AI는 이제 대부분의 사람들이 일상적으로 쓰는 도구가 됐습니다. 하지만 사람들이 AI를 어떻게 사용하고 있고, 어떤 감정과 기대를 가지고 있는지는 여전히 잘 보이지 않습니다. Anthropic은 이 질문을 해결하기 위해 새로운 도구, Anthropic Interviewer를 만들었습니다. AI가 대규모 인터뷰를 직접 수행하여 사람들의 실제 경험을 분석하는 방식입니다.
이번 연구에서는 1,250명의 전문가를 인터뷰해 일반 직장인, 크리에이터, 과학자 각각이 AI를 어떻게 받아들이고 있는지, 어떤 변화를 체감하고 있는지 데이터를 통해 살펴봤습니다. 이 글에서는 Anthropic Interviewer의 개념부터 직군별 주요 결과, 그리고 앞으로 기대되는 변화까지 정리합니다.
Anthropic Interviewer란 무엇인가
Anthropic Interviewer는 AI가 실제 사용자와 인터뷰를 진행하고, 그 내용을 분석해 패턴을 도출하는 도구입니다. 지금까지는 AI 사용 데이터를 기반으로 사용자의 행동만 분석할 수 있었다면, 이번에는 사용자의 감정·경험·우려·기대값까지 직접 묻고 해석합니다.
기존 분석 방식과의 차이
기존 데이터 분석은 사용자가 AI에게 어떤 질문을 했는지, 어떤 주제로 대화했는지를 중심으로 이루어졌습니다. 하지만 그런 방식만으로는 다음을 알 수 없습니다.
- 사용자가 실제 업무 현장에서 AI 결과물을 어떻게 활용했는지
- AI 사용 후 어떤 감정을 느끼는지
- AI의 미래 역할을 어떻게 상상하는지
Anthropic Interviewer는 이 공백을 채우기 위해 만들어졌습니다.
동작 방식: 계획 → 인터뷰 → 분석
- 계획 단계
AI가 연구 목적을 바탕으로 인터뷰 질문 목록을 만들고, 연구자가 최종 검토합니다. - 인터뷰 단계
사용자는 Claude.ai에서 10~15분간 인터뷰를 진행합니다. 질문은 상황에 따라 자연스럽게 변경됩니다. - 분석 단계
인터뷰 종료 후 AI가 전체 데이터를 다시 분석하여 의미 있는 패턴을 추출합니다. 이후 인간 연구자가 검증하여 최종 결과가 만들어집니다.
연구 개요: 1,250명 전문가 인터뷰
이번 인터뷰는 총 1,250명을 대상으로 진행되었습니다.
- 일반 직장인 1,000명
교육(17%), 컴퓨터·수학(16%), 예술·디자인·미디어(14%) 등이 포함된 다양한 직군 - 크리에이터 125명
작가, 비주얼 아티스트, 디자이너, 영화·게임 제작자 등이 포함 - 과학자 125명
물리학자, 화학자, 엔지니어, 데이터 과학자 등 50개 이상의 분야
연구 목표는 단순했습니다.
AI가 각 직군의 실제 업무에서 어떻게 쓰이고 있으며,
그 과정에서 사람들이 무엇을 기대하고, 무엇을 걱정하는지를 직접 듣는 것입니다.
일반 직장인: 생산성 향상 속 불안과 기대가 공존하다
일반 직장인들은 AI를 통해 실제적인 시간 절약 효과를 크게 느끼고 있었습니다.
- 86%가 “AI 덕분에 시간이 절약된다”
- 65%가 “현재 AI 역할에 만족한다”
사회적 시선의 압박
흥미롭게도 69%가 AI 사용을 동료에게 숨기거나 조심한다고 답했습니다.
한 팩트체커는 이렇게 말했습니다.
“동료가 AI를 싫어한다고 해서 저는 아무 말도 하지 않았어요. AI를 쓴다는 걸 말하고 싶지 않아요.”
미래 일자리 변화에 대한 양가적 감정
- 41%는 “인간의 핵심 역량은 대체되지 않을 것”이라고 느꼈고
- 55%는 “AI가 내 일에 영향을 줄 것 같아 불안하다”고 답했습니다.
특히 일부는 AI를 활용하기 위한 능동적 재교육을 시작했고,
일부는 직업 전환까지 고려했습니다.
증강 vs 자동화
인터뷰에서는 사람들이 AI를 **증강용(65%)**으로 쓴다고 말했지만,
실제 사용 기록은 **증강 47%, 자동화 49%**로 거의 비슷했습니다.
업무는 “협업처럼 느껴져도 실제로는 자동화되는 영역이 많다”는 뜻입니다.
크리에이터: 생산성은 높아졌지만 창작 정체성의 불안은 더 깊다
크리에이터들은 AI로 인해 업무 효율이 크게 올라갔다고 말했습니다.
- 97%가 “시간 절약 효과를 느낀다”
- 68%가 “작품 품질도 향상됐다”
작가들은 자료조사가 쉬워졌고,
사진작가들은 편집 자동화로 작업 시간이 12주에서 3주로 줄었습니다.
하지만 동료들의 시선은 여전히 부담
크리에이터의 70%가 AI 사용에 대한 커뮤니티 내 비판을 우려했습니다.
“브랜드가 AI를 쓰는 이미지로 비춰질까 봐 조심스럽습니다.”
