에이전트 코딩과 전문성, AI 시대 노동의 변화

AI 코딩 에이전트의 급부상으로 프로그래밍 작업의 판도가 바뀌고 있다. 앤스로픽은 클로드 코드 사용 데이터를 분석하여 인간과 AI의 협력 방식, 그리고 전문성이 작업 성공에 미치는 영향을 조명한다. 이 연구는 AI가 지식 노동 전반에 가져올 변화를 미리 보여준다.

클로드 코드 연구 개요

앤스로픽은 2025년 10월부터 2026년 4월까지 약 40만 건의 클로드 코드 대화형 세션을 분석하여 에이전트 코딩 연구 프레임워크를 제시한다. 이 연구는 작업 구성, 인간-AI 협력 패턴, 그리고 작업 성공률을 평가한다. 클로드 코드는 CLI, claude.ai, 또는 데스크톱 앱을 통해 사용된 세션을 대상으로 한다. 에이전트 코딩 도구의 빠른 채택과 발전이 코딩 전문가와 지식 노동자 노동 시장에 어떤 영향을 미치는지 초기 신호를 파악하는 것이 연구의 핵심이다.

인간과 AI의 역할 분담

클로드 코드 세션에서 인간과 AI는 명확히 역할을 분담한다. 사용자는 주로 ‘무엇을 할 것인가’를 정하는 기획 결정을 내린다. 반면 클로드는 ‘어떻게 할 것인가’를 정하는 실행 결정을 주로 담당한다.

다음 표는 일반적인 세션에서 인간과 클로드의 의사결정 분담 비율을 보여준다.

결정 유형	사용자 의사결정 비율	클로드 의사결정 비율
기획 결정	약 70%	약 30%
실행 결정	약 20%	약 80%

사용자의 도메인 전문성이 높을수록 클로드는 지시당 더 많은 작업을 처리한다. 일반적인 세션에서 사용자는 평균 4회 정도 프롬프트를 교환한다. 이때 클로드는 각 프롬프트에 평균 10개의 액션을 수행하며 약 2,400 단어의 결과물을 생성한다. 특히 사용자가 실행 결정의 통제권을 많이 가질 때(클로드의 실행 결정이 20% 미만), 클로드는 프롬프트당 약 8개의 액션을 수행한다. 반대로 클로드가 기획 결정의 통제권을 많이 가질 때(클로드의 기획 결정이 80% 이상), 클로드는 프롬프트당 약 16개의 액션을 수행하며 가장 많은 액션을 처리한다.

클로드 코드 활용 방식의 변화

2025년 10월부터 2026년 4월까지 클로드 코드의 작업 구성은 상당히 변화했다.

다음 표는 이 기간 동안 주요 작업 유형별 세션 비중 변화를 나타낸다.

작업 유형	2025년 10월 비중	2026년 4월 비중	변화 양상
코드 디버깅	33%	19%	약 절반 감소
소프트웨어 운영	14%	21%	증가
코드 작성	약 10%	약 20%	약 두 배 증가
데이터 분석	약 10%	약 20%	약 두 배 증가
문서 작성	약 10%	약 20%	약 두 배 증가

코드 디버깅 세션의 비중이 크게 감소하는 반면, 소프트웨어 운영, 데이터 분석, 문서 작성 등 코드를 둘러싼 작업 비중이 증가한다. 이는 사용자들이 단순히 코드를 고치는 것을 넘어, 코드 배포, 실행, 데이터 분석, 비코딩 문서 작성 등 더욱 포괄적인 종단 간 에이전트 활용으로 전환하고 있음을 보여준다.

이 기간 동안 세션의 경제적 가치도 증가했다. 프리랜서 작업 게시물과 비교하여 추정했을 때, 평균 세션 가치는 약 27% 상승했다. 특히 코드 구축 작업은 약 43%, 운영 작업은 약 34%, 수정 작업은 약 32%의 가치 상승을 기록했다.

전문성이 성공률에 미치는 영향

사용자의 도메인 전문성은 세션 성공률에 큰 영향을 미친다. 클로드는 사용자의 지시 정확성, 검증 요청 방식, 오류 수정 주체 등을 기준으로 전문성을 5단계(초급, 중급, 숙련, 전문가, 최고 전문가)로 평가한다. 이는 직업이나 일반적인 능력과는 다른, 특정 작업에 대한 전문성을 측정한다.

사용자의 전문성 수준에 따른 클로드의 작업량은 다음과 같다.

전문성 수준	프롬프트당 클로드 액션 수	프롬프트당 클로드 텍스트 출력 (단어)
초급	약 5개	약 600단어
중급	약 8개	약 1,500단어
전문가	약 12개	약 3,200단어

전문가 세션에서는 초급 세션에 비해 액션은 두 배 이상, 텍스트 출력은 다섯 배 이상 증가한다.

