Anthropic 81,000명 인터뷰가 뒤집은 AI 사용 통념

Anthropic이 81,000명 이상의 Claude 사용자를 대상으로 진행한 대규모 인터뷰 연구를 공개하면서, AI가 실제로 어떻게 쓰이고 있는지에 대한 통념이 상당 부분 수정될 필요가 있다는 사실이 드러났다. 기술 커뮤니티에서 AI 활용의 주류로 여겨지던 코딩 보조나 문서 요약 같은 생산성 도구 용도 외에, 감정적 지지와 언어 장벽 해소, 학습 촉진 등 훨씬 다양하고 사적인 영역에서 AI가 깊이 활용되고 있음이 확인되었다.

"사람들은 AI로 뭘 하는가"라는 질문에 답하는 법

Anthropic은 Claude를 개발하는 과정에서 지속적으로 제기되는 질문에 답하고자 했다. "사람들이 실제로 AI로 무엇을 하는가?" 이 질문은 표면적으로 단순해 보이지만, AI 안전성 정책 수립, 제품 기능 우선순위 결정, AI의 사회적 영향 평가 모두에 근본적인 영향을 미친다. 기존 연구들은 대부분 특정 플랫폼의 로그 데이터나 소규모 설문조사에 의존했다. 로그 데이터는 "무엇이 입력되었는가"는 알 수 있지만 "왜 그렇게 사용했는가"는 알 수 없고, 소규모 설문은 맥락과 동기를 파악할 수 있지만 통계적 대표성이 부족하다. Anthropic의 이번 연구는 이 두 가지 한계를 극복하기 위해 대규모 인터뷰 방식을 선택했다. 연구의 핵심 목적은 실제 사용 맥락 파악, 직업·기술 배경·문화적 맥락에 따른 사용자 세그먼트 분류, 실제 사용 패턴을 AI 안전성 정책과 제품 개발에 반영하는 정책 피드백 루프 구축이었다.

8만 1천 명을 어떻게 골랐나

81,000명이라는 규모는 AI 사용자 연구로는 전례 없는 수준이다. Anthropic은 Claude 사용자 풀에서 계층적 무작위 샘플링(stratified random sampling)을 적용해 직업군, 지역, 사용 빈도, 가입 유형(무료/유료) 등에서 편향 없는 표본을 구성했다. 인터뷰는 완전 구조화 설문과 반구조화 심층 인터뷰를 혼합한 방식으로 진행되었다. 전체의 약 15%에 해당하는 12,000명 이상이 심층 인터뷰에 참여했으며, 나머지는 표준화된 설문 형식으로 응답했다.

⤢✕

데이터 수집은 자발적 동의 원칙에 따라 진행되었으며, 개인 식별 정보는 즉시 익명화 처리했다. 인터뷰 내용은 대화 내용 자체가 아닌 사용 목적과 맥락에 관한 것으로 한정되었다. 수집된 데이터는 두 단계로 분석되었다. 1단계에서는 응답을 26개 주요 사용 카테고리로 분류하는 대규모 레이블링 작업을 진행했다(이 과정에 Claude 자체가 보조 도구로 활용되었으나 최종 분류 판단은 인간 연구팀이 수행). 2단계에서는 카테고리 간 상관관계와 사용자 프로파일별 패턴을 분석했고, 특히 "예상 사용 패턴"과 "실제 사용 패턴" 간의 격차를 정량화하는 데 집중했다.

예상과 실제가 갈린 지점

연구 전 Anthropic 내부에서 예상한 상위 사용 용도는 코딩 보조, 문서 요약, 이메일 작성이었다. 실제 데이터는 이 예상과 상당히 달랐다.

용도 카테고리	예상 순위	실제 순위	응답 비율
학습 및 개념 이해	4위	1위	34%
코딩 보조	1위	2위	28%
창작 및 글쓰기	5위	3위	22%
정보 탐색·조사	3위	4위	19%
감정적 지지·대화	10위 이하	5위	16%
언어 학습·번역	7위	6위	14%
업무 문서 작성	2위	7위	12%

가장 눈에 띄는 발견은 "학습 및 개념 이해"가 1위를 차지했다는 점이다. 사용자들은 AI를 지식을 얻는 수단으로 가장 많이 활용했으며, 단순 정보 검색이 아닌 개념을 깊이 이해하고 스스로 탐구하는 방식으로 사용했다.

