Executive Summary

보고서를 낸 곳은 앤트로픽 인스티튜트이고, 저자는 네 사람이다. 대표 저자 네이선 윌머스는 매사추세츠 공과대학 슬론 경영대학원에서 노동과 조직을 가르치는 부교수다. 자료는 사내에서 끌어왔다. 고용 기록, 사내 AI 사용 로그, 산출물 지표, 직원 설문, 사내 메신저 대화 양상, 직원 일정표, 채용 심사 기록을 한데 묶고 거기에 직원 면담 열일곱 건을 붙였다. 한 회사가 자기 인사 원장과 에이전트 로그를 같은 문서 안에서 연 사례는 흔치 않다.

널리 옮겨진 숫자는 두 개지만 보고서의 첫 그림 「앤트로픽의 신입 기술직 채용 감소」는 세 줄기를 함께 그린다. 신규 채용에서 신입이 차지한 몫, 재직 인원에서 신입이 차지한 몫, 그리고 신입을 받는 채용 공고의 몫이다. 셋은 분모가 다른 별개 지표다. 재직 몫은 21%에서 14%로 7퍼센트포인트(상대 33%) 내려갔고, 채용 몫은 27%에서 9%로 18퍼센트포인트(상대 67%) 내려갔다. 두 줄기의 기울기가 이렇게 다른데 한 문장에 묶어 "비슷하게 줄었다"고 적으면 틀린다.

같은 그림에는 비기술 부서를 그린 대조군이 오른쪽에 붙어 있고, 보도 대부분이 이쪽을 옮기지 않았다. 비기술 부서에서는 세 몫이 거의 내려가지 않는다. 이 대조가 있어야 "회사 전체가 채용에 보수적으로 돌아섰다"는 설명과 "기술직 신입만 눌렸다"는 설명이 갈린다. 아래 표는 보도가 옮긴 수치와 옮기지 않은 수치를 한자리에 놓고, 각 값의 분모와 기준시점을 같은 줄에 적은 것이다.

비기술 부서 칸은 2026년 5월 시점 값이다. 보고서가 비기술 부서의 시작값을 따로 적지 않아 변화 폭을 계산하지 않았다. 출처는 같은 보고서 3쪽과 4쪽이다.

마지막 줄이 이 글의 다음 절로 이어지는 다리다. 전사 인원에서 기술 부서가 차지한 몫은 61%에서 56%로 내려갔는데, 보고서는 바로 다음 문장에서 그 몫이 내려간 이유를 적는다. 기술직 채용은 절대 수로는 계속 늘었고, 영업과 재무와 채용 쪽 채용이 그보다 더 빠르게 늘어 몫이 밀렸다는 것이다. 비중이 내려갔다는 사실과 사람이 줄었다는 사실이 같지 않다는 것을 보고서가 자기 문장으로 보여 준 자리다. 그렇다면 신입 쪽은 어떤가. 보고서는 그 질문에 인원으로 답하지 않는다.

이 보고서에 실린 고용 수치는 거의 전부 비율이다. 신입이 몇 명이었고 지금 몇 명인지는 어디에도 적혀 있지 않다. 비율은 분자와 분모가 동시에 움직이는 수라서, 값이 내려갔다는 사실 하나만으로는 분자가 줄었는지 분모가 커졌는지 가릴 수 없다. 그리고 이 회사의 분모는 실제로 크게 움직였다. 같은 보고서 16쪽에 그 문장이 있다. "It has tripled in size in the last year." 한 해 사이 규모가 세 배가 됐다.

세 배로 커진 회사에서 신입 재직 몫이 21%에서 14%로 내려갔다면, 그 아래에는 서로 다른 이야기가 최소 셋 깔릴 수 있다. 신입을 실제로 줄였을 수도 있고, 신입 수는 그대로 둔 채 그 위를 크게 늘렸을 수도 있고, 신입도 늘렸지만 그 위를 훨씬 더 빨리 늘렸을 수도 있다. 아래 도식은 이 셋을 나란히 놓은 것이다. 셋 다 같은 비중 하락을 만들어 내지만, 신입에게 벌어진 일은 정반대다.

그러니 "비중이 내려간 건 회사가 커져서일 뿐"이라는 반론이 자연스럽게 나온다. 그런데 이 반론은 보고서 안에서 이미 한 번 막혀 있다. 다만 막은 도구가 인원 대장이 아니다. 보고서는 사내 논의의 시간표와 관리자 설문을 그 자리에 들여놓는다. 신입 기술직 수요가 줄고 있다는 이야기가 2026년 1월 핵심 기술 부서에서 먼저 나왔고, 4월에 실제로 하향 조정이 이뤄졌으며, 같은 달 설문에서 관리자들이 이렇게 답했다는 것이다.

