앤트로픽, AI 에이전트로 엔지니어 생산성 8배 향상…코딩 병목현상 넘어 아이디어 창출 집중

클로드 코드는 출시 초기 6개월 동안 기대만큼의 성과를 내지 못하며 힘든 시기를 보냈습니다. 기술적인 격차를 해소하고 시장의 요구에 맞추는 데 시간이 필요했기 때문입니다. 하지만 2025년 5월 오퍼스 4 모델이 출시된 이후, 클로드 코드는 폭발적인 성장을 기록하며 빠르게 시장의 인정을 받기 시작했습니다.

앤트로픽은 AI 에이전트를 활용하여 엔지니어 1인당 코드 출력을 8배나 증대시키는 전례 없는 성과를 달성했습니다. 이는 업계에서 일반적으로 연간 몇 퍼센트 수준의 성장을 보이는 것과 비교할 때 매우 이례적인 기록입니다. 이러한 성장은 엔지니어링 작업의 근본적인 변화를 시사하며, AI가 단순한 도구를 넘어 생산성의 핵심 동력으로 자리 잡고 있음을 보여줍니다.

앤트로픽은 이와 같은 생산성 향상을 통해 기존의 개발 방식으로는 상상하기 어려웠던 혁신을 추진하고 있습니다. AI 에이전트가 반복적이고 단순한 작업을 자동화하면서, 엔지니어들은 더욱 복잡하고 창의적인 문제 해결에 집중할 수 있게 되었습니다. 이러한 변화는 제품 개발 속도를 가속화하고 시장 출시 시간을 단축하는 데 크게 기여하고 있습니다.

이러한 생산성 증가는 단순히 양적인 측면을 넘어 질적인 개선으로도 이어집니다. AI 에이전트가 코드의 품질과 일관성을 향상시키고, 잠재적인 오류를 미리 감지하여 수정하는 데 도움을 주기 때문입니다. 결과적으로 앤트로픽은 더 적은 인력으로 더 많은 고품질 코드를 생산하며, 개발 프로세스의 효율성을 극대화하고 있습니다.

엔지니어 1인당 코드 출력 8배 증가는 AI 기술이 실제 비즈니스 환경에서 가져올 수 있는 파괴적인 혁신 잠재력을 증명하는 사례로 평가됩니다. 이는 다른 기업들에게도 AI 도입을 통해 유사한 생산성 향상을 모색해야 한다는 강력한 메시지를 전달하고 있습니다.

앤트로픽은 팀을 채용할 때 비전통적인 배경과 다양한 경험을 가진 인재를 선호합니다. 보리스 체르니 총괄은 컴퓨터 과학 교육을 받고 대기업에서 일한 사람보다는, 더 많은 것을 보고 문제를 해결하는 다양한 방법을 시도해 본 사람들을 높이 평가한다고 밝혔습니다.

이러한 인재들은 고정관념에 갇히지 않고 새로운 관점으로 복잡한 AI 문제를 해결할 수 있는 능력을 가지고 있다고 앤트로픽은 판단합니다. 다양한 경험은 혁신적인 아이디어를 발굴하고, 빠르게 변화하는 AI 기술 환경에 유연하게 적응하는 데 필수적이기 때문입니다.

앤트로픽에 합류했을 당시 모델은 소나 3.5였습니다. 이 모델은 코딩과 같은 특정 문제에 일반 모델을 적용했을 때 탁월한 성능을 보인 첫 번째 모델로 평가됩니다. 소나 3.5를 통해 사람들은 AI 모델이 단순한 코드 지원을 넘어 실제 작업에 적용될 수 있음을 깨닫게 되었습니다.

이러한 인식의 변화는 모델의 역할을 단순한 도구에서 에이전트 프로세스로 전환하는 계기가 되었습니다. 이제 모델은 특정 작업을 수행하는 것을 넘어, 전체 워크플로의 일부로서 자율적으로 작동하며 문제를 해결하는 주체로 진화하고 있습니다.

