Anthropic Interviewer 소개: 1,250명의 전문가가 AI와 함께 일하는 방식에 대해 들려준 이야기

앤트로픽은 사람들의 AI 인식을 더 직접적으로 이해하기 위해 새로운 도구인 Anthropic Interviewer를 공개했다. 이 글은 그 도구를 소개하고, 다양한 전문직 종사자를 대상으로 한 초기 실험 결과와 앞으로의 연구 방향을 정리한다.

소개

이제 수백만 명이 매일 AI를 사용한다. AI 시스템을 개발하는 기업 입장에서 중요한 질문은 사람들이 AI를 왜, 어떻게 사용하는지, 그리고 그것이 이들에게 어떤 영향을 미치는지 이해하는 일이다. 이는 더 나은 제품을 만드는 데 필요할 뿐 아니라, 인간과 AI의 상호작용이 오늘날 핵심적인 사회학적 질문 가운데 하나이기 때문이다.

앤트로픽은 앞서 사용자 프라이버시를 보호하면서 AI 사용 양상을 조사하는 도구를 설계해, 경제 전반에서 AI 사용 패턴이 어떻게 변하는지를 분석했다. 다만 그 도구로는 Claude 대화창 안에서 벌어지는 일만 볼 수 있었다.

그 이후에는 무슨 일이 일어나는가. 사람들은 Claude의 출력을 실제로 어떻게 사용하고 있는가. 그 과정에 대해 어떤 감정을 느끼는가. 미래에 AI가 자신의 삶에서 어떤 역할을 하기를 바라는가. 사람들의 삶에서 AI의 역할이 어떻게 바뀌고 있는지 더 온전하게 이해하고, 모델 개발의 중심에 인간을 두려면 당사자들에게 직접 물어야 한다.

이런 프로젝트를 위해서는 수백 건의 인터뷰가 필요하다. 앤트로픽은 여기서 AI를 활용했다. Claude로 구동되는 Anthropic Interviewer는 전례 없는 규모로 상세 인터뷰를 자동 수행하고, 그 결과를 다시 인간 연구자에게 돌려 분석하도록 설계된 도구다. 이는 사용자들의 욕구와 필요를 이해하고, AI의 사회적·경제적 영향을 연구하기 위한 새로운 단계다.

초기 실험에서 Anthropic Interviewer는 전문가 1,250명을 인터뷰했다. 일반 직군 표본 1,000명, 과학 직군 125명, 창작 직군 125명이 대상이었다. 앤트로픽은 참가자 동의를 바탕으로 이 초기 실험의 인터뷰 데이터를 공개하고 있으며, 이 글에서는 그 위에서 자체 분석을 제시한다. 핵심 발견은 다음과 같다.

• 표본 전반에서, 사람들은 AI가 자신의 업무에 미치는 영향에 대해 대체로 낙관적이었다. 다만 교육 통합, 예술가 대체, 보안 우려 같은 일부 주제에는 더 비관적인 전망이 동반됐다.
• 일반 직군 종사자들은 자신의 전문적 정체성을 규정하는 과업은 유지하되, 반복적 업무는 AI에 위임하려는 경향을 보였다. 많은 응답자는 일상 업무가 자동화되고, 자신의 역할이 AI 시스템을 감독하는 쪽으로 이동하는 미래를 상정했다.
• 창작 직군은 동료 집단의 낙인과 미래 불안에도 불구하고 생산성 향상을 위해 AI를 사용하고 있었다. 이들은 창작 공동체 안에서의 즉각적인 시선과 더불어 경제적 대체, 인간 창의성 정체성의 약화라는 깊은 우려를 동시에 다루고 있었다.
• 과학 직군은 AI와의 협업을 원했지만, 아직 핵심 연구 업무를 맡길 만큼 신뢰하지는 못했다. 과학자들은 가설 생성과 실험 설계를 지원하는 AI를 원했지만, 실제 사용은 원고 작성, 문헌 검토, 분석 코드 디버깅 같은 보조 업무에 더 많이 한정했다.

