앤트로픽에서 신입 기술직 비중이 줄었다…AI가 일자리를 바꾸는 실제 모습

앤트로픽이 2026년 10월 16일 자사 직원의 채용, 업무량, AI 사용 기록을 분석한 보고서 ‘How employment is changing at Anthropic’를 공개했다. 핵심은 단순히 ‘AI가 생산성을 높였다’는 이야기가 아니다. 회사가 빠르게 성장하는 동안 기술 부문의 신입 채용 비중은 낮아졌고, 기존 직원은 직접 결과물을 만드는 사람에서 여러 AI 작업을 지시하고 검토하는 사람으로 옮겨가고 있다는 것이다.

가장 눈에 띄는 수치는 기술 부서의 주니어 직원 비중이다. 앤트로픽에 따르면 2025년 초 21%였던 기술 부서 주니어 직원 비중은 14%로 낮아졌다. 전체 기술직 신규 채용에서 주니어가 차지하는 비중은 같은 기간 27%에서 9%로 더 크게 떨어졌다. 다만 이 숫자를 ‘앤트로픽이 기술자를 해고했다’고 읽으면 틀린다. 기술직 채용은 절대 인원으로 계속 늘었지만, 회사 전체의 빠른 성장과 비교하면 신입·초급 기술직의 증가 속도가 느렸다는 뜻이다.

이 보고서가 주목받는 이유는 AI 기업의 미래 전망 설문이 아니라 실제 조직 내부 기록을 다뤘기 때문이다. 연구진은 고용과 채용 기록, AI 사용량, 코드·영업·계약 처리 같은 산출 지표, 직원 설문, 달력과 공개 사내 소통 기록을 분석하고 직원 17명을 인터뷰했다. AI를 가장 적극적으로 쓰는 회사에서 사람의 일이 먼저 어떻게 달라지는지 보여 주는 일종의 선행 사례다. 동시에 한 회사, 그것도 AI를 만들고 파는 특수한 회사의 관찰이라는 한계도 분명하다.

신입이 사라졌다는 뜻은 아니다

보고서에는 서로 구분해서 읽어야 할 세 가지 숫자가 나온다. 첫째, 회사는 지난 1년 동안 전체 인원을 세 배로 늘렸다. 둘째, 기술 부서 인원도 절대 숫자로는 증가했다. 셋째, 전체 직원 가운데 기술 부서가 차지하는 비중은 61%에서 56%로 낮아졌고, 그 기술 부서 안에서도 주니어 비중이 21%에서 14%로 줄었다. 회사가 축소된 것이 아니라 커지는 과정에서 어떤 직급과 기능을 더 빠르게 늘렸는지가 달라진 것이다.

영업, 재무, 채용 같은 사업 기능이 기술 부서보다 더 빠르게 커진 데에는 성장 단계의 회사에서 흔히 나타나는 요인도 있다. 고객과 매출이 늘면 계약, 회계, 영업 인력이 필요하다. 앤트로픽 역시 이 자연스러운 확장 효과를 인정한다. 따라서 모든 변화가 AI 하나 때문에 생겼다고 단정할 수는 없다.

그럼에도 신입 기술직 변화와 AI 사용 사이에는 구체적인 정황이 있다. 코드를 작성하고 오류를 찾는 일을 AI에 더 많이 맡기게 된 팀에서 2026년 1월부터 초급 기술 인력 수요가 줄었다는 내부 논의가 나타났고, 4월에는 엔지니어링·연구 조직이 낮은 직급 채용의 우선순위를 낮췄다. 관리자 설문에서 머신러닝 관리자 약 3분의 1, 소프트웨어 엔지니어링 관리자 약 5분의 1은 AI 때문에 채용을 줄였다고 답했다.

