TechFlow Logo
로그인/ 회원가입
ETH 가스
Gwei
공포
gas
Claude는 Anthropic의 AI 연구개발 중 26%를 주도하고 있다: AI가 AI를 연구개발하기 시작할 때, 인간에게 남은 단계는 무엇인가?

Claude는 Anthropic의 AI 연구개발 중 26%를 주도하고 있다: AI가 AI를 연구개발하기 시작할 때, 인간에게 남은 단계는 무엇인가?

2026.10.13
공유하기
이 수치는 기술 발전의 증거이자 인간의 역할을 재조명하는 시작점이기도 하다.

저자: Robonaissance

번역: TechFlow

TechFlow 요약: Anthropic이 자체 모델을 사용하여 자체 R&D에서 AI의 참여율을 집계한 결과, 전체 작업의 26%가 이미 Claude에 의해 주도되고 있는 것으로 나타났다. 이 수치는 기술 진전의 증거이자 인간 역할에 대한 재정의를 시작하는 지점이다. 실무자에게 있어 핵심은 AI가 업무를 수행할 수 있느냐가 아니라, 여전히 인간이 서 있는 위치 어디냐이다.

잭 클라크의 예측: 2028년까지 AI가 자신을 생성한다

2026년 5월 4일, 잭 클라크는 그의 Import AI 뉴스레터에서 '마지막으로 피드백 루프에서 빠져나가는 인간'이 나타날 날을 확률로 제시했다. 그는 이 수치를 다소 억지로 추산했다고 말했다. 2028년 말까지 인간의 개입 없이 스스로 후속 시스템을 구축할 만큼 강력한 AI 시스템이 등장할 확률은 60% 이상이라는 것이다. 2027년에 그는 30%를 제시하며 이를 낮춘 이유를 설명했다. AI 연구에는 '창조성과 전례 없는 통찰력'이 필요할 수 있으며, 현재까지 시스템은 어떤 주요 측면에서도 이러한 능력을 보이지 않았기 때문이다.

다섯 주 뒤인 6월 8일, 그는 다시 썼다. 지난 몇 달 동안 그는 Anthropic에서 동일한 아이디어의 축소판인 실험실 자체 생산성의 복합 가속화가 이미 시작되었음을 입증할 증거를 수집해 왔다. 그러면서 자신이 던진 물음에 답했다. "이에 대해 결론이 나았는가? 아니다."

9월 15일, NPR와의 인터뷰에서 클라크는 단호하게 말했다. "우리는 우리가 말한 내용을 검증할 제3자가 없다."

이틀 후인 9월 17일, Anthropic은 한 가지 통계 수치를 공개했다. 해당 기사는 마르나 파바로와 필리 라이트가 집필했고, 클라크는 연구 방향 책임자로 등재되었다. 2026년 8월까지의 기준, 이 실험실 자체 통계에 따르면 Claude가 Anthropic AI 연구 개발(R&D) 작업의 26%를 주도했으며, 이는 2월에는 1%에도 미치지 못했던 수치다. 측정된 어느 종류의 R&D 작업도 인간이 배제된 상태에서 운영되지 않는다.

인간은 여전히 몇 단계 위에 서 있는가

Anthropic의 관련 문서에서는 클라크가 지적한 현상을 '재귀적 자기 개선'이라 명명했다. 이는 하나의 모델이 완전히 자율적으로 자신보다 뛰어난 후속 버전을 구축하는 과정을 뜻한다. Anthropic은 이 통계를 근거로 삼아, 그 시점이 얼마나 가까워졌는지를 해석하고자 했다. 이 수치 뒤에는 더욱 근본적인 질문이 자리 잡고 있다. 마지막으로 피드백 고리에 남게 될 인간은 누구인가? 그들은 아직도 무얼 하고 있는가?

Epoch AI의 계층 척도는 인간의 역할을 기준으로 정의된 6단계로 답변한다. 도표 1에는 총 6단계가 모두 나열되어 있다. 그중 4단계가 구체적인 패턴을 보여주며, 나머지 두 단계인 미사용(Unused)과 보조(Assist)는 하위 단계에 배치된다.