그림 1: 일반 직군 인터뷰에서 드러난 주요 주제를, 보다 비관적인 쪽에서 보다 낙관적인 쪽으로 대략 배열한 요약 도판.

그림 2: 창작 직군 인터뷰에서 반복적으로 등장한 주요 주제를 정리한 도판. 통제권, 낙인, 대체 우려와 함께 생산성 향상, 음악·영상 보조 같은 긍정적 사용이 공존한다.

그림 3: 과학 직군 인터뷰에서 드러난 주요 주제를 정리한 도판. 보안과 검증에 대한 우려가 크게 나타났지만, 연구 보조와 코드 개발 지원에 대한 기대도 컸다.

방법

이번 초기 실험은 노동자들이 AI를 자신의 전문 업무에 어떻게 통합하는지, 그리고 미래에서 AI의 역할을 어떻게 인식하는지를 탐색했다. 연구진은 인터뷰를 통해 정성 데이터를 수집했고, 참가자들이 자신의 행동과 직업적 배경에 관한 질문에 답한 설문을 통해 정량 데이터를 보완했다.

연구진은 또한 별도의 AI 분석 도구로 인터뷰 전사문을 읽고, 비정형 데이터에서 떠오르는 상위 주제를 군집화했다. 예를 들어 특정 주제가 얼마나 자주 언급됐는지, 인터뷰 참가자가 특정 입장을 얼마나 자주 표현했는지를 측정했다.

참여자

Anthropic Interviewer는 전문가 1,250명을 인터뷰했다. 이 도구는 원래 일반 Claude.ai 사용자를 인터뷰하기 위한 것이지만, 이번 초기 실험에서는 다양한 직업군에서 일하는 사람들을 표집하기 위해 크라우드워커 플랫폼을 통해 참가자를 모집했다. 모든 참가자는 크라우드워킹 외에 자신의 본업을 따로 갖고 있었다.

이 가운데 1,000명은 특정 직무를 지정하지 않은 일반 직군 표본이었다. 이 집단에서 가장 큰 하위 그룹은 교육 직군(17%), 컴퓨터 및 수학 직군(16%), 예술·디자인·엔터테인먼트·미디어 직군(14%)이었다.

연구진은 여기에 125명씩 두 개의 특화 표본을 추가했다. 창작 직군 표본은 주로 작가와 저자(48%), 시각 예술가(21%)로 구성됐고, 그 외 영화 제작자, 디자이너, 음악가, 공예 종사자 등이 포함됐다. 과학 직군 표본은 물리학자(9%), 화학자(9%), 화학공학자(7%), 데이터 과학자(6%)를 포함했고, 50개가 넘는 다른 과학 분야를 포괄했다.

연구진이 이 두 특화 집단을 별도로 추가한 이유는, AI의 역할이 아직 논쟁적이면서도 빠르게 변하고 있는 전문 영역이기 때문이다. 창작자와 과학자는 AI 채택 패턴과 직업적 우려에서 서로 다른 양상을 보일 것이라는 가설이 있었다.

모든 참가자는 연구 목적의 데이터 분석과 전사문 공개에 대해 충분히 설명을 듣고 동의했다.

Anthropic Interviewer의 작동 방식

Anthropic Interviewer는 계획, 인터뷰, 분석의 세 단계로 작동한다.

그림 4: Anthropic Interviewer의 절차는 계획 수립, 실시간 적응형 인터뷰, Claude 보조 분석의 세 단계로 구성된다.

계획

이 단계에서 Anthropic Interviewer는 수백, 수천 건의 인터뷰 전반에서 동일한 연구 질문을 추적하되, 개별 인터뷰에서 발생할 수 있는 변주와 우회를 수용할 만큼 유연한 인터뷰 루브릭을 만든다. 연구진은 시스템 프롬프트를 통해 도구의 방법론을 정의했고, 각 표본에 관한 가설과 인터뷰 계획 작성의 모범 사례를 포함했다. 이 모범 사례는 앤트로픽의 사용자 연구 팀과 협력해 정립했다.

