. AI의 독립적인 효과를 따져 보기 위해, 에이전트형 코딩 도구를 도입한 직원과 아직 도입하지 않은 직원의 성과를 비교했습니다. 이렇게 하면 같은 달에 근무해 비슷한 사업 환경에 놓였지만 서로 다른 도구로 일하는 직원들을 비교할 수 있습니다. 다만 도구 도입은 무작위가 아닙니다. 예를 들어 큰 신규 프로젝트를 막 시작하려는 직원이 그 일을 위해 도구를 갖추기로 했다면 추정치에 편향이 생길 수 있습니다.

연구 기간 동안 코딩 에이전트를 도입한 엔지니어 192명을 시간에 따라 추적하고, 도입하지 않은 엔지니어 74명과 비교했습니다. 그림 4를 보면 도입 후 몇 달 동안 엔지니어가 추가하는 코드량이 급격히 늘어납니다. 하지만 코드가 많다고 해서 반드시 더 좋은 코드이거나 비즈니스 성과로 이어지는 것은 아닙니다. AI 코드의 품질 문제(slop)를 확인하기 위해 Anthropic에서 이뤄진 코드 커밋을 분석했습니다. 같은 직원이 같은 달에 같은 코드 디렉터리에서 커밋한 코드 중, 사람이 직접 쓴 코드와 코딩 에이전트가 쓴 코드를 비교했습니다. 코드 품질에는 여러 측면이 있고 AI의 오류는 사람의 오류보다 찾기 어려울 수도 있습니다. 그럼에도 이후 코드가 삭제되거나 되돌려진 비율에는 차이가 없었습니다.

그림 4는 엔지니어가 처음으로 완전 자율 에이전트를 도입한 뒤에 어떤 일이 일어나는지도 보여 줍니다. 도입한 사람들은 이미 미도입자보다 가파른 상승 궤도에 있었습니다. 완전 자율 에이전트로 옮겨 간 직원들은 그 전부터 성과를 빠르게 끌어올리고 있었다는 뜻입니다.

이런 패턴이 코딩을 넘어 지식 노동 전반의 변화로 이어질까요? Anthropic 영업 담당자들은 지난해 9월부터 꾸준히 AI 에이전트를 도입했습니다. 그림 4를 보면 영업 담당자가 에이전트를 도입한 뒤 더 많은 고객과 거래를 성사시켰습니다. 이 패턴의 일부는 영업 기회가 더 많은 담당자가 자동화를 선택한 결과일 수 있습니다. 그러나 기록 입력과 반복적인 소통이 자동화된 효과일 수도 있습니다. 한 어카운트 executive는 Claude 자동화가 이메일 초안 작성과 고객 관리 소프트웨어 연동을 맡아 기존 업무의 약 20%를 대체했다고 설명했습니다. 다른 담당자는 비슷한 자동화 덕분에 대면 시간에 집중할 수 있게 되어 이전보다 30% 더 많은 고객과 이야기할 수 있게 됐다며 이렇게 말했습니다. "뭐든 두 번째로 하게 되면 이런 생각이 들어요. 세 번째는 하지 않아도 되게 Claude를 어떻게 쓸 수 있을까 하고요."

영업 외에도, Anthropic의 한 변호사는 위험과 기회를 스캔하고, 법무 질의를 분류하고, 대외 공개 문구의 법무 검토 1차 작업을 맡는 Claude 자동화를 여러 개 만들었습니다. 한 리크루터는 후보자 소싱, 지원서 추적, 그리고 "아마 2주는 걸렸을" 분석에 Claude를 활용했고, 덕분에 낡은 면접 질문을 새로 설계하고 더 많은 지원자를 만날 수 있었습니다.

이 모든 사례는 AI 역량이 좋아질수록 Anthropic의 다양한 직무가 영향을 받는다는 점을 시사합니다. 기술적으로 보면, Claude를 가장 복잡한 업무에 쓰는 직무일수록 주니어 고용이 둔화되는 모습이 나타납니다(그림 5).

