Anthropic 경제 지수 주기 보고서 – 2026년 6월

요약

Anthropic의 2026년 6월 경제 지수 보고서는 클로드 사용이 이제 일일 및 주간 근무 주기와 일치하며, 더 높은 가치의 아티팩트를 생성하고 더 많은 컴퓨팅 자원을 소비하며, 더 많은 작업을 자동화하는 사용자들이 AI가 그들의 직업에 미치는 영향에 대해 놀랍도록 낙관적임을 밝혀냈습니다.

1. 새로운 측정 주기로 근무 패턴을 포착

결론: 시간 단위 샘플링은 클로드 사용이 업무 관련 질의는 근무 시간에, 개인 관련 질의는 주말에 급증함을 보여주며, AI 채택이 실제 노동 리듬을 따름을 확인합니다.

데이터는 이제 7일 단위 창이 아닌 시간 단위로 샘플링되어, 일일 주기의 세밀한 분석이 가능해졌습니다.
개인 사용 대화는 평일 약 35%에서 주말에는 거의 50%로 증가합니다 (그림 1.1).
시간별 피크는 오전 7시 뉴스 요청, 오후 6시 조리법 요청(평균의 2.3배), 오전 5시 수면 조언 등입니다 (그림 1.2).
4월 14~15일에 세금 관련 질의가 8배 증가하여 미국 세금 신고 마감일과 일치합니다 (그림 1.4).
야간 및 주말 업무 대화는 컴퓨터-수학 작업을 제외한 후에도 고임금 직업에서 비율이 높게 나타납니다.

2. 아티팩트 분류를 통해 클로드가 생성하는 내용 파악

결론: 클로드 대화의 90% 이상이 구체적인 아티팩트를 생성하며, 가장 흔한 유형은 설명(17%), 문서/보고서(15%), 안내(11%)입니다.

아티팩트는 30개 이상의 카테고리로 분류되며, 분포는 그림 2.1에 표시되어 있습니다.
업무 관련 아티팩트는 문서, 설명, 이메일 초안에서 지배적이며, 개인 아티팩트는 설명(25%)과 추천(22%)에서 지배적입니다.
일부 아티팩트 유형은 거의 항상 개인용(예: 창작 글쓰기, 조리법), 다른 유형은 대부분 업무 관련(예: 마케팅 콘텐츠, 데이터베이스 쿼리)입니다.

3. 컴퓨팅 소비는 경제적 가치와 상관관계 있음

결론: 고임금 직업에 매핑된 대화는 더 많은 토큰을 소비하며, 토큰 사용은 출력의 경제적 가치와 강하게 연결되어 있습니다.

중앙값 토큰 수는 중앙값 직업 임금과 함께 증가합니다 (로그-로그 관계, 그림 2.3 왼쪽).
앱 개발은 중앙값 토큰 수의 3배 이상을 소비하며, 간단한 설명은 약 0.2배에 불과합니다.
토큰 사용의 임금-기울기의 약 44%는 아티팩트 유형의 혼합에 의해 설명됩니다 (고임금 직업은 더 컴퓨팅 집약적인 아티팩트를 생성함).
고임금 대화는 또한 한 번의 대화당 클로드 출력이 1.34배 많고, 사용자 대화 횟수가 1.53배 많아, 노동 보완(대체가 아님)을 나타냅니다 (표 2.4).

4. AI 자율성은 표면과 출력 유형에 따라 다름

결론: 동일한 모델(예: Sonnet)을 사용하더라도, 클로드 코드 세션은 채팅이나 커워크보다 더 높은 AI 자율성을 보입니다.

자율성은 1~5점 척도로 평가되며, 클로드 코드는 평균적으로 0.37점 더 높습니다 (그림 2.5).
격차의 주된 원인은 클로드 코드에서 더 많은 위임(차이의 약 2/3)과 다른 출력 혼합(차이의 약 1/3)입니다.
고자율 출력(예: 앱 또는 웹사이트 생성)은 가장 높은 토큰 소비를 보이며, 상관관계 r = 0.68입니다.

