AI 도구를 오래 쓴 사람은 더 능숙해질까? 직관적으로는 당연한 말처럼 들리지만, 이것이 실제로 성과 차이로 이어지는지를 데이터로 증명한 사례는 드물었다. Anthropic이 2026년 3월 발표한 Economic Index 최신 보고서는 바로 그 질문에 정면으로 답한다.
보고서는 2026년 2월 한 주 동안 Claude.ai와 API에서 각각 100만 건씩, 총 200만 건의 대화 데이터를 분석했다. 개별 대화 내용은 보지 않는다. 개인정보 보호 시스템 위에서 태스크 유형, 사용 패턴, 성공 여부, 사용자 경험(tenure)만 집계한다. 결과는 세 가지 큰 흐름으로 요약된다. 사용이 다양해지고 있다. 플랫폼이 분리되고 있다. 그리고 경험이 격차를 만들고 있다.
핵심 수치로 보는 2026년 2월
Anthropic의 보고서를 처음 접하면 수치가 쏟아져 당황스럽다. 그러나 몇 가지 숫자만 잡으면 전체 그림이 보인다.
Claude.ai 상위 10개 태스크 비중
사용자의 활용 범위가 특정 분야(코딩 등)에 집중되지 않고 일상 전반으로 다변화됨
직전 24%에서 감소
Claude.ai 평균 태스크 임금가치
얼리어답터의 고부가가치 업무를 넘어 스포츠, 쇼핑 등 일반적인 저임금 직군 업무로 확산
직전 $49.3에서 소폭 하락
장기 사용자(6개월+)의 대화 성공률 우위
지속적인 사용을 통해 AI와의 효율적인 협업 방식과 복잡한 업무 위임 능력을 습득함
모든 변수를 통제했을 때 성공률이 4%포인트 더 높음
상위 20개국이 전체 1인당 사용량
글로벌 차원에서 국가 간 AI 활용 능력 및 도입 격차가 점차 심화되고 있음
직전 45%에서 증가한 수치
상위 10개 태스크 비중이 24%에서 19%로 줄었다는 것은, 전체 대화의 사용 목적이 더 넓게 퍼졌다는 뜻이다. 코딩·학업 중심이던 초기와 달리, 스포츠 결과 확인, 제품 비교, 집 수리 방법처럼 일상적인 질문이 빠르게 늘고 있다. 이 변화가 평균 태스크 임금가치를 $47.9로 낮춘 주범이다. 하지만 오해하지 말자. 이 수치는 여전히 미국 전체 평균 시급을 웃도는 수준이며, 고가치 업무가 줄어든 게 아니라 저가치 업무가 추가된 것이다.
플랫폼별 상세 수치
| 지표 | 수치 | 의미 |
|---|---|---|
| 코딩 태스크 비중 (Claude.ai) | 35% | 단일 업무 중 가장 높은 비중 |
| 개인 용도 대화 비중 | 42% ↑ | 직전 35%에서 대폭 증가 |
| 학업 관련 대화 비중 | 12% ↓ | 직전 19%에서 감소 (방학 효과 포함) |
| 평균 인간 입력 교육연수 | 11.9년 ↓ | 직전 12.2년. 입력 복잡도 소폭 하락 |
| API 상위 10개 태스크 비중 | 33% ↑ | 직전 28%에서 상승. API는 오히려 집중화 |
| 미국 상위 5개 주 사용 비중 | 24% ↓ | 2025년 8월 30%에서 감소. 주별 격차 완화 |
| 상위 20개국 1인당 사용 비중 | 48% ↑ | 직전 45%. 국가 간 격차는 심화 |
눈에 띄는 것은 Claude.ai와 API의 방향이 정반대라는 점이다. Claude.ai는 다양화, API는 집중화. 이 분기가 이번 보고서의 핵심 구조다.
두 플랫폼, 서로 반대 방향으로
Claude.ai는 대중화 경로를 걷고 있다. 코딩이 줄고 개인 용도가 늘었다. 관리직 관련 대화는 전체 트래픽의 3%에서 5%로 늘었는데, 투자 메모 작성처럼 분석적 업무와 고객 응대가 함께 성장했다.
반면 API는 전문화·자동화 경로다. August 2025 이후 API의 컴퓨터·수학 분야 태스크 비중은 14% 증가했고, Claude.ai에서는 같은 기간 18% 감소했다. 코딩 업무가 개인 채팅창에서 기업 자동화 워크플로로 이동하고 있는 것이다.
API 이동은 단순한 사용 습관 변화가 아니다.
AI가 업무 인프라 속으로 통합되는 구조적 전환이다.
특히 주목할 만한 것은 새로 급증한 자동화 워크플로다. 이번 보고서가 포착한 두 가지 패턴은 3개월 만에 사용량이 2배 이상 늘었다.