병목과 프로세스: AI 집약적 직장의 새로운 업무와 기존 업무

AI를 깊이 도입하면 고용과 생산성뿐 아니라 업무 프로세스도 끊임없이 바뀌고, 새로운 업무가 생기며, 직원들이 직장을 바라보는 인식도 달라집니다. 한 직원은 이를 "가능한 한 빨리 움직이고 모든 일에 Claude를 쓰라는 Anthropic의 끝없는 압박"이라고 표현했고, 다른 직원은 "우리가 일주일이면 된다고 기대하는 일이 다른 곳에서는 석 달 걸릴 일"이라고 말했습니다. 사내 직원 설문에서 Anthropic의 업무 프로세스가 가능한 한 생산적으로 일하게 해 주느냐는 질문에 2024년 말에는 44%가 동의했고, 2025년 11월에는 58%가 동의했습니다(2026년 4월에는 75%가 그렇다고 답했지만, '가능한 한'이라는 표현을 빼 질문이 약해졌습니다). 8월 기준 Anthropic 직원들은 2030년까지 AI가 자신의 업무 75%를 해낼 수 있으리라 예상했는데, 일반 미국인은 28%였습니다.

이처럼 생산성 기대치가 계속 높아지는 모습은 사내 모델 출시 주기에서 극적으로 드러납니다. 새 모델이 나오면 Anthropic 직원들은 대화형 코딩 에이전트 세션에서 곧바로 더 어려운 문제에 도전합니다. 이를 측정하려고, 비식별화된 세션이 요구하는 작업 수준을 깊이와 범위, 관련된 시스템 수를 기준으로 Claude 자동 채점기가 평가하게 했습니다. 이전 모델 기준 난이도 상위 10%를 넘는 작업의 비중은 모델 출시 직후 약 30% 급증해(전체 작업의 10%에서 13%로) 이후 몇 주간 높은 수준을 유지합니다. 에이전트에 맡기는 쉬운 작업은 거의 변하지 않았습니다.

에이전트의 생산성이 가파르게 오르면, 그 결과물이 사람의 화면과 주의력 앞에 쏟아집니다. 한 엔지니어는 이를 아이 돌보기에 비유했습니다.

애들이 "주스 상자 열어 줘, 지금 당장 열어야 돼!" 하는 거예요. 손가락을 베어 피가 나는 아이와 똑같은 절박함으로 말하죠. [...] 아이를 돌볼 때는 아이마다 똑같이 제 관심을 요구하는데, 여러 [Claude]도 그렇게 합니다.

2026년 4월 설문에서 AI가 일상 업무에 어떤 영향을 줬는지 묻는 주관식 질문에는 27%가 Claude 도구로 생산성이 올랐다고 답했고, 20%는 자신의 역할이 직접 일하는 데서 Claude를 관리하는 쪽으로 바뀌었다고 답했습니다.

모델 주도의 이런 가속 속에서 사람의 주의력은 줄곧 병목입니다. 여러 턴에 걸친 대화형 세션에서 에이전트의 세션 시간 대부분은 일하는 데 쓰이지 않고 기다리는 데 쓰입니다. 대화형 세션의 전체 경과 시간에서 각 에이전트의 실제 작업 시간을 빼서 유휴 시간을 추적했습니다. Claude 세션의 약 80%는 사람의 입력을 하릴없이 기다리는 시간이었습니다. 한 엔지니어의 말처럼, 사람이 "에이전트의 병목"인 셈입니다.

그렇다면 대화형 세션에서 Claude가 내놓은 결과물을 전부 읽으려면 시간이 얼마나 필요할까요? 대화형 세션마다 에이전트의 출력 토큰을 단어 수로 환산하고 평균적인 사람의 읽기 속도를 적용했습니다. 그림 6을 보면 기술 직군에서는 지난 6개월간 코딩 에이전트의 출력량이 크게 늘었습니다. 하지만 비기술 직군에서도 대화형 Claude 세션의 출력량은 근무 시간의 절반이 넘는 읽기 시간을 요구할 만큼 많습니다. 쏟아지는 Claude의 텍스트는 정리가 필요합니다.