'보조(Assist)' 단계에서는 AI가 자료 조사 및 문장 교정에 도움을 준다. '협업(Collaboration)' 단계에서는 AI가 대량 작업을 수행하지만, 결정은 인간이 내린다. '주도(Leads)' 단계에서는 AI가 상위 지시에 따라 대부분의 과제를 완수하며, 인간은 감독, 오류 수정 및 승인을 담당한다. '자율(Autonomous)' 단계에서는 AI가 완전히 독립적으로 작동하며 피드백 고리에 인간이 개입하지 않는다.

성장이 어느 정도로 빠른지는 또 다른 문제다. 이번 통계는 Anthropic이 자체 직원을 대상으로 2026년 7월 수행한 작업 유형의 비중을 측정한 것이며, 이것이 보통 어떻게 완료되는지를 평가한 것이지 Claude가 과연 무엇을 해낼 수 있는지까지 판단한 것은 아니다.

Anthropic이 적용한 Epoch AI의 6단계 자동화 척도와 각 단계에서의 인간 역할. 비율은 Anthropic 자체 통계이며, 2026년 8월 기준 AI R&D 작업을 7월 작업 시간(hour)으로 가중 평균한 수치다. '주도(Leads)'는 제4단계이며, 2026년 8월 현재 해당 실험실은 제5단계 '완전 자율(Autonomous)' 수준에서 측정된 작업이 없다고 보고했다.

Claude가 직접 세어낸 수치, 일주일 단위로 하나하나 카운팅하다

누가 통계를 잡았는가? Claude가 했다.

그 수치를 산출한 실제 데이터 정리는 사람이 아닌 Claude가 맡았다. 2026년 7월 매주마다 모델 연구 피드백 루프에 관여하는 각 부서 직원들의 5분의 1을 무작위로 추출한 후, Claude Agent가 그들의 주간 활동 내역을 정밀하게 분석했다. Claude가 슬랙 메시지(Slack)와 내부 문서를 검토하며 각 직원이 처리한 업무 목록을 작성한 것이다.

사람 한 명과 일주일 기준을 예로 들자면. 해당 직원에게 1단위의 가중치가 부여되며, 이는 그가/her가 수행한 여러 업무에 균등하게 분배된다. 4가지 업무라면 각각 0.25단위, 10가지 업무라면 각각 0.1단위가 된다. 관련 문서의 설명에 따르면 이는 거친 근사치이지만, 다수가 공통으로 처리하는 업무 유형이 가장 높은 가중치를 차지하게 되므로 평균적으로는 합리적인 편이다.

이제 모든 사람을 합산하자. 7월 매주 표본 추출된 구성원들이 동일한 검증을 거쳐 약 15,000개의 미세 분류 작업으로 구성된 평탄화된 목록(Flattened list)으로 집계된다.

이어 이러한 업무들은 트리(Tree) 구조에 삽입된다. 이 트리는 깊이가 다양한 542개의 노드를 보유하고 있으며, 그중 378개는 리프(Leaf) 노드로 최정밀 분류를 나타낸다. 이 트리는 고정(Frozen)되었으므로 매월 평가는 동일한 작업 그룹(Basket of work)을 대상으로 이루어진다. 리프 노드의 이름은 연구소의 일상을 떠올리게 한다. 플랫폼 결함 진단 및 복구 평가, 강화학습 샌드박스 이탈 및 네트워크 정책 테스트, 서비스 장애 사후 분석.

그리고 각 노드에는 등급이 부여된다. 하나의 Claude Agent는 해당 업무가 회사 전반에서 어떻게 수행되는지, 누가 수행하는지, 어떤 도구를 쓰는지, AI가 어느 정도 기여하는지 연구한다. 그리고 독립적인 Claude 심사관이 이를 바탕으로 증빙 자료를 읽고 6단계 중 하나를 선택한다. 특정 월을 기준으로 볼 때, 에이전트는 해당월 혹은 그 이전의 자료만 참조할 수 있도록 설계되었다.

문서상에서는 '주도(Leads)' 단계가 Claude가 달성할 수 있는 잠재력을 표현하는 것처럼 서술되지만, 등급 부여는 Epoch 척도 저자의 규칙을 엄격히 따랐다. 이는 작업이 최고 수준의 실험실에서 '통상적으로 어떻게 완수되는가'를 설명하는 것이며, 극한의 최적화를 통해 도달 가능한 능력치의 한계는 아니다.

