응답자 35%가 1년 안에 AI가 내 일 대부분을 한다고 답했다
자동화가 보강을 앞지른 순간
Anthropic 6번째 Economic Index가 6월 26일 나왔다. 응답자 35%가 12개월 안에 AI가 자기 업무 대부분을 처리할 거라 답했고, API 전문 워크플로에서는 자동화가 보강을 앞질렀다. 격차는 숙련자와 초보자 사이에서 벌어진다.
질문을 하나 던져보자. 1년 뒤 당신 업무의 몇 퍼센트를 AI가 알아서 처리할까. Anthropic이 실제 사용자들에게 물었더니, 35%가 "대부분 또는 거의 전부"라고 답했다.
6번째 Economic Index 보고서가 6월 26일 공개됐다. 4월 10일부터 6월 10일까지 Claude 사용 데이터에, 사용 기록과 연결된 약 9,700명 설문을 처음 붙였다. 핵심 수치 몇 개. 응답자의 약 6할이 내년 AI 업무 비중을 올해보다 높은 구간으로 골랐다. 대화의 93%가 코드, 문서, 설명 같은 결과물로 끝났다. 그리고 직군의 약 49%에서 업무의 4분의 1 이상이 Claude로 수행됐는데, 이 수치는 여러 보고서에 걸쳐 거의 안 변했다. 도입의 폭은 안정됐다는 뜻이다.
전제 하나는 분명히 하자. 이건 설문에 응한 Claude 사용자 이야기지, 미국 노동시장 전체가 아니다. 그래도 AI를 일에 깊이 붙인 사람들의 현재 좌표라는 점에서 읽을 가치가 있다.
한눈에 보기
| 1년 안에 AI가 업무 대부분 처리 전망 | 응답자 35% |
| 내년 AI 비중을 올해보다 높게 본 응답자 | 약 60% |
| 결과물로 끝난 대화 | 93% |
| 업무 1/4 이상을 Claude로 한 직군 | 약 49% |
| 설문 표본 | 약 9,700명 (4/10~6/10) |
자동화가 보강을 앞질렀다
이번 보고서의 구조적 변화는 자동화와 보강의 자리바꿈이다. 자동화는 작업을 통째로 위임하는 것, 보강은 협업하며 결과를 다듬는 것이다. 첫 보고서에서는 사용의 57%가 보강이었다. 이번에는 API, 즉 전문 워크플로에서 자동화가 보강을 앞질렀다. 백엔드 설계나 API 디버깅 같은 기술 영역에서 특히 그렇다. 일반 사용자용 Claude.ai에서는 보강이 여전히 근소하게 우세하다.
함의가 날카롭다. 프로덕션 API 배포는 이미 대다수 조직의 내부 AI 정책이 인정하는 것보다 더 자동화돼 있다. "사람이 검토하고 AI는 보조한다"는 사내 가이드라인과, 실제로 돌아가는 파이프라인 사이에 간극이 있다는 얘기다. 자동화 비중은 사용자가 AI의 업무 영향을 크게 체감하는지를 가르는 가장 강한 단일 예측 변수이기도 했다.
방향도 한 갈래만은 아니다. 소비자용 Claude.ai에서 보강이 여전히 우세하다는 건, 사람들이 막 익히는 단계에서는 함께 다듬는 방식을 더 쓴다는 뜻이다. 작업을 통째로 넘기는 자동화는 그 작업을 충분히 이해해 검증 기준을 세울 수 있을 때 비로소 안전해진다. 자동화가 전문 영역에서 먼저 올라온 건 그래서 자연스럽다. 무엇을 맡길 수 있는지 아는 사람이 먼저 맡긴다.
격차는 숙련도에서 벌어진다
가장 실천적인 발견은 숙련 사용자와 초보자의 차이다. 숙련자는 Claude를 협업자로 다룬다. 맥락을 주고, 반복하고, 출력을 검증하고, 어떤 작업이 AI에 맞고 어떤 작업이 사람 판단을 요구하는지 안다. 초보자는 작업을 통째로 던지고 더 낮은 성공률을 얻는다. 문제는 이 격차가 좁혀지지 않고 벌어진다는 점이다. 숙련자가 배우는 속도가 초보자가 따라잡는 속도보다 빠르기 때문이다.
낙관 편향도 데이터에 그대로 찍혔다. 응답자들은 주니어 직무가 AI 영향을 받을 가능성을 40%로 보면서, 정작 자기 일자리 위험은 훨씬 낮게 매겼다. 과거 모든 자동화 연구에서 반복된 패턴이다. 영향을 가장 과소평가하는 사람이 대개 가장 노출돼 있다.
보고서가 조직에 권하는 처방도 이 지점을 향한다. 신입의 일을 AI가 잘 못하는 판단 과제 중심으로 다시 짜라는 것이다. 암묵지, 맥락, 관계, 관리처럼 숙련자들이 AI의 현재 한계로 꼽은 영역이다. 도구가 통째로 처리하는 작업만 신입에게 맡기면, 정작 사람이 길러야 할 판단의 근육이 자라지 않는다.
anyAX 관점
여기서 끌어낼 교훈은 "AI를 더 써라"가 아니다. 데이터가 가리키는 레버는 다른 데 있다. 어떤 작업을 통째로 넘기고 어떤 작업을 곁에 두고 다듬을지 가르는 판단, 그 자체가 성과를 갈랐다. 자동화 비중이 영향 체감의 최강 예측 변수였다는 건, 무엇을 자동화할지 고르는 안목이 곧 레버리지라는 뜻이다.
1인 창업가에게 이 비대칭은 기회다. 숙련자가 초보자보다 빠르게 벌어진다면, 일찍 Claude를 워크플로에 깊이 박은 1인 SaaS 개발자나 콘텐츠 크리에이터는 인원이 아니라 누적된 판단으로 앞선다. 같은 도구를 모두가 쥔 시장에서 차이는 도구가 아니라, 9,700명 표본이 보여준 그 격차, 즉 무엇을 위임하고 무엇을 직접 쥘지 아는 사람과 모르는 사람 사이에서 난다.
구체적으로는 자기 파이프라인을 자동화와 보강으로 한 번 분류해 보는 일이다. 분류와 요약, 반복 초안은 자동화 쪽으로 넘기고, 고객 맥락이 들어가는 제안이나 최종 판단은 곁에 두고 다듬는다. 사내 정책이 "AI는 보조"라고 적혀 있어도 실제 배포는 더 자동화돼 있다는 이번 발견은, 1인 운영에도 그대로 적용된다. 내가 진짜로 자동화한 게 무엇인지 솔직하게 세어보는 것에서 시작한다.
한 가지 경계도 같이 가져가자. 자동화 비중이 영향 체감의 최강 예측 변수라는 말은, 많이 위임할수록 좋다는 뜻이 아니다. 통째로 던졌다가 더 낮은 성공률을 얻은 쪽이 초보자였다는 걸 잊지 말아야 한다. 위임은 그 작업을 충분히 이해해 결과를 검증할 수 있을 때 레버리지가 되고, 그렇지 못하면 조용히 쌓이는 부채가 된다. 무엇을 맡길지 고르는 안목과, 맡긴 결과를 검증하는 습관은 한 쌍이다.