이 홍수에 대한 해법 하나는 자동화를 더 늘리는 것입니다. 하지만 이는 다른 종류의 일을 요구합니다. 에이전트를 위한 상시 지침 문서는 2025년 7월 수백 건에서 1년 뒤 8,500건으로 늘었습니다. 한 엔지니어는 에이전트의 요청을 분류하는 에이전트 비서실장을 만들었습니다. 또 다른 엔지니어는 자신의 Claude 팀을 위한 성과 평가서를 썼습니다. "우리 소통 방식에서 잘 되는 것과 안 되는 것을 이야기해 봅시다." 리크루터들은 에이전트가 문제를 짚어 내고 조치를 시작하는 통합 대시보드를 만들었습니다. 한 변호사는 법무 질의를 검토하던 데서 "법률 자문을 위한 SEO"로 관심을 옮겼습니다. "[고객의] 에이전트가 찾아낼 수 있는 프레임워크를 써야 하거든요."

그림 7을 보면 이런 메타 업무는 직원 1인당 평균 대화형 Claude 세션의 10%(2025년 가을)에서 22%(2026년 봄)로 늘었습니다. 이 증가의 상당 부분은 에이전트 관리에서 나왔습니다. 멀티 에이전트 실행을 위한 스펙을 쓰고, 한 에이전트가 다른 에이전트의 결과물을 검토하도록 루프를 만들고, 파이프라인을 모니터링하는 일입니다. 직군을 막론하고 사람의 개입은 특정 코드나 글 자체에서, 에이전트가 일을 제대로 해내게 하는 데 필요한 도구 쪽으로 점점 추상화됐습니다.

에이전트의 신뢰성이 높아지고 이를 감독하는 도구에 상당한 투자가 이뤄졌는데도, 사람에 대한 신뢰와 책임은 여전히 핵심입니다. 한 직원은 버그를 쫓다 보면 점점 더 "사람이 모여 논의하고 결정하고 거버넌스를 세워야만 풀리는 조직적·구조적 문제나 기술 부채가 드러난다"고 설명했습니다. 거의 모든 인터뷰에서 직원들은 대면 조율이 없어서는 안 된다고 말했습니다. 캘린더 데이터를 보면 직원 중앙값의 회의 시간은 1년 전보다 20% 늘었습니다. 일부는 회사 성장과 회의가 많은 비기술 직군 쪽으로의 이동을 반영합니다. 하지만 기술 직군 개인 기여자만 봐도 회의 시간은 지난 1년간 16% 늘었습니다. 큰 그림의 전략적 질문은 영향력이 큰 여러 직위에 걸쳐 있고, 대개 다른 사람들과의 토론과 협의가 필요합니다. 에이전트 관리에서 잠시 벗어난다는 건 보통 회의에 들어간다는 뜻입니다.

큰 흐름에서 기술 직군과 비기술 직군 모두 업무의 구현 부분(코드 작성, 버그 식별, 진행 상황 기록, 이메일 초안 작성)이 자동화됐습니다. 엔지니어들은 에이전트의 리더이자 관리자가 되고 있다고 했고, 비기술 직군 직원들은 업무에서 전략적인 부분을 점점 더 많이 하게 됐다고 했습니다. "전략적이던 20%가 업무의 90%가 됩니다." 하지만 많은 비기술 직무에서 핵심 구현 업무는 사람 사이의 일이기도 합니다. 영업 통화, 면접, 복잡한 문제를 두고 하는 부서 간 조율이 그렇습니다. 이런 일은 모두 여전히 사람의 몫입니다.

Anthropic 커뮤니케이션의 대문이자 뒷길인 Slack 채널도 살펴보겠습니다. 에이전트는 Slack으로 퍼져 나가 결국 활성 공개 채널의 거의 절반에 등장했습니다. 그림 8은 대규모 부서 하나의 커뮤니케이션 네트워크를 확대해 보여 주며, 그 부서 구성원이 상호작용한 모든 공개 Slack 채널을 바탕으로 합니다. 사람과 에이전트 참여자를 같은 Slack 스레드에 참여했는지에 따라 연결했습니다. 주황색 점이 불어나며 네트워크를 장악하는 모습에서 에이전트의 눈에 띄는 약진이 보입니다.