시스템 프롬프트가 정해진 뒤, Anthropic Interviewer는 연구 목표를 바탕으로 구체적인 질문과 대화 흐름을 생성했다. 이후 인간 연구자가 Anthropic Interviewer와 협업해 필요한 수정을 가하며 최종 계획을 확정했다.

인터뷰

그 다음 Anthropic Interviewer는 인터뷰 계획에 따라 실시간 적응형 인터뷰를 수행했다. 이 단계에서도 인터뷰의 모범 사례를 따르도록 별도의 시스템 프롬프트를 포함했다.

인터뷰는 Claude.ai 안에서 진행됐고, 참가자 한 명당 약 10분에서 15분 정도가 소요됐다.

그림 5: Claude.ai 상에서 실제로 제공된 Anthropic Interviewer 인터페이스를 바탕으로 재구성한 도식. 참가자는 일반 Claude 대화와 유사한 화면에서 질문에 응답한다.

분석

인터뷰가 끝나면 인간 연구자가 Anthropic Interviewer와 협업해 전사문을 분석했다. 분석 단계는 초기 인터뷰 계획을 입력으로 받아, 연구 질문에 대한 답과 이를 뒷받침하는 예시 인용문을 출력한다. 이 단계에서도 자동화된 AI 분석 도구를 사용해 새롭게 떠오른 주제를 식별하고, 참가자 전반에서 그 주제가 얼마나 널리 나타나는지 정량화했다.

연구 목표

앞서 설명했듯 Anthropic Interviewer는 시스템 프롬프트를 통해 연구 목표를 인지하고, 이를 충족하도록 인터뷰를 진행했다. 이번 초기 연구의 주된 목적은 Anthropic Interviewer의 실용적 시험이었지만, 아래 목표들은 그 자체로도 흥미로운 데이터를 제공했다.

• 일반 직군: "개인이 AI 도구를 자신의 전문 워크플로에 어떻게 통합하는지, 사용 패턴과 선호 과업, 상호작용 방식을 탐색함으로써, 일터 맥락에서 인간과 AI의 관계가 어떻게 변하고 있는지 이해한다."
• 창작 직군: "창작 전문직 종사자들이 현재 AI를 창작 과정에 어떻게 통합하는지, AI가 자신의 작업에 미치는 영향에 대해 어떤 경험을 하고 있는지, 그리고 AI와 인간 창의성의 미래 관계를 어떻게 구상하는지 이해한다."
• 과학 직군: "AI 시스템이 과학자들의 일상 연구 워크플로에 어떻게 통합되는지, 과학 과정의 여러 단계에서 현재 사용 패턴, 인지된 가치, 신뢰 수준, 채택 장벽을 파악한다."

결과

연구진은 인터뷰에서 발견한 내용과 설문, 주제 분석에서 얻은 정량 정보를 함께 제시한다.

일반 직군에서의 AI 영향

일반 직군 참가자들은 전반적으로 AI를 생산성 향상 수단으로 묘사했다. 설문에서 전문가의 86%는 AI가 시간을 절약해 준다고 답했고, 65%는 AI가 자신의 업무에서 맡는 역할에 만족한다고 답했다.

AI 도구 채택을 좌우하는 중요한 요인 중 하나는 직장 내 사회적 역학이었다. 전문가의 69%는 직장에서 AI를 사용할 때 따라오는 사회적 낙인을 언급했다. 한 사실 검증 담당자는 "최근 한 동료가 AI를 정말 싫어한다고 말했는데, 나는 아무 말도 하지 않았다. 많은 사람이 AI를 어떻게 보는지 알기 때문에 내 작업 과정을 누구에게도 말하지 않는다"고 말했다.

