Claude Code 세션 연구로 본 도메인 전문성과 에이전틱 코딩

Claude Code 사용자는 무엇을 맡기고 있었나

2026년 6월 16일 Anthropic은 Claude Code의 약 40만 개 세션과 약 23만 5천 명의 사용자 데이터를 분석한 연구 보고서 「Agentic coding and persistent returns to expertise」를 공개했다. 여기에 Anthropic 자체 코드베이스의 80% 이상을 Claude Code가 작성한다는 내부 데이터도 포함됐다.

Zoe Hitzig, Maxim Massenkoff, Eva Lyubich, Ryan Heller, Peter McCrory로 구성된 경제학자·데이터 과학자 팀은 2025년 10월부터 2026년 4월까지 수집한 데이터를 분석했다. 초점은 AI 코딩 에이전트를 효과적으로 다루는 사용자의 특성과 숙련도에 따른 성과 차이였다.

세션 안에서 인간과 Claude가 맡는 역할은 달랐다. 인간은 무엇을 할지 정하는 계획을 약 70% 담당했고, Claude는 어떻게 구현할지 결정하는 실행을 약 80% 처리했다. 상위 10개 비소프트웨어 직종도 소프트웨어 엔지니어와 비교해 7%p 이내의 성과 차이를 보였다. 성장 속도가 가장 높았던 직종은 경영, 법률, 영업 전문직이었다. 이들은 자신의 도메인 지식을 바탕으로 요구사항을 구체화하고 결과를 판별하는 데 AI를 활용했다.

수정에서 운영과 분석으로 넓어진 작업 범위

세션에서 수행된 작업은 코드 수정과 신규 작성에만 머물지 않았다.

작업 유형	비율	설명
코드 수정(Fixing)	26%	버그 수정, 리팩터링
코드 작성(Writing)	25%	신규 기능, 모듈 구현
소프트웨어 운영(Operating)	17%	빌드, 배포, 테스트 실행
문서·분석 생성	10%	기술 문서, 보고서, 분석
기타	22%	검색, 탐색, 설정 등

시간이 지나면서 수정 작업은 33%에서 19%로 감소했고, 운영 작업은 14%에서 21%로 증가했다. 글쓰기·분석 작업은 약 2배 늘었으며 전체 작업의 가치는 약 27% 상승했다. 사용자가 에이전트에 맡기는 범위가 단순한 오류 수정에서 운영, 분석, 고부가가치 작업으로 확장된 흐름이다.

독립된 작업은 병렬로 위임한다

복잡한 요청을 서로 독립적인 서브태스크로 나눌 수 있다면 오케스트레이터가 분석, 구현, 테스트, 문서화를 병렬로 배분할 수 있다.

⤢✕

전문가 사용자는 초기 프롬프트에서 서브태스크의 경계를 분명하게 잡고, Claude Code가 각 서브에이전트에 필요한 컨텍스트를 배분하도록 구성했다. 병렬화 자체보다 작업 간 의존성과 검증 책임을 먼저 구분하는 능력이 이 패턴을 좌우한다.

대규모 코드베이스 마이그레이션이나 엔터프라이즈급 리팩터링에서는 서브에이전트가 다시 하위 작업을 위임하는 중첩 구조도 관찰됐다.

⤢✕

Anthropic의 사례에서는 2026년 4월 Claude가 API 오류 클래스를 1,000분의 1로 줄이는 800개 수정을 자동 배포했다. 인간 엔지니어가 같은 작업을 수행한다면 약 4년이 걸릴 것으로 추정됐다.

성과 차이는 구현보다 검증에서 벌어졌다

연구에서 코딩 배경보다 강한 예측 변수로 나타난 것은 도메인 전문성이었다.

⤢✕

검증 성공률은 초보 단계의 15%에서 중급의 28~33%로 높아진 뒤 고급 단계에서 33% 수준에 머물렀다. 이 plateau는 현재 AI 에이전트의 기술적 한계와 함께, 전문가가 숙련될수록 더 복잡한 작업을 맡기는 행동 변화를 반영한다.

