AI 시대의 인력 계획은 이제 실질적인 질문에 답해야 합니다. 에이전트가 사람이 합리적으로 검토할 수 있는 양보다 훨씬 많은 업무를 만들어 낼 때, 리더는 역량, 감독, 신입 인재 육성을 어떻게 다시 설계해야 할까요? Anthropic의 내부 연구는 모든 기업에 대한 예측이 아니라 유용한 운영 사례입니다. 에이전트 활동량만 측정하는 것이 왜 부족한지 보여 줍니다. 운영 책임자는 산출물을 검증된 품질, 비즈니스 가치, 위험, 인재 파이프라인의 건강성과 연결해야 합니다.

Anthropic의 내부 데이터가 보여 주는 것

자사의 2026년 10월 16일 보고서에서Anthropic은 자사 직원들이 AI 에이전트를 어떻게 사용하는지 살펴보았습니다. 8월에는 대화형 에이전트의 작업 시간이 직원 근무 시간을 6대 1로 앞질렀습니다. 에이전트 사용이 기술 업무와 비기술 업무 전반으로 확산되면서 코드, 영업, 계약, 청구서 분야의 산출물이 늘었다고 보고했습니다.

이 비율은 인상적이지만 에이전트가 직원 한 명당 여섯 명을 대체했다는 뜻은 아닙니다. 에이전트 시간과 직원 근무 시간은 서로 다른 활동 단위입니다. 에이전트는 빠르게, 병렬로, 또는 오랫동안 실행되더라도 여전히 사람의 판단이 필요한 결과물을 만들 수 있습니다. 산출물의 양 역시 유용하고, 수익성 있고, 안전한 산출물과 같지 않습니다. 생성된 계약서 초안, 영업 분석, 코드 변경은 정확하고 관련성이 있으며 실제 워크플로에서 채택될 때만 가치를 만듭니다.

검토 부담은 이 차이를 구체적으로 보여 줍니다. Anthropic은 에이전트 산출물을 모두 검토하려면 비기술 직원 근무 시간의 약 절반이 필요할 것으로 추정했습니다. 이로써 제약 조건이 바뀝니다. 생산이 저렴하고 풍부해지면 주의력이 희소한 자원이 될 수 있습니다. 팀은 관리자나 전문가가 책임 있게 검토할 수 있는 것보다 더 많은 초안, 분석, 작업을 만들어 낼 수 있습니다.

보고서는 Anthropic 기술 인력 구성의 변화도 짚습니다. 기술직 중 주니어 비중은 2025년 초 이후 21%에서 14%로, 기술직 채용 중 주니어 비중은 27%에서 9%로 줄었습니다. Anthropic은 기술직 채용이 절대적인 규모로는 계속 늘었다고 밝힙니다. 따라서 이 데이터는 한 회사의 인력 구성 변화를 뒷받침할 뿐, 기술직 고용이 전반적으로 줄었다는 주장을 뒷받침하지는 않습니다.

에이전트 역량을 운영 계획으로 바꾸기

좋은 계획은 도구 접근이 아니라 수요에서 출발합니다. 조직이 완료해야 할 업무, 유지해야 할 서비스 수준, 사람이 계속 책임져야 할 결정을 정의하세요. 그런 다음 통제를 약화하지 않으면서 에이전트가 역량을 넓힐 수 있는 영역을 정하세요. 이렇게 하면 모든 작업에 자동화를 붙였다가 나중에 검토 대기열, 예외, 모호한 책임이 새로운 병목이 되었음을 발견하는 흔한 실수를 막을 수 있습니다.

운영 책임자는 다음과 같은 간단한 순서로 계획할 수 있습니다.

• 성과 기준으로 업무를 정리하세요. 소프트웨어 기능이 아니라 고객, 매출, 컴플라이언스, 납품 성과를 중심으로 작업을 묶으세요.

• 위험과 되돌릴 수 있는 정도를 분류하세요. 위험이 낮고 쉽게 되돌릴 수 있는 업무에는 가벼운 통제를 적용하고, 법무, 재무, 보안, 고객 관련 결정에는 더 엄격한 검토를 요구하세요.

• 검토 예산을 정하세요. 각 워크플로에 필요한 숙련된 사람의 주의력을 추정하고, 그 용량이 소진되면 자동 생산에 상한을 두세요.

• 책임자를 명확히 지정하세요. 승인 기준, 예외, 사고, 워크플로 변경에 대한 책임을 하나의 역할에 두세요.

• 채택된 가치를 측정하세요. 프롬프트, 토큰, 에이전트 시간만이 아니라 사용 가능한 산출물, 사이클 타임, 오류율, 재작업, 실현된 비즈니스 성과를 추적하세요.

• 역량 형성을 보호하세요. 에이전트가 초안을 더 빨리 만들 수 있더라도 주니어 직원이 맥락, 판단, 검토를 배울 수 있는 업무는 남겨 두세요.

