Anthropic 고용 보고서, AI 생산성의 병목은 사람

Anthropic이 10월 16일 공개한 자사 고용 변화 보고서는 AI를 강하게 도입한 조직에서도 사람의 시간이 사라지지 않는다는 점을 보여준다. 코드를 쓰고 문서를 만드는 일은 늘었지만, 결과를 검토하고 에이전트를 관리하며 동료와 조율하는 부담도 함께 커졌다.

TechCrunch의 10월 17일 보도가 주목한 것은 주니어 비중 감소와 회의 증가다. 그러나 이 숫자를 곧바로 'AI가 초급 직원을 해고했다'거나 '생산성이 떨어졌다'는 결론으로 번역하면 원자료의 범위를 벗어난다. 빠르게 성장하는 한 회사의 자체 관찰이며, 절대 인원과 구성 비율은 다르다.

21%에서 14%로, 무엇의 비중인가

보고서에 따르면 2025년 초 이후 기술 부서에서 주니어 직원이 차지하는 비중은 21%에서 14%로 낮아졌다. 주니어 기술직 채용 비중은 27%에서 9%로 떨어졌다. 전체 직원 중 기술 부서의 비중도 61%에서 56%로 변했다.

회사는 기술직 채용이 절대 규모로는 계속 늘었지만 영업·재무·채용 등 다른 기능이 더 빠르게 성장했다고 설명한다. 따라서 세 비율을 전체 기술 인원 감소의 증거로 읽어서는 안 된다. 조직 성장과 업무 자동화가 동시에 일어나는 상황에서는 분모가 무엇인지가 중요하다.

에이전트 6시간은 사람 6시간과 같지 않다

보고서는 8월에 직원이 지시하는 대화형 에이전트의 실행 시간이 사람 근무 시간의 6배가 됐다고 설명한다. 이 지표는 하위 에이전트를 합산하며, 에이전트 실행에는 추론과 도구 사용이 포함된다. 사람의 시간은 인원에 주당 40시간을 가정해 계산했다.

따라서 이 수치가 '직원 한 명이 여섯 명의 일을 한다'는 뜻은 아니다. 동시에 실행되는 여러 세션의 시간이 합산되고, 두 시간 지표의 측정 방식도 다르다. 경제적 가치를 판단하려면 검증을 통과한 산출물, 재작업, 고객 결과를 더 봐야 한다.

코드 생산량의 변화 역시 품질과 같지 않다. 보고서는 도구를 채택한 엔지니어 192명과 관찰 기간 중 채택하지 않은 74명을 비교했지만, 채택은 무작위 배정이 아니라고 밝힌다. 큰 프로젝트를 시작하는 사람이 먼저 AI 도구를 도입했다면 효과 추정에 영향을 줄 수 있다.

인간의 주의력이 새로운 대기열이 된다

보고서는 에이전트 출력이 너무 많아 사람이 읽고 판단하는 시간이 병목이 된다고 분석한다. 비기술 직원의 출력까지 모두 읽으려면 주당 노동 시간의 절반 이상이 필요할 수 있다는 추정도 제시했다. 이는 토큰을 단어로 환산하고 분당 250단어의 읽기 속도를 가정한 계산이지, 직원이 실제로 그 시간을 독서에 썼다는 측정은 아니다.

그에 대응해 에이전트 지침, 모니터링 화면, 작업 조정 도구를 만드는 '메타 업무'가 늘었다. 관련 세션의 비중은 2025년 가을 10%에서 2026년 봄 22%로 상승했다는 것이 회사의 분석이다. 직접 구현하는 사람이 결과를 배분하고 검토하는 관리자로 바뀌는 현상에 가깝다.

본지의 코드 증가와 리뷰 병목 분석, 에이전트 시대 저장소의 역할은 이 변화를 다른 각도에서 다룬다. 생성량을 늘리는 기술과 승인 가능한 결과를 선별하는 시스템은 함께 발전해야 한다.

회의 증가는 실패의 증거가 아니라 설계 과제다

보고서는 직원 17명의 인터뷰와 내부 고용·사용·산출·일정 자료 등을 결합했다. 회의 증가는 회사 규모 확대와 비기술 역할 증가의 영향을 받을 수 있으며, 기술 개인 기여자에서도 증가가 관찰됐다고 설명한다. 이는 의사결정, 신뢰, 책임 분담이 에이전트만으로 대체되지 않는다는 신호다.

한국 기업이 여기서 배울 것은 회의를 일괄 줄이거나 채용을 일괄 중단하는 처방이 아니다. 어떤 결정에 사람이 꼭 필요한지, 에이전트가 언제 요청을 모아 전달해야 하는지, 승인 없이 진행해도 되는 범위가 어디인지를 명시하는 것이다. 모든 에이전트가 모든 사소한 문제를 긴급하게 올리면 감독자는 쉽게 과부하에 빠진다.

한국 조직이 함께 측정할 지표

업무 실험에서는 모델 사용량이나 코드 줄 수 외에 검토 대기 시간, 재작업, 변경 실패, 고객 응답을 함께 볼 수 있다. DORA 지표 안내는 소프트웨어 전달의 흐름과 안정성을 관찰하는 참고 틀이고, NIST AI 위험관리 프레임워크는 책임과 위험 측정을 설계하는 별도 기준이다.

주니어에게는 판단을 요구하면서 경험을 쌓을 업무를 모두 빼앗지 않는지 점검해야 한다. 맥킨지의 AI 고객 면접 분석처럼 평가가 사람의 설명과 판단으로 옮겨갈수록, 조직은 그 능력을 배울 경로도 만들어야 한다. 고용 변화의 방향을 예측하는 것보다 먼저 할 수 있는 구체적인 대응이다.

FAQ

주니어 직원이 실제로 줄었다는 뜻인가?

인용한 핵심 수치는 비중이다. 회사의 전체 성장과 분모 변화를 함께 봐야 하며, 비중 하락을 같은 크기의 인원 감소로 바꿀 수 없다.

6배의 에이전트 시간이 6배 생산성을 뜻하나?

아니다. 병렬 실행 시간을 합산한 에이전트 지표와 가정에 기반한 사람 근무 시간의 비교다. 결과의 가치와 품질은 별도다.

AI 도입의 인과 효과가 확정됐나?

아니다. 보고서는 채택자와 비채택자를 비교하지만 채택이 무작위가 아니라는 한계를 명시한다.

회의가 늘면 AI 도입은 실패인가?

그렇게 판단할 수 없다. 조직 성장, 역할 변화, 더 복잡한 의사결정이 영향을 줄 수 있다. 회의 이후의 결과와 지연을 함께 봐야 한다.

국내 회사가 바로 바꿀 수 있는 것은?

에이전트의 보고 빈도와 승인 기준을 정하고, 검토 대기와 재작업을 측정하는 것이다. 채용이나 인원 조정의 근거로 이 한 회사의 비율을 그대로 쓰는 것은 적절하지 않다.