"By April, engineering and research teams had deemphasized hiring for lower band technical positions. When surveyed in the same month, a majority of managers described hiring for a different set of skills due to AI. Around a third of ML and a fifth of SWE managers reported hiring less due to AI."

4월이 되자 엔지니어링과 연구 조직은 낮은 직급대의 기술직 채용을 덜 중요하게 다루기 시작했다. 같은 달 설문에서 관리자 다수가 AI 때문에 다른 종류의 역량을 보고 뽑는다고 답했다. 머신러닝 관리자의 약 3분의 1, 소프트웨어 엔지니어링 관리자의 5분의 1은 AI 때문에 덜 뽑았다고 답했다. (보고서 3쪽)

이 문장은 비중 하락이 분모 팽창의 그림자일 뿐이라는 쪽을 상당히 약하게 만든다. 관리자가 "덜 뽑았다"고 직접 말하고 있기 때문이다. 동시에 이 문장은 인원 집계와 같은 무게로 읽을 수 없는 종류의 증거이기도 하다. 자기 보고는 응답자가 자기 결정의 이유를 무엇으로 귀인하느냐에 따라 달라지고, 이 설문의 응답자들은 AI를 만드는 회사에서 일한다. 자기 팀의 채용 축소를 AI 쪽으로 설명하는 것이 이 조직에서는 가장 자연스러운 설명이다. 틀렸다는 말이 아니라, 이 증거가 선 자리가 그렇다는 말이다.

방금 인용한 설문 문장은 사실 두 가지를 한꺼번에 말한다. 다른 역량을 보고 뽑는다는 쪽과 덜 뽑는다는 쪽이다. 보고서는 이 둘 가운데 앞쪽에 대해서만 설문 바깥의 기록을 하나 더 가지고 있다. 15쪽에서 저자들은 2024년 이후 입사자 수천 명의 채용 심사평을 자동 분류기에 돌렸다. 면접관이 그때그때 적어 둔 평가 메모라서, 나중에 누가 물어봐서 떠올린 답이 아니다. 2024년에는 지원자의 AI 도구 활용 이력을 언급한 심사평이 기술직 심사의 약 5%, 비기술직의 7%였는데, 2026년에는 기술직이 세 배, 비기술직이 네 배로 올랐다. 올라간 폭은 비기술직 쪽이 더 크다.

같은 분류는 심사평의 무게 중심이 어디로 옮겨 갔는지도 보여 준다. 기술직 면접에서 가장 크게 늘어난 것은 지원자의 자율성과 판단에 대한 언급이었고, 전체 심사평에서 도메인 전문성을 다루는 몫은 줄었다. 비기술직에서는 고객과 미션 쪽 언급이 늘고 실행 역량 쪽 언급이 줄었다. 보고서는 이 대목을 신입 채용 둔화와 직접 잇지 않는다. 무엇을 보고 뽑는지가 달라졌다는 기록이 있을 뿐이고, 그 변화가 신입 쪽에 어떻게 걸렸는지는 다시 비중의 문제로 돌아간다.

페블러스는 넉 달 전 같은 회사를 두고 AI 매출에 일자리 기금을 매기자는 제안에 측정 인프라가 없다고 적었다. 그때 없던 것은 기금을 매길 분모였고, 이번에 없는 것은 비중을 읽을 분모다. 회사가 데이터를 열었는데도 빈칸은 자리만 옮겨 그대로 남았다.

보고서 앞머리의 핵심 발견 목록에 이런 줄이 있다. "By August interactive AI agent hours outnumbered employees' 6 to 1." 8월이 되자 상호작용 에이전트의 근무 시간이 직원 쪽을 여섯 대 하나로 앞질렀다. 보도에 가장 많이 실린 문장이 이것이고, 읽으면 사람 하나가 에이전트 여섯을 데리고 일하는 장면이 떠오른다. 그런데 여섯 대 하나는 두 수를 나눈 값이다. 분자와 분모를 같은 잣대로 재었을 때만 그 장면이 성립한다.

보고서는 이 숫자를 그린 그림 아래에 계측 규칙을 적어 두었다. 분량이 네 문장인데, 여기에 이 글의 중심 사실이 들어 있다.

"We limit to employee-directed interactive sessions and pool subagents. Working time concept is agent runtime, including inference and active tool use, but excluding any wait longer than 30 minutes. Human work hours are calculated as headcount and assumed 40 hours per week."

직원이 직접 지시한 상호작용 세션만 추렸고 서브에이전트는 묶어서 합산했다. 근무 시간은 추론과 도구 사용을 포함한 에이전트 구동 시간으로 보되, 30분이 넘는 대기는 뺐다. 사람의 근무 시간은 재직 인원 수에 주 40시간을 가정해 계산했다. (「에이전트 시간이 사람 시간을 앞지르다」 그림 각주)

마지막 문장이 이 숫자의 절반을 결정한다. 에이전트 쪽은 로그에서 실제로 잰 값이고, 사람 쪽은 아무것도 재지 않은 값이다. 재직 인원에 주 40시간이라는 상수를 곱해 만든 수이기 때문이다. 그래서 이 숫자는 "사람이 얼마나 일했는가"를 담지 못한다. 같은 기간에 직원들이 더 오래 일했든 덜 일했든 분모는 꿈쩍하지 않는다. 아래 도식이 양변을 갈라 놓은 것이다.