전문가 집단은 다르게 쓴다

소프트웨어 엔지니어, 의사, 변호사, 연구자 등 전문가 집단의 AI 활용 패턴은 일반 사용자와 뚜렷한 차이를 보였다. 소프트웨어 엔지니어(응답자의 약 23%)는 코딩 보조가 주된 용도이지만, 단순 코드 생성보다 디버깅과 코드 리뷰, 아키텍처 토론에 더 높은 만족도를 보였다 — "AI가 내 코드의 문제점을 설명해줄 때 실제로 배운다"는 응답이 많았다. 의료 전문가(응답자의 약 8%)는 진단 보조보다 복잡한 의학 문헌 요약과 환자 설명 자료 작성에 주로 활용했다. 진단 보조 용도는 전체 의료 전문가 응답자의 12%에 불과했으며, 대부분이 책임 문제로 AI 진단을 참고 수준에서만 활용한다고 밝혔다. 학생 및 연구자(응답자의 약 31%)는 가장 다양한 용도로 AI를 활용하는 집단으로, 개념 이해·논문 탐색·아이디어 발전·초고 작성이 주요 용도였고 특히 "AI와 토론하며 아이디어를 다듬는" 방식을 고평가했다.

일반 사용자가 찾는 것

기술 배경이 없는 일반 사용자 집단에서는 실용적 생활 정보와 감정적 지지 기능이 두드러졌다.

⤢✕

언어 장벽 해소 기능이 비영어권 이민자와 다국어 사용 환경에서 특히 높은 만족도를 보인 것이 주목할 만하다. 미국 내 비영어권 이민자 집단에서 AI 활용 만족도가 전체 평균보다 유의미하게 높았으며, 정부 서류 작성, 의료 기관 소통, 법률 문서 이해 등 기존에 언어 장벽으로 접근이 어려웠던 서비스에 대한 접근성을 높이는 용도로 AI를 활용했다.

코딩 도구라는 이미지, 얼마나 과장됐나

미디어와 테크 커뮤니티에서 AI의 가장 대표적인 용도로 코딩 보조가 언급되지만, 연구 결과는 이 인식이 과장되었음을 보여준다. 전체 사용자 기준으로 코딩 관련 용도는 2위에 해당하지만, 이는 소프트웨어 엔지니어 집단에서의 높은 사용률이 전체 통계를 끌어올린 효과가 크다. 비기술 직군 사용자만 분리하면 코딩 관련 사용 비율은 전체의 8% 이하로 떨어진다. AI 사용자의 절대다수는 코드를 작성하지 않으며, 그들에게 AI는 전혀 다른 방식으로 활용된다. 더 흥미로운 발견은 코딩 사용자들이 AI를 활용하는 방식의 질적 변화다. "코드를 생성해달라"는 단순 요청보다 "이 코드가 왜 작동하지 않는지 설명해달라"는 이해 지향적 사용이 시간이 지날수록 증가하는 패턴이 관찰되었다. AI가 단순 자동화 도구가 아닌 학습 파트너로 기능하고 있다는 증거다.

감정적 지지로 쓰는 사람들 — 예상보다 3배

전체 응답자의 16%가 감정적 지지나 일상적 대화를 위해 AI를 사용한다고 응답했다. 이 비율은 처음 예상했던 것보다 3배 높은 수치다. 특히 사회적 고립이나 정신건강 어려움을 경험하는 집단에서 AI를 감정 조절과 대화 상대로 활용하는 비율이 높았다. Anthropic은 이 발견에 대해 두 가지 상반된 해석 가능성을 제시했다. 긍정적 관점에서는 정신건강 서비스 접근성이 낮은 집단에게 AI가 실질적인 지원을 제공하고 있다는 것이고, 우려의 관점에서는 인간 관계의 대체재로 AI가 기능할 경우 장기적으로 사회적 연결감을 약화시킬 수 있다는 것이다. 이 부분은 추가 종단 연구가 필요하다고 보고서는 명시했다.