에이전트는 기존 사람 채널에서 활발히 메시지를 보내기보다 Claude와 사람의 상호작용을 위한 전용 채널에 집중적으로 나타납니다. 사람 사이 커뮤니케이션의 기본 구조와 밀도는 거의 변하지 않았습니다. 에이전트는 사람의 상호작용을 대체하지 않고 거기에 더해졌습니다. 이 부서의 사람 스레드는 사람의 응답 수를 그대로 유지한 채 에이전트의 응답이 추가됐습니다. 에이전트는 여러 직원과 한꺼번에 높은 연결성을 갖는 노드가 아니라, 직원 한 명을 위한 팀이 됩니다.

사람은 늘어나는 AI 에이전트 군단 속에서 일하며, 사람의 업무를 에이전트가 볼 수 있는 채널로 옮겨야 한다는 압박을 받습니다. 대면 회의에서 결정이 났는데 메모나 보고가 남지 않으면, 에이전트는 목표와 가정을 갱신하는 데 필요한 핵심 맥락을 놓칩니다. 한 직원은 몇 달 전 Claude 굿즈에 관한 문서에 자기 이름이 올라 있던 탓에, 담당 업무가 바뀐 지 한참 지나서도 에이전트가 계속 티셔츠와 머그컵 요청을 가져왔다고 설명했습니다. 기록되지 않는 회의와 DM 속 비공개 업무는 AI 비중이 큰 직장에서 보이지 않고, 혼란을 일으키며, 권장되지 않습니다. 한 연구자는 이렇게 기본적으로 열려 있는 태도가 Anthropic이 AI를 철저히 통합하는 데 핵심이라고 말했습니다. "대부분의 조직은 그렇게 운영되지 않는데, 리더가 공개된 곳에서 피드백을 감당해야 하니 큰 변화라고 생각해요." AI에 맥락을 공급하려면 사람의 업무와 의사결정을 관찰할 수 있어야 합니다.

이런 직장에서는 어떤 사람이 두각을 나타낼까요? Anthropic의 업무 내용이 달라지면서 채용 담당 관리자가 채용 결정에서 우선시하는 역량도 달라졌습니다. 2024년 이후 Anthropic에 입사한 수천 명의 채용 관리자 면접 평가서를 자동 코더로 처리했습니다. 이 의견들은 면접관이 지원자의 성과를 평가한 정성적 반응입니다. 가장 뚜렷한 변화는 지원자가 AI 도구를 창의적으로 활용한 경험이 있는지를 더 강조한다는 점입니다. 2024년에는 채용 관리자가 AI 도구 활용 이력을 언급한 평가가 기술 직군에서 약 5%, 비기술 직군에서 7%였습니다. 2026년에는 이 비율이 기술 직군에서 3배, 비기술 직군에서 4배가 됐습니다. 채용 관리자는 지원자가 AI를 효과적으로 쓰는지에 점점 더 주목합니다.

평가의 더 깊은 변화도 보입니다. 기술 직군 후보자 면접에서 가장 크게 늘어난 것은 지원자의 자율성과 판단력에 대한 언급이었습니다. 반면 전체 평가에서 분야 전문성을 논하는 비중은 줄었습니다. 한 관리자는 이렇게 설명했습니다. "모델은 앞으로도 들쭉날쭉할 거라고 보기 때문에, 우리 팀원은 여러 분야를 오갈 수 있는 사람이면 좋겠습니다." 비기술 직군 후보자도 마찬가지로 고객과 미션 지향성에 대한 언급은 늘고 실행 역량에 대한 언급은 줄었습니다. 채용 관리자는 AI 도구가 자동화한 분야별 기술과 실행력보다 지원자의 판단력과 헌신을 기준으로 평가하는 경향이 점점 강해지고 있습니다.

