Executive Summary

보고서를 낸 곳은 앤트로픽 연구소(The Anthropic Institute)이고, 정식 제목은 「AI for scientific discovery: How researchers use Claude」다. 저자는 아홉 사람이고 그중 셋이 리드다. 공개일은 2026년 11월 5일이며, 페이지의 수정 시각은 이튿날 오후로 적혀 있다. 널리 옮겨진 수는 20만 7,049건 하나지만, 그 수가 어떻게 남았는지를 먼저 보지 않으면 뒤에 나오는 비중은 전부 다르게 읽힌다.

이 수를 전수로 읽으면 틀린다. 표본은 소비자 플랜인 프리·프로·맥스 세션에서만 왔고, 시간당 고정 개수를 뽑는 방식이라 모든 분석에 역확률 가중이 걸려 있다. 클로드 코드 쪽은 사람이 주고받은 대화형 세션만 세고 프로그램이 부른 호출은 뺐다. 기업·팀 플랜과 API 사용은 애초에 이 표본에 들어 있지 않다. 여기에 분류기가 두 번 걸린다. 첫 분류기가 과학·학술 연구 작업인지를 가르고, 두 번째 분류기가 분야와 세부분야를 거쳐 과제 하나를 붙인다. 그 끝에 핵심 연구 과제만 남긴 것이 20만 7,049건이다.

과제 칸을 정한 것은 보고서가 아니라 바깥 분류 체계다. SciNet은 과학 연구를 분야와 세부분야로 나누고 그 아래 과제 7,262개와 단계 9만여 개를 붙여 둔 체계이며, 자유 이용 허락으로 공개돼 있다. 여덟 칸이라는 과제 범주도, 뒤에 나올 연구 시간 비중도 여기서 온다. 이 글이 보고서의 표를 다시 계산해 볼 수 있었던 것도 그 자료가 열려 있기 때문이다.

이 표본은 연구자의 하루와 다르다. 비연구 과제는 클로드 세션의 7.7%, 클로드 코드 세션의 4.2%뿐인데, 같은 SciNet은 연구자 시간의 63.4%가 연구가 아닌 일이라고 추정한다. 저자들도 자기 표본의 비연구 비중이 "상당히 낮다"고 부록에 적는다. 우리가 보고 있는 것은 과학자가 보낸 하루가 아니라 과학자가 클로드를 켠 순간들이다.

같은 질문을 다른 회사가 먼저 던졌다는 점도 함께 적어 둔다. 구글 쪽 연구진이 참여한 「AI in Science: Early Insights」가 두 달 앞선 2026년 9월에 나왔고, 제미나이 상호작용 약 1,500만 건과 과학자 600여 명 설문을 같은 방식으로 갈랐다. 그러니 이 조사를 두고 처음이라거나 유례없다고 말할 수는 없다. 오히려 뒤에서 보겠지만, 서로 다른 두 체계가 같은 모양을 내놓았다는 사실이 이 글의 논지를 떠받친다.

보고서의 중심 그림은 여덟 칸짜리 막대다. 한쪽에는 과제 범주별 사용 비중이 있다. 분류기가 그 칸으로 보낸 세션의 몫이다. 다른 쪽에는 연구 시간 비중, 그러니까 SciNet이 추정한 연구자 시간의 몫이 있다. 두 수를 나누면 그 칸이 제 몫보다 많이 쓰이는지 적게 쓰이는지가 한 숫자로 나온다. 보고서가 그 값에 use ratio라는 이름을 붙이고 부록에 식으로 정의해 두었다. 이 글에서는 사용 배수라고 쓴다. 1보다 크면 시간 몫보다 많이 맡기는 칸이고, 작으면 덜 맡기는 칸이다.

문제는 보고서가 연구 시간 비중을 네 칸만 공개했다는 점이다. 그래서 나머지 네 칸은 배수를 낼 수 없고, 표는 반쪽으로 남는다. 다만 부록이 그 시간 비중을 어떻게 구했는지를 식으로 적어 두었다. 세부분야마다 연구자 수를 세고, 과제별 연간 시간에 그 연구자 수를 곱해 모두 더한 뒤, 핵심 연구 과제 전체로 나눈다는 것이다. 부록은 핵심 연구 과제가 2만 3,543개 조합이라는 수까지 적는데, 공개된 SciNet 파일에서 논문 플래그가 붙은 행의 수가 정확히 그 값이다. 식도 데이터도 열려 있으니 그대로 돌려 보면 된다.

돌려 보니 공개된 네 칸이 다시 나왔다. 데이터 수집은 28.60%로 보고서의 28.6%와 소수점까지 같고, 작성·소통도 16.00%로 같다. 데이터 분석은 27.33%로 0.27%p, 아이디어·가설은 6.93%로 0.17%p 차이다. 남은 차이는 공개 자료가 보고서 분석 시점 이후에 한 번 갱신됐다는 점으로 설명되는 수준이다. 네 칸이 이 정도로 맞으면 같은 계산으로 나온 나머지 네 칸도 쓸 만하다. 아래 표에서 ✦ 표시가 붙은 칸이 그렇게 채운 분모다. 보고서가 공개한 값이 아니라 이 글이 공개 자료로 다시 계산한 값이니, 읽을 때 그 차이를 그대로 안고 읽어야 한다.

✦ 표시가 붙은 네 칸은 보고서가 공개하지 않은 분모이고, 이 글이 부록의 식과 공개 SciNet 자료로 다시 계산한 값이다. 나머지 네 칸은 보고서 공개값이다. 사용 비중은 보고서 본문의 그림에서, 배수는 사용 비중을 연구 시간 비중으로 나눠 소수 둘째 자리까지 적었다.