이 숫자를 다른 두 값과 헷갈리기 쉬워서, 보고서가 같이 적은 값들을 여기서 한 번 갈라 둔다. 첫째는 "최초 역전" 시점이다. 보고서 본문은 2026년 3월에 에이전트 근무 시간이 사람 쪽을 처음 넘어섰다고 적는데, 그때의 분자는 자율 실행과 상호작용을 합친 값이다. 여섯 대 하나 쪽은 상호작용 세션만 추린 별도 계산이다. 둘이 같은 추세선 위의 두 점이 아니라는 뜻이다.

둘째는 유휴 시간이다. 보고서 11쪽은 상호작용 세션의 전체 벽시계 시간에서 활동 시간을 빼는 방식으로 유휴를 재면 클로드 세션의 약 80%가 사람의 입력을 기다리며 비어 있다고 적는다. 여기서 "그러면 여섯 배에서 80%를 빼야 하는 것 아닌가"로 넘어가면 틀린다. 여섯 대 하나는 30분이 넘는 대기를 이미 제외하고 잰 값이고, 80%는 그 컷오프를 적용하지 않은 별도 계산이다. 포함하고 제외한 범위가 서로 다른 두 수라서 산수로 합칠 수 없다.

셋째는 읽는 시간이다. 보고서는 유휴 이야기 바로 뒤에서 "클로드가 상호작용 세션에서 쏟아낸 출력을 사람이 다 읽으려면 시간이 얼마나 들까"를 묻고, 세션별 출력 토큰을 단어 수로 바꿔 답을 낸다. 환산에 쓴 상수는 토큰당 0.75단어와 분당 250단어다. 그 결과 기술 직군은 지난 반년 사이 출력량이 솟았고, 비기술 직군조차 상호작용 세션의 출력을 다 읽으려면 한 주 근무 시간의 절반이 넘게 든다는 값이 나온다. 그림 제목이 「클로드 읽기라는 상근직」이다. 이 값은 앞의 두 상수에 그대로 비례한다. 읽기 속도를 더 빠르게 잡으면 같은 로그에서 "절반이 넘는다"가 그만큼 줄어든다. 보고서가 그 상수를 각주에 적어 둔 것은 그래서 잘한 일이고, 동시에 그 각주를 보지 않은 독자가 받는 숫자는 반쪽이다.

보고서가 신입 비중과 에이전트 시간 다음으로 많은 지면을 쓰는 것은 산출이다. 사람 한 명이 내놓는 결과물이 얼마나 늘었는지를 직군별로 잰 자리이고, 그 대표 수치가 커밋이다. 본문은 "code commits per engineer have risen the fastest, coming in at 5x their velocity as 6 months ago"라고 적는다. 엔지니어 한 사람이 올리는 커밋이 반년 전의 다섯 배 속도이고, 여러 직군 가운데 가장 빠르게 오른 것도 이 항목이다. 그 그림은 다른 직군도 같이 그린다. 데이터사이언티스트가 던진 질의, 법무 담당자가 처리한 계약서, 대금 지급 담당자가 통과시킨 송장, 영업 담당자가 성사시킨 건수가 모두 올랐다고 본문이 이름을 들어 적는다. 다만 직군별 배수는 그림 안의 눈금으로만 있고 본문에 숫자로 옮겨지지 않았다. 가장 빠른 쪽이 엔지니어였다는 순서만 글로 남아 있다.

이 다섯 배는 3절의 여섯 배와 같은 종류의 수가 아니다. 여섯 배는 근무 시간을 근무 시간으로 나눈 비율이고, 다섯 배는 한 사람당 산출물을 기준 시점에 맞춰 지수로 만든 다음 그 지수가 자란 폭이다. 보고서가 그린 선도 원자료가 아니라 지수에 평활 곡선을 입힌 것이라고 그림 각주가 밝힌다. 두 수를 한 문장에 나란히 놓으면 양쪽 다 뜻이 흐려진다. 그래서 늘어난 쪽의 수치는 여기서 따로 꺼내 둔다.

여기까지 읽으면 "결국 자사 집계 아니냐"는 쪽으로 기울기 쉬운데, 그렇게 요약하면 이 보고서를 과소평가하는 것이 된다. 저자들은 산출 증가를 그냥 전후 비교로 보여 주지 않았다. 코딩 에이전트를 채택한 엔지니어 192명과 같은 기간에 채택하지 않은 74명을 놓고, 같은 달 같은 회사 안에서 도구만 다른 사람들을 견주는 설계를 돌렸다. 처치 시점은 각자가 에이전트 세션을 월 다섯 번 이상 쓴 첫 달로 잡았고, 사람과 달을 각각 고정효과로 넣었으며, 표준오차는 사람 단위로 묶었다. 사내 분석치고는 공들인 설계다.