고용주가 할 수 있는 일

Anthropic은 AI를 깊이 도입했다는 점에서 유용한 사례입니다. AI가 확산되고 발전하면 일의 조직 방식도 이전의 기술 변화 때처럼 달라질 수 있습니다. 철도는 경영자 중심의 기업을 낳았고, 증기기관은 공장을 가능하게 했으며, 개인용 컴퓨터는 스타트업을 가져왔습니다. 도구를 쓰고 추론하는 LLM에는 어떤 새로운 조직이 필요할까요? 그 속에서 우리의 역할은 무엇일까요? 한 가지 가능성은 창업자 한 명이 에이전트 무리를 이끌며 수십억 달러의 매출을 쓸어 담는 1인 스타트업입니다. 또 다른 가능성은 AI 천재 CEO가 이끄는 회사가, 피펫을 쥐고 의회에서 증언하는 일만 사람 대리인에게 맡기는 모습입니다.

Anthropic은 둘 중 어느 쪽과도 닮지 않았습니다. 지난 1년간 규모가 세 배가 됐고, 더는 작은 스타트업이 아닙니다. 그렇다고 경영 통제권을 모델에 넘기지도 않았습니다. 회사 전략부터 팀 단위 결정까지 모든 것을 이끄는 것은 AI 에이전트의 입김이 거의 없는 Slack의 글 토론과 대면 회의입니다. 회사 전반에서 사람의 업무를 보이게 유지하면 자율 에이전트가 최신 맥락에서 추론할 수 있습니다. 에이전트 팀을 지휘하는 개인 기여자는 필요한 지식과 업무의 상호 의존성 면에서 관리자에 더 가깝습니다. 공개적으로 일하고 결정하는 것은 AI 집약적 조직에서 핵심입니다.

직원들은 자신의 일을 Claude 팀을 관리하는 것으로 점점 더 여기면서, 각자의 고유한 영역에서 이를 효과적으로 하는 데 필요한 도구를 만드는 데 더 많은 시간을 씁니다. 이런 실험은 직원들이 끊임없이 자기 업무를 스스로 자동화해 없앤다는 뜻입니다. 일부 직무에서는 원래 자신의 역량을 키워 준 실무 자체에서 점점 멀어지고 있습니다. 에이전트가 워크플로를 질주하는 동안 사람의 주의력과 판단력은 시스템이 부딪히는 병목입니다. 영업부터 법무까지 직원들은 더 많은, 그리고 다른 종류의 일을 해내야 합니다. 역할은 제품 개발, 에이전트 관리, 그리고 최고 수준의 LLM으로도 닿지 못하는 전략적·대인 업무까지 넓어집니다.

업무 조직과 내용의 이런 변화는 인원, 채용, 공고에서 주니어 기술 직군의 비중이 줄어드는 현상과 함께 나타났습니다. 채용 담당 관리자는 실행력과 좁은 전문성보다 지원자의 자율성과 판단력에 점점 더 주목합니다. 전반적으로 Anthropic의 고용 증가율 대비 매출 증가율은 이전 세대 기술 기업이 보인 초기의 빠른 생산성 성장 속도마저 앞질렀습니다.

이런 패턴을 앞으로 경제 전반에 적용해 보면 AI 확산이 노동자 대체의 위험을 낳을 수 있다는 점을 시사합니다. 선행 연구에서도 AI 네이티브 스타트업과 AI 도입 기업은 조직이 더 평평하고 신입급 인력을 더 적게 고용한다고 밝혔습니다. 그렇다면 AI로 인한 격변을 주변에서 일하는 사람들에게 도움이 되는 방식으로 관리하려면, Anthropic에서 무엇을 배울 수 있을까요?

여기서는 신중하게 접근하려 합니다. Anthropic의 고용 관행 중에는 경제 전반에 그대로 적용할 수 없는 부분이 많기 때문입니다.

