AI 활용 핵심은 코딩 아닌 전문성

AI 코딩 도구를 가장 잘 활용하는 능력이 뛰어난 코딩 실력에서 나오는 듯 보인다. 그러나 앤트로픽이 클로드 코드 세션 40만 개를 분석한 결과는 의외의 결론을 내놓았다. AI에게 일을 잘 시키는 능력은 코딩 실력이 아니라 특정 분야에 대한 전문성에 달렸다.

40만 세션 심층 분석

앤트로픽은 7개월 동안 클로드 코드 사용자 23만 5천 명의 세션 40만 개를 분석했다. 클로드 코드를 만든 회사가 직접 사용자들의 실제 활용 방식을 전체적으로 들여다본 연구이다. 연구팀은 개인 정보를 모두 지우고 AI가 세션 기록을 분류하도록 했다.

연구는 다음 세 가지 질문에 집중한다.

• 무슨 작업을 수행하는가
• 누가 무엇을 결정하는가
• 그 작업이 성공하는가

AI와 사람의 역할 분담

분석 결과, 사람과 AI는 결정 유형별로 뚜렷한 역할 분담을 보인다. 모든 결정은 ‘기획 결정’과 ‘실행 결정’ 두 가지로 분류된다. ‘기획 결정’은 무엇을 만들지, 어디까지 할지를 정하는 일이며, ‘실행 결정’은 어떤 파일에 코드를 어떻게 짤지를 정하는 일이다.

결정 유형	사람의 담당 비율	클로드의 담당 비율
기획 결정	약 70%
실행 결정		약 80%

이는 마치 집주인이 무엇을 지을지 정하고, 시공 팀이 어떻게 지을지를 결정하는 과정과 유사하다. 클로드 코드는 시공 팀의 역할이다. 사람이 하나의 프롬프트를 입력하면 클로드는 평균 10개의 행동을 수행한다. 때로는 100개가 넘는 작업을 처리하기도 한다.

지시의 정확성이 전문성을 재정의한다

실행을 AI에게 통째로 맡기는 시대에 일을 가장 잘 시키는 사람은 누구일까? 연구팀은 각 세션의 전문성을 초보부터 전문가까지 5단계로 나누어 측정했다. 여기서 전문성은 흔히 생각하는 직함이나 전반적인 지능을 의미하지 않는다. 이는 그 특정 작업에 대한 전문성이며, 실제 코딩 실력보다는 지시의 정확성, 검증 요청의 명확성, 그리고 AI의 오류를 수정하는 능력으로 판단한다.

예를 들어, 10년 차 시니어 개발자라도 러스트 언어를 처음 다루며 모호하게 질문하면 그 대화에서는 초보로 간주된다. 반대로 파이썬을 한 번도 사용해 본 적 없는 회계사라도 정산 규칙과 월말 마감 예외 사항을 정확히 짚어내고 클로드의 오류를 즉시 잡아내면, 그 작업에서는 전문가로 평가된다.

도메인 전문성의 힘을 보여준 김범수 사례

이러한 전문성의 중요성은 가수 김범수의 Suno AI 음악 제작 영상에서 현실적인 사례로 나타난다. 김범수는 Suno AI에게 음악의 구성, 템포(90), 키(여자 키로 빡빡하게) 등 디테일하고 정확한 지시를 내린다. 음악에 대한 깊은 이해를 바탕으로 AI를 정확히 활용한 것이다. 이 영상은 “AI는 분야 전문가가 썼을 때 퀄리티가 미친다”는 반응을 얻으며, 전문가가 AI를 만나 어떤 결과물을 만드는지 보여준다. 회계사와 김범수 사례는 모두 특정 분야에 대한 전문성이 AI 활용의 핵심임을 입증한다.

높은 전문성은 높은 성공률로 이어진다

전문성이 높을수록 프롬프트 하나로 더 많은 일을 처리한다. 초보 사용자가 평균 5번의 행동과 600단어의 결과물을 얻는 반면, 전문가 사용자는 12번의 행동과 3,200단어의 결과물을 도출한다. 행동은 두 배, 결과물은 다섯 배의 차이를 보인다. 이는 전문가의 지시가 정확하여 AI가 모호함 없이 멀리 나아갈 수 있기 때문이다. 애매한 지시는 AI를 멈춰 세워 되묻게 한다.

연구팀은 성공을 엄격하게 정의했다. 커밋, PR 등 작업 흔적이 남거나, 테스트가 통과되거나, 사용자가 직접 성공을 확인한 경우만을 ‘검증된 성공’으로 인정한다.