세션의 성공 여부는 목표 달성 여부, Git 활동(커밋, 풀 리퀘스트), 테스트 통과, 사용자 명시적 확인 등 검증 가능한 증거를 기준으로 측정한다.

다음 표는 전문성 수준에 따른 세션 성공률을 보여준다.

전문성 수준	검증된 성공률	부분 성공 이상 비율	난관에 직면한 세션의 검증된 성공률	난관에 직면한 세션의 포기율
초급	15%	77%	4%	19%
중급 이상 (중급~최고 전문가)	28-33%	91-92%	15%	5-7%

성공률 상승은 주로 초급에서 중급으로 전환할 때 나타난다. 중급과 전문가 간의 성공률 격차는 비교적 작다. 이는 도메인에 대한 ‘능숙한 이해’만으로도 도구 활용의 대부분의 이점을 얻을 수 있음을 시사한다. 문제에 직면했을 때, 전문가는 AI를 올바른 방향으로 이끄는 능력 덕분에 난관을 더 잘 극복한다. 초급 사용자가 난관에 부딪혔을 때 작업을 포기하는 비율은 다른 사용자보다 몇 배 더 높다.

직업군별 성공률, 코딩 숙련도보다 도메인 전문성

클로드 코드 사용자의 직업군은 세션 기록을 통해 추론하며, 코딩 작업 자체가 코딩 전문가임을 의미하지 않는다. 예를 들어, 변호사가 계약서에서 특정 조항을 자동으로 찾아내는 스크립트를 작성하면 법률 직업군으로 분류한다.

다음 표는 코드 생성 세션에서의 주요 직업군별 성공률을 비교한다.

직업군	전체 세션 검증된 성공률	코드 생성 세션 검증된 성공률
컴퓨터 및 수학 관련 직업군	30%	34%
기타 직업군	26%	29%

컴퓨터 및 수학 관련 직업군과 다른 직업군 간의 검증된 성공률 격차는 4~5%포인트로 작다. 이 격차는 7개월간 거의 변하지 않았다. 코드 생성 세션에서는 상위 10개 직업군 모두 소프트웨어 엔지니어와 7%포인트 이내의 성공률을 기록한다. 경영 직업군은 소프트웨어 엔지니어보다 약간 높은 성공률을 보이는데, 이는 에이전트 지시에 필요한 경영 능력이 도움이 되거나 성공을 더 명확히 기록하는 경향 때문일 수 있다.

이러한 결과는 코딩 에이전트가 코딩 배경 지식의 중요성을 낮추고 있음을 보여준다. 작업 성공은 코딩 훈련 여부가 아닌, 당면한 문제에 대한 깊은 이해에 달려 있다.

전망

이 보고서는 에이전트 코딩이 일부 지식과 기술을 증폭하고 다른 것들을 대체하는 방식을 제시한다. 코딩 에이전트는 도메인 전문성을 대체하지 않는다. 오히려 사용자의 문제 이해도가 높을수록 에이전트는 더 많은 양질의 작업을 수행한다. 도메인에 대한 능숙함은 가장 큰 이점을 제공하며, 깊은 전문성은 그 이상으로 약간의 이점만 더한다.

현재 이 연구는 실제 코드 사용 여부, 경제적 가치 창출 등 실제 세계의 결과는 측정하지 못하며, 모든 분류는 모델의 전사 기록 분석에 의존한다. 그러나 이러한 초기 측정은 모델, 사용자, 그리고 인간-AI 역할 분담이 변화함에 따라 업데이트될 것이다.

만약 전문성으로부터 얻는 이점이 시간이 지남에 따라 감소한다면, 이는 AI 모델이 사용자가 현재 제공하는 본질적인 판단을 자체적으로 공급하기 시작하며 도구의 이점이 전문가를 넘어 확장된다는 의미가 된다. 또한, 비소프트웨어 직업군 사용자의 코딩 세션 성공률이 계속 증가한다면, 소프트웨어 생산이 특정 직업의 산물이 아닌 모든 분야의 일반적인 작업의 일부가 되고 있음을 나타낸다. 이러한 변화는 누가 에이전트 코딩의 혜택을 얼마나 받을지에 영향을 미치며, 노동 시장에서 무엇이 가장 가치 있을지에 대한 중요한 시사점을 제공한다. 코딩 분야의 변화는 에이전트 도구가 다른 형태의 지식 노동에 적용될 때 나타날 미래의 전조가 된다.

출처

• Anthropic. (2026). Agentic coding and persistent returns to expertise.