- 영업 자동화: 영업 자료 생성, B2B 리드 조사, 고객 데이터 보강, 콜드 이메일 초안 작성
- 자동 트레이딩·시장 운영: 시장·포지션 모니터링, 투자 제안, 트레이더 정보 전달
화이트칼라 자동화가 생각보다 훨씬 빠르게 진행되고 있다는 신호다. Anthropic은 이 API 이동이 해당 직종의 노동시장 변화를 더 빠르게 가져올 수 있다고 명시적으로 언급한다.
경험이 격차를 만든다 – 학습 곡선의 실증
이번 보고서의 가장 독창적인 기여는 사용자 경험(tenure)과 성과의 관계를 처음으로 실증했다는 점이다. 분석은 ‘Claude 가입 후 6개월 이상 된 장기 사용자’와 그 이하의 신규 사용자를 비교한다.
| 항목 | 장기 사용자 (6개월+) | 신규 사용자 |
|---|---|---|
| 업무 목적 사용 비중 | +7%p 높음 | 기준 |
| 개인 대화 비중 | -10% 낮음 | 44% |
| 입력 교육연수 (복잡도) | +6% 높음 | 기준 |
| 대화 성공률 | +4~5%p 높음 | 기준 |
| 태스크 집중도 | 상위 10개: 20.7% | 상위 10개: 22.2% |
가입 이후 시간이 흐를수록 일어나는 변화는 뚜렷하다. 사용 1년당 입력 복잡도가 1년분 교육연수만큼 올라간다. 가입 1년 된 사용자의 개인 대화 비중은 38%로, 신규 사용자(44%)보다 낮다. 단순 잡담 대신 실무 활용의 비중이 자연스럽게 올라간다.
가장 중요한 수치는 성공률이다. 단순 비교에서는 장기 사용자가 5%p 높다. 여기까지는 “어려운 태스크에 익숙한 사람들이 애초에 오래 남아있는 것”이라는 반론이 가능하다. 그래서 연구진은 태스크 유형, 사용 목적, 모델 종류, 국가까지 모두 통제한 회귀 분석을 추가했다. 그 결과, 같은 태스크를 수행했을 때에도 장기 사용자가 여전히 4%p 높은 성공률을 보였다.
같은 일을 하더라도, 오래 쓴 사람이 더 잘 한다.
이것이 학습 곡선의 증거.
경험이 높은 사용자들이 주로 하는 태스크는 AI 리서치, git 운영, 원고 수정, 스타트업 펀드레이징이었다. 반면 신규 사용자들이 많이 하는 태스크는 하이쿠 쓰기, 스포츠 점수 확인, 파티 음식 추천이었다. 경험의 깊이가 활용의 깊이를 결정한다.
사람들은 이미 최적 모델을 고르고 있다
Claude에는 성능과 비용이 다른 여러 모델 클래스가 있다. 가장 강력한 Opus, 균형 잡힌 Sonnet, 빠르고 저렴한 Haiku. 사용자들은 이를 얼마나 합리적으로 선택할까?
데이터는 놀랍도록 이성적인 선택 패턴을 보여준다. 소프트웨어 개발자 태스크의 34%가 Opus를 사용하는 반면, 튜터 태스크는 12%만 Opus를 쓴다. 태스크 시급이 $10 오를 때마다 Opus 선택 비율은 Claude.ai에서 1.5%p, API에서 2.8%p 높아진다.
API 사용자들이 Claude.ai 사용자보다 약 두 배 민감하게 반응하는 이유는 명확하다. 프로그래밍 방식으로 워크플로를 구축하는 개발자들은 비용과 성능 간 트레이드오프를 더 의식적으로 설계하기 때문이다. 도메인 차원에서도 컴퓨터·수학 영역은 전체 평균(51%)보다 Opus 비중이 4%p 높고, 교육 영역은 7%p 낮다.
좁혀지는 격차, 벌어지는 격차 – AI 불평등의 두 얼굴
AI 사용의 불평등 문제는 단순하지 않다. 두 개의 상반된 흐름이 동시에 진행 중이다.
미국 내 지역 격차는 줄어들고 있다. 2025년 8월 상위 5개 주가 전체 1인당 사용의 30%를 차지했던 것이 2026년 2월에는 24%로 낮아졌다. 초기 저사용 주들의 빠른 추격이 이어지고 있다. 다만 직전 보고서에서 예측했던 “2~5년 내 균등화”는 이번에 “5~9년”으로 늦춰졌다. 수렴은 계속되지만, 속도가 둔화됐다.
국가 간 격차는 반대로 심화되고 있다. 상위 20개국의 1인당 사용 비중이 45%에서 48%로 올랐다. 선진국과 개발도상국 사이의 AI 활용 격차가 더 벌어지고 있다는 신호다. 인프라·언어·교육의 복합적 장벽이 이 격차를 고착시키는 구조다.