언어 장벽을 넘는 도구로

전 세계 비영어권 사용자들 사이에서 AI는 언어 접근성 도구로서 매우 높은 가치를 인정받고 있다. 단순 번역을 넘어, 복잡한 법률·행정·의료 문서를 자국어로 이해하고 대응하는 데 AI가 핵심 역할을 하고 있다. 동남아시아, 라틴아메리카, 동유럽 사용자들의 인터뷰에서 공통적으로 등장한 주제는 "AI가 없었다면 이 서류를 이해하지 못했을 것"이라는 진술이었다. 이는 AI가 기존의 디지털 정보 격차를 줄이는 강력한 도구가 될 수 있음을 시사한다.

지역과 문화권마다 다른 그림

연구는 지역과 문화권에 따른 사용 패턴 차이도 상세히 분석했다. 북미·서유럽 사용자들이 업무 생산성과 코딩에 집중하는 반면, 동아시아 사용자들은 학습과 교육 목적의 활용이 두드러졌다. 라틴아메리카와 동남아시아 사용자들은 언어 지원과 정보 접근성 향상에 AI를 주로 활용했다.

지역	상위 사용 용도 1	상위 사용 용도 2	특징적 발견
북미	코딩 보조	업무 문서	전문직 생산성 중심
서유럽	학습·연구	창작 글쓰기	교육적 활용 비율 높음
동아시아	학습·교육	언어 학습	입시·자격증 준비 활용 多
라틴아메리카	언어 지원	실용 정보	영어 의존 정보 접근에 활용
동남아시아	번역·언어	학습 보조	다국어 환경 활용 비율 최고

문화적 맥락에서도 흥미로운 차이가 발견되었다. 집단주의 문화권 사용자들은 가족이나 커뮤니티 관련 문제를 AI와 논의하는 비율이 높았고, 개인주의 문화권에서는 개인적 의사결정 지원 용도가 더 두드러졌다.

이 연구가 정책과 제품에 던지는 질문

연구 결과는 Anthropic의 AI 안전 정책 방향에 직접적인 영향을 미친다. 실제 사용 패턴을 모르고 설계된 안전 정책은 과잉 제한이나 과소 제한으로 이어질 수 있기 때문이다. 특히 감정적 지지 기능이 예상보다 훨씬 광범위하게 활용된다는 발견은, 취약 계층 사용자 보호와 건강한 AI 사용 패턴 촉진을 위한 정책이 필요함을 보여준다. Anthropic은 이 결과를 바탕으로 감정적 대화 맥락에서 전문 지원 연결을 자연스럽게 유도하는 기능 강화를 검토하고 있다.

⤢✕

제품 개발 측면에서 이번 연구는 몇 가지 중요한 방향을 제시한다. 첫째, 학습 지원 기능의 강화다. 단순 답변 제공보다 사용자가 스스로 이해하고 탐구할 수 있도록 유도하는 소크라테스식 대화 모드나 개념 심화 기능이 실제 수요에 부합한다. 둘째, 비영어권 언어 품질 투자의 우선순위 상향이다. 글로벌 사용자 기반에서 언어 접근성이 핵심 가치로 인정받고 있음이 확인된 만큼, 주요 비영어권 언어에서의 품질 향상이 더 넓은 사용자 임팩트를 만들 수 있다. 셋째, 업무 자동화보다 인간의 능력 증강(augmentation)에 초점을 맞추는 UX 철학의 강화다. 사용자들이 AI를 "대신 해주는 도구"가 아닌 "함께 생각하는 파트너"로 활용하는 패턴이 지속적으로 높은 만족도로 이어졌다.

한계와 다음 단계

81,000명이라는 규모에도 불구하고 이 연구에는 몇 가지 방법론적 한계가 있다. 가장 큰 것은 자기 선택 편향(self-selection bias)이다. 인터뷰에 응답하는 사용자는 이미 AI에 긍정적이거나 적극적인 사용자일 가능성이 높으며, AI에 부정적이거나 소극적으로 사용하는 집단은 표본에서 과소 대표될 수 있다. 또한 응답자가 실제 사용 목적을 정확히 보고하지 않을 가능성도 있다. 특히 사회적으로 민감하게 여겨지는 용도(감정적 지지, 정신건강 관련 사용)는 과소 보고되었을 수 있으며, 실제 수치는 연구에서 나타난 것보다 더 높을 가능성이 있다.

Anthropic은 이 연구를 연 1회 정기 업데이트할 계획이며, AI 기술과 사용자 기반이 변화함에 따른 사용 패턴 진화를 추적하는 종단 연구(longitudinal study)로 발전시킬 예정이라고 밝혔다.