표를 세로로 훑으면 가장 낮은 칸이 눈에 먼저 들어온다. 기타의 0.22다. 그런데 이 칸은 행정과 멘토링과 심사를 묶은 자리이고, 애초에 첫 분류기가 연구가 아닌 쪽으로 걸러 내도록 설계된 묶음이다. 적게 나오는 것이 당연하다. 연구 활동 일곱 칸 안에서 가장 낮은 것은 데이터 수집의 0.40이고, 그다음이 아이디어·가설의 0.59다. 보고서 본문도 처음부터 이 둘을 함께 지목한다. 과학자들이 가장 중요하다고 꼽은 바로 그 일들에 클로드를 덜 쓴다는 문장이다.

둘이 같이 낮지만 낮은 이유는 서로 다르다. 보고서는 그 차이를 한 문장으로 가른다. 데이터 수집은 대부분 물리적인 일이지만 발상은 그렇지 않다는 것이다. 시료를 채취하고 임상 기록을 모으고 현장에서 계측하는 일은 글로만 소통하는 상대에게 맡길 수가 없다. 반면 아이디어와 가설은 처음부터 끝까지 글로 오가는 일이다. 못 맡기는 칸과 안 맡기는 칸이 나란히 바닥에 있는 셈이고, 이 글이 사건으로 보는 것은 바로 그 비대칭이다.

데이터 수집 칸은 안이 고르지도 않다. 보고서는 같은 칸 안에서도 물리적 장벽이 있는 과제, 그러니까 임상 자료나 생화학 자료를 모으는 쪽에서 어긋남이 가장 크다고 적는다. 문서나 텍스트를 찾아오는 과제는 덜 어긋나고, 온라인 자료를 모으는 것처럼 처음부터 끝까지 디지털인 과제는 오히려 제 몫보다 많이 쓰이기도 한다. 한 칸 안에서 방향이 갈린다는 뜻이다. 그렇다면 순서를 정하는 것은 칸의 이름이 아니라 그 안에 든 일의 성질이다.

아이디어·가설 쪽이 왜 낮은지에 대해서는 보고서가 답을 하나로 좁히지 않는다. 네 가지를 나란히 적어 둔다. 과학자들이 아이디어만큼은 스스로 내기를 더 좋아할 수 있다는 것, AI의 능력을 아직 제한적이라고 볼 수 있다는 것, 자기들 데이터가 그 칸을 적게 셌을 수 있다는 것, 그리고 AI가 실제로 높은 수준의 발상에 더 약할 수 있다는 것이다. 마지막 항목에 저자들이 붙인 예가 구체적이다. 어떤 연구 질문을 좇을지 고르는 일, 그리고 그 질문에 답할 연구를 설계하는 일이다. 셋째 설명은 5절이, 넷째 설명은 바로 다음 절이 이어받는다.

범주를 한 꺼풀 벗겨 개별 과제로 내려가면 그림이 더 선명해진다. 가장 많이 쓰인 단일 과제는 원고 작성이다. 클로드에서 18.6%, 클로드 코드에서 11.1%를 차지한다. 그다음이 클로드에서는 문헌 검토와 종합, 심사평 응답이고, 코드에서는 산출물 설계·구축과 결과 시각화다. 상위 목록에 공통점이 있다. 전부 결과물이 눈앞에 바로 나오고, 그것이 쓸 만한지도 금방 판단이 서는 일이다.

두 제품이 갈리는 자리도 표에 그대로 보인다. 읽기·지식 습득은 클로드에서 1.05로 거의 제 몫을 채우는데 클로드 코드에서는 0.51로 반 토막이다. 설계·개발은 반대로 코드 쪽에서 2.12까지 올라간다. 같은 연구자가 도구를 바꾸면 맡기는 일의 종류가 바뀐다는 뜻이고, 그래서 두 열을 평균 내 하나로 읽으면 안 된다.

사용 기록은 무엇을 했는지만 말한다. 무엇이 중요한지는 말하지 않는다. 그래서 연구진은 다른 잣대를 하나 더 댔다. 2026년 9월에 1,813명에게 설문 메일을 보내 528명의 응답을 받았고, 응답률은 29.1%다. 다만 이 528명을 일반 과학자의 축소판으로 읽으면 안 된다. 모집단은 2025년 5월부터 2026년 8월까지 앤트로픽의 토큰 그랜트 프로그램에 지원한 사람들이고, 소속은 미국과 캐나다에 몰려 있으며 생명과학과 의학 쪽이 두텁다. 보고서도 이들이 보통의 과학자보다 AI를 많이 쓰는 집단일 것이라고 본문에 적는다.

설문의 핵심 물음은 단순하다. 중요한 연구 성과를 내는 데 네 가지 활동이 각각 얼마나 중요한지를 100점을 나눠 매겨 달라는 것이다. 네 가지는 아이디어·가설 생성, 데이터 수집, 데이터 분석, 작성·소통이다. 앞 절의 여덟 칸 가운데 넷만 물었으니 읽기나 이론 분석은 이 점수에 아예 들어 있지 않다. 결과는 아이디어·가설 35.6점, 데이터 수집 23.6점, 데이터 분석 23.3점, 작성·소통 17.5점이고 합이 정확히 100.0이다. 사용 기록에서 가장 작던 칸이 여기서는 1위이고, 가장 크던 칸이 3위로 내려간다.

중요도 점수는 네 활동에 100점을 나눈 값이다. 뒤의 두 열은 AI가 최고 수준 연구자만큼 그 활동을 해낼 시점을 묻는 물음에 대한 응답 비중이고, 각각 이미 가능하다고 답한 몫과 2030년까지 가능하다고 답한 몫이다. 응답자는 앤트로픽 그랜트 지원자 528명이다.