에이전트 프로세스로의 전환은 AI 모델의 활용 범위를 코딩 지원을 넘어 다양한 비즈니스 프로세스로 확장시키는 중요한 단계였습니다. 이는 AI가 단순한 자동화 도구를 넘어 의사결정과 문제 해결의 핵심 주체가 될 수 있음을 보여줍니다.

보리스 체르니 총괄은 앞으로 AI 모델이 훨씬 더 유능해질 것이라고 예측했습니다. 코딩 영역에서는 더 이상 한 줄의 코드를 완성하는 수준이 아니라, 전체 함수, 파일, 기능, 심지어 전체 프로젝트를 작성할 수 있게 될 것이라고 전망했습니다.

나아가 올해 말까지는 AI 모델이 전체 비즈니스를 구축할 수 있을 것이라는 대담한 예측도 내놓았습니다. 이는 AI가 단순한 코딩 도구를 넘어 사업 기획, 개발, 실행 등 비즈니스 전반의 과정을 주도하는 핵심 동력으로 진화할 것이라는 의미입니다.

이러한 미래는 AI가 인간의 역할을 대체하기보다는, 인간이 AI와 협력하여 비즈니스의 규모와 복잡성을 확장하는 새로운 패러다임을 열 것으로 기대됩니다. AI가 단순한 코드 생성기를 넘어 진정한 비즈니스 파트너로 발전할 잠재력을 가지고 있음을 보여주는 대목입니다.

AI 모델의 지능이 높아지면서, 앤트로픽은 모델을 워크플로의 조정자로 사용하는 것이 훨씬 효율적이라는 것을 깨달았습니다. 이제 모델이 주도적으로 컨텍스트를 파악하고, 외부 세계와 상호작용하는 데 필요한 도구를 스스로 활용합니다.

이는 기존에 사람이 모델에게 '1단계, 2단계'와 같이 세부적인 지시를 내리던 방식과 대조됩니다. 이제는 모델에게 목표와 시작점, 그리고 도구 접근 권한만 부여하면, 모델이 스스로 작업을 조직하고 해결 방법을 찾아냅니다.

이러한 변화는 워크플로의 효율성을 극대화하고, 인간은 더 높은 수준의 의사결정과 전략 수립에 집중할 수 있게 합니다. 모델이 단순한 실행자가 아닌, 자율적인 문제 해결자로 진화하고 있음을 보여주는 중요한 전환점입니다.

앤트로픽에서는 클로드가 모든 비즈니스 프로세스와 직원의 일상 업무의 중심에 있습니다. 신입 직원이 '사무실이 어디예요?', '코드 베이스는 어떻게 접근하나요?', '출장 경비 보고서를 어떻게 제출하나요?'와 같은 기본적인 질문을 할 때, 동료나 위키를 찾는 대신 클로드에게 질문합니다.

이러한 방식으로 클로드는 업무의 시작점부터 깊이 있는 부분까지 모든 과정에 관여합니다. 이는 클로드가 단순한 보조 도구를 넘어, 기업의 정보 허브이자 핵심 의사소통 채널로 기능하고 있음을 의미합니다.

클로드를 업무의 중심에 둠으로써, 앤트로픽은 정보 접근성을 높이고, 직원들이 필요한 정보를 빠르게 얻어 업무 효율성을 극대화하고 있습니다. 이는 AI가 기업 문화와 운영 방식에 얼마나 깊숙이 통합될 수 있는지를 보여주는 사례입니다.

1990년대 하버드 비즈니스 리뷰 기사에서는 생산성 향상을 위한 기술 도입의 두 가지 유형을 제시했습니다. 한 유형의 회사는 컴퓨터를 도입했지만, 기존의 종이 기반 프로세스와 서류 캐비닛을 그대로 유지했습니다. 이러한 회사들은 생산성 향상을 거의 경험하지 못했습니다.

반면, 다른 유형의 회사들은 종이와 서류 캐비닛을 과감히 버리고 컴퓨터를 모든 프로세스의 중심에 두었습니다. 이 회사들은 기술을 비즈니스 프로세스에 완전히 통합함으로써 혁신적인 생산성 향상을 이끌어냈습니다.

