Anthropic 경제 지수 보고서가 밝힌 AI 숙련자와 초보자의 격차 학습 곡선이 만드는 기술 불평등
Anthropic이 클로드 사용자 100만 건을 분석한 5번째 경제 지수 보고서를 발표했습니다. 6개월 이상 사용자는 대화 성공률이 10% 높고 업무 활용이 7%p 더 많습니다. 한국 AI 앱 설치율 87%와 실사용률 49% 사이 격차의 원인을 데이터로 보여줍니다.
AI를 검색 엔진으로만 쓰는 사람과 업무 전체를 맡기는 사람, 그 차이가 데이터로 드러났다
Anthropic이 3월 24일 다섯 번째 경제 지수 보고서(Economic Index Report) 를 발표했습니다. 이번 주제는 ‘학습 곡선(Learning Curves)’ 입니다. 2026년 2월 한 주간 Claude 사용 데이터 100만 건을 분석한 결과, AI를 오래 쓴 사람일수록 더 어려운 일을 시키고 더 높은 성공률을 거둔다는 사실이 확인되었습니다.
“AI를 쓰느냐 안 쓰느냐”의 시대는 이미 끝났습니다. 이 보고서가 던지는 질문은 다릅니다. “AI를 얼마나 깊이 쓰느냐” 가 소득과 생산성의 다음 분기점이 된다는 것입니다. 한국은 AI 앱 설치율 86.8%로 세계 최상위권이지만, 실사용률은 48.7%에 머물러 있습니다. 이 38%포인트 격차가 어디서 오는지, 보고서가 데이터로 설명해줍니다.
오늘자 AI코리아24 브리핑에서 관련 뉴스 원문과 함께 확인할 수 있습니다.
6개월 이상 사용자의 대화 성공률은 10% 더 높다
보고서의 핵심 수치부터 보겠습니다. Claude를 6개월 이상 사용한 장기 사용자(high-tenure)는 신규 사용자 대비 대화 성공률이 10% 높습니다. 업무 활용 확률은 7%포인트 더 높고, 개인 잡담 비중은 10% 적습니다. 입력 내용에 반영된 교육 수준도 6% 더 높았습니다.
10%라는 차이가 작아 보일 수 있습니다. 그러나 이것이 하루 수십 번의 대화, 수백 일에 걸쳐 누적되면 이야기가 달라집니다. Anthropic은 이 차이가 사용 목적, 출신 국가, 모델 선택 등 다른 변수로 설명되지 않는다고 밝혔습니다. 작업 종류를 동일하게 고정한 회귀분석에서도 장기 사용자의 성공률은 3~4%포인트 더 높게 유지되었습니다. 경험 자체가 실력이 되는, 이른바 ‘실천을 통한 학습(learning-by-doing)’ 의 증거입니다.
AI 숙련자는 방치형 지시를 내리지 않는다
장기 사용자의 행동 패턴은 초보자와 뚜렷하게 구분됩니다. 가장 흥미로운 차이는 자율성(autonomy)에 대한 태도입니다.
초보자는 “보고서를 써 줘”처럼 결과물을 통째로 위임하는 방치형 지시(directive) 비중이 높습니다. AI에게 모든 것을 맡기는 겁니다. 반면 숙련자는 “이 단어는 쓰지 마”, “A의 관점으로 정리해 줘”처럼 AI의 행동을 구체적으로 제어하고, 추가 질문으로 답변을 반복 정제(task iteration) 합니다.
직관에 반하는 결과입니다. AI를 잘 쓰는 사람일수록 AI에게 더 많은 자율권을 줄 것 같지만, 실제로는 정반대입니다. 숙련자일수록 AI를 ‘만능 비서’가 아니라 ‘교정이 필요한 동료’ 로 다룹니다. AI에 환각(hallucination, AI가 사실이 아닌 내용을 그럴듯하게 생성하는 현상)이 있다는 걸 알기 때문에, 답변을 무조건 믿는 대신 반복 검증하고 최종 판단은 자신이 내립니다.
숙련자일수록 AI를 더 다양한 업무에 투입한다
보고서는 O*NET(Occupational Information Network 미국 노동부의 직업별 업무 데이터베이스) 기준으로 사용 패턴을 분석했습니다. 초보자는 상위 10개 정형 업무에 사용의 22.2% 를 집중합니다. 이메일 쓰기, 일정 정리, 자료 요약 같은 뻔한 작업들입니다. 반면 숙련자는 그 비중이 20.7% 로, 더 다양한 영역에 AI를 분산 투입합니다.
1.5%포인트 차이가 사소해 보이지만, 의미는 큽니다. 남들이 다 하는 뻔한 작업에만 AI를 쓰느냐, 남들이 아직 시도하지 않는 영역에 투입하느냐의 차이입니다. 숙련자는 아침에 뉴스 브리핑을 받고, 출근하면 데이터 분석을 시키고, 오후에는 보고서를 함께 다듬는 식으로 업무 전반에 AI를 녹입니다.