점수 옆에 기대 시점을 같이 놓으면 순위가 뒤집힌 이유가 드러난다. 데이터 분석은 열에 넷 가까이가 이미 가능하다고 답하고 2030년까지로 넓히면 94%가 동의한다. 아이디어·가설은 지금 가능하다는 쪽이 13%에 그친다. 중요하다고 답한 일과 지금 맡길 만하다고 답한 일이 다르고, 사용 기록은 뒤쪽을 따라간 것이다. 자기보고 쪽에도 같은 결이 보인다. 설문은 사용 수준을 없음·보조·공유·위임·자율 다섯 단계로 물었는데, 아이디어·가설에서는 없음 17%와 보조 53%가 합쳐 열에 일곱이다. 데이터 분석은 무게가 반대편에 실려서 공유가 44%, 위임이 28%다. 그림 설명에 없음 칸이 아예 적히지 않은 활동도 데이터 분석과 작성·소통 둘이다.

한 가지 단서는 달아 둔다. 이 설문 그림의 막대 값을 더하면 네 줄 모두 100%에 조금씩 못 미친다. 아이디어·가설 94%, 데이터 수집 95%, 데이터 분석 92%, 작성·소통 94%다. 가장 작은 막대 하나가 그림 설명에서 빠진 것으로 보이지만, 빠진 몫이 무엇인지 보고서가 적지 않았으니 추정해 채우지는 않는다. 여기서 확인되는 것은 공개된 값들의 합이 100에 닿지 않는다는 사실까지다.

먼 쪽을 묻는 문항들도 같은 방향을 가리킨다. 사람 없이 연구 전 과정을 AI가 해내는 시점을 2030년까지로 보는 응답이 약 40%이고, 2035년까지로 넓히면 64%쯤 된다. 다만 영영 그런 일은 없다고 답한 쪽도 16%다. 돌파적 발견을 사람 없이 해내는 일에 대해서는 영영 아니라는 응답이 18%로 조금 더 높다. AI를 많이 쓰는 집단 안에서도 선이 그어져 있고, 그 선은 작업량이 아니라 판단의 자리에 그어져 있다.

지금까지 본 것은 순서다. 그 순서를 무엇이 정했는지를 보고서는 따로 재 둔 자료로 답한다. 연구 단계 7,262개를 둘씩 짝지어 "AI가 사람 손 없이 내놓은 결과물을 그 분야 숙련 연구자가 큰 수정 없이 받아들일 쪽은 어느 쪽인가"를 고르게 하고, 31만 7,560쌍의 선택을 브래들리–테리(Bradley–Terry) 모형으로 묶어 단계마다 AI 수행 점수를 매긴 것이다. 짚고 넘어갈 사실이 하나 있다. 이 점수를 매긴 것은 사람이 아니라 언어 모델이고, 판정 기준에 쓰인 AI의 정의에는 물리적·실험실 연동이 없다는 조건이 이미 들어 있다.

그 점수와 가장 세게 붙어 움직이는 변수가 강화학습 적합도다. 상관이 0.78이고, 그다음이 인지 작업 0.69다. 반대 방향으로는 물리 작업이 −0.57, 규제 제약이 −0.38, 대인 작업이 −0.31이다. 강화학습 적합도라는 이름이 낯설다면 그 안을 열어 보는 편이 빠르다. 이 지수는 세 가지 점수를 하나로 묶은 값이고, 셋은 검증 가능성과 시뮬레이션 가능성과 피드백 밀도다. 셋 다 같은 것을 묻는다. 맞았는지를 언제, 어떻게 아는가. 공개된 주성분 계수를 보면 셋 가운데 가중치가 가장 큰 쪽이 피드백 밀도이고, 세 축이 설명하는 분산은 79.5%다.

그래서 수행 점수가 높은 단계란 어려운 단계를 뜻하지 않는다. 결과가 맞았는지 그 자리에서 판별되는 단계다. 그리고 사용 기록이 그 축을 따라 거의 단조롭게 늘어선다. 강화학습 적합도가 하위 20%인 단계에서 사용 배수는 0.2 언저리이고, 가운데에서 1쯤이 되며, 상위 20%에서 클로드는 2.2, 클로드 코드는 4.2까지 올라간다. 아래 도식은 그 세 지점을 이은 것이다.

같은 선이 한 칸 위에서도 나온다. 과제가 아니라 세부분야를 단위로 놓으면, 그 분야 과제들의 평균 수행 점수가 높을수록 연구자 한 명당 클로드 사용이 많아진다. 상관은 클로드에서 0.45, 클로드 코드에서 0.57이다. 늘어나는 것이 사용량만도 아니다. 수행 점수가 높은 세부분야일수록 클로드에 자율적으로 맡기는 비중도 함께 오른다. 분야 단위로 올라가면 한 걸음 더 독립적인 비교가 가능하다. 보고서가 따로 추정해 둔 값이 하나 있다. 지금 능력의 AI가 떠맡을 법한 연구 시간의 몫인데, 이 값은 클로드 사용 기록을 한 줄도 넣지 않고 계산한다. 그런데 그 몫이 큰 분야일수록 실제 사용 배수도 높다. 과제와 세부분야와 분야, 세 층위에서 같은 선이 나온다.

이 곡선은 페블러스가 앞서 다룬 실험 하나와 짝을 이룬다. AI가 자기 아이디어의 성패를 미리 맞히는지를 288건으로 잰 글에서 모델은 자기가 낸 방안이 통할지를 거의 구분하지 못했다. 검증 신호가 없는 자리에서 약하다는 말을 실측으로 확인한 사례이고, 이번 사용 기록은 사람들이 그 약한 자리를 알아서 피해 간다는 것을 20만 건 규모로 보여 준다. 참고로 과제별 강화학습 적합도라는 잣대 자체는 직업 1만 7,951개 과제를 같은 방식으로 매긴 선행 연구에서 왔고, 그 연구의 결론도 AI 노출과 강화학습으로 배울 수 있음은 서로 다른 축이라는 것이었다.