한편 응답자의 41%는 자신의 일이 안전하며 인간의 기술은 대체될 수 없다고 느낀다고 답했지만, 55%는 AI가 자신의 미래에 미칠 영향에 불안을 표현했다. 불안을 드러낸 집단 중 25%는 AI 사용 경계를 명시적으로 설정했고, 또 다른 25%는 추가 책임을 맡거나 더 전문화된 업무로 이동하는 식으로 자신의 역할을 조정하고 있었다.

AI 활용 방식은 매우 다양했다. 한 데이터 품질 관리자는 자동화보다 학습을 택하며, "번역 앱만 쓴다고 외국어를 배우게 되는 것은 아니지만, 질문에 답하고 개인화해 주는 튜터가 있으면 정말 도움이 된다"고 설명했다. 한 마케터는 "강한 틈새 전문성을 유지하면서도 동시에 다변화를 시도하고 있다"고 말했다. 반면 한 통역사는 "AI가 결국 대부분의 통역사를 대체할 것이라 믿기 때문에, 이미 다른 직종으로 전환하기 위해 졸업장 취득을 준비하고 있다"고 말했다. 주목할 점은, 아무런 대응 계획 없이 불안만 표현한 전문가는 8%에 불과했다.

그림 6: 일반 직군 표본에서 가장 두드러진 여섯 직업 대분류에 대해, 희망·우려·만족·좌절·안도·신뢰가 어느 정도 강하게 나타났는지를 요약한 도판.

연구진은 일반 직군 인터뷰에서 드러난 감정 강도를 추가로 분류했다. 서로 다른 직군 간에 감정 프로필은 꽤 균질했고, 공통적으로 만족도가 높았다. 다만 그 만족은 좌절감과 함께 나타났는데, 이는 AI가 유용하다고 느끼면서도 실제 도입 과정에서는 상당한 구현상 마찰을 겪고 있음을 시사한다.

증강 대 자동화

그림 7: 참가자의 자기보고에서는 AI 활용이 65% 증강(augmentation), 35% 자동화(automation)로 나타났지만, Anthropic Economic Index가 관측한 실제 Claude 대화에서는 47%가 증강, 49%가 자동화였다.

연구진은 이전 분석에서 AI 활용을 증강과 자동화로 구분했다. 증강은 사용자가 AI와 협업해 과업을 수행하는 경우이고, 자동화는 AI가 과업을 직접 수행하는 경우를 뜻한다. Anthropic Interviewer 데이터에서 참가자의 65%는 AI의 주된 역할을 증강으로 묘사했고, 35%는 자동화로 묘사했다. 이는 최신 분석에서 Claude 사용이 증강 47%, 자동화 49%로 거의 비슷하게 나왔던 결과와는 차이가 있었다.

연구진은 이 차이에 대해 몇 가지 가능성을 제시한다.

• Anthropic Interviewer 응답자와 이전 연구의 Claude 사용자 표본 사이에 구성 차이가 있을 수 있다.
• Claude 대화는 실제보다 더 자동화적으로 보일 수 있다. 사용자가 대화가 끝난 뒤 출력을 추가로 다듬거나 변형할 수 있기 때문이다.
• 참가자들이 과업 유형에 따라 서로 다른 AI 제공자를 사용할 수 있다.
• 자기보고 방식과 실제 사용 방식이 어긋날 수 있다.
• 사람들은 자신의 AI 사용을 실제 대화 패턴보다 더 협업적인 것으로 인식할 수 있다.

전문가들은 미래에도 증강과 자동화가 함께 존재할 것이라고 내다봤다. 반복적이고 행정적인 과업은 자동화하되, 인간의 감독은 유지하는 미래다. 응답자의 48%는 직접 기술 작업을 수행하기보다 AI 시스템을 관리·감독하는 역할로 자신의 커리어가 이동할 수 있다고 봤다.