이 사례는 단순히 신기술을 도입하는 것만으로는 부족하며, 기술을 핵심 비즈니스 프로세스에 깊이 통합하고 기존의 비효율적인 방식을 완전히 전환해야만 진정한 생산성 혁신을 이룰 수 있음을 시사합니다. AI 에이전트 도입 역시 이와 같은 맥락에서 이해될 수 있습니다.

엔지니어링 분야는 항상 변화해왔으며, 펀치카드부터 베이식, 어셈블리어, 고수준 언어, 자바스크립트 프레임워크에 이르기까지 끊임없이 진화해왔습니다. 그러나 보리스 체르니는 현재 그 변화의 속도가 전례 없이 가속되고 있다고 강조했습니다.

하드웨어에서 펀치카드, 펀치카드에서 소스코드, 소스코드 조작에서 에이전트, 그리고 이제 에이전트 관리에서 루프와 루틴 관리로 추상화 수준이 한 단계 더 높아졌습니다. 특히 에이전트 도입과 에이전트 관리로의 전환은 불과 2년 만에 일어났으며, 이는 이전의 변화 주기보다 훨씬 빠릅니다.

이러한 가속화된 변화는 엔지니어들이 새로운 기술과 패러다임에 더 빠르게 적응해야 함을 의미합니다. 동시에, AI가 엔지니어링의 본질을 바꾸고 있으며, 앞으로도 더욱 빠르게 변화할 것이라는 전망을 제시합니다.

AI 에이전트의 발전으로 인해 엔지니어링의 병목 현상이 코딩 작업에서 아이디어 창출로 이동했습니다. 이제 코딩 자체는 더 이상 생산성을 저해하는 주된 요인이 아니며, 얼마나 좋은 아이디어를 빠르게 시장에 내놓고 안전하게 구현하는가가 핵심 과제가 되었습니다.

이러한 변화는 엔지니어에게 새로운 역량을 요구합니다. 기술적인 구현 능력뿐만 아니라, 사용자 피드백을 통해 아이디어를 다듬고, 데이터를 분석하며, 신속하게 제품을 개발하고 반복할 수 있는 '1인 기업 CEO'와 같은 마인드가 중요해졌습니다.

보리스 체르니는 AI 네이티브가 아닌 기업들이 AI를 도입하고 활용하는 자연스러운 전환 과정을 설명했습니다. 처음에는 AI를 전혀 사용하지 않다가, 모든 엔지니어가 하나의 에이전트를 사용하고, 이어서 10개, 100개, 최종적으로 1000개의 에이전트를 사용하는 단계로 확장된다는 것입니다.

각 단계마다 기업은 새로운 도전과 기회에 직면하며, 모범 사례를 배우고, 직원들을 교육하며, 조직 문화를 변화시켜야 합니다. 이 과정은 단순히 기술을 도입하는 것을 넘어, 기업의 근본적인 운영 방식과 사고방식을 전환하는 것을 요구합니다.

이러한 단계적 성장은 AI 기술 도입을 고려하는 기업들에게 현실적인 로드맵을 제공합니다. 점진적인 확장을 통해 위험을 최소화하고, AI의 가치를 점진적으로 증명하면서 조직 전체의 수용성을 높일 수 있습니다.

앤트로픽은 AI 에이전트 도입 단계 중 평균적으로 3단계에 해당한다고 밝혔습니다. 이는 대부분의 엔지니어가 수십에서 수백 개의 에이전트를 운영하며 업무를 수행하고 있음을 의미합니다.

이러한 높은 수준의 에이전트 활용은 앤트로픽이 AI를 단순한 도구를 넘어 핵심 비즈니스 프로세스에 깊이 통합하고 있음을 보여줍니다. 이는 앞서 언급된 생산성 8배 향상의 핵심 동력 중 하나로 작용하고 있습니다.