검토 예산에는 인건비나 인프라 용량과 같은 수준의 규율이 필요합니다. 워크플로가 500건을 생성할 수 있어도 숙련된 검토자가 100건만 평가할 수 있다면 실제 역량은 100건에 가깝습니다. 위험이 낮은 반복 산출물에는 샘플링이 적절할 수 있지만, 물량을 늘리기 전에 샘플링 방법과 상위 단계 이관 규칙을 정해야 합니다. 위험이 높은 산출물에는 전수 검토, 독립적 확인, 자율 행동 제한이 필요할 수 있습니다.

지표는 생성부터 결과까지 업무 흐름을 따라가야 합니다. 코드에서는 생성된 줄 수보다 채택된 변경 사항과 운영 환경의 결함이 더 중요합니다. 영업에서는 작성한 메시지 수보다 유용한 기회와 전환 품질이 더 중요합니다. 계약과 청구서에서는 문서 수보다 정확도, 예외율, 처리 시간, 방지한 손실이 더 강한 신호입니다. 이렇게 해야 운영 AI 업무가 보여주기식 활동이 아니라 비즈니스 성과와 연결된 상태를 유지합니다.

역할, 채용, 통제를 함께 계획하기

인력 설계는 인원, 에이전트, 거버넌스를 별개의 계획으로 다뤄서는 안 됩니다. 모든 워크플로에는 에이전트 실행, 사람의 검토, 예외 처리, 유지보수, 교육을 포함한 역량 모델이 필요합니다. 장애 시나리오도 포함해야 합니다. 일반 업무는 빠르게 하지만 까다로운 예외를 대량으로 만드는 에이전트는 비용을 없애기보다 옮기기만 할 수 있습니다.

Anthropic 연구의 주니어 채용 수치는 주목할 만합니다. 입문 수준 업무는 흔히 오늘의 일을 끝내는 것과 내일의 전문성을 쌓는 것이라는 두 가지 목적을 함께 수행하기 때문입니다. 에이전트가 초안 작성, 디버깅, 리서치, 일상적인 분석을 맡게 되면 주니어 역할은 사람이 배우는 데 필요한 반복 경험을 잃을 수 있습니다. 대안을 설계하지 않고 이 업무를 없애면 승계, 내부 이동, 미래의 검토 인력 확보가 약해질 수 있습니다.

더 나은 대응은 감독하의 판단을 중심으로 주니어 역할을 다시 설계하는 것입니다. 직원들은 에이전트 산출물을 비교하고, 예외를 조사하고, 가정을 검증하고, 결정을 기록하며, 고객이나 운영 현장을 순환하며 경험할 수 있습니다. 관리자는 각 단계에서 역량이 어떤 모습인지 정의하고, 직원들이 성장할 만큼 충분히 연습하고 있는지 확인해야 합니다. 목표는 가치가 낮은 업무를 끝없이 남겨 두는 것이 아니라 유용한 업무에 담긴 학습을 지키는 것입니다.

리더는 인과관계 주장에 신중해야 합니다. Anthropic의 연구는 내부 데이터와 17건의 인터뷰를 바탕으로 하며, 도구 도입이 무작위가 아니었다고 밝힙니다. 에이전트를 사용한 팀과 개인은 산출물과 채용에도 영향을 주는 방식으로 사용하지 않은 사람들과 다를 수 있습니다. 보고서는 가설과 통제 방안을 세우는 데 참고가 될 수 있지만, 관찰된 모든 변화가 에이전트 도입만으로 생겼다는 것을 증명하지는 못합니다.

계획을 세울 때는 하나의 생산성 가정 대신 여러 시나리오를 사용하세요. 보수적 시나리오는 채택된 산출물이 소폭 늘고 검토 수요가 크다고 가정할 수 있습니다. 기준 시나리오는 일부 워크플로에서 관찰된 개선을 반영할 수 있습니다. 고역량 시나리오는 에이전트 생산이 감독보다 빠르게 늘 때 어떤 일이 생기는지 시험할 수 있습니다. 각 시나리오마다 채용 수요, 검토 역량, 통제 비용, 변화를 촉발할 지표를 명시하고, 근거가 쌓이는 대로 모델을 다시 검토하세요.

AI 시대의 인력 계획은 무엇을 측정해야 할까요?

채택된 가치 있는 업무 시점에서 역량을 측정하세요. 유용한 스코어카드는 사이클 타임, 품질, 재작업, 예외, 사고, 비즈니스 성과를 검토에 필요한 사람의 작업 시간과 함께 봅니다. 직급별 채용, 승진, 역량 습득, 관리자의 관리 범위 같은 인력 지표도 추가하세요. 그러면 상충 관계가 드러납니다. 더 빠른 생산은 가치가 있을 수 있지만, 결함, 검토 적체, 역량 공백이 더 빠르게 늘어난다면 그렇지 않습니다.

Anthropic의 연구는 모든 기업에 적용될까요?

아닙니다. 이 연구는 고유한 인력, 도구, 도입 패턴을 가진 한 AI 기업에 관한 것입니다. 그 결과는 보편적인 기준이 아니라 각자의 워크플로를 시험해 보라는 계기입니다. 리더는 통제된 파일럿을 실행하고, 채택된 결과를 기준선과 비교하며, 누가 도구를 도입하는지 살펴봐야 합니다. 가치, 통제 역량, 직원 성장이 함께 신뢰할 만한 수준을 유지할 때만 확장하세요.