한 목회자는 "AI를 사용하고 그것으로 내 기술을 높이면 행정 업무에 드는 시간을 크게 줄일 수 있고, 그만큼 사람들과 함께하는 데 더 많은 시간을 쓸 수 있다"고 말했다. 동시에 그는 "좋은 경계"를 유지하고, "AI 없이는 살 수 없거나 내가 부름받은 일을 할 수 없게 될 정도로 의존해서는 안 된다"고 덧붙였다. 한 커뮤니케이션 전문가는 자신의 역할이 장차 "프롬프트 작성, 감독, 모델 훈련, 품질 통제" 쪽으로 옮겨갈 수 있다고 전망했다.

창작 직군에서의 AI 영향

창작 직군 표본 역시 AI가 생산성을 높여 준다고 답했다. 참가자의 97%는 AI가 시간을 절약해 준다고 했고, 68%는 작업물의 품질을 높여 준다고 답했다.

한 소설가는 "조사가 덜 부담스러워져서 더 빨리 쓸 수 있다고 느낀다"고 설명했다. 한 웹 콘텐츠 작가는 "전에는 다듬어진 전문적인 콘텐츠를 하루 2,000단어 정도 만들 수 있었는데, 이제는 5,000단어를 훌쩍 넘긴다"고 말했다. 한 사진가는 AI가 반복적인 편집 작업을 맡아 주면서 작업 반환 시간이 "12주에서 약 3주"로 줄었고, 그 덕분에 자신이 이전에는 놓쳤거나 시간을 들이지 못했던 세부 수정에 더 의도적으로 집중할 수 있게 됐다고 말했다.

일반 표본과 마찬가지로, 창작 직군의 70%도 동료의 시선을 관리하려고 애쓴다고 답했다. 한 지도 예술가는 "내 브랜드와 비즈니스 이미지가 AI와 그 주변 낙인에 지나치게 묶이는 것을 원하지 않는다"고 말했다.

경제적 불안도 인터뷰 전반에 걸쳐 나타났다. 한 성우는 "산업용 음성 같은 일부 분야는 AI의 부상으로 사실상 이미 죽었다"고 말했다. 한 작곡가는 플랫폼이 "출판 라이브러리와 AI 기술을 결합해 새로운 음악을 무한 생성함으로써" 인간이 만든 음악보다 저렴한 대체재로 시장을 범람시킬 수 있다고 우려했다. 또 다른 예술가는 "현실적으로는, 생계를 유지하려면 생성형 AI를 계속 써야 하고 심지어 생성된 콘텐츠를 팔기 시작해야 할지도 모른다"며 걱정을 드러냈다. 한 크리에이티브 디렉터는 "내 이익은 결국 다른 창작자의 손실"이라고 표현했다.

모든 참가자는 자신의 창작 결과물을 통제하고 싶다고 말했다. 그러나 실제 실천에서는 이 경계가 불안정했다. 많은 참가자는 AI가 창작적 결정을 주도하는 순간을 인정했다. 한 예술가는 "AI가 개념의 상당 부분을 이끌고 있고, 나는 그것을 안내하려고 할 뿐이다. 60%는 AI, 40%는 내 아이디어"라고 말했다. 한 음악가는 "인정하기 싫지만, 그 플러그인을 사용할 때는 제어권의 대부분이 거기에 있다"고 말했다.

그림 8: 작가, 시각 예술가, 공예 종사자, 디자이너, 영화 제작자, 게임 개발자 등 여섯 주요 창작 하위 분야에서 드러난 감정 강도를 요약한 도판.

원문은 분야별 감정 프로필이 크게 갈린다고 지적한다. 게임 개발자와 시각 예술가는 높은 만족과 동시에 높은 우려를 표현했고, 디자이너는 특히 낮은 만족과 높은 좌절을 보였다. 모든 분야에서 신뢰는 일관되게 낮았는데, 이는 창작 업무의 장기적 미래에 대한 공통의 불확실성을 시사한다.

이처럼 만족과 우려가 동시에 존재한다는 점은, 창작 종사자들이 AI 도구를 적극 활용하면서도 인간 창의성의 미래를 걱정하는 이중적 위치에 놓여 있음을 보여 준다. 감정 스펙트럼 전반에 걸친 넓은 분산은, 서로 다른 창작 분야가 AI 통합을 매우 다른 정서적 렌즈로 경험하고 있음을 의미한다.