4.1같은 결론이 다른 회사의 다른 자료에서도 나온다

한 회사가 자기 제품 로그로 낸 결과는 그 제품의 성질을 재고 있을 수 있다. 그래서 바깥에 같은 모양이 있는지가 중요하다. 앞서 적은 구글 쪽 연구가 그 자리에 있다. 분류 체계가 SciNet이 아니라 매사추세츠 공과대학 쪽 과학 과제 분류이고 범주도 열두 개로 다르지만, 1위는 똑같이 정량 데이터 분석이고 약 42%를 차지한다. 그리고 연구를 구상하는 일은 비중을 붙일 가치도 없는 꼬리로 처리된다. 다른 회사, 다른 모델, 다른 분류 체계, 열 배 가까운 표본인데 같은 칸이 같은 자리에 있다.

그 연구가 같이 돌린 과학자 600여 명 설문은 한 걸음 더 들어간다. 저자들은 그 설문에서 나온 현상에 검증 세금이라는 이름을 붙였다. 구상과 코드 작성과 분석의 한계비용이 내려가면 그만큼 결과를 확인하는 일의 값이 올라간다는 것이다. 응답자들이 지목하는 병목의 자리도 그에 맞춰 움직인다. 지난 2년 사이 연구의 주된 병목이 실험 실행이나 임상 검증 같은 하류로 옮겨 갔다는 응답이 4할을 넘고, 상류로 옮겨 갔다는 응답은 14%쯤으로 그 3분의 1에 못 미친다. 아래 네 수치는 그 이동이 연구자 개인에게 어떤 모양으로 나타나는지를 보여 준다.

네 수치 모두 구글 쪽 연구의 과학자 설문에서 나왔다. 응답자는 600명 남짓이고, 순 시간 절감은 주당 7시간 가까이로 보고됐다. 응답자의 4분의 3 가까이가 시간을 아꼈다고 답하고, 오히려 손해를 봤다는 쪽은 6%다.

여기까지 오면 불편한 질문이 하나 남는다. 아이디어·가설 칸이 작은 것이 정말로 안 맡겨서인가, 아니면 그 칸을 세는 장치가 그 일을 잘 못 잡아서인가. 보고서는 이 질문을 피하지 않는다. 오히려 답에 필요한 재료를 부록에 거의 다 적어 두었다. 결론부터 적으면, 이 칸의 수는 그 일이 일어난 양이 아니라 하한값으로 읽는 편이 맞다.

5.1한 대화에 라벨이 하나뿐이다

가장 큰 이유는 분류기의 구조에 있다. 부록에 실린 프롬프트 원문은 대화 하나를 통째로 한 단위로 보고 가장 두드러진 연구 활동 하나만 고르라고 지시한다. "Pick exactly one path — if several activities appear, choose the one most central"이고, 과제 단계에서도 "Pick exactly one task"다. 부록은 이 선택이 한계라는 것도 스스로 적는다. 앞으로의 판본에서는 한 세션에 여러 과제를 붙일 수 있겠지만 이번에는 하지 않았다는 문장이다.

그런데 아이디어는 홀로 생기지 않는다. 데이터를 들여다보다가 떠오르고, 코드를 고치다가 바뀌고, 원고를 쓰다가 다시 정해진다. 한 대화에 라벨이 하나라면 그런 대화는 거의 언제나 데이터 분석이나 작성·소통으로 간다. 보고서 본문도 같은 말을 적는다. 아이디어 생성은 다른 연구 과제들에 섞여 일어나는 경향이 있어 분류하기 어렵고, 그래서 자기 데이터가 그 활동을 적게 셀 수 있다는 것이다. 이 글이 보는 칸이 하필 가장 잘 섞이는 칸이다.

5.2연구인지 가리는 증거 요건이 아이디어 단계에는 없다

두 번째는 그 앞단의 선별 분류기다. 이 선별기가 무엇을 근거로 연구 작업이라고 판정하는지가 프롬프트에 적혀 있는데, 요건이 셋이다. 지금 만들고 있는 산출물이 무엇인지, 어떤 연구를 돌리고 있는지, 대화 상대가 연구자 역할인지. 문제는 아이디어 단계에는 앞의 둘이 아직 없다는 점이다. 원고도 없고 돌아가는 연구도 없다. 게다가 프롬프트는 AI가 가설이나 설계나 인용을 제안했다는 사실만으로 그 대화를 연구로 보지 말라고 명시하고, 기본값도 연구 작업이 아님으로 두었다. 애매하면 연구가 아니라고 답하라는 지시가 그대로 적혀 있다.

이것을 일부러 뺀 설계로 읽을 이유는 없다. 거짓양성을 줄이려는 보수적 기본값이고, 그 선택 자체는 합리적이다. 다만 보수적 기본값에는 값이 따른다. 경계에 있는 사례가 통째로 한쪽으로 몰린다는 것이다. 그리고 이 조사에서 경계에 가장 많이 걸리는 대화가 무엇일지는 어렵지 않게 짐작된다.

분류 체계 쪽에도 비슷한 비대칭이 있다. 과제 7,262개가 여덟 범주에 고르게 나뉘어 있지 않다. 데이터 수집 아래에 전체의 40.8%가, 데이터 분석 아래에 42.9%가 달려 있는 반면 작성·소통 아래에는 0.3%뿐이고 아이디어·가설은 7.4%다. 분류기가 작성 범주에서 고를 수 있는 선택지는 스무 개 남짓인데 데이터 수집에서는 삼천 개에 가깝다. 과제 수준에서 두 범주를 비교할 때는 이 차이를 같이 놓아야 한다. 전사 처리에도 비슷한 성질의 단서가 하나 더 있다. 긴 대화는 턴당 1만 자, 전체 10만 자에서 잘리는데 자를 때 양 끝의 턴을 번갈아 남긴다. 길어진 대화일수록 가운데가 빠진다는 뜻이다.

5.3분류 정확도는 부록에만 있다

세 번째는 정확도다. 연구진은 합성 대화록 5,000건을 만들어 분류기를 채점했고, 그 결과를 부록에 적었다. 본문 35쪽 어디에도 이 수는 없다.