4.1설계를 돌린 사람들이 그 설계의 약점도 적었다

그리고 저자들은 그 설계가 무엇을 증명하지 못하는지를 같은 문서에 적었다. 인과를 주장하고 싶은 보고서라면 지웠을 문장들이다. 네 개를 나란히 놓는다.

• 도구 채택이 무작위가 아니라고 못 박았다. "Note however that tool adoption is not random." 큰 프로젝트를 앞둔 사람이 그걸 하려고 도구를 갖춘 것이라면 추정치가 치우친다고 예까지 들었다.
• 채택자들이 채택 전부터 이미 가파른 상승세였다고 적었다. "Those who adopt were already on a steeply upward trajectory compared to non-adopters." 준실험 설계가 기대는 사전 추세 평행 가정이 흔들린다는 자백이다.
• 코드가 늘어난 것이 좋은 코드나 사업 성과를 뜻하지는 않는다고 적었다. "More code does not necessarily mean better code or business impact."
• 영업 쪽 성과 증가에도 같은 경고를 달았다. 자동화를 먼저 택한 사람이 원래 기회가 많은 영업 담당이었을 수 있다는 것이다.

코드 품질 대목은 특히 조심해서 읽어야 한다. 보고서의 품질 패널은 대리지표 여섯 개를 보여 준다. 90일 안에 어떤 이유로든 지워진 줄의 비율, 그중 버그 수정으로 지워진 비율, 커밋 전체가 명시적으로 되돌려졌는지 여부, 린트 억제 주석을 새로 단 경우, 고쳐야 한다는 메모를 새로 단 경우, 그리고 테스트에 건너뛰기나 재시도나 실패 허용 표시를 단 경우다. 그런데 본문이 "차이가 없다"고 명시적으로 단언하는 범위는 그중 앞의 두 가지, 삭제와 되돌림뿐이다. 게다가 그 단언은 한계 인정 바로 뒤에 온다. "There are many dimensions of code quality, and AI errors may be harder to identify than human ones. But we find no difference in rates of lines of code subsequently removed or reverted." 품질에는 여러 차원이 있고 AI의 오류는 사람의 오류보다 찾기 어려울 수 있다고 먼저 적은 다음에 나온 문장이다. 이걸 "품질은 그대로였다"로 옮기면 보고서보다 세게 말하는 것이 된다.

4.2가장 센 자기 한계는 권고 끝에 있다

보고서는 18쪽에서 다른 기업이 참고할 만한 조치 세 가지를 내놓는다. 주식 소유를 통해 성과를 넓게 나누는 것, 어느 직무가 AI로 흔들리는지 미리 감지하는 조기 경보 체계를 두는 것, 그리고 영향을 받은 직원을 바깥 노동시장이 아니라 사내에서 다른 자리로 옮기는 것이다. 그리고 그 절의 마지막에 이런 문장을 붙인다.

"None of these actions will prevent powerful AI from disrupting jobs. And indeed none directly address the slowdown in junior hires documented in this report. Employment protections for incumbents will not benefit those not hired to begin with."

이 조치들 가운데 무엇도 강력한 AI가 일자리를 흔드는 것을 막지 못한다. 그리고 실제로 어느 것도 이 보고서가 기록한 신입 채용 둔화를 직접 겨냥하지 않는다. 이미 안에 있는 사람을 지키는 고용 보호는 애초에 뽑히지 않은 사람에게 아무 도움이 되지 않는다. (보고서 18쪽)

세 조치가 모두 이미 안에 있는 사람을 향하고 있고, 이 보고서의 제목이 가리키는 사람들은 그 바깥에 있다. 저자들이 그 어긋남을 자기 입으로 적었다. 보고서를 통틀어 가장 날카로운 문장이다.

4.3한계는 지워지지 않았다, 조각나 흩어졌다

그러면 이 한계들이 바깥으로 전해졌을까. 공개 사흘 안에 나온 보도 다섯 곳을 열어 무엇을 옮겼고 무엇을 뺐는지 맞춰 보면, "아무도 한계를 옮기지 않았다"는 말은 사실이 아니다. 다만 매체마다 살아남은 한계가 다르고, 그래서 한 곳만 읽은 독자는 보고서가 스스로 그은 선 가운데 한 조각만 받아 간다. 아래 표가 그 대조다.

2026년 10월 19일에 각 기사를 직접 열어 확인한 결과다. cryptobriefing은 자료마다 발행일이 10월 17일과 18일로 갈려 "10월 중순"으로 적었다. 이 매체가 쓴 "junior-hiring collapse"는 보고서 원문에 없는 말이라 이 글에서는 따르지 않았다.