과학 업무에서의 AI 영향

화학, 물리학, 생물학, 계산 분야 연구자들과의 인터뷰는, 많은 경우 AI가 아직 가설 생성과 실험 같은 핵심 연구 요소를 처리하지 못한다는 점을 보여 줬다. 과학자들은 주로 문헌 검토, 코딩, 글쓰기 같은 다른 작업에 AI를 사용한다고 보고했다. 이는 Anthropic을 포함한 AI 기업들이 개선하려고 하는 영역이기도 하다.

신뢰와 신뢰성에 대한 우려는 인터뷰의 79%에서 주요 장벽으로 등장했고, 현재 AI 시스템의 기술적 한계는 27%에서 언급됐다. 한 정보보안 연구자는 "에이전트가 주는 세부 사항을 전부 다시 확인해야 한다면, 그 일을 AI가 대신하는 의미가 약해진다"고 말했다. 한 수학자는 "AI 출력물을 검증하는 데 시간을 쓰고 나면 결국 총 소요 시간은 비슷해진다"고 말했다. 또 한 화학공학자는 "AI는 사용자의 감수성에 영합하고, 질문 표현 방식에 따라 답을 바꾸는 경향이 있어 응답을 회의적으로 보게 된다"고 말했다.

그림 9: 화학자, 물리학자, 화학공학자, 데이터 과학자, 기계공학자, 천문학자 등 주요 과학 하위 분야에서 드러난 감정 강도를 요약한 도판.

대부분의 과학 분야는 높은 만족을 보고했지만, 좌절의 양상은 갈렸다. 물리학자와 데이터 과학자는 더 높은 좌절을 보인 반면, 화학공학자와 기계공학자는 상대적으로 낮은 좌절을 보였다. 원문은 이를 계산 중심 분야와 실험 중심 분야가 AI를 핵심 연구 워크플로에 통합하려는 방식의 차이로 해석한다. 실제 세계와 상호작용하는 실험 과학에서는 AI를 아직 핵심 실험 단계에 투입하지 않고 있을 수 있다는 것이다.

신뢰는 전 분야에서 비교적 낮게 유지됐다. 반면 창작 직군이 AI의 직업 대체 가능성을 크게 우려한 것과 달리, 과학자들은 대체로 일자리 상실 자체를 두려워하지는 않았다. 한 미생물학자는 특정 세균주 실험에서는 세포 색이 특정 지점에 도달했는지를 눈으로 봐야 하며, 그런 지식은 문서화되지 않는 경우가 많다고 설명했다. 한 바이오엔지니어는 "실험과 연구는 본질적으로 내 판단에 달려 있다"고 말하며, 자동화하기 가장 편리한 부분이 오히려 AI와 가장 잘 맞지 않는다고 지적했다.

외부 제약도 AI 대체를 가로막았다. 분류된 환경에서 일하는 연구자들은 보안 절차 때문에 agentic framework나 LLM 사용이 제한된다고 말했다. 제한된 예산과 시료를 다루는 한 기계공학자는 "AI가 실험 설계를 잘 내놓을 수는 있지만, 실제 연구는 예산, 시간, 샘플 제약 때문에 이상적 설계가 그대로 가능하지 않다"고 설명했다. 그럼에도 과학자들의 91%는 오늘날의 제품이 아직 충분치 않더라도, 연구를 위해 더 많은 AI 지원을 원한다고 답했다. 약 3분의 1은 주로 글쓰기 지원을 상상했지만, 다수는 실험 설계 비평, 과학 데이터베이스 접근, 분석 수행처럼 연구 전반에 걸친 도움을 원했다.

한 의료 과학자는 "AI가 인간에게 즉각적으로 드러나지 않는 새로운 상호작용이나 관계를 찾아내고, 가설 생성을 도와 주면 좋겠다"고 말했다. 또 다른 참가자는 "무언가 새로운 것을 가져오는 가치 있는 연구 파트너 같은 AI"를 원한다고 표현했다.