합성 대화록 5,000건 기준이다. 가운데 열은 합성 대화록 가운데 절반에 라벨 어휘가 그대로 남아 있어 그 절반을 뺀 값이고, 과제 쪽에서만 눈에 띄게 내려간다. 모든 값은 부록의 검증 절에 있다.

이 수를 "절반도 못 맞힌다"로 키우면 틀린다. 과제 쪽 무작위 추측 기준선이 0.5%이니 69%는 그 기준선의 백 배가 넘고, 연구진은 강건성 검사도 두 겹으로 붙였다. 분야와 과제 양쪽에서 분류기가 확신한 세션만 남기면 사용량의 60%쯤이 남는데, 그 안에서 분야별 사용량의 로그 상관이 0.97과 0.98이고 과제 범주 비중은 최대 1.5%p밖에 움직이지 않는다. 클로드가 결과물에 크게 기여한 세션만 남겨도 상관 0.99에 비중 이동은 2.1%p 안이다. 공정하게 읽으면 이렇게 된다. 순위와 기울기는 튼튼하고, 흔들리는 것은 개별 칸의 절대값이다. 그리고 이 글이 보는 칸은 여덟 중 가장 작은 칸이라, 흔들림의 영향을 가장 크게 받는다.

5.4다시 계산되는 표와 그렇지 않은 표

2절에서 적었듯 연구 시간 표는 공개 자료로 그대로 다시 나온다. 같은 작업을 상관 표에 해 보면 사정이 다르다. 공개된 파일로 수행 점수와 강화학습 적합도의 상관을 내면 0.63에서 0.71 사이가 나오고, 보고서의 0.78에는 닿지 않는다. 인지 작업 쪽은 더 멀어서, 이름이 비슷한 공개 열로 계산하면 부호까지 반대로 나온다. 다만 보고서 본문이 이유를 적어 두었다. 강화학습 지수를 공개 자료에서 가져온 것이 아니라 따로 매겼다는 문장이다. 수행 점수도 자체 적합 결과다. 그러니 숫자가 틀렸다기보다, 이 표가 제3자가 같은 재료로 맞대 볼 수 없는 유일한 표라고 적는 편이 정확하다.

중요한 것은 그다음이다. 공개 자료로 돌린 모든 변형에서 강화학습 적합도와 수행 점수는 일관되게 강한 양의 상관을 유지하고, 지수를 이루는 세 축도 각각 전부 양이다. 4절의 축은 바깥 재료로 다시 계산해도 살아남는다. 살아남지 못한 것은 소수점 둘째 자리다. 측정 설계를 더 길게 따지는 일까지 이 글이 맡지는 않는다. 앤트로픽 경제지수의 업무 필터를 독립 말뭉치로 맞대 본 앞선 글이 그쪽을 이미 다뤘다.

국내 보도가 가장 많이 옮긴 수는 15배다. AI를 넓게 쓰면 연구가 그만큼 빨라진다는 식으로 읽히기 쉬운데, 보고서가 그 수를 어떻게 얻었는지는 부록에 수식으로 적혀 있다. 읽어 보면 수행력과는 상관이 없는 수다. 네 개의 값만 있으면 손으로도 나오는 수다.

첫째, 연구자 한 시간의 값을 95달러로 잡는다. 미국 박사학위자 조사의 중위 연봉을 2026년 기준으로 환산한 15만 5,000달러에 복리후생 28%를 얹고 연 2,080시간으로 나눈 값이다. 실제로 조사된 2023년 중위 연봉은 13만 7,000달러이고, 15만 5,000달러는 보고서가 올린 환산치다. 둘째, AI 한 시간의 값을 30달러로 잡는다. 셋째, AI는 사람의 한 시간을 대신할 때 0.2시간 돈다고 둔다. 넷째, AI가 한 일의 품질 계수를 1로 고정한다. 그러면 완전히 자동화된 단계의 비용은 원래의 0.063배가 되고, 가속의 상한은 그 역수다.

본문도 같은 말을 적는다. 완전히 자동화된 과제도 여전히 원래 비용의 16분의 1쯤은 들기 때문에 가속은 "approach about 16x and stop there"이고, 이어서 "halving the cost of AI would double the rate of progress"라고 쓴다. 천장을 정하는 것이 수행력이 아니라 두 단가의 비율이라는 말을 보고서 스스로 한 셈이다.

네 값 가운데 셋에 보고서가 직접 단서를 달았다. AI 한 시간의 30달러는 "an illustrative value based on public API list prices for Claude Opus 5.5"이고 실제 평균 비용이 아니라고 못 박는다. 0.2시간이라는 가동 시간은 단계별로 AI 구동 시간을 재는 자료가 없다고 적은 뒤에 둔 가정값이다. 품질 계수를 1로 고정한 것에 대해서는 아이디어의 질을 고려하지 않는다고 적는다. 마지막 문장이 이 글의 맥락에서 특히 무겁다. AI가 더 나은 가설을 낸다는 몫이 이 모형에는 아예 0으로 들어가 있다. 값이 매겨진 것은 일을 빨리 끝내는 쪽이고, 값이 매겨지지 않은 것은 무엇을 할지 고르는 쪽이다.

6.1단가를 바꾸면 천장이 따라 움직인다

천장이 비율 하나로 정해진다면, 그 비율을 이루는 수를 바꿔 보는 것이 가장 빠른 점검이다. AI 한 시간을 10달러로 잡으면 천장은 47.5배로 뛰고, 50달러면 9.5배, 90달러면 5.3배로 내려간다. 사람 쪽 단가를 바꿔도 같은 일이 일어난다. 한국의 2026년 학술연구용역 인건비 고시에서 책임연구원 단가를 전일제·상여금 포함으로 환산하면 연 1억 2,100만 원쯤 되고, 미국 쪽과 같은 연 2,080시간으로 나누면 시간당 5만 8,000원대다. 달러로는 약 42.8달러이고, 같은 식에 넣으면 천장은 약 7.1배가 된다.