표를 세로로 읽으면 빈칸의 모양이 보인다. 세 곳이 각기 다른 한 조각을 옮겼고 두 곳은 수치만 옮겼는데, 다섯 곳 어디에도 "그래서 신입이 몇 명 줄었나"라는 질문은 없다. 사람 수가 빠졌다는 사실은 지적하기 어려운 종류의 결손이다. 틀린 숫자가 아니라 없는 숫자이기 때문이고, 없는 것은 대조할 대상이 없어 눈에 띄지 않는다. 이 글이 서는 자리가 거기다.

보고서는 첫 문단에서 자기 자리를 밝힌다. AI 도입의 최전선에 있는 회사이므로 앤트로픽이 경제 전체의 선행 지표일 수 있다는 것이다. 그리고 18쪽에서는 반대 이야기도 적는다. "There are many parts of Anthropic's employment practices that cannot be replicated across the economy." 앤트로픽의 고용 관행에는 경제 전체로 옮길 수 없는 부분이 많다. 한 문서가 선행 지표와 예외를 동시에 주장하고 있으니, 어느 쪽인지는 바깥 자료로 맞춰 봐야 한다.

5.1첫 사례가 아니라는 것은 보고서가 먼저 말한다

먼저 치워 둘 오해가 하나 있다. 기업이 자기 데이터로 이런 결과를 낸 것이 처음은 아니다. 보고서 16쪽이 직접 그렇게 적는다. "Prior work also finds that AI-native start-ups and AI-adopters are flatter and employ fewer entry-level employees." AI 네이티브 스타트업과 AI 도입 기업이 더 평평하고 신입을 덜 고용한다는 선행 연구가 이미 있다는 뜻이다. 그 선행 연구는 실체도 분명하다. 하버드 경영대학원 작업논문 「AI-Native Firms」가 와이콤비네이터 스타트업 약 2,900곳과 벤처투자 기업을 인력 데이터에 연결해, AI 네이티브 기업이 동종·동기 대비 규모가 작고 신입 비중이 낮으며 위계가 더 평평하다고 보고했다.

그러니 이번 보고서에서 새로운 것은 발견이 아니라 계측 층위다. 선행 연구는 바깥에서 인력 데이터를 긁어 본 결과이고, 이번 보고서는 한 회사가 자기 인사 원장과 세션 텔레메트리와 채용 심사 기록을 한꺼번에 연 결과다. 같은 패턴을 안쪽에서 본 첫 기록이라고는 말할 수 있고, 패턴 자체를 처음 봤다고는 말할 수 없다.

5.2바깥 수치와 맞댈 때는 분모를 같은 줄에 적는다

신입 채용이 줄고 있다는 바깥 수치는 여럿 있지만, 앤트로픽 수치와 나란히 놓으면 금세 어긋난다. 이쪽은 한 회사 안의 비중이고 저쪽은 미국 경제 전체나 특정 직종군의 고용 수준이거나 채용 공고 구성이기 때문이다. 아래 표는 자주 함께 인용되는 네 자료를 분모와 함께 적은 것이다. 같은 줄의 분모가 다르면 두 값은 더하거나 비교할 수 없다.

네 줄 가운데 앤트로픽만 분모가 한 회사다. 나머지 셋은 미국 또는 다국적 노동시장이고, Indeed는 실제 채용이 아니라 공고를 센다. 앤트로픽의 값을 이 셋 중 어느 것과도 직접 빼거나 나눌 수 없다.

스탠퍼드 수치에는 따로 짚을 것이 있다. 이 연구는 판을 거듭하며 헤드라인 지표 자체를 바꿨다. 초기 판본은 기업 단위 충격을 통제한 회귀 추정치로 13%와 16%를 내걸었는데, 2026년 8월 개정판은 모델링이 필요 없는 단순 서술적 괴리로 지표를 갈아 끼우고 19%를 새 헤드라인으로 삼았다. 같은 2025년 7월 데이터에 구지표 13%와 신지표 15%가 동시에 존재한다. 그러니 "13%에서 16%를 거쳐 19%로 커졌다"는 추세 서술은 틀렸다. 페블러스가 인식과 실측을 맞대 본 글에서 쓴 13~16%도 그 사이에 바뀐 구지표의 값이므로, 지금 인용할 값은 19%다.

반론도 아직 살아 있다. 이코노믹 이노베이션 그룹은 해고 없이 신규 채용만 멈춰도 22~25세 고용은 코호트가 나이 들며 분모에서 빠지는 것만으로 1년 뒤 기계적으로 크게 줄어든다고 지적했고, AI 노출 직종의 공고 감소가 챗GPT 공개 이전인 2022년부터 시작됐다는 점을 들어 금리 긴축 쪽 설명을 내놓았다. 스탠퍼드 쪽은 금리가 전체 고용을 누르는 것은 맞지만 AI 노출 직종의 신입만 유독 더 줄어드는 현상은 그것으로 설명되지 않는다고 재반박했다. 앤트로픽을 선행 지표로 읽는 프레임 자체가 아직 끝나지 않은 논쟁 위에 서 있다는 뜻이다.