5. 클로드의 응답은 일반적으로 프롬프트보다 더 복잡함

결론: 아티팩트 유형에 관계없이 클로드의 응답은 평균적으로 사용자 프롬프트보다 교육 수준이 1년 높으며, 디자인 중심 작업(예: 그래픽 +2.6년)에서 가장 큰 격차를 보입니다.

독해 수준 추정은 이해에 필요한 교육 연수로 사용됩니다 (그림 2.6).
학술 논문 출력은 16년 이상 필요하고, 조리법은 10년 미만 필요합니다.
대중을 대상으로 하는 글쓰기(블로그, 이메일)에서는 프롬프트-응답 격차가 거의 0에 가깝습니다.

6. 설문 조사 결과: 기대, 낙관성, 인구 통계

결론: 설문 조사 대상 클로드 사용자(약 9,700명 응답자)는 다음 해에 AI 기능이 확장될 것이라고 대부분 예상하며, 더 많은 작업을 자동화하는 사용자가 급여, 고용 안정성, 기술 가치에 대해 가장 낙관적입니다.

응답자는 컴퓨터-수학(약 30%)과 관리직(약 23%)에 편향되어 있으며, 이는 미국 고용에서의 비율보다 훨씬 높습니다.
60%는 12개월 내 자신의 업무 중 AI 자동화 가능한 비율이 높아질 것으로 예상하며, 33% 이상은 AI가 자신의 업무의 대부분 또는 전부를 처리할 것으로 기대합니다.
보고된 노출 수준은 관찰 및 이론적 노출과 일치하지만, 예상 노출 수준은 직업에 관계없이 균일합니다.
더 높은 자동화 비율은 모든 6개의 직업 품질 차원에서 낙관성과 긍정적인 상관관계가 있습니다 (그림 3.6).
여성(표본의 12%)은 직업을 통제한 후에도 업무 및 자동화에 클로드를 덜 사용하고, 더 반복적으로 사용합니다 (그림 3.8).

7. 사람들은 AI 전환된 경제에서 무엇을 기대하는가?

결론: 가장 흔한 소망은 의미 있는 업무에서 AI와의 협업 강화, 번거로운 업무 자동화를 통해 여가 시간 확보, AI가 창출한 경제적 이익의 광범위한 공유입니다.

개방형 응답의 50% 이상이 의미 있는 작업에서 AI-인간 협업을 언급합니다.
비슷한 비율이 반복적인 업무 자동화를 통해 여가를 늘리기를 원합니다.
약 1/3은 AI의 생산성 향상이 넓게 공유되기를 희망합니다.

8. 연구자 및 정책 입안자에게 미치는 함의

결론: 세밀한 사용 데이터와 아티팩트 분류는 AI의 경제적 확산에 대한 조기 신호를 제공하며, 설문 결과는 관찰된 노출과 사용자 기대 사이의 격차가 노동 시장 정책에 영향을 줄 수 있음을 시사합니다.

시간 단위 텔레메트리로 AI 채택 주기를 실시간 모니터링할 수 있으며, 인력 계획 도구에 활용할 수 있습니다.
토큰-임금 관계는 컴퓨팅 비용이 AI 생성 작업의 경제적 가치를 대표할 수 있음을 시사합니다.
고자동화 사용자의 낙관성은 더 빠른 채택을 이끌 수 있지만, 모든 직업에서 빠른 기능 확장에 대한 균일한 기대는 산업별 영향을 예측할 때 주의가 필요합니다.
성별 기반 사용 차이는 고자율 AI 도구에 대한 공정한 접근을 보장하기 위한 포괄적인 설계의 필요성을 시사합니다.

전체 방법론 부록 및 데이터 시각화는 원본 보고서의 PDF에서 확인할 수 있습니다.*