항해일지 · 위클리 브리핑

원문은 Claude Code 사용 데이터 약 40만 세션을 바탕으로 에이전틱 코딩이 실제로 어떻게 쓰이는지 분석합니다. 분석 대상은 2025년 10월부터 2026년 4월까지의 상호작용 세션이며 약 23만 5천 명의 사용자가 포함됩니다. 연구의 관심사는 세 가지입니다. 어떤 일이 수행되는가, 사람과 AI가 어떻게 협업하는가, 그리고 그 세션이 성공하는가입니다.

가장 중요한 발견은 분업 구조입니다. 보통 사람은 무엇을 만들지, 어떤 접근을 택할지, 완료 기준이 무엇인지를 결정합니다. Claude는 어떤 파일을 고치고 어떤 코드를 쓰고 어떤 명령을 실행할지를 맡습니다. 사람은 계획과 판단의 축을 잡고 에이전트는 실행과 구현의 많은 부분을 담당합니다.

전문성도 중요합니다. 사용자가 특정 과제를 더 깊이 이해할수록 Claude는 한 번의 지시에서 더 많은 일을 수행합니다. 코딩 직군이 아니더라도 자기 분야의 문제를 명확히 이해한 사람은 소프트웨어 엔지니어와 비슷한 수준의 성공률에 가까워질 수 있습니다.

원문은 코딩 에이전트의 확산을 지식 노동 전반의 변화 신호로 봅니다. GitHub 프로젝트에서 코딩 에이전트 활동이 늘고 있고 Claude Code 사용자는 도구를 매주 긴 시간 활용합니다. 여기서 연구자들이 던지는 질문은 단순합니다. 정규 코딩 교육을 받지 않은 사람도 에이전트를 이끌어 복잡한 기술 작업을 끝낼 수 있는가.

이 보고서는 아직 완전한 답을 내리지는 않습니다. 대신 Claude Code 사용 데이터에서 초기 신호를 읽습니다. 원문은 에이전트가 더 복잡하고 더 가치 있는 작업을 처리하기 시작했다고 봅니다. 동시에 사람과 에이전트 사이에는 여전히 선명한 역할 분담이 남아 있다고 설명합니다.

성공을 가르는 것은 코딩 직함보다 문제 이해도입니다. 사용자가 자기 일이 무엇인지, 왜 필요한지, 어디서 실패할 수 있는지를 알수록 에이전트가 더 좋은 일을 해냅니다. 코딩 에이전트는 도메인 전문성을 없애는 도구가 아니라 도메인 전문성에 실행력을 더하는 도구입니다.

원문은 Claude Code 세션을 아홉 가지 작업 모드로 분류합니다. 새 코드를 만들기, 고장 난 코드를 고치기, 테스트하기, 다른 에이전트나 자동화 파이프라인을 조율하기처럼 직접 코드와 관련된 활동이 있습니다. 여기에 배포, 설정, 파이프라인 실행, 모니터링 같은 소프트웨어 운영 작업도 포함됩니다.

또 다른 축은 기존 시스템을 이해하거나 변경 계획을 세우는 작업입니다. 그리고 코드가 최종 산출물이 아니거나 부수적인 역할만 하는 데이터 분석, 발표자료, 문서 작성도 별도 범주로 봅니다. 전체적으로 작성·수정·테스트·조율 같은 코드 중심 작업이 절반 이상이지만 운영과 분석, 문서 작업의 비중도 작지 않습니다.

이 분류가 중요한 이유는 Claude Code가 단순 코드 생성기가 아니라는 데 있습니다. 사용자는 점점 “코드 한 조각”보다 “문제를 끝까지 처리하는 흐름”을 맡깁니다. 길드의 훈련도 그래서 단일 프롬프트보다 작업 모드별 운영법을 다뤄야 합니다.

원문은 세션 안의 결정을 계획과 실행으로 나눕니다. 계획은 무엇을 할지, 어떤 접근을 택할지, 무엇을 완료로 볼지를 정하는 일입니다. 실행은 어떤 파일을 바꾸고 어떤 코드를 쓰고 어떤 언어와 명령을 사용할지를 정하는 일입니다.

분석 결과 사람은 평균적으로 계획 결정의 약 70%를 맡고 실행 결정은 약 20%만 맡습니다. 반대로 말하면 Claude는 실행 결정의 큰 부분을 맡습니다. 일반적인 세션은 약 네 번의 왕복으로 이루어지고 사용자의 한 번 지시는 Claude의 여러 행동으로 이어집니다.

여기서 핵심은 자율성이 무조건 좋은 것이 아니라는 점입니다. 사람이 계획을 잘 잡으면 Claude는 실행을 많이 맡아도 목표를 유지합니다. 하지만 사람이 계획까지 놓아버리면, Claude는 더 많은 행동을 하더라도 엉뚱한 결과를 빠르게 만들 수 있습니다.

원문은 사용자의 전문성을 직업명으로 판단하지 않습니다. 세션 transcript를 보고 사용자가 과제를 얼마나 정확히 지시하는지, 무엇을 검증하라고 요구하는지, Claude가 틀렸을 때 사용자가 바로잡는지 등을 기준으로 과제별 전문성을 평가합니다.

예를 들어 시니어 엔지니어라도 처음 접하는 Rust 문제에서는 초보자일 수 있습니다. 반대로 Python을 잘 모르는 회계 담당자라도 월말 정산 규칙과 예외 조건을 정확히 설명하고 Claude가 놓친 케이스를 잡아낼 수 있다면 그 과제에서는 전문가입니다.

전문성이 높을수록 Claude는 한 번의 프롬프트에서 더 많은 행동과 출력을 만들어냅니다. 초보자 세션에서는 한 번의 지시가 비교적 짧은 실행으로 끝나지만 전문가 세션에서는 더 긴 행동 체인이 만들어집니다. 전문성은 Claude에게 더 많은 일을 안전하게 맡기는 조건입니다.