5.3같은 날 나온 자매 보고서가 온도를 낮춘다

10월 16일 앤트로픽 인스티튜트는 보고서를 두 건 함께 냈다. 다른 한 건이 「The AI expectations gap」이고, 두 보고서에 이름이 겹치는 공저자가 있다. 고용 보고서 본문에도 그 비교가 한 줄 들어 있다. 8월 기준으로 앤트로픽 직원들은 2030년까지 AI가 자기 업무의 75%를 할 수 있다고 봤고, 다른 미국인들의 응답은 28%였다는 것이다. 자매 보고서는 이 격차를 더 잘게 쪼갠다. 컴퓨터·공학·과학 직군만 떼면 33%, 그 직군 안에서 이미 AI를 상시 쓰는 사람만 떼도 40%다. 비교 집단을 바꾸면 격차의 크기가 달라지니, 이 수치를 옮길 때는 어느 집단과 대는지를 같은 문장에 적어야 한다.

이 보고서가 가장 쓸모 있는 방식으로 읽히는 자리는 결론이 아니라 방법이다. 임원이 이 문서를 들고 와 "우리도 이렇게 재 보자"고 말하는 상황은 머지않아 온다. 그때 필요한 것은 요약이 아니라 정의 목록이다. 앞 절들에서 본 것처럼 이 보고서의 숫자는 대부분 어떤 규칙을 고르느냐에 따라 달라지고, 그 규칙은 그림 각주와 방법 설명에 흩어져 있다. 아래 여덟 줄은 그 각주들을 뒤집어 "우리 조직이 같은 걸 재려면 먼저 정해야 하는 것"으로 바꿔 놓은 것이다.

각 줄의 오른쪽 칸은 보고서의 그림 각주와 방법 설명에서 옮긴 것이다. 여덟 줄 가운데 여섯째와 일곱째는 보고서가 밝히지 않은 항목이라, 앤트로픽 자신도 다음 판에서 같은 잣대로 재려면 먼저 고정해야 하는 자리다.

여덟 줄을 다 정하고 나면 비로소 쓸 수 있는 질문이 생긴다. 우리 조직의 에이전트 근무 시간은 누가 어떤 규칙으로 세고 있는가. 그 숫자를 채용 판단에 쓰려면 무엇이 더 있어야 하는가. 두 번째 질문의 답은 이 보고서가 비워 둔 칸과 같다. 비율이 아니라 인원이다. 직급별 재직 인원과 신규 입사 인원을 월 단위로 고정해 두지 않으면, 비중이 내려갔다는 관측은 조직이 커졌다는 사실과 끝까지 구분되지 않는다.

마지막으로 보고서의 권고를 그 자체로 읽어 둘 필요가 있다. 성과를 넓게 나누는 것과 조기 경보 체계와 사내 재배치는 세 가지 다 합리적인 제안이고, 이미 조직 안에 있는 사람에게는 실제로 도움이 된다. 다만 4.2절에 옮긴 대로 저자들 스스로 그 세 가지가 신입 채용 둔화를 겨냥하지 못한다고 적었다. 안에 있는 사람을 위한 장치가 늘어나는 것과 문이 좁아지는 것은 동시에 일어날 수 있고, 지금 이 보고서가 기록한 것이 바로 그 동시성이다. 자기 조직에서 이 둘을 따로 재지 않으면, 재배치 통계가 좋아지는 동안 신입 유입이 말라도 지표상으로는 아무 일도 없다.

3절의 각주 한 줄을 다시 꺼내 놓고 시작한다. 사람 근무 시간은 재직 인원에 주 40시간을 곱해 만들었다는 문장이다. 그 한 줄이 이 보고서에서 가장 널리 인용된 숫자의 절반을 결정한다. 그런데 그 줄은 본문이 아니라 그림 밑에 있고, 보도 다섯 곳 가운데 어디에도 옮겨지지 않았다. 페블러스는 이 보고서에서 그 각주를 가장 오래 들여다봤다.

7.1조직이 자기를 재는 데이터에도 같은 기준이 필요하다

AI-Ready Data라는 말은 보통 모델에게 먹이는 데이터 쪽에 쓴다. 이 보고서는 그 말이 한 칸 옆으로도 옮겨 간다는 것을 보여 준다. 앤트로픽은 세션 로그와 커밋 기록과 일정표와 채용 심사 기록을 한데 모아 지표를 만들었다. 데이터가 모자라서 멈춘 것이 아니라, 그 지표가 어떤 정의 위에 서 있는지가 각주 한 줄로만 남아서 멈췄다. 데이터클리닉이 데이터셋에 하는 일, 그러니까 무엇이 어떤 규칙으로 들어왔는지를 드러내고 빠진 칸을 지목하는 일은 모델 학습용 데이터에만 걸리는 작업이 아니다. 조직이 자기 자신을 재는 데이터에도 같은 질문이 그대로 걸린다.