이는 취업 준비생에게 불편하지만 중요한 질문을 남긴다. 초급 업무는 원래 숙련자가 되는 훈련장이기도 하다. 자료 정리, 첫 초안, 간단한 구현, 오류 수정처럼 비교적 범위가 분명한 일을 AI가 먼저 맡으면 기업은 당장 더 적은 초급 인력으로 움직일 수 있다. 하지만 몇 년 뒤 복잡한 판단을 할 숙련자를 어디에서 키울 것인지는 별도의 문제다. 보고서도 기존 직원 재배치는 다루지만 ‘처음부터 채용되지 않은 사람’은 내부 전환 정책의 도움을 받을 수 없다고 인정한다.

사람보다 여섯 배 오래 일한 AI 에이전트

앤트로픽은 직원이 지시해 여러 단계를 수행하는 AI를 ‘에이전트’라고 부른다. 단순한 한 번의 질문과 답변이 아니라 코드 작성, 자료 확인, 일정 정리 같은 일을 일정 시간 이어서 처리하는 방식이다. 보고서가 계산한 에이전트의 작업 시간은 추론하고 도구를 실제로 사용하는 실행 시간이며, 30분이 넘는 대기는 제외했다. 사람의 시간은 직원 수에 주 40시간을 곱해 추정했다.

이 기준으로 2026년 3월에는 자율·대화형 에이전트의 합산 작업 시간이 사람의 작업 시간을 처음 넘어섰다. 직원 개인이 직접 돌린 대화형 에이전트만 좁혀 봐도 8월에는 에이전트 작업 시간이 담당 직원 시간의 6배에 이르렀다. ‘AI 직원 수가 사람의 여섯 배’라는 뜻은 아니다. 소프트웨어 여러 개를 동시에 실행할 수 있기 때문에 생기는 시간 합계이며, 사람과 기계의 시간을 같은 생산성 단위로 볼 수도 없다. 그래도 한 직원이 동시에 여러 작업 흐름을 관리하는 조직으로 변했다는 점은 보여 준다.

산출량도 함께 늘었다. 엔지니어 1인당 코드 반영 속도는 6개월 전보다 5배가 됐고, 영업 담당자가 성사한 고객 수와 법무팀이 처리한 계약, 회계팀이 넘긴 청구서도 증가했다. 연구진은 단순히 회사가 잘돼 일이 많아진 효과를 줄이기 위해 AI 도구를 도입한 같은 직원을 시간에 따라 추적하고, 아직 도입하지 않은 직원과 비교했다. 엔지니어 192명의 도입 전후와 미도입자 74명을 비교했을 때 도입 뒤 작성 코드량이 뚜렷하게 늘었다.

다만 코드 줄 수가 곧 가치나 품질은 아니다. 연구진도 이 점을 적시하고, 나중에 삭제된 코드 비율, 버그 수정 때문에 지운 비율, 작업 전체가 되돌려진 비율 같은 대리 지표를 살폈다. 사람이 직접 쓴 코드와 같은 직원의 AI 에이전트가 쓴 코드 사이에서 이 지표들의 차이는 발견하지 못했다. 이것은 ‘AI 코드 품질이 완전히 같다’는 증명이 아니다. 찾기 어려운 오류, 보안 문제, 장기 유지보수성처럼 해당 지표로 잡지 못하는 요소가 남기 때문이다.

영업에서도 비슷한 변화가 관찰됐다. 한 담당자는 이메일 초안과 고객관리시스템 입력 자동화가 기존 업무의 약 20%를 대신했다고 설명했다. 다른 담당자는 반복 업무를 줄여 고객과 직접 대화할 수 있는 범위가 30% 늘었다고 말했다. 법무 직원은 위험을 1차 분류하고 공개 문구를 사전 검토하는 자동화를 만들었고, 채용 담당자는 지원자 탐색과 지원 현황 분석을 AI에 맡긴 뒤 면접 질문을 고치는 데 시간을 썼다.