실험실 페이지의 가상 사례는 이런 단계를 구체화한다. 야간 데이터 파이프라인이 끊겼고, 翌日 동작 전에 반드시 복구해야 하는 상황이다. '협업' 단계에서는 엔지니어가 로그 파일을 Claude에게 건넨다. 엔지니어는 이미 어렴풋한 추측을 품고 있을지도 모른다. 새로운 문제가 발생하면 Claude가 일시 정지하고, 엔지니어가 우회하거나 철저히 고칠지 결정한다. 테스트 통과 후 엔지니어는 수정 사항을 행별로 검토하고 파이프라인을 다시 실행해 배포한다. '주도' 단계에서는 엔지니어가 고장 경고만 Claude에게 던지고 나머지는 Claude가 맡는다. Claude는 오류가 난 구간과 원인을 찾아냈고, 수정안을 작성·검토했으며, 데이터 복제본에서 파이프라인을 재실행하고 과거 정상 동작 출력치와 비교한 뒤 무엇에 문제가 생겼는지 기록했다. Claude는 배포하지 않는다. 대신 엔지니어를 호출하고, 엔지니어는 보고서를 살펴보고 변경점을 훑으며 간혹 몇 가지 의문을 던진 뒤 오늘 밤 릴리스할지 잠시 멈출지 결정한다. 그 위, 아직 도달하지 못한 단계에서는 Claude가 모니터링, 수정, 배포까지 전적으로 맡고, 인간은 오직 스스로 개입하고 싶을 때만 개입한다.

이러한 등급 부여는 얼마나 신뢰할 만한가? 각 업무 분야의 책임자는 심사관이 본 내용을 보지 않은 채 스스로의 분야에 등급을 부여한다. 심사관과 인간이 특정 레벨에서 일치할 확률은 59%, 인간끼리 일치할 확률은 35%다. 심사관과 인간의 차가 1단계 이내일 확률은 97%다. 표본에 대한 상세 설명은 없으며, 실험실은 솔직하게 한계점을 밝혔다. "경계 케이스(Boundary cases)에서는 분명 의견 충돌 여지가 존재한다"는 식이다. 예를 들어 '협업'은 어디에서 끝나고 '주도'는 어디서 시작되는지. 만약 어떤 업무가 '협업'에서 '주도'로 등급이 상향 조정되면, 그 26%라는 수치 자체가 변동될 수 있다.

도표 2는 실험실이 매달 제출한 수치를 시각화한 것으로, 2월의 1% 미만에서 8월의 26%까지 상승하는 추이를 보여준다. 매월 동일한 7월 기반 작업 그룹(Bucket)을 대상으로 등급 매겨졌다. 실험실은 또한 '협업' 이상의 등급에 속한 작업 비중이 90%를 초과한다고 보고했다.

이는 Anthropic 자체 등급으로, Claude 평가요원이 Epoch AI의 6단계 자동화 척도에 따라 해당 실험실 2026년 7월 기준 작업 묶음(Bucket of model R&D work)을 월별 점수로 매기고 7월 작업시간(Hours)으로 가중 평균한 것이다. 2월 수치는 차트 자체 설명(1% 미만)이며, 3월부터 8월까지는 그래프에 명시된 숫자다. Anthropic 차트는 90% 측정 구간 및 기타 자동화 등급도 포함하지만, 여기서는 재작성하지 않았다. Leads는 이 척도의 제4단계로 인간 감시/감독이 있음을 의미하며, 2026년 8월 기준 해당 실험실은 측정된 어떤 작업 유형도 제5단계에 도달하지 않았다고 보고했다.

결국 이 수치로 구성된 요소는 다음과 같다: 일주일 단위, 트리 구조, 한 명의 평가 요원, 그리고 경계선. 그 결과는 전 실험실을 아우르는 단일 집계치이며 업무 유형별로 세분화되지 않았기에, 정확히 어떤 태스크가 이 26% 안에 포함되는지 파악할 수 없다.

Epoch, 의사결정은 낮은 점수, 코드 작성은 높은 점수

5월, 클라크는 두 종류의 업무를 명확히 구분했다. 그는 AI가 오늘날 AI 엔지니어링 영역의 광범위한 작업, 아니 전부를 자동화할 수는 있겠으나 AI 연구 영역 중 몇 퍼센트를 자동화할 수 있는지는 아직 불명확하다고 기록했다.