문제가 생긴 세션을 포기하는 비율도 달랐다. 초보자는 약 19%가 이탈했지만 전문가는 5~7%만 세션을 중단했다. 전문가는 오류 메시지를 해석하고 재시도 방식을 조절할 수 있는 도메인 지식을 갖고 있었다.

경영, 법률, 영업 전문직이 높은 성장 속도를 보인 이유도 같은 맥락에서 읽을 수 있다. 이들은 직접 코드를 구현하는 능력보다 도메인 로직을 정확하게 명세하고 산출물의 적합성을 판단하는 능력을 활용했다.

안전성과 자율성을 나누는 Claude Code 설계

Claude Code의 설계는 자율 실행을 허용하되 작업 위험에 따라 경계를 달리하는 구조다. 원본에서 제시한 설계 원칙은 4가지다.

원칙	내용	적용 예시
Deny-First + 인간 에스컬레이션	기본은 차단, 불확실한 경우 인간에게 확인 요청	프로덕션 DB 삭제 명령 차단 후 확인 요청
Graduated Trust Spectrum	작업 위험도에 따른 신뢰 레벨 점진적 부여	읽기→쓰기→실행→네트워크 순으로 권한 확대
Defense in Depth	다층적 보안 메커니즘으로 단일 실패점 제거	권한 검사, 샌드박싱, 감사 로그 중첩 적용
Reversibility-Weighted Risk Assessment	되돌릴 수 없는 작업에 더 높은 위험 가중치 부여	파일 삭제 > 파일 수정 > 파일 읽기 순서로 경계 강화

도구 호출은 deny, ask, allow라는 3가지 권한 상태를 거친다.

⤢✕

여기서는 deny가 ask보다 먼저 평가된다. 위험 임계값을 넘는 작업은 사용자가 명시적인 허용 설정을 했더라도 deny 규칙의 적용을 우선한다.

장기 세션의 컨텍스트는 3개 타임스케일로 관리된다.

즉각적 컨텍스트(Immediate)는 현재 대화의 최신 상태를 최대 200K/500K 토큰 범위에서 유지한다.
세션 컨텍스트(Session)는 세션 중 내려진 주요 결정과 파일 변경 이력을 요약한다.
프로젝트 컨텍스트(Project)는 CLAUDE.md와 AGENTS.md를 통해 지속적으로 적용할 프로젝트 규칙을 제공한다.

MCP(Model Context Protocol)는 “AI의 USB-C”로 불리며 파일시스템, Git, GitHub, Slack, Notion, Figma, Postgres, Playwright 같은 외부 시스템을 표준화된 방식으로 연결한다.

Anthropic 내부 코드베이스가 보여준 변화

Anthropic이 공개한 내부 지표는 코드 생성 비율뿐 아니라 엔지니어의 작업량과 최적화 속도까지 포함한다.

지표	수치	기준 시점
Claude Code 출시 전 AI 코드 비율	한 자릿수%	2025년 2월 이전
AI 작성 코드 비율	80%+	2026년 5월
CEO 확인 AI 코드 비율	90%+	2026년 1월
엔지니어 1인당 커밋량 증가	8배	2024년 대비 Q2 2026
내부 최적화·리팩터링 생산성	52배	1년 전 대비 현재
API 오류 클래스 800개 수정 자동 배포	인간 기준 4년 소요	2026년 4월

내부 최적화 생산성은 1년 사이 3배에서 52배로 증가했다. 원본은 이를 학습 효과와 도구 성숙도가 복리로 작용한 결과로 해석한다. AI 작성 코드의 비중이 높아질수록 구현량보다 요구사항과 검증 구조가 개발의 경제성을 좌우하게 된다.

엔지니어의 역할은 명세와 판별로 이동한다

AI가 구현과 반복 작업을 맡으면 엔지니어의 무게중심은 요구사항 명세, 아키텍처, 검증, 에이전트 조율로 옮겨간다.