보리스 체르니는 많은 기업이 ROI(투자 수익률)를 잘못 측정하고 있다고 지적했습니다. 그는 기업들이 AI 도입 시 오로지 '투자' 부분, 즉 비용 절감에만 집중하는 경향이 있다고 설명했습니다. 물론 비용 절감도 중요하지만, 훨씬 더 중요한 것은 AI를 통해 '수익'을 늘리는 방법을 모색하는 것이라고 강조했습니다.

이는 AI가 단순한 비용 절감 도구가 아니라, 새로운 비즈니스 기회를 창출하고 매출을 증대시키는 전략적 자산으로 활용되어야 한다는 관점을 제시합니다. 예를 들어, AI를 활용하여 신제품 개발 속도를 높이거나, 고객 경험을 혁신하여 시장 점유율을 확대하는 방식 등이 해당됩니다.

AI를 통한 수익 증대에 집중함으로써 기업은 더 큰 규모의 성장과 혁신을 이룰 수 있습니다. 단순히 기존 업무의 효율을 높이는 것을 넘어, AI가 가져올 수 있는 잠재적인 가치를 극대화해야 한다는 메시지입니다.

이러한 ROI 측정 방식의 전환은 AI 도입 전략의 방향성을 재설정하는 데 중요한 시사점을 제공합니다. AI를 단순히 '투자'로만 볼 것이 아니라, '수익' 창출의 핵심 동력으로 인식해야 한다는 것입니다.

AMD는 제품 출시 전 디버깅 및 테스트 단계에서 AI 에이전트 프로세스를 적용하여 복잡한 칩 버그를 해결했습니다. 당시 시니어 엔지니어들이 에이전트 방식의 문제 해결 능력에 크게 놀랐으며, 이 경험이 에이전트 기술이 AMD에 도입되는 중요한 계기가 되었습니다.

마크 파퍼마스터는 해결하기 어려웠던 문제를 에이전트가 해결하거나 생산성이 크게 향상되는 것을 경험할 때마다 리더들이 즉시 이 방식을 신뢰하게 된다고 설명했습니다. 이는 AI 에이전트가 실제적인 문제 해결 능력을 입증할 때 조직 내에서 빠르게 확산될 수 있음을 보여줍니다.

보리스 체르니는 AI 모델의 능력에 대한 오해가 최신 모델의 활용을 저해할 수 있다고 강조했습니다. 그는 과거에 클로드에 버그 디버깅 작업을 맡기기 전에 자신의 방식대로 수동으로 처리하려 했던 경험을 예로 들었습니다.

당시 그는 클로드의 모든 모델 세대와 함께 작업해왔기 때문에 이전 세대 모델의 능력에 갇혀 있었고, 최신 모델이 해당 작업을 해결할 수 없을 것이라고 판단했습니다. 그러나 새로 팀에 합류한 직원의 권유로 클로드를 사용해 본 결과, 그 직원은 20분 만에 해결책을 찾아냈고, 체르니 자신은 그러지 못했습니다.

이 경험은 AI 모델이 끊임없이 개선되고 있기 때문에, 과거의 경험이나 편향으로 현재 및 미래 모델의 능력을 과소평가해서는 안 된다는 중요한 교훈을 제시합니다. AI 기술 발전에 대한 겸손한 자세와 지속적인 학습의 필요성을 역설하는 대목입니다.

AI 에이전트 워크플로우 솔루션을 선택할 때 보리스 체르니는 두 가지 평가 도구를 사용한다고 밝혔습니다. 하나는 EVEL 벤치마크와 같은 정량적 평가이고, 다른 하나는 직관적인 평가(vibes)입니다.

수천, 수백만 번 반복될 워크플로우에는 EVEL과 같은 정량적 평가 도구가 필수적입니다. 새로운 모델이 출시될 때 기존 시스템에 적용했을 때의 개선 여부를 정확히 측정할 수 있기 때문입니다. 이는 효율성과 안정성이 중요한 반복 작업에 적합합니다.