Epoch 저자들도 실험실 업무를 분류했다. 제1군은 의사결정: 무엇을 할지, 언제 지속할지, 연산 자원을 어디에 집중시킬지 결정하는 것이다. Epoch 자체의 예시 등급(최선의 추론 startPoint)은 '릴리스 대상 결정', '팀 방향성 설정'을 1점(극소적 보조)으로 매겼고, '연구 코드 작성'은 4점(즉 Leads 단계)으로 평가했다. 이 26%가 양 끝 중 어디에 위치하는지, 바로 이것이 총합 수치로는 도무지 알 수 없는 지점이다.

현장의 기록들 역시 같은 맥락임을 방증한다. 클라크가 공저한 논문에 따르면 Claude는 4월 alone 800여 건의 수정안을 전달하며 특정 API 버그를 1000배 가까이 줄였다. 이를 감당하던 엔지니어는 이 작업량을 인간이 수행하려면 4년씩이나 필요할 것이라 추정했다. 반면 한 직원은 약 5개월간 단 한 줄의 코드도 치르지 않았다. 또 다른 직원은 "정상일 땐 내가 뭘 해도 무의미한 것 같고, 시스템이 망가지면 '나는 대체 지금 뭐를 한 거야' 하는 허무감이 든다"고 기록했다.

실험실 8월 위험 보고서는 인간 공정 유지의 이유를 단 한 단어인 '신뢰(Trust)'로 규정했다. 연구자들은 가치 있는 업무에 막대한 AI 인력을 투입해도 되었겠지만, 일부 과정에서는 모델이 정확히 처리할지 신뢰할 수 없기에 적당한 수준만 사용했다. 보고서는 같은 사실에서 두 번째 결론을 도출했다. 실험실 입장에서는 모델을 연구자로 대체할 충분한 이유가 있음에도 그렇게 하지 않았다. 보고서를 이를 모델이 아직 연구팀 전체를 커버하지 못한다는 신호로 해석했다. 아울러 이 해석이 부분적으로만 검증되었음을 덧붙였다. 즉, 실험실은 모델이 실패한 태스크에 인간 비용의 5배에 해당하는 자원과 시간을 쏟아붓거나, 금전적 투자만으로 격차를 메울 수 있는지 시험해 본 적이 없다.

OpenAI의 정황도 유사하다. 8월 중순 기준 OpenAI 연구 조직은 human day 1개당 3.1개의 에이전트 일수(agent-day)를 가동했으며, 상위 90 퍼센타일 사용자 하루 토큰 소모액은 7000달러를 훌쩍 넘었다. 그곳의 사람들은 여전히 연구 우선순위를 정하고, 어떤 아이디어와 결과가 추진 가치가 있는지 가려내며, 스케일을 키울지 중단할지 릴리스할지 최종 결정권을 행사 중이다.

엔지니어링 영역은 이미 클라크가 기계에 위임한 곳이다. 연구는 그에겐 이제 풀어야 할 숙제일 뿐이다.

실험실 규율은 비중이 아닌 성장률(Rate)에 초점을 맞춘다

6월 공식 성명서가 다루던 개념은 속도였다. 실험실 생산성의 '복합 가속화(Compound acceleration)'는 진보율이 어떻게 높아지는지를 주장하는 문구였지만, 이번에 공개된 수치는 전혀 다른 지표를 측정한 것이다. 그것은 외부로 이관된 작업의 점유율을 말한다.

9월 30일, 외부 AI 모델 평가 기관인 METR(Model Evaluation and Threat Research)의 대표 크리스 페이터(Chris Painter) 의원은 26%라는 수치를 미국 의회 기록에 공식 등록했다. 이를 'Rogue AI: Securing the Homeland Against AI Agent Attacks(방종형 AI: 에이전트 공격으로부터 국토 안보 확보)' 청문회의 서면 증언 자료로 제출한 것이다. 이후 본문에서 그는 기업이 AI를 활용해 AI 연구를 자동화할 때 피드백 루프가 '능력치의 자기 유지식 가속(Self-sustaining acceleration)을 초래할 수 있다'고 경고했다.

Anthropic 내부 규칙에서 이 위협을 촉발하는 조건은 비중이 아닌 성장률이다. 보고서상의 '급격한 가속(Dramatic acceleration)'은 진보율을 2배로 높이는 상황을 지칭하며, 즉 1년 안에 달성하는 발전량이 베이스라인(기준치)의 2년 치와 동등함을 뜻한다. 해당 규칙은 이것이 곧 연구자들의 생산성이 2배로 뛰는 것과 동일시되지 않는다고 명시했는데, 이는 투입 자원을 2배로 늘린다고 반드시 진보율이 2배 되는 것은 아니기 때문이다.