이 비교에는 단서 두 줄이 꼭 따라붙어야 한다. 한국 쪽 단가는 실제로 받는 급여가 아니라 국가 연구개발 예산을 편성할 때 쓰는 행정 상한이고, 미국 쪽 95달러는 실측 급여 조사에서 출발한 값이다. 두 수는 종류가 다르다. 그리고 환율은 2026년 11월 초의 달러당 1,360원대를 썼다. 그럼에도 요지는 분명하다. 같은 식의 답이 나라를 바꾸면 절반 아래로 내려간다. 천장은 AI가 얼마나 잘하느냐가 아니라 사람 한 시간과 AI 한 시간의 값 차이가 정한다.

모형이 내놓은 분야별 가속도 그 성질을 따른다. 보고서는 세 가지 경우를 나눠 계산한다. 지금 수준의 AI가 널리 쓰이는 경우, 물리적이지 않은 단계의 75%가 자동화되는 경우, 그리고 물리적이지 않은 단계가 전부 자동화되는 경우다. 아래 도식은 세 경우의 분야별 범위를 로그 축에 올리고, 앞에서 구한 두 천장을 세로 점선으로 얹은 것이다.

가장 많이 인용되는 "현재 능력으로 두 배"도 범위를 보면 결이 달라진다. 두 배는 통계 분야에서 나온 최댓값 2.02배이고, 예술은 1.35배, 인류학은 1.36배, 화학은 1.41배다. AI가 가져갈 수 있는 연구자 시간의 비중도 예술 27%에서 통계 52%까지 벌어지고 중앙값은 38%다. 저자들이 모형의 한계로 적어 둔 것들도 같은 방향을 가리킨다. 분야 단위의 설비 제약, 장비와 시료 비용, 시뮬레이션이 실험을 대신하는 경우, 그리고 아이디어의 질이 모두 빠져 있다.

지금까지의 설명을 흔드는 사실이 보고서 안에 하나 있다. 연구진은 본 표본과 별개로 연구 전용 도구인 클로드 사이언스(Claude Science) 사용도 따로 셌는데, 거기서는 아이디어·가설 칸이 8%다. 클로드의 4.2%의 약 두 배이고, 연구 시간 비중 7.1%와 거의 나란하다. 어긋남이 사라진 자리다.

이 표본의 모양부터 적어 둔다. 분야가 생의학 31.1%, 생물학 24.1%, 의학 8.7%로 생명과학에 크게 몰려 있고 나머지는 전부 5% 미만이다. 그 안에서 클로드 대비 가장 두드러지게 많이 쓰이는 과제들을 보면 성격이 분명하다. 단백질 구조와 기능에 관한 가설이 6.0배, 단백질 사이나 리간드와의 상호작용 모형이 5.6배, 약물과 표적의 상호작용 가설이 5.6배다. 반대로 가장 덜 쓰이는 쪽은 협업자 조율 0.15배, 학회 발표 0.2배다. 많이 쓰이는 가설 과제들에는 공통점이 있다. 전부 구조 데이터베이스와 계산 도구로 곧장 대조해 볼 수 있는 가설이다.

세션의 성격도 다르다. 사람이 혼자 했다면 걸렸을 시간, 박사급 내용을 다루는 비중, 자율 수행 비중 모두 다른 두 제품보다 높다. 다만 이 차이의 일부는 표본의 분야 구성에서 올 수 있으니, 보고서는 클로드 사이언스의 세부분야와 과제 구성으로 다른 두 제품을 재가중한 값도 같이 그려 둔다. 아래 괄호 안이 그 재가중 값이다.

괄호 안은 클로드 사이언스의 세부분야·과제 구성으로 재가중한 값이다. 재가중해도 세 지표 모두 차이가 남는다. 출처는 보고서의 보완 표본 절과 해당 그림이다.

그렇다고 전용 도구를 쓰면 가설을 맡기게 된다고 읽으면 과하다. 보고서 각주가 선택 효과를 먼저 경고한다. 유료 사용자라면 누구나 쓸 수 있는 도구이지만 실제로 쓰는 사람이 다를 수 있다는 것이고, 그래서 제품 사이의 차이를 인과가 아니라 사용 양상이라는 말로만 서술한다. 이 글도 그 선을 따른다. 클로드 사이언스의 재현성과 증거 등급을 따지는 일은 앞서 다룬 글들의 몫이다.

다만 이 절이 4절과 5절을 뒤집지는 않는다. 오히려 같은 방향으로 한 걸음 더 간다. 클로드 사이언스에서 늘어난 가설 과제들은 데이터베이스가 연결되고 근거가 따라붙는 가설, 그러니까 맞는지를 비교적 빨리 가려낼 수 있는 가설이다. 확인 장치가 붙은 자리에서 그 칸이 움직였다는 읽기가 가능하다. 가설 생성 AI에 추론 경로를 그래프로 남기게 한 시도도 같은 방향의 설계다. 이 글의 논지는 아이디어가 영영 넘어가지 않는다는 것이 아니다. 확인할 수 있게 만든 일부터 넘어간다는 것이다.

4절의 곡선을 다시 꺼내 놓고 시작한다. 검증 신호가 약한 쪽에서 0.2, 강한 쪽에서 2.2와 4.2로 올라가던 그 선이다. 페블러스가 이 보고서에서 가장 오래 들여다본 것은 여덟 칸의 순위가 아니라 그 곡선이다. 데이터클리닉이 고객 파이프라인에서 매번 보는 순서가 거기 그대로 그려져 있다.

