Anthropic, AI 실제 적용은 이론치보다 낮지만 고노출 직무 성장세는 약할 수 있다고 분석

Anthropic Economic Research 팀은 2026년 3월 5일, AI의 labor market 영향이 이제 측정 가능해지고 있지만 아직 기술의 theoretical ceiling과는 큰 차이가 있다고 보는 보고서를 발표했다. 이 보고서는 “observed exposure”라는 새 지표를 제안하는데, LLM이 이론적으로 수행 가능한 task 범위와 실제 Claude usage data, work-related context, 그리고 단순 보조가 아니라 automation에 가까운 사용 비중을 함께 반영한다.

핵심 메시지는 과장과 안일함을 모두 경계하라는 것이다. Anthropic에 따르면 실제 AI coverage는 현재 모델이 이론적으로 할 수 있는 범위의 일부에 머물고 있다. 예를 들어 Computer & Math 범주에서는 이론적 capability가 전체 task의 94%까지 닿지만, Claude가 현재 실제로 커버하는 범위는 33%에 그친다. 이는 raw model capability만으로 labor impact를 판단할 수 없고, workflow 재설계, 도입 속도, 규제, human validation 같은 요소가 여전히 크게 작동한다는 뜻이다.

보고서는 platform usage와 official labor projection을 연결하려는 시도도 담고 있다. Anthropic은 observed exposure가 높은 occupation일수록 U.S. Bureau of Labor Statistics 기준으로 2034년까지 성장 전망이 더 낮다고 설명한다. 회귀 분석에서는 coverage가 10 percentage point 높아질 때 projected job growth가 0.6 percentage point 낮아지는 관계가 나타났다. 가장 노출이 높은 직무로는 75% coverage로 추정된 computer programmer와 customer service representative, data entry keyer 등이 제시됐다.

동시에 Anthropic은 대규모 displacement가 이미 발생했다고 주장하지 않는다. 보고서는 2022년 말 이후 고노출 worker 집단에서 unemployment가 체계적으로 증가했다는 증거는 찾지 못했다고 말한다. 다만 노출이 높은 occupation일수록 younger worker hiring이 둔화됐을 가능성을 시사하는 정황은 있다고 덧붙였다. 또한 가장 노출이 큰 profession의 worker는 평균적으로 더 고연령이고, 여성 비중이 높으며, 교육 수준과 임금도 더 높다고 분석했다.

왜 중요한가

이 연구가 중요한 이유는 AI 논의를 pure capability benchmark에서 실제 업무 usage 측정으로 옮겨 놓기 때문이다. 정책 입안자, 기업, 교육기관 입장에서는 “AI가 무엇을 할 수 있는가”와 “AI가 오늘 실제로 무엇을 바꾸고 있는가”를 구분하는 기준이 훨씬 실용적이다.

• 이론적 capability와 실제 deployment 사이를 잇는 측정 프레임을 제시한다.
• 노동시장 영향이 즉각적인 unemployment 급증보다 hiring과 growth 둔화로 먼저 나타날 수 있음을 시사한다.
• 기업이 AI adoption 확대 과정에서 노출 수준을 추적할 수 있는 더 구체적인 기준을 제공한다.

물론 Anthropic 자체 data에 기반한 연구라는 한계는 있다. 그럼에도 이 보고서는 2026년 3월 시점에 frontier AI가 labor market을 어떻게 바꾸기 시작하는지 보여주는 가장 선명한 data point 가운데 하나로 볼 만하다.