이 패턴은 이전 브리핑에서 다뤘던 AI 코딩 에이전트 페르소나 분업과도 연결됩니다. Y Combinator CEO 개리 탠이 AI에 기획자, 코더, 리뷰어 역할을 나눠 맡겨 혼자서 시니어 개발자 10명 분의 일을 처리한 것도, 결국 AI를 단일 도구가 아니라 다양한 역할의 팀 으로 활용한 사례입니다.
증강인가 자동화인가, 그것이 문제다
보고서가 짚는 가장 날카로운 지점은 증강(Augmentation)과 자동화(Automation) 의 분기입니다.
고학력 고임금 노동자일수록 AI를 증강 도구 로 활용합니다. AI와 함께 창의성과 판단력을 보완하는 방식입니다. 반면 단순 반복 업무는 아예 자동화 되는 경향이 강해지고 있습니다. API 트래픽에서 고객 서비스 자동 응대, 영업 이메일 자동 생성, 자동 매매 시스템 같은 워크플로우가 이전 대비 2배 이상 증가한 것이 그 증거입니다.
여기서 불편한 결론이 나옵니다. AI 숙련도가 낮은 노동자는 AI로 대체될 가능성이 크고, 숙련도가 높은 노동자는 AI로 증강될 가능성이 큽니다. 보고서에 따르면 AI가 수행 가능한 작업 비중이 10% 증가할 때마다 해당 직종의 예상 고용 성장률이 0.6%포인트 하락 하는 상관관계가 관찰되었습니다.
한국 사용자에게 미치는 영향
한국은 이 보고서의 경고가 가장 직접적으로 적용되는 시장입니다.
와이즈앱 리테일에 따르면 2026년 2월 기준 한국 스마트폰 이용자의 86.8%(4,447만 명) 가 주요 생성 AI 앱을 설치했습니다. 1년 전 46.7%에서 두 배 가까이 뛴 수치입니다. 하지만 실사용률은 48.7% 에 그칩니다. 절반에 가까운 사람들이 AI 앱을 깔아만 놓고 제대로 쓰지 않고 있다는 뜻입니다.
Anthropic 보고서의 렌즈로 보면, 이 38%포인트 격차는 단순한 ‘무관심’이 아닙니다. AI를 검색 엔진 대용으로만 쓰는 초보 단계에 머물러 있기 때문입니다. 보고서가 말하는 학습 곡선을 따라가려면 최소 6개월 이상 꾸준히, 그리고 업무에 직접 투입하면서 써야 합니다. 설치만으로는 숙련자가 될 수 없습니다.
이전 브리핑에서 다뤘던 에이전틱 AI로 인한 소프트웨어 가격 붕괴 현상도 같은 맥락입니다. 미국에서는 이미 AI 코딩 에이전트가 3년짜리 프로젝트를 40일에 끝내고, 소프트웨어 기업 시가총액이 하루 만에 436조 원 증발하는 일이 벌어지고 있습니다. 한국의 AI 예산이 전년 대비 84% 증가해 4,552억 원에 달했지만, 설치와 활용의 격차가 좁혀지지 않으면 이 투자는 생산성으로 이어지기 어렵습니다.
AI 활용숙련도가 다음 시대의 핵심 경쟁력이다
보고서를 작성한 피터 맥크로리 Anthropic 경제 책임자는 TechCrunch 인터뷰에서 이렇게 말했습니다. “AI가 이미 사용법을 아는 사람들에게 보상을 주는 기술로 변모하고 있다.”
전 세계 AI 사용량의 48%를 상위 20개국 이 차지합니다. 기술 격차는 개인 사이에서만 벌어지는 게 아니라 국가 간 부의 격차로도 번지고 있습니다. 세상 모든 것을 학습한 AI의 등장은 지식에 대한 평등한 접근을 약속하는 듯했지만, 실제로는 이미 잘 활용하는 사람에게 더 큰 이익이 돌아가는 구조입니다.
Anthropic은 이를 ‘AI 활용숙련도(AI Fluency)’ 이라 부릅니다. 코딩을 할 줄 아느냐의 문제가 아닙니다. AI에게 어떤 역할을 부여하고, 어떻게 지시하고, 어떤 순서로 작업을 맡기느냐의 문제입니다. 에이전트를 조합해 수십 명 분의 일을 처리하는 사람과 AI를 검색창으로만 쓰는 사람이 창출하는 경제적 가치는 근본적으로 다릅니다.
이 보고서가 말하는 핵심은 결국 하나입니다. AI를 설치했다면, 지금 바로 업무에 직접 투입하고 반복하면서 써야 합니다. 학습 곡선은 시간이 만들어주는 것이 아니라 실천이 만들어주는 것이기 때문입니다.
#Anthropic #클로드 #AI기술격차 #AI학습곡선 #경제지수보고서 #AI생산성 #한국AI