그래도 세 가지 특징이 눈에 띕니다. 첫째, 폭넓은 주식 보유는 직원들이 회사의 성공에 강한 이해관계를 갖게 합니다. 물론 기업 가치가 크게 오른 회사라서 취하기 쉬운 자세입니다. 많은 기업에는 공동 소유가 충분하지 않거나 바람직하지 않을 수도 있습니다. 그래도 노동자가 성공적인 도입에 금전적 지분을 갖지 않는 친노동자적 AI 도입은 상상하기 어렵습니다. 인터뷰 참여자들의 표현처럼 개인 기여자에게 "에이전트를 관리하고", "VP급 의사결정을 하고", "스스로 하나의 사업 부문이 되라"고 기대한다면, 이들의 이해관계를 조직과 일치시키는 일이 중요합니다. 1950년대에 형성된 2차 대전 이후의 노사 타협도 바로 이런 거래에 기반했습니다. 전미자동차노조(UAW)와 전미철강노조 같은 노동조합은 생산성 향상에 연동된 임금 인상과 풍부한 복지를 받는 대가로, 업무 재편(심지어 노동 강도 강화)에 대한 경영진의 권한을 인정했습니다. AI의 영향을 받는 직원과 고용주 사이의 새로운 합의가 어떤 형태이든, 도입의 이익을 나누는 장치는 필수입니다. Anthropic의 직원들은 기계를 위해 자신의 전문성을 체계화하고, 업무 루틴이 끊임없이 흔들리고 뒤집히는 것을 겪고, AI 협업자의 결과물을 속독하는 것이 업무의 큰 부분이 되는 것을 지켜봤습니다. 그리고 이를 공짜로 하지 않습니다.

둘째, Anthropic은 AI 주도의 변화에 직면한 직무를 모니터링하는 상시 조기 경보 체계를 구축하고 있습니다. 직무 단위의 수요·생산성 지표를 AI 역량 및 사용 현황과 함께 읽어 냅니다. 이런 종합 지표는 일이 어디서 바뀌고 있는지 알려 줍니다. 조기 경보 체계가 있으면 회사는 영향받는 직원을 당장은 위험이 덜한, 역량이 맞는 직무로 재배치하기 시작할 수 있습니다. 경제 전반의 기업들이 가속화되는 업무 재편에 맞춰 방향을 바꾸는 만큼, 사내 인력 재배치를 이끄는 효과적인 체계의 가치는 갈수록 커질 것입니다. AI 발전이 요구하는 모든 새 업무를 외부 노동시장에서 충당하려 하면 AI가 빨리 발전할수록 병목은 더 심해집니다. 이 보고서에서는 부서 간 이동이 늘고, 업무 내용이 바뀌고, 기존 업무가 자동화되면서 직원들이 새 업무로 옮겨 가는 모습을 확인했습니다. 인력을 사내에서 유연하게 재배치하는 체계를 만드는 일은 AI 집약적 조직에 핵심이 될 것입니다.

사내 재배치에 대한 이런 약속에는 중요한 상충 관계가 따릅니다. 잘 작동하는 노동시장이라면 노동자를 현재 고용주든 다른 고용주든 가장 생산적인 자리로 옮겨 줘야 합니다. 기존 직원을 재배치하겠다는 약속은 고용주가 신규 채용이라는 위험을 감수하기 주저하게 만들 수 있습니다. 평상시, 특히 경쟁이 치열한 환경에서는 이런 약속이 비용이 클 수 있습니다.

하지만 재배치를 우선시하면 AI를 도입하는 기업은 인건비를 아끼려고 AI를 인력 대체에 쏟아붓는 대신, 새로운 제품과 시장을 위한 새 업무를 AI로 만들어 낼 방법을 고민하게 됩니다. 그러면 고용주가 'so-so' 혹은 '비효율적' 자동화의 유혹을 이겨 내는 데 도움이 될 수 있습니다. 이는 AI나 다른 기술이 사람보다 간신히 나은 수준일 뿐인데도 고용주가 사람을 대체해, 밀려난 노동자의 소득 상실이라는 막대한 사회적 비용을 치르면서 생산성 이득은 미미한 자동화를 말합니다.

Anthropic에서 보면 새로운 업무와 계속 사람의 몫으로 남는 업무가 집약적인 AI 사용과 공존합니다. 이런 업무가 앞으로 어떻게 구성될지 불확실한 만큼, 유연한 인력을 유지하는 편이 바람직합니다. 한 Anthropic 임원의 말처럼 "불안에 떠는 인력은 최선을 다해 일하는 인력이 아닙니다."