7.2파생 지표만 남고 원자료가 사라진 전형

데이터 품질 쪽에서 보면 이 보고서는 익숙한 결함을 교과서처럼 보여 준다. 공개된 값이 거의 전부 비율이라 분자와 분모가 동시에 움직이는데 어느 쪽도 절대값이 없다. 파생 지표만 남고 원자료가 사라진 상태다. 한 겹 더 들어가면 라벨 문제가 나온다. 메타워크 비중이 10%에서 22%로 올랐다는 값도, 어려운 과업의 몫이 10%에서 13%로 올랐다는 값도 클로드가 자기 세션 로그를 읽고 매긴 라벨에서 나왔다. 라벨러가 바뀌면 값이 바뀐다. 학습 데이터의 라벨 품질을 묻던 질문이 조직 지표의 라벨 품질로 자리를 옮겨 온 셈이고, 묻는 방법은 달라질 것이 없다.

그 라벨의 경계가 어디인지는 보고서가 그림 각주에 적어 두었다. 한 줄짜리 대화 요약 2,000건을 표본으로 뽑아, 클로드 스킬을 만드는 일인지, 다른 에이전트의 계획을 세우거나 결과를 검토하는 일인지, 에이전트 파이프라인용 대시보드와 모니터를 두는 일인지, 일하는 방식을 문서로 남기는 일인지를 가려 메타워크로 쳤다. 그리고 그 넷은 "실제 일 자체"와 대비된다고 각주가 못 박는다. 넷 가운데 하나를 빼거나 다른 하나를 더하면 22%는 다른 수가 된다. 사람이 몇 건을 다시 검수했는지는 적혀 있지 않다. 10%에서 22%라는 값의 분모가 평균적인 직원 한 사람의 상호작용 세션이라는 것도 같이 적어 두어야 다음 분기에 같은 자리를 다시 잴 수 있다.

7.3고객이 들고 올 질문은 결론이 아니라 정의다

6절의 여덟 줄은 체크리스트라기보다 준비물 목록에 가깝다. 에이전트 근무 시간을 세는 일 자체는 어렵지 않다. 어려운 것은 그 수를 사람 쪽 수와 나란히 놓을 수 있게 만드는 일이고, 그러려면 세션의 경계와 유휴 컷오프와 사람 쪽 시간의 출처를 먼저 정해야 한다. 그 정의를 가진 조직은 다음 분기에 같은 잣대로 다시 잴 수 있고, 갖지 못한 조직은 분기마다 다른 숫자를 받아 들고 왜 달라졌는지 설명하지 못한다. 신입 자리를 두고 벌어지는 논의에서는 이 차이가 특히 크게 벌어진다. 신입 채용은 결정이 내려지고 나서 한참 뒤에야 지표에 나타나기 때문이다. 요구 역량이 올라가는 쪽의 변화는 페블러스가 신입 자리의 문턱이 높아지는 흐름을 다룬 글에서 따로 살폈다.

넉 달 전 페블러스가 같은 회사를 두고 쓴 글이 2절 끝에 있다. 그때 빠져 있던 것도 분모였다. 회사가 데이터를 열고 난 뒤에도 같은 자리가 비어 있다는 사실이, 이 문제가 공개 의지의 문제가 아니라 계측 설계의 문제라는 쪽을 가리킨다. 한 번 던진 질문을 새 사실 위에서 다시 묻는 것이 페블러스가 이 주제를 계속 따라가는 이유다.

본문 수치의 출처를 성격별로 나눠 적는다. 1번과 2번은 이 글이 다룬 보고서와 같은 날 나온 자매 보고서이고, 이 글의 앤트로픽 수치와 인용문은 전부 여기서 나왔다. 3번부터 5번까지는 선행 연구와 바깥 대조군이다. 6번과 7번은 5.2절 비교표의 공고 쪽 자료이고, 8번부터 12번까지는 4.3절 대조표에 쓴 보도다. 마지막 묶음은 이 글이 이어 쓰는 페블러스 선행 글이다.