⤢✕

비소프트웨어 직군도 도메인 전문성을 갖추면 소프트웨어 엔지니어와 유사한 성과를 냈다는 결과는 팀 구성 기준에도 영향을 준다. 코딩 능력만 보는 대신 문제를 명세하고 결과의 정확성을 판별할 수 있는 사람을 배치해야 한다는 의미다.

에이전틱 작업은 다른 지표로 측정해야 한다

기존의 코드 생산량만으로는 에이전틱 코딩의 가치를 충분히 설명하기 어렵다. 원본은 속도와 품질뿐 아니라 작업 복잡도, 세션 검증, 이탈, 전문성 활용을 함께 보는 KPI 체계를 제안한다.

KPI 범주	지표	측정 방법
속도(Velocity)	엔지니어 1인당 배포 주기	커밋 수, PR 병합 주기
품질(Quality)	AI 코드 리뷰 통과율	1차 리뷰 승인률
복잡도(Complexity)	처리된 작업의 가치 점수	스토리 포인트 난이도 분포
검증(Verification)	에이전트 세션 성공률	Claude Code 세션 완료율
이탈(Abandonment)	문제 세션 이탈률	세션 중도 종료 비율
전문성 레버리지	도메인 전문성 활용도	프롬프트당 Claude 작업량

AI가 코드의 대부분을 작성하는 환경에서는 자동 검사와 인간 검토의 책임을 명확히 나눈 리뷰 게이트가 필요하다.

⤢✕

이 구조에서는 (1)(2)의 자동 정적 분석과 테스트를 AI가 처리하고, (3)(4)의 아키텍처·비즈니스 로직 리뷰와 통합 검증을 인간이 맡는다. Claude Code의 인간 에스컬레이션 원칙을 개발 조직의 검토 절차에 옮긴 형태다.

Claude Code와 Copilot, Cursor의 위치

도구별 수치는 같은 기준으로 측정된 것이 아니므로 단순 서열로 읽기보다 어떤 작업에 맞는지를 함께 봐야 한다.

항목	Claude Code	GitHub Copilot	Cursor
SWE-bench Verified	80.8% (Claude Code) / 92.4% (Sonnet 5)	46.69% CCR (PR 기준)	78.13% (Bugbot)
기업 코딩 워크로드 점유율	42%	주요 점유	18% (동률)
JetBrains 2026년 4월 선호도	18% (동률)	별도 측정	18% (동률)
최적 사용 시나리오	복잡한 멀티파일 작업, 에이전틱 코딩	인라인 코드 완성, 일상 편집	IDE 통합, 대화형 편집
컨텍스트 윈도우	200K(Pro) / 500K(Enterprise)	65K 내외	100K 내외
MCP 지원	네이티브 지원	제한적	제한적
가격(월)	$20(Pro) ~ $200(Max 20x)	$19(개인) ~ $39(비즈니스)	$20(Pro) ~ $40(Business)
에이전틱 모드	Claude Code 전용 CLI + IDE	Copilot Workspace	Composer
데이터 기준일	2026년 6월	2026년 6월	2026년 6월

실무에서는 일상적인 인라인 편집에 Cursor나 Copilot을 사용하고, 복잡한 멀티파일 리팩터링과 에이전틱 작업에 Claude Code를 배치하는 하이브리드 전략이 효과적인 패턴으로 관찰됐다.

GitHub 자체 연구는 24,336개 PR을 분석해 Copilot의 CCR(Code Contribution Rate)을 46.69%로 측정했다. Claude Code의 SWE-bench Verified 결과는 80.8%였지만, 두 수치는 측정 기준이 다르므로 직접 비교에는 주의해야 한다.