반면, 제품 경험과 같이 정량화하기 어려운 영역에는 직관적인 평가가 더 효과적입니다. 모든 것에 대한 평가를 작성하는 것은 비용이 많이 들기 때문에, 직관적 평가와 정량적 평가를 적절히 선택하고 균형을 이루는 것이 중요하다고 그는 강조했습니다. 이는 AI 솔루션의 특성과 적용 목적에 따라 유연하게 평가 방법을 결정해야 함을 시사합니다.

AI 모델의 신뢰를 구축하는 가장 기본적인 방법은 '모델 정렬(model alignment)'이며, 그 핵심 요소는 '진실성'입니다. 이는 모델이 항상 올바른 정보를 전달해야 함을 의미합니다. 앤트로픽은 모델 정렬에 대한 연구 결과와 학습 내용을 블로그를 통해 공유하고 있습니다.

정렬의 또 다른 중요한 요소는 아첨하지 않는 것입니다. 보리스 체르니는 사용자가 말하는 모든 것에 동의하는 모델은 실패 사례 중 하나라고 지적했습니다. 좋은 모델은 필요할 때 사용자의 의견에 반박할 줄 알아야 한다는 것입니다. 클로드 오퍼스 4.7과 4.8에서 이러한 부분에 많은 진전이 있었으며, 모델이 나쁜 아이디어를 반박할 때 사용자는 모델을 더 신뢰하게 된다고 그는 설명했습니다.

신뢰의 또 다른 중요한 요소는 보안입니다. 앤트로픽은 프롬프트 주입 방어 훈련을 포함한 중요한 보안 훈련을 모델에 적용하고 있습니다. 이를 통해 모델은 일반적인 공격에 더욱 견고하게 대응할 수 있도록 학습됩니다.

또한, 앤트로픽이 출시하는 모든 모델에는 시스템 카드가 포함되어 있습니다. 이 카드는 프롬프트 주입과 같은 일반적인 공격에 모델이 얼마나 잘 방어하는지에 대한 정보를 상세하게 설명합니다. 보리스 체르니는 오퍼스 4.7, 오퍼스 4.8, 페이블(Fable)이 업계에서 프롬프트 주입에 가장 잘 방어되는 모델이라고 평가했습니다.

앤트로픽의 보안팀은 AI 모델의 보안 문제를 해결하기 위해 분류기(classifier)를 활용한 오토 모드 도입을 연구하기 시작했습니다. 이 작업은 모델이 보안 관련 결정을 내릴 수 있도록 훈련하고 성숙시키는 데 몇 달이 걸렸습니다.

결과적으로, 평가(eval), 레드 팀 테스트, 침투 테스트를 통해 이 오토 모드가 훨씬 더 안전하다는 것이 입증되었습니다. 앤트로픽은 현재 이 오토 모드로 운영되고 있으며, 모든 고객에게도 이 방식을 권장하고 있습니다. 이는 AI 모델의 자율성과 보안을 동시에 확보하려는 앤트로픽의 노력을 보여줍니다.

보리스 체르니는 향후 6개월 내에 AI 에이전트가 평균적으로 더 오래 실행되고, 사람들이 더 많은 에이전트를 실행하게 될 것이라고 예측했습니다. 또한, 에이전트가 사용자의 의도와 더 잘 일치하게 되어, 수정이나 지도가 덜 필요해지고 자율성이 훨씬 더 커질 것이라고 전망했습니다.

그는 대부분의 사람, 특히 대부분의 엔지니어들이 에이전트를 며칠 또는 몇 주 동안 실행하는 것이 일반적인 일이 될 것이라고 내다봤습니다. 이는 소수의 전문가만이 활용하는 것이 아니라, AI 에이전트가 광범위하게 보편화될 것이라는 의미입니다.

올해 말까지 클로드가 점점 더 큰 것, 즉 기능이 아닌 제품, 나아가 전체 스타트업까지 구축하는 것을 보게 될 것이라고 그는 덧붙였습니다. 이러한 발전은 계속될 것이며, 앤트로픽은 이를 안전하고 사람들이 즐겁게 사용할 수 있도록 만들 것이라고 밝혔습니다.