1차 — 앤트로픽 인스티튜트

• 1.Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory, "How Employment is Changing at Anthropic" (The Anthropic Institute, 2026년 10월 16일). anthropic.com · PDF 20쪽 — 이 글의 1차 오라클이다. 세 줄기 비중(27%→9%, 21%→14%, 공고 6%)과 비기술 대조군, 전사 기술 부서 몫 61%→56%, 에이전트 대 사람 6 대 1과 그 그림 각주, 2026년 3월 최초 역전, 상호작용 세션 유휴 80%, 엔지니어 1인당 커밋 다섯 배, 채택자 192명과 미채택자 74명 설계, 품질 대리지표 여섯 가지, 관리자 설문 3분의 1과 5분의 1, 회사 세 배 성장, 채용 심사에서 AI 활용 언급이 세 배·네 배로 늘어난 값, 메타워크 10%→22%, 어려운 과업 10%→13%, 토큰 환산 상수 0.75단어와 분당 250단어, 자동화 기대 75% 대 28%, 권고 세 가지와 그 한계 문장이 모두 여기서 나왔다.
• 2.Szymon Sacher, Tess Cotter, Charles I. Jones, Anton Korinek, Peter McCrory, "The AI expectations gap" (The Anthropic Institute, 2026년 10월 16일). anthropic.com — 5.3절의 직군별 분해(컴퓨터·공학·과학 직군 33%, 그 직군 중 AI 상시 사용자 40%)가 이 보고서 쪽이다. 1번과 공저자가 겹친다.

학술 — 선행 연구와 바깥 대조군

• 3.Hyunjin Kim, Rembrand Koning, "AI-Native Firms" (Harvard Business School Working Paper 26-090, 2026). hbs.edu — 5.1절에서 "첫 사례"가 아니라는 근거로 쓴 선행 연구다. 와이콤비네이터 스타트업 약 2,900곳과 벤처투자 기업을 인력 데이터에 연결했다.
• 4.Erik Brynjolfsson, Bharat Chandar, Ruyu Chen, "Canaries in the Coal Mine? Six Facts about the Recent Employment Effects of Artificial Intelligence" (Stanford Digital Economy Lab, 2026년 8월 12일 개정판). stanford.edu — 5.2절의 19%가 이 판본 값이고, 지표가 회귀 추정치에서 단순 서술적 괴리로 바뀌었다는 사실도 이 PDF 2쪽에 적혀 있다. 저자들은 이 수치를 인과 추정이 아니라 이른 서술적 징후로 읽으라고 초록에 적었다.
• 5.Zanna Iscenko, Fabien Curto Millet, "Looking for the Ladder" (Economic Innovation Group, 2026년 1월) — 5.2절의 반론이다. 채용 동결만으로 생기는 기계적 연령 효과와 금리 긴축 쪽 설명을 담았다.

정책·통계 — 공고와 노동시장

• 6.PwC, "Global AI Jobs Barometer 2026" (2026년 6월 15일) — 5.2절 비교표의 네 번째 줄이다. 27개국 공고를 분석해 AI 노출이 큰 신입 공고와 그 밖의 신입 공고가 반대 방향으로 움직였다고 보고했다.
• 7.Indeed Hiring Lab, 소프트웨어 개발 공고의 연차 구성 분석 (2026년 7월). hiringlab.org — 신입 공고 비중 4.5%와 시니어 69.3%가 여기서 나왔다. 실제 채용이 아니라 공고를 세는 자료다.

보도 — 4.3절 census 대상 (수치 근거로는 쓰지 않았다)

• 8.Anthony Ha, TechCrunch (2026년 10월 17일) — 수치를 가장 많이 옮겼고 한계는 코드 품질 한 가지만 옮겼다.
• 9.ccleaks (2026년 10월 18일) — 한계를 가장 많이 옮긴 곳이다. 모든 수치가 앤트로픽 자체 집계이고 독립 검증이 없다는 점, 도구 채택이 무작위가 아니라는 점을 함께 적었다. 자매 보고서 동시 공개도 짚었다.
• 10.FourWeekMBA (2026년 10월) — 권고의 한계를 옮긴 유일한 곳이다.
• 11.aiweekly (2026년 10월 18일). aiweekly.co — 채용 27%→9%만 옮겼다.
• 12.Crypto Briefing (2026년 10월 중순). cryptobriefing.com — 발행일이 자료마다 10월 17일과 18일로 갈린다. 보고서 원문에 없는 "junior-hiring collapse"라는 표현을 썼고, 이 글은 그 표현을 쓰지 않았다.

페블러스 블로그 인접 글

• 13.앤트로픽이 AI 매출의 3%를 일자리 기금으로 내자고 했다 — 2절과 7절에서 이어 썼다. 같은 회사를 넉 달 전에 측정 인프라 쪽에서 다뤘다.
• 14.AI 신입 채용 위축, 믿는 사람의 절반만 겪었다 — 5.2절에서 참조했다. 그 글이 인용한 13~16%는 그 사이 교체된 구지표 값이라 지금은 19%로 읽어야 한다.
• 15.AI가 높인 신입 채용의 문턱 — 7.3절에서 참조했다. 자리가 줄어드는 쪽이 아니라 요구 역량이 올라가는 쪽을 본 글이다.