그리고 보고서가 새롭게 제기하는 세 번째 격차가 있다. 사용자 경험의 격차다. 경험이 성공률 차이로 이어진다면, 먼저 시작한 사람이 계속 우위를 유지하는 자기강화 메커니즘이 작동할 수 있다.
연구 결과에서 발견할 수 있는 인사이트 5
AI는 “도구”에서 “인프라”로 진화하고 있다
영업 자동화, 자동 트레이딩처럼 사람 없이 돌아가는 워크플로가 API에서 빠르게 늘고 있다. Claude가 더 이상 개인 생산성 보조 도구가 아니라, 기업 운영의 핵심 인프라로 통합되고 있다는 의미다. 이 전환은 AI 영향의 속도와 범위를 동시에 키울 것이다.
AI 활용 능력(AI Literacy)이 새로운 경쟁력이다
같은 모델, 같은 태스크를 써도 경험 많은 사람이 더 나은 결과를 얻는다. “AI를 어떻게 쓰는가”가 단순한 도구 사용법을 넘어 실질적 성과 격차를 만드는 역량이 됐다. 교육 시스템과 기업 연수 모두가 이 점을 직시해야 한다.
혜택과 위험이 같은 사람에게 집중된다
보고서가 가장 날카롭게 짚는 아이러니가 있다. AI에 가장 많이 노출된, 즉 일자리 대체 위험이 가장 높은 고기술 얼리어답터들이 동시에 AI로부터 가장 큰 생산성 혜택을 얻는다. 이른바 “기술 편향적 기술 변화”의 AI 버전이다. 보호가 필요한 저숙련 노동자가 AI 혜택을 늦게 누리는 구조가 지속되면 불평등은 심화된다.
“사용 다양화”는 퇴보가 아니라 성숙의 증거다
코딩·학업에서 스포츠 문의·홈 케어 질문으로 확산되는 것은 AI 기술이 전기·인터넷처럼 “모든 사람의 유틸리티”로 성숙해가는 자연스러운 경로다. 평균 태스크 가치 하락을 우려할 필요는 없다. 고가치 업무는 API로 이동하면서 오히려 더 깊어지고 있다.
데이터는 “아직 진행 중”이라는 점을 잊지 말 것
49%의 직업에서 최소 25%의 태스크를 Claude가 수행하고 있다. 이미 상당히 높은 숫자지만, 이는 “대체”가 아닌 “수행(증강 포함)” 비율이다. 학습 곡선·생존자 편향·코호트 효과를 완전히 분리하려면 더 많은 시간과 후속 데이터가 필요하다. 성급한 결론보다는 지속적 관찰이 필요한 시점이다.
FAQ
Anthropic은 개인정보 보호 시스템을 통해 개별 대화 내용이 아닌 집계·익명화된 패턴 데이터를 분석합니다. 2026년 2월 5~12일 사이 Claude.ai와 1P API에서 각각 100만 건씩, 총 200만 건의 대화가 샘플링됐습니다. 태스크는 O*NET(미국 직업 분류 체계)에 매핑되어 분석됩니다.
보고서는 확정적이지 않지만, 중요한 증거를 제시합니다. 태스크 유형·모델·국가·사용 목적을 모두 통제한 회귀 분석에서도 장기 사용자의 성공률이 4%p 높게 나타납니다. 즉 “다른 태스크를 했기 때문”이라는 설명이 통하지 않습니다. 다만 생존자 편향(실망한 사용자들이 이미 떠났을 가능성)을 완전히 배제할 수 없어, Anthropic도 후속 연구의 필요성을 인정합니다.
보고서는 직업 “대체”보다는 “태스크 수행 보조”에 초점을 맞춥니다. 현재 49%의 직업에서 최소 25%의 태스크를 Claude가 보조하고 있습니다. 이는 자동화(사람 없이 처리)와 증강(사람+AI 협업) 모두를 포함합니다. 코딩·금융·영업 분야는 API 자동화가 빠르게 확산되고 있어 변화가 더 빠를 수 있습니다.
이번 보고서가 포착한 차이를 정리하면: 업무 목적 비중이 높고, 교육 수준이 높은 태스크를 맡기며, 협업·반복 수정 방식을 더 많이 사용하고, 다양한 태스크에 활용합니다. 공통점은 “AI에게 구체적이고 복잡한 요청을 한다”는 것입니다. 막연한 질문보다 맥락이 풍부한 요청이 성공률을 높입니다.
세 가지가 핵심입니다. 첫째, AI 교육 격차 해소 — 사용 경험이 성과 격차로 이어진다면 AI 교육 접근성은 사회적 의제입니다. 둘째, 노동시장 모니터링 — 특히 API를 통한 자동화 영역이 빠르게 확대되고 있어 선제적 정책 준비가 필요합니다. 셋째, 국가 간 AI 격차 해소를 위한 국제 협력 메커니즘 마련이 시급합니다.