8.1자동화는 어려운 공정이 아니라 확인되는 공정부터 들어간다

데이터 파이프라인에서 가장 먼저 자동화되는 공정이 무엇인지 떠올려 보면 답이 같다. 스키마 검사, 결측 처리, 중복 제거, 형식 변환이다. 넷 다 어려워서 먼저 간 것이 아니라 맞았는지를 그 자리에서 알 수 있어서 먼저 갔다. 반면 "이 데이터로 그 질문에 답할 수 있나"는 몇 달 뒤 모델 성능이나 현업 피드백으로 되돌아온다. 그래서 그 판단은 좀처럼 넘어가지 않는다. 보고서의 사용 배수 곡선은 같은 순서를 20만 건의 사용 기록으로 다시 그린 것이고, 구글 쪽 설문의 검증 세금은 그 순서를 따랐을 때 어디에 값이 쌓이는지를 보여 준다.

8.2확인 장치가 없으면 라벨도 남지 않는다

데이터 품질 쪽에서 이 조사가 남기는 교훈은 넷이다. 첫째, 한 단위에 라벨을 하나만 붙이면 섞여 있던 것은 사라진다. 한 세션에 과제 하나라는 설계가 아이디어 칸을 하한으로 만들었다. 고객 데이터에 라벨을 붙일 때도 똑같은 일이 일어난다. 단일 라벨 스키마는 복합 사건을 지운다. 둘째, 기본값이 결과를 만든다. 선별기의 기본값이 연구 작업 아님이라는 사실 하나가 경계 사례 전체의 행선지를 정했다.

셋째, 한 그림에 올린 수들의 잣대가 서로 다를 수 있다. 사용 비중은 분류기가 셌고, 연구 시간 비중은 언어 모델이 추정했으며, 중요도는 사람이 답했다. 나란히 놓이면 독자는 같은 잣대로 읽는다. 넷째, 이번 작업에서 직접 겪은 것인데, 공개돼 있어도 읽지 않으면 재현은 실패한다. 이 글을 준비하면서 같은 공개 자료로 같은 표를 재현하려다 세 번 다른 답이 나왔다. 차이는 데이터가 아니라 집계 방식 세 군데였다. 어떤 행을 핵심 연구로 볼지, 분모에 무엇을 넣을지, 무엇으로 가중할지. 그리고 그 셋은 모두 부록에 적혀 있었다. 데이터 공개는 재현의 필요조건이지 충분조건이 아니다.

8.3같은 질문을 우리 조직에 돌린다면

이 조사를 자기 조직 버전으로 돌려 보려는 사람에게 남길 것은 결론이 아니라 물음이다. 다섯 가지면 충분하다.

• 우리가 AI에 넘긴 일들은 결과를 언제 확인하나. 그 자리에서인가, 분기 끝인가, 영영 아닌가.
• 중요하다고 말하는 일에 확인 장치가 있나. 없다면 그 일은 넘어가지 않을 뿐 아니라, 넘어갔는지도 모른다.
• 우리 사용 기록은 무엇을 세고 있나. 한 세션에 라벨을 몇 개 붙이나, 도구별로 따로 세나, 기업 플랜과 API 호출이 집계에 들어오나.
• 우리가 쓰는 업무 시간 기준선은 누가 만든 값인가. 실측인가 추정인가.
• AI 비용을 어떤 단가로 잡고 있나. 정가인가 실사용 평균인가. 보고서의 천장이 그 하나로 정해졌듯 우리 투자 회수 계산도 그 하나로 정해진다.

네 번째 물음에는 국내 자료 하나를 붙여 둘 만하다. 한국연구재단이 돌린 2024년 대학 교원 연구윤리 인식 수준 조사에서 응답자 3,256명 가운데 생성형 AI를 연구에 써 봤다는 비율은 17.4%였다. 전해 같은 조사의 10.9%에서 1년 만에 1.6배로 올랐다. 활용 영역은 문법·단어 검토가 92.3%로 1위이고, 문헌 검토 50.7%, 이론적 틀 구성 43.5%가 뒤를 잇는다. 앤트로픽 조사와 물음이 다르니 수치를 맞대지는 않는다. 다만 한 가지가 눈에 걸린다. 이 조사의 선택지에는 아이디어·가설에 해당하는 칸 자체가 없다. 질문지에 칸이 없으면 그 칸은 측정되지도 않는다. 5절에서 본 것과 정확히 같은 모양이다.

8.4공개된 잣대는 다시 잴 수 있다

이 글이 2절에서 보고서가 공개하지 않은 네 칸의 분모를 채울 수 있었던 것은 저자들이 식과 데이터를 함께 열어 두었기 때문이다. 분류기 프롬프트를 전문 그대로 싣고, 과제 분류 정확도를 낮은 수까지 부록에 적고, 가속 모형의 가정을 수식으로 공개하고, 분류 체계를 자유 이용 허락으로 풀었다. 그 덕분에 바깥에서 같은 계산을 돌려 볼 수 있었고, 어디가 맞고 어디가 맞대 볼 수 없는지도 가릴 수 있었다. 측정을 공개한 쪽이 측정을 다시 받게 되는 구조이고, 그것이 이 보고서의 가장 단단한 부분이다.

남은 일은 우리 쪽에 있다. 중요하다고 말하는 공정에 확인 장치를 붙이는 일이다. 7절의 8%가 보여 주듯, 그게 붙는 순간 그 공정도 넘어가기 시작한다. 그러니 다음 질문은 AI를 어디에 쓸까가 아니다. 우리가 중요하다고 말하는 그 일에 확인 장치를 붙일 수 있나다.

본문 수치의 출처를 성격별로 나눠 적는다. 1번부터 4번까지가 이 글이 다룬 보고서와 그 분류 체계이고, 모든 사용 비중과 인용문과 재현 계산이 여기서 나왔다. 5번과 6번은 바깥의 독립 측정이다. 7번부터 9번까지는 6절 단가의 근거이고, 10번과 11번은 8절의 국내 자료다. 마지막 두 묶음은 국내 보도와 페블러스 선행 글이다.