이런 조치만으로 강력한 AI가 일자리를 뒤흔드는 것을 막을 수는 없습니다. 이 보고서에서 확인된 주니어 채용 둔화를 직접 해결하는 조치도 없습니다. 기존 직원에 대한 고용 보호는 애초에 채용되지 못한 사람에게는 도움이 되지 않습니다. 고용주의 민간 차원 조치는 재교육과 소득 지원에 관한 멀리 내다보는 정부 정책과 함께 가야 합니다. 그런 정책은 AI가 불러올 수 있는 업무 현장 변화의 규모를 명확히 파악한 위에서 마련돼야 합니다.

인용 방법

@techreport{wilmers2026employment,

author = {Nathan Wilmers and Regina Catipon and Maxim Massenkoff and Peter McCrory},

title = {How employment is changing at Anthropic},

institution = {The Anthropic Institute},

type = {Technical Report},

year = {2026},

month = oct,

url = {https://www.anthropic.com/research/employment-at-anthropic}

}

감사의 말

업무가 어떻게 달라졌는지 인터뷰를 위해 시간을 내 주신 Anthropic 직원 여러분께 감사드립니다. 유익한 의견과 도움을 주신 Kate Astbury, Shehzad Bashir, Zoe Blumenfeld, Scott Booth, Henry Brill, Yena Cho, Henry de Valence, Adam Farina, Johannes Hermle, Zoe Hitzig, Hasnain Lakhani, Eva Lyubich, Kerry Persen, Kristina Pham, Sarah Pollack, Hannah Pritchett, Georg Rilinger, Santi Ruiz, Szymon Sacher, Florian Scholz, Meg Tong, Monika Tuchowska, Helen Wang, Kim Withee, Charles Yang, Jack Clark께도 감사드립니다.

참고 문헌

Acemoglu, Daron, and Pascual Restrepo. 2019. “Automation and New Tasks: How Technology Displaces and Reinstates Labor.” Journal of Economic Perspectives 33 (2): 3–30. https://doi.org/10.1257/jep.33.2.3

Beraja, Martin, and Nathan Zorzi. 2025. “Inefficient Automation.” Review of Economic Studies 92 (1): 69–96. https://academic.oup.com/restud/article-abstract/92/1/69/7612958

Demirer, Mert, Leon Musolff, and Liyuan Yang. 2026. “Writing Code vs. Shipping Code: Productivity Effects Across Generations of AI Coding Tools.” NBER Working Paper 35275. https://doi.org/10.3386/w35275

Ewens, Michael, and Xavier Giroud. 2025. “Corporate Hierarchy.” NBER Working Paper 34162. https://doi.org/10.3386/w34162

Favaro, Marina, and Jack Clark. 2026. “When AI Builds Itself.” The Anthropic Institute. https://www.anthropic.com/institute/recursive-self-improvement

Hitzig, Zoe, Maxim Massenkoff, Eva Lyubich, Shaoyi Zhang, Ryan Heller, and Peter McCrory. 2026. “Agentic Coding and Persistent Returns to Expertise.” Anthropic, June 16. https://www.anthropic.com/research/claude-code-expertise

Hosseini Maasoum, Seyed Mahdi, and Guy Lichtinger. 2025. “Generative AI as Seniority-Biased Technological Change: Evidence from U.S. Résumé and Job Posting Data.” SSRN Working Paper 5425555. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=5425555

Huang, Saffron, Bryan Seethor, Esin Durmus, Kunal Handa, Miles McCain, Michael Stern, and Deep Ganguli. 2025. “How AI Is Transforming Work at Anthropic.” Anthropic, December 2. https://www.anthropic.com/research/how-ai-is-transforming-work-at-anthropic

Kim, Hyunjin, and Rembrand Koning. 2026. “AI-Native Firms.” Harvard Business School Working Paper 26-090. https://www.hbs.edu/ris/Publication%20Files/26-090_96f92aa0-37d9-4789-beaa-5c0cb87a4032.pdf

Roodman, David, and Maxim Massenkoff. 2026. “An Evidence Review of Subsidized Job Training.” The Anthropic Institute Working Paper 2026-01. https://www.anthropic.com/research/reviewing-the-evidence-on-worker-retraining-programs