소프트웨어공학 관점에서 달라지는 통제 지점

정보관리기술사 SW 공학 영역에서도 AI 에이전트 연계가 2026년 핵심 출제 영역으로 부상하고 있다. 기존 SDLC의 요구분석, 설계, 구현, 테스트, 배포, 유지보수 단계마다 AI 에이전트가 개입할 수 있다. Anthropic에서 구현 단계의 80% 이상을 AI가 처리한 사례는 구현 자동화가 현실화됐음을 보여주며, 그만큼 요구분석과 설계를 맡는 인간의 전문성이 커진다.

AI 생성 코드가 늘수록 품질 보증(QA)과 형상 관리(CM)는 추적 가능성(traceability)과 코드 검토를 강화해야 한다. Claude Code의 reversibility-weighted risk assessment는 소프트웨어공학의 변경 영향 분석(Change Impact Analysis) 원칙을 AI 에이전트 환경에 적용한 것으로 볼 수 있다.

원본이 제시한 2026 방향성은 다음과 같다.

MCP 기반 에이전트 간 통신 프로토콜이 성숙하면서 멀티 에이전트 오케스트레이션이 표준화될 전망이다.
의료, 금융, 법률 코드베이스에 특화된 도메인 AI 코딩 에이전트가 등장할 전망이다.
EU AI Act 등 규제 환경에서 AI 생성 코드의 추적을 요구하는 감사 체계가 강화될 전망이다.
AI 코딩 에이전트 활용 역량을 검증하는 인증 체계가 등장할 전망이다.

가격과 기업 도입 지표

Claude Code를 포함한 플랜과 컨텍스트 범위는 다음과 같이 제시됐다.

플랜	가격	주요 특징
Free	$0/월	기본 Claude 접근
Pro	$20/월	Claude Code 포함, 200K 토큰
Max 5x	$100/월	Pro 대비 5배 사용량
Max 20x	$200/월	Pro 대비 20배 사용량
Team Premium	$100/seat/월	최소 5석, Claude Code 포함
Enterprise	커스텀	500K 컨텍스트, HIPAA, 컴플라이언스

비용 측면에서 Prompt Caching은 최대 90%, Batch API는 50%의 절감을 제공한다. API를 직접 사용하면 Claude Opus 4.7은 1M 토큰당 입력 $5·출력 $25, Sonnet 4.6은 $3·$15, Haiku 4.5는 $1·$5 수준이다.

연 $100만 이상 규모의 엔터프라이즈 계약 고객은 2026년 2월 500개에서 5월 1,000개로 3개월 만에 2배 증가했으며, Q4 목표는 2,000개였다. 주요 도입 기업으로 Netflix, Microsoft, Uber, Mercado Libre, Shopify, Goldman Sachs, ServiceNow가 제시됐다. Mercado Libre는 2026년 Q3까지 23,000명 엔지니어 조직에서 자율 코딩 90%를 목표로 선언했다.

Claude Code는 2025년 11월 $10억 연환산 매출을 달성했으며, 2026년 2월에는 $25억 이상으로 성장했다. 원본은 이를 엔터프라이즈 소프트웨어 역사상 최단 기록으로 설명한다.

조직 설계가 도구 성능을 완성한다

약 40만 개 세션이 보여준 것은 AI가 코드를 얼마나 많이 생성하는지만이 아니다. 무엇을 만들지 명확하게 정의하고, 오류를 해석하며, 산출물이 도메인 요구를 충족하는지 검증할 수 있는 사용자가 에이전트를 더 오래 끌고 갔다.

Anthropic 코드베이스의 80% 이상을 AI가 작성하는 환경에서도 인간의 책임은 사라지지 않는다. 구현에서 명세와 판별로 이동할 뿐이다. 기업이 에이전틱 코딩을 전사적으로 적용하려면 도메인 전문성을 중심으로 팀을 구성하고, 리뷰 게이트를 강화하며, 세션 성공률과 이탈률까지 포함한 생산성 지표를 운영해야 한다. 원본은 2026년을 AI 에이전틱 코딩이 파일럿을 넘어 전사 표준으로 자리 잡는 변곡점이 될 것으로 전망했다.