1차 — 이 글이 다룬 보고서

• 1.Johannes Hermle, Benjamin Jones, Lukas Althoff 외 6인, "AI for scientific discovery: How researchers use Claude" (The Anthropic Institute, 2026년 11월 5일 공개, 11월 6일 수정). anthropic.com — 이 글의 1차 오라클이다. 표본 계보와 여덟 칸 사용 비중, 설문 528명의 중요도 배분과 기대 시점, 수행 점수와 강화학습 적합도의 상관, 사용 배수 곡선, 클로드 사이언스 보완 표본이 모두 여기서 나왔다. 페이지의 짧은 제목은 "How scientists use Claude"이지만 인용 제목은 본문 표제를 따랐다.
• 2.같은 보고서 본문 PDF(35쪽). PDF — 2절의 "데이터 수집은 대부분 물리적이고 발상은 그렇지 않다"는 서술, 5절의 아이디어 과소 집계 자인, 6절의 16배 관련 두 문장이 이 문서에 있다.
• 3.같은 보고서 부록 PDF(45쪽). PDF — 분류기 프롬프트 원문, 선별기의 증거 요건과 기본값, 합성 대화록 5,000건 정확도, 연구 시간 비중의 집계 식, 가속 모형의 네 값과 단서가 전부 부록에만 있다. 2절의 재현도 이 식을 그대로 따랐다.
• 4.Camila Alamos, Lukas Althoff, SciNet 과제 분류 체계 (CC BY 4.0). github.com/lukasalthoff/scinet · anatomyofscience.com — 과제 7,262개와 과제별 연간 시간, 세부분야 연구자 수, 강화학습 세 축 점수가 공개돼 있다. 2절의 ✦ 네 칸은 이 자료로 계산했다.

독립 측정과 방법론

• 5.Mihai Codreanu, Alex Imas, Juan Mateos-Garcia, Neil Thompson, James Manyika 외, "AI in Science: Early Insights" (arXiv:2609.28504, 2026년 9월 15일 공개, 9월 25일 개정판 기준) — 1절과 4절의 구글 쪽 측정이다. 제미나이 상호작용 약 1,500만 건과 과학자 600여 명 설문에서 정량 데이터 분석 1위와 아이디어·가설의 꼬리 위치, 그리고 검증 세금 수치 네 개가 여기서 나왔다.
• 6.Philip Moreira Tomei, Bouke Klein Teeselink, "What Jobs Can AI Learn? Measuring Exposure by Reinforcement Learning" (arXiv:2605.02598, 2026년 5월 4일 공개, 9월 27일 개정판) — 4절에서 한 줄로 참조한 선행 연구다. 직업 과제 1만 7,951개를 강화학습으로 훈련 가능한지의 기준으로 매겨, AI 노출과 강화학습 적합도가 서로 다른 축임을 보였다.

가격과 인건비

• 7.미국 국립과학재단 국립과학공학통계센터, 『Survey of Doctorate Recipients: 2023』(NSF 25-321) — 6절의 출발점인 전 분야 중위 연봉 13만 7,000달러의 출처다. 보고서가 쓴 15만 5,000달러는 이 값을 2026년 기준으로 올린 환산치다.
• 8.앤트로픽 공개 가격표 (2026년 11월 9일 확인). claude.com/pricing — 6절의 AI 한 시간 30달러가 어느 정가에서 나온 예시값인지의 근거다.
• 9.행정안전부, 「2026년 학술연구용역 인건비 기준단가」 고시(2026년 1월 2일) — 6.1절 한국 책임연구원 단가의 출처다. 전일제·상여금 포함 월 단가를 열두 달로 환산한 뒤 미국 쪽과 같은 연 2,080시간으로 나누고, 2026년 11월 평균권 환율인 달러당 1,360원을 적용했다. 실제 급여가 아니라 예산 편성용 행정 상한이다.

국내 조사

• 10.한국연구재단 연구윤리지원센터, 「2024년 대학 교원 연구윤리 인식 수준 조사」(응답 3,256명) — 8.3절의 생성형 AI 연구 활용 17.4%와 활용 영역 순위가 여기서 나왔다.
• 11.같은 조사 2023년 회차(응답 2,822명) — 같은 문항의 10.9%다. 두 회차를 이어 1년 사이의 변화로 읽었다.

국내 보도 (수치 근거로는 쓰지 않았다)

• 12.임대준, AI타임스 (2026년 11월 8일). aitimes.com — 국내에 이 보고서가 어떻게 전해졌는지를 확인한 기사다.
• 13.인공지능신문 aitimes.kr · 토큰포스트 tokenpost.kr · 서울경제 sedaily.com — 같은 보고서를 다룬 국내 보도들이다. 검색에 함께 뜨는 "클로드 활용도 세계 최고 수준은 한국" 기사는 앤트로픽 경제지수를 다룬 다른 조사라 이 글과 무관하다.

페블러스 블로그 인접 글

• 14.AI는 자기 아이디어가 통할지 모른다 — 4절에서 인용했다. 검증 신호가 없는 자리에서 모델이 약하다는 것을 288건으로 잰 글이다.
• 15.앤트로픽 경제지수의 업무 필터를 독립 말뭉치로 맞대 본 글 — 5.4절에서 참조했다. 측정 설계 자체를 따지는 쪽은 그 글이 맡았다.
• 16.Claude Science의 증거 등급을 본 글 — 7절에서 제품 평가를 넘긴 곳이다.
• 17.가설에 추론 경로를 남기게 한 시도 — 7절 말미에서 참조했다.
• 18.AI 도구가 개인의 성과를 키우고 과학 전체를 좁힌다는 연구 — 이 보고서가 인용하는 논문을 다룬 글이다. 개인 생산성과 집단 다양성의 관계는 그쪽에서 읽을 수 있다.