연구진은 세션의 파일 구조, 프로젝트 맥락, 사용하는 어휘, 참조 자료 등을 바탕으로 사용자의 직업군을 추정했습니다. 여기서 중요한 원칙은 코딩 행위 자체를 소프트웨어 직업의 증거로 보지 않았다는 점입니다. 변호사가 계약서 누락 조항을 찾는 스크립트를 만들면, 그 세션은 법률 직군의 작업으로 분류됩니다.

직업을 추정할 수 있었던 세션 중 가장 큰 비중은 컴퓨터·수학 관련 직군이었지만 비즈니스·금융, 예술·디자인·미디어, 경영, 생명·물리·사회과학 분야도 크게 나타났습니다. 특히 경영, 영업, 법률 같은 비소프트웨어 직군의 성장세도 관찰됩니다.

이 대목은 길드의 방향과 직접 연결됩니다. AI 에이전트 시대의 빌더는 전통적 개발자만을 뜻하지 않습니다. 각자의 도메인을 알고 그 문제를 에이전트가 다룰 수 있는 작업으로 번역하는 사람이 새로운 빌더가 됩니다.

2025년 10월부터 2026년 4월까지 사용 패턴은 크게 변했습니다. 고장 난 코드를 고치는 세션 비중은 33%에서 19%로 줄었습니다. 반면 소프트웨어를 운영하고 배포하고 실행하는 작업은 14%에서 21%로 늘었습니다. 데이터 분석과 문서 작성도 대략 10%에서 20% 수준으로 증가했습니다.

이는 사용자가 Claude Code를 단순 수리 도구에서 업무 전 과정을 다루는 도구로 옮겨 쓰고 있다는 뜻입니다. 처음에는 “이 에러 고쳐줘”에 가까웠다면, 시간이 갈수록 “이 시스템을 돌리고 데이터를 분석하고 결과를 문서로 정리해줘”에 가까워집니다.

원문은 과업의 경제적 가치도 함께 추정합니다. 프리랜서 마켓의 유사 작업 가격을 기준으로 봤을 때, 평균 세션의 추정 가치는 7개월 동안 약 27% 상승했습니다. 이 수치는 절대 가격표가 아니라 작업의 성격이 더 복잡하고 가치 있는 쪽으로 이동했다는 지표로 읽어야 합니다.

원문은 세션의 성공 여부를 실제 사용자 만족도로 직접 측정하지는 못합니다. 대신 transcript를 읽어 목표 달성 여부를 판단하고 테스트 통과, 커밋, PR, 사용자의 명시적 확인 같은 검증 가능한 신호를 함께 봅니다. 목표가 불분명한 세션은 분석에서 제외합니다.

가장 엄격한 검증 성공 기준에서 초보자 세션은 약 15%의 성공률을 보입니다. 반면 중급 이상 세션은 약 28%에서 33% 수준입니다. 느슨한 부분 성공 기준으로 보면 초보자는 77%, 중급 이상은 91%에서 92%까지 올라갑니다. 가장 큰 차이는 초보에서 중급으로 넘어가는 구간에서 발생합니다.

문제가 생긴 세션에서도 전문성의 차이는 드러납니다. 오류, 실패한 테스트, 반복 시도, 사용자 불만 같은 실패 신호가 있는 상황에서 전문가 세션은 초보자보다 더 잘 복구합니다. 초보자는 어려움이 생기면 포기하는 비율이 높고 전문가는 가정을 점검하고 작업 방향을 수정해 결과에 가까워질 가능성이 큽니다.

소프트웨어 관련 직군은 전체적으로 검증 성공률이 약 30%이고 다른 직군은 약 26%입니다. 코드가 실제로 추가되거나 수정된 세션만 보면 소프트웨어 직군은 약 34%, 비소프트웨어 직군은 약 29%입니다. 차이는 있지만 압도적이지 않습니다.

더 느슨한 부분 성공 기준에서는 격차가 더 줄어듭니다. 코드 산출 세션에서 두 그룹은 거의 비슷한 수준의 부분 성공률을 보입니다. 대형 직군별로 봐도 주요 직업군은 소프트웨어 엔지니어와 큰 차이 없이 성공 범위 안에 들어옵니다.

원문이 말하는 전환은 분명합니다. 코딩 배경은 여전히 도움이 되지만 성공의 유일한 조건은 아닙니다. 자기 분야의 문제를 아는 사람이 에이전트와 함께 기술 작업을 수행할 가능성이 커지고 있습니다.

원문은 이 결과를 지식 노동의 초기 변화 신호로 봅니다. 에이전트는 구현 중심 작업 일부를 흡수하고 있지만 동시에 문제를 잘 이해하는 사람에게 더 큰 실행력을 줍니다. 전문가 세션은 초보자 세션보다 검증 성공률이 두 배 이상 높고 문제가 생겨도 더 잘 복구합니다.

연구진은 한계도 분명히 밝힙니다. 실제로 그 코드가 사용됐는지, 경제적 가치를 만들었는지는 직접 측정하지 못했습니다. 비상호작용식 사용은 이번 분석에서 빠져 있으며 세션 분류도 모델 판독에 의존합니다.

앞으로 모델이 더 발전해 사람이 가져오던 판단 일부까지 공급하게 된다면 전문성의 수익률은 달라질 수 있습니다. 반대로 비소프트웨어 직군의 성공률이 계속 올라간다면, 소프트웨어 생산은 특정 직업의 전유물이 아니라 모든 직무의 일부가 될 수 있습니다. 길드가 준비해야 할 변화는 바로 이 지점입니다.