경제적 불안은 더욱 현실적
- AI 음성합성으로 인해 사라진 성우 시장
- 자동 생성 음악 플랫폼에 대한 작곡가들의 우려
- 경쟁력을 유지하기 위해 AI를 쓸 수밖에 없다는 강박
이런 감정은 크리에이터 집단에서 가장 강하게 나타났습니다.
창작 과정에서의 통제에 대한 갈등
모든 크리에이터가 "최종 통제권"을 유지하고 싶어 했지만,
실제로는 AI가 창작을 주도하는 순간이 늘어나고 있었습니다.
“AI가 전체 콘셉트를 주도하고 저는 그걸 다듬는 정도입니다.”
이 모순된 감정이 크리에이터 집단 전반에서 관찰되었습니다.
과학자: 핵심 연구에는 아직 불신, 그러나 기대는 가장 크다
과학자들은 AI를 **핵심 연구 단계(가설 생성, 실험 설계)**에서 쓰기 어렵다고 했습니다.
하지만 다음 영역에서는 적극적으로 활용하고 있었습니다.
- 코드 디버깅
- 연구 문서 작성
- 논문 정리
- 데이터 요약
가장 큰 장벽은 신뢰
79%가 “AI 결과를 신뢰하기 어렵다”고 답했습니다.
- 세부 사실 검증이 필요해 시간 절약이 안 됨
- 문구에 따라 답이 달라지는 불안정성
- 보안·규제 때문에 AI를 쓸 수 없는 환경
과학자들은 특히 “할루시네이션” 문제를 일관되게 지적했습니다.
하지만 AI가 가져올 연구 혁신에 대한 기대는 높다
91%의 과학자가 “더 발전된 AI 연구 파트너를 원한다”고 답했습니다.
“새로운 가설을 제시하거나 인간이 보지 못한 패턴을 찾아주는 AI가 필요합니다.”
과학자들은 AI가 실험 자동화와 아이디어 생성에 기여할 수 있을 것이라고 기대했지만, 현재 단계에서는 “도움을 주는 도구”에 머무른다고 평가했습니다.
종합 분석: AI와의 협업은 이미 시작되었다
- 세 직군 모두 생산성 향상을 경험하고 있다.
- 그러나 각 직군은 서로 다른 불안을 가진다.
- 일반 직장인: 업무 변화와 사회적 시선
- 크리에이터: 경제적 위협과 창작 정체성
- 과학자: 정확성 부족과 신뢰 문제
- AI를 협업 파트너로 바라보는 시각이 확대되고 있다.
여전히 한계가 있더라도 “미래 AI가 나를 더 도와줄 것”이라는 기대가 공통적으로 존재했다.
Anthropic의 다음 단계
Anthropic은 이번 연구를 시작점으로 아래와 같은 활동을 이어갑니다.
- 크리에이터 커뮤니티와 협업해 AI의 창작 보조 역할을 연구
- 과학자들에게 필요한 AI 기능을 연구그랜트를 통해 개발
- 교사·교육기관과 협력해 AI 교육 접근성을 높임
- 인터뷰 데이터를 기반으로 AI 모델의 방향성을 인간 중심으로 조정
Anthropic Interviewer는 단순 기술이 아니라,
AI가 사회에서 어떤 역할을 해야 하는지 사용자에게 직접 묻는 방식입니다.
AI와 함께 일하는 시대, 사람들의 목소리가 더 중요해졌다
이번 1,250명 인터뷰는 AI가 이미 업무 환경 전체를 흔들고 있다는 사실을 보여줍니다.
사람들은 AI가 주는 생산성 향상에 만족하면서도,
동시에 정체성·경제·신뢰 문제라는 영역에서 걱정을 느끼고 있습니다.
Anthropic Interviewer는 이러한 인간의 감정을 기술 개발에 반영하기 위한 첫 단계입니다.
AI가 더 똑똑해지는 것보다 중요한 것은,
AI가 사람의 기대와 우려를 이해하고 그 방향에 맞춰 발전하는 것입니다.
앞으로 AI를 활용하려는 독자라면 다음 질문을 스스로에게 던져볼 필요가 있습니다.
- 나는 AI와의 협업을 어떻게 정의할 것인가
- 자동화와 증강 중 무엇을 더 중시할 것인가
- AI 활용으로 내 역할이 어떻게 바뀔 수 있을까
이 글에서 다룬 데이터는 그 답을 찾는 데 중요한 실마리가 될 것입니다.
https://www.anthropic.com/news/anthropic-interviewer
Introducing Anthropic Interviewer
What 1,250 professionals told us about working with AI
www.anthropic.com
'인공지능' 카테고리의 다른 글
| Mixture of Experts와 NVIDIA GB200 NVL72가 만든 10배 성능 혁신: 차세대 AI 모델 구조의 현재와 미래 (0) | 2025.12.05 |
|---|---|
| 브라우저에서 실행되는 Postgres, PGlite 완전 정리 (0) | 2025.12.05 |
| Claude 4.5 Opus ‘소울 문서’ 논란 정리: AI 내부 가치 구조가 드러난 첫 사례 (0) | 2025.12.05 |
| AWS DevOps Agent 프리뷰 공개: 장애 대응을 자동화하는 새로운 DevOps 동반자 (0) | 2025.12.04 |
| Evo-Memory와 ReMem: LLM 에이전트의 ‘경험 기반 학습’을 여는 새로운 접근 (0) | 2025.12.04 |