사용자 숙련도	검증된 성공률	행동 횟수	결과물 단어 수
초보	15%	5번	600단어
중급 이상	28~33%	12번	3,200단어

초보 세션의 검증된 성공률은 15%에 그친다. 반면 중급 이상 사용자의 성공률은 28~33%로 두 배 이상 높다. 주목할 점은 초보에서 중급으로 넘어갈 때 성공률이 크게 뛰지만, 중급과 전문가 사이의 차이는 미미하다는 사실이다. 완벽한 마스터가 될 필요 없이, ‘제대로 아는’ 수준이면 이득의 대부분을 이미 확보한다. 일이 꼬였을 때도 차이는 극명하다. 초보의 19%는 포기하지만, 전문가는 AI가 헤맬 때 올바른 방향으로 다시 이끌어갈 수 있다. 전문성은 곧 AI를 문제 해결 과정에서 다시 제어할 수 있는 능력이다.

개발자보다 관리직의 성공률이 높은 이유

그렇다면 코드를 실제로 다루는 개발자가 AI 활용에 가장 유리할까? 코드 작성 세션만을 분석했을 때, 소프트웨어 직군의 성공률은 34%, 다른 직군은 29%로 5%포인트 차이에 불과하다. 상위 10개 직업군 모두 엔지니어였으나 성공률 차이는 7%포인트 이내였다. 심지어 성공률 1위는 개발자가 아닌 관리직이었다.

관리직이 높은 성공률을 보인 이유는 사람에게 일을 위임하고 명확하게 지시하는 능력이 AI에게 명령하는 데도 그대로 적용되었기 때문이다. 코딩 배경은 점점 덜 중요해지며, 자신의 분야를 얼마나 잘 이해하는가가 그 자리를 대신한다.

7개월간 나타난 AI 활용의 진화

클로드 코드 사용의 7개월간의 변화는 AI 활용 방식의 진화를 보여준다.

작업 유형	7개월 전 비중	7개월 후 비중	변화
버그 고치기	33%	19%	14% 감소
배포 운영		증가
데이터 분석		증가
문서 작성		증가

‘버그 고치기’ 비중은 33%에서 19%로 크게 줄었다. 이 빈자리는 배포 운영, 데이터 분석, 문서 작성과 같은 작업으로 채워졌다. 이는 AI가 단순히 코드만 짜주는 것을 넘어, 처음부터 끝까지 전체적인 업무를 처리하는 방향으로 진화하고 있음을 의미한다. 그 결과, 같은 도구로 처리하는 작업 한 건의 가치는 7개월 만에 평균 27% 상승했다.

AI는 전문성을 증폭한다

AI는 코딩이라는 기술적 장벽을 허물어 코딩 배경이 없는 사람도 기술적 작업을 해내도록 돕는다. 그러나 AI는 판단을 대신하지 못한다. 무엇을 만들지, 무엇이 옳은지는 사람이 결정해야 한다. 이러한 판단의 질은 코딩 실력이 아니라 사용자의 분야 전문성에서 나온다.

결론적으로, AI는 전문성을 대체하는 것이 아니라 증폭하는 도구이다. 자신의 분야를 깊이 아는 사람이 AI를 만나면, 이전에는 엄두도 내지 못했던 일까지 해낼 수 있다. 완벽한 전문가가 될 필요는 없다. 성공률은 중급 수준에서 대부분 확보되며, 최고 전문가와의 차이는 생각보다 작다. 제대로 아는 정도면 AI를 효과적으로 활용하기에 충분하다.

복잡계 이론의 시선으로 보면

전문성이 AI 활용에서 핵심적인 역할을 하는 현상은 복잡계 이론의 ‘레버리지 포인트’ 개념과 유사하다. 복잡계에서 시스템 전체에 큰 영향을 미치는 작은 지점을 레버리지 포인트라 부른다. AI 활용에서 ‘정확한 전문적 지시’는 이러한 레버리지 포인트에 해당한다. 사용자의 깊은 이해와 명확한 판단이라는 작은 입력이 AI의 광범위한 실행 능력을 증폭시켜, 비선형적으로 큰 가치와 성공을 이끌어낸다.

출처

• AgentOS. (2026-06-19). 앤트로픽이 클로드 코드 40만 세션을 분석했더니 — AI 잘 쓰는 사람의 의외의 공통점. YouTube.