AI가 많아질수록 사람이 병목이 됐다

생산량이 늘면 사람 일이 단순히 줄어들 것 같지만, 앤트로픽 내부에서는 다른 병목이 생겼다. 여러 AI가 동시에 결과를 내놓으면서 읽고 판단하고 다음 지시를 내리는 사람의 주의력이 부족해진 것이다. 대화형 AI 세션 시간의 약 80%는 AI가 사람의 입력을 기다리는 유휴 시간으로 측정됐다. 비기술 직군에서도 AI가 출력한 글을 전부 읽으려면 주당 근무 시간의 절반 이상이 필요하다는 추정이 나왔다.

이에 따라 ‘일을 하는 일’뿐 아니라 ‘AI가 일을 하게 만드는 일’이 커졌다. 보고서는 이를 메타 작업이라고 부른다. 여러 AI에게 나눠 줄 작업 명세를 작성하고, 한 AI가 다른 AI 결과를 검토하게 만들며, 진행 상황을 보여 주는 화면과 경보를 만드는 활동이다. 이런 메타 작업은 직원의 대화형 AI 세션에서 2025년 가을 평균 10%였지만 2026년 봄 22%로 늘었다. AI에 주는 상시 지침도 2025년 7월 수백 개에서 1년 뒤 8,500개로 증가했다.

이 모습은 직장인이 체감할 미래를 더 현실적으로 보여 준다. AI 도입 뒤 없어지는 것은 ‘직업 전체’보다 직업 안의 일부 실행 과제일 수 있다. 대신 무엇을 시킬지 정하고, 결과의 우선순위를 매기고, 틀렸을 때 책임지고, 사람 사이의 합의를 만드는 일이 커진다. 보고서에서 기술직 직원은 자신을 에이전트 팀의 리더처럼 묘사했고, 비기술직 직원은 과거 업무의 20%였던 전략 부분이 이제 90%가 됐다고 말했다.

사람 사이 소통은 줄지 않았다. 직원 한 명이 회의에 쓰는 중간값 시간은 1년 전보다 20% 늘었고, 기술 분야의 개인 기여자만 봐도 16% 증가했다. AI가 구현을 빠르게 할수록 무엇을 만들지, 어떤 위험을 감수할지, 부서 간 충돌을 어떻게 풀지 같은 결정이 더 자주 필요해졌기 때문이다. AI가 회의를 없애기보다 회의 전에 만들어지는 결과물을 폭증시킨 셈이다.

채용에서 중요해진 능력은 ‘AI 숙련도’만이 아니다

채용 평가표에서도 우선순위 변화가 나타났다. 기술직 지원자의 AI 도구 활용 경험을 언급한 평가 비율은 2024년 약 5%에서 2026년 세 배로 늘었다. 비기술직에서는 약 7%에서 네 배로 늘었다. 더 중요한 변화는 기술직 채용에서 자율성과 판단력에 대한 언급이 가장 크게 증가하고, 특정 분야 지식의 비중은 낮아졌다는 점이다. 비기술직에서는 고객과 회사 목적을 이해하는 능력이 더 강조되고, 단순 실행 능력에 관한 언급은 줄었다.

이를 ‘전문 지식이 필요 없어졌다’고 해석하면 위험하다. 연구진이 인용한 다른 앤트로픽 연구는 AI 도구의 이익이 기존 전문성과 함께 지속될 수 있음을 다룬다. AI 결과를 검증하고 모호한 목표를 명확한 작업으로 바꾸려면 해당 분야를 알아야 한다. 다만 한 도구나 좁은 절차를 정확히 수행하는 능력만으로 차별화하기 어려워지고, 결과가 맞는지 판단하고 낯선 분야로 옮겨 갈 수 있는 능력의 가치가 커졌다는 뜻에 가깝다.