8월 위험 보고서의 해석에 따르면 7월 15일까지의 기간 동안 실험실의 연구 속도는 AI 보조가 없는 기존 대비 현저히 빨랐으나, 아직 2배에는 미치지 못했다. 이에 대해 실험실은 확신을 갖지 못했으며 측정 또한 매우 어려웠다. 가속화의 초기 징후는 이미 포착되었고, 향후 1년 이내에 임계점을 돌파할 가능성이 있다고 판단했다. Anthropic이 9월 17일 데이터를 공개한 지 닷새 후, Claude Opus 5.5 시스템 카드(System Card) 업데이트를 통해 내부 측정치가 AI 귀속 지속적 2배 가속화를 보여주지 않음을 확인했다.

METR는 또한 9월 22일 Claude Opus 5.5 출시 전 평가를 담은 요약문을 배포했다. 요약문 내부에서 METR는 다른 METR 내부 팀의 추정을 인용했다. 해당 팀은 요약문 집필진보다 더 높은 접근 권한을 보유하였는데, AI로 인한 전반적 능력치 가속화는 약 1.5배이며, 2배 이상 달성할 확률은 약 30%라고 봤다. 해당 팀은 그들에게만 제공된 증빙 자료를 요약문 작성자와 공유할 수 없었으며, 이 추정치가 적용된 기간(Timeframe) 또한 명시되지 않았다.

9월 17일 수치로 측정한 것은 업무 이관 비율이다. 8월 보고서는 시스템 카드와 함께 성장률(Rate)을 추정하는 데 초점을 뒀다. 세 항목 중 어느 것도 동일한 기간 내 동종 업무에 대해 이 두 가지 지표(비중 vs 속도)를 동시에 평가한 적은 없다.

26%라는 수치의 함의

실험실 자체 집계 기준 2026년 8월 시점 기준, Claude는 Anthropic AI 연구 업무의 26%를 주도하고 있으며, 이 수치는 7월 업무 샘플(Bucket)을 대상으로 6개월 연속 상승세를 보이고 있다. 이는 실험실 공식 용어로 치환한 이관 지표로, Claude가 직접 수집하여 각 업무 담당 직원의 등급评定과 교차 검증한 결과다.

지금 당장 이 수치를 가지고 완전 자율화 단계(Closed-loop)가 얼마큼 다가섰다고 단정해서는 안 된다. 실험실 규정은 '성장률'에 주목하는데, 실험실 자체 추정치는 해당 규정이 정한 임계선 아래에 머물러 있기 때문이다. 이 수치는 26% 안에 정확히 무엇이 포장되어 있는지에 대한 의문을 해소하지 못한다. 만약 이 26%가 주로 엔지니어링에 치우쳤다면, 클라크가 5월에 이미 '손끝 닿는 범위'라고 분류했을 부분을 측정한 셈이다. 반면 의사결정과 연구 영역까지 침투했다면, 그가 아직 해답을 유예해 둔 영역을 반영한 것이 된다.

26%는 엔지니어링 쪽을 가리킨다. 평가 체계는 의사결정을 하위 등급에 배치했으며, 실험실 사례는 배포 결정권을 인간에게 맡겼고, 연구자들은 여전히 모델에 대한 신뢰 선을 지켜냈다. 이는 해석일 뿐 측정값이 아니며, 만약 업무 유형별 세분화 데이터가 공개된다면 이를 검증할 수 있을 것이다. 하위 등급에 머문 의사결정과 Leads 단계의 연구 코드 작성 비중이 높으면 이 해석이 타당하다. 반대로 의사결정이 Leads 단계까지 상향된다면 26% 전체는 연구 영역을 향하게 될 것이다.

관련 문서에서 최고 등급에 따른 인간 역할은 이렇게 명시된다. '인간이 자발적으로 참여하겠다고 나서지 않는 한, 어떠한 개입도 필요하지 않다.' 그 바로 아래 단계는 앞서 본 실험실 시나리오를 통해 알 수 있듯, 보고서 한 장을 손에 쥔 채 오늘 밤 출시할지 말지 결정하는 마지막 엔지니어다.

프런티어(Frontier) 탐색. 선도적 실험실들이 내놓은 자료를 심층 분석하며, 그 의의를 설명하는 프레임워크로 풀어냈다.