기업 입장에서도 ‘직원 수를 줄이면 된다’는 단순한 처방은 보고서와 맞지 않는다. 앤트로픽은 2026년에 1년 이상 근무한 직원의 부서 간 이동 가능성이 2025년보다 매달 50% 높아졌다고 밝혔다. 한 제품 문구 작성팀은 AI가 문구를 만들 수 있도록 지식 구조를 만든 뒤 기존 일을 넘기고, 모델 평가와 지시문 작성으로 이동했다. 회사는 어떤 직무의 수요와 생산성이 바뀌는지 살피는 조기 경보 체계도 만들고 있다고 설명했다.

하지만 내부 전환이 언제나 답은 아니다. 기존 직원 보호가 강해지면 회사가 새 사람을 뽑는 데 더 소극적일 수 있고, 모든 직원을 적절한 새 업무로 옮길 수 있다는 보장도 없다. 앤트로픽은 생산성 향상의 이익을 직원과 나누는 장치, 위험 직무의 조기 파악, 내부 재배치와 함께 정부의 재교육·소득 지원 정책이 필요하다고 주장한다. 이는 회사의 정책 제안이지 실험으로 입증된 유일한 해법은 아니다.

이 보고서를 그대로 모든 직장에 적용하면 안 되는 이유

앤트로픽은 AI를 직접 개발하고, 직원 대부분이 최신 모델과 도구를 일찍 쓸 수 있으며, 소프트웨어와 지식 업무 비중이 높은 회사다. 일반 제조업, 병원, 학교, 소매점처럼 물리적 업무와 면허·규제가 중요한 조직과 조건이 다르다. 직원이 회사 성장과 주가 상승의 이익을 공유할 가능성도 보통 직장보다 크다. 보고서의 생산성 수치가 다른 회사에서 그대로 재현된다고 볼 근거는 없다.

자료의 상당 부분은 회사 자체 기록이고 연구진도 앤트로픽 소속이다. AI 도입은 무작위 실험이 아니어서 원래 성과가 빠르게 늘던 사람이 새 도구를 먼저 썼을 가능성을 완전히 배제할 수 없다. 매출이 빠르게 증가한 시기의 영업 성과를 AI 효과와 분리하기도 어렵다. ‘코드가 덜 삭제됐다’ 같은 지표 역시 실제 고객 가치나 장기 품질을 전부 측정하지 못한다.

그럼에도 이 보고서는 추상적인 ‘AI가 일자리를 없앨까’ 논쟁을 더 구체적인 질문으로 바꾼다. 어떤 직무가 없어지는지만 볼 것이 아니라, 신규 진입 통로가 줄어드는지, 기존 직원에게 검토 업무가 몰리는지, 늘어난 생산성의 이익을 누가 받는지, 초급 과제를 AI에 넘긴 뒤 숙련자를 어떻게 키울지를 함께 봐야 한다.

핵심 정리

앤트로픽 사례에서 가장 먼저 나타난 변화는 대규모 해고가 아니라 채용 구성과 업무 내용의 이동이다. 기술 부서 주니어 비중은 21%에서 14%로, 기술직 신규 채용 중 주니어 비중은 27%에서 9%로 낮아졌다. 동시에 회사 전체와 기술직 절대 인원은 늘었다. ‘일자리가 사라졌다’와 ‘성장해도 신입 문이 좁아졌다’는 서로 다른 문장이다.

AI가 구현과 반복 작업을 더 많이 맡자 사람에게는 목표 설정, 검증, 예외 처리, 전략, 대면 소통이 더 많이 남았다. 그러나 사람 한 명이 여러 AI의 결과를 읽고 책임져야 하는 새로운 과부하도 생겼다. 앞으로 기업의 AI 도입을 평가할 때는 직원 수만이 아니라 신입 채용률, 내부 이동, 업무 강도, 품질 오류, 생산성 이익의 분배를 함께 확인해야 한다. 앤트로픽의 숫자는 미래 전체의 예언이 아니라, AI를 가장 빨리 도입한 한 회사에서 이미 시작된 변화를 보여 주는 경고등에 가깝다.