앞으로

이번 초기 실험은 Anthropic Interviewer가 대규모 인터뷰 도구로서 유망하다는 점을 보여 줬다. 1,250명의 전문가를 인터뷰해 AI와 일하는 감정을 파악한 일은 전통적인 수동 인터뷰 방식으로는 훨씬 더 많은 비용과 시간이 들었을 것이다.

그러나 Anthropic Interviewer의 중요성은 방법론을 넘어선다. 이는 사회에서 AI가 맡는 역할에 관해 어떤 질문을 던지고 답할 수 있는지를 근본적으로 바꾸며, 어떤 주제든 새로운 규모로 인터뷰를 수행할 수 있게 만든다. 이전에는 사람들이 Claude를 채팅창 안에서 어떻게 사용하는지만 알 수 있었지만, 이제는 AI를 사용하는 감정, 기술과의 상호작용에서 무엇을 바꾸고 싶은지, 미래 역할을 어떻게 상상하는지도 물을 수 있게 됐다.

이번 초기 조사 결과는 사람들이 직장에서 AI를 어떻게 쓰는지 이해하는 데 Economic Index를 넘어서는 새로운 통찰을 제공한다. 연구진은 이 결과를 Anthropic Economic Advisory Council과 Higher Education Advisory Board에 공유해 논의를 이어 가고 있다. 또한 공적 의견을 통해 Claude의 행동을 형성했던 Collective Constitutional AI 작업의 연장선에서, 인간의 목소리를 AI 모델 개발의 중심에 두려는 시도를 계속하고 있다.

연구진은 특정 공동체와의 협력도 확장하고 있다.

• 창작자: AI가 창의성을 어떻게 증강하는지 이해하기 위해 전시, 워크숍, 행사 개발을 지원하고 있으며, LAS Art Foundation, Mori Art Museum, Tate, Rhizome, Socratica 같은 기관 및 공동체와 협력하고 있다. 또한 Model Context Protocol을 통해 Claude가 창작자의 작업을 어떻게 보완할 수 있는지 탐색하기 위해 대중적 창작 도구 기업들과 협업하고 있다.
• 과학자: AI for Science Program 수혜자들과 협력해, AI가 연구를 어떻게 가장 잘 지원할 수 있는지 이해하려 하고 있다. Anthropic Interviewer로 과학자들의 기대를 수집하고, 프라이버시 보존 분석 도구로 실제 Claude 대화가 그 기대와 부합하는지도 함께 살펴볼 예정이다.
• 교사: 앤트로픽은 최근 American Federation of Teachers와의 협력를 발표했다. 이 프로그램은 40만 명의 교사를 지원하고, AI 시스템 개발 과정에 교사의 관점을 반영하는 것을 목표로 한다.

Anthropic Interviewer를 통해 연구진은 특정 정책 설계를 돕는 표적 연구, 다양한 공동체를 대화에 참여시키는 참여형 연구, 인간과 AI의 관계 변화를 추적하는 정기 연구를 수행할 수 있다고 본다.

참여하기

앤트로픽은 사람들이 자신의 삶과 일에서 AI의 역할을 어떻게 상상하는지 더 잘 이해하기 위해 Anthropic Interviewer를 계속 사용하고 있다. 이를 위해 사람들의 경험, 가치, 필요가 AI의 미래 역할에 대한 비전을 어떻게 형성하는지 탐색하는 공개 파일럿 인터뷰를 시작했다.

관점을 공유하고 싶다면 claude.ai/interviewer에서 10분에서 15분 정도의 인터뷰에 참여할 수 있다. 연구진은 이 연구에서 익명화된 통찰을 사회적 영향 연구의 일부로 분석하고, 그 결과를 보고서로 공개할 계획이다.

결론과 한계

1,250명의 전문가를 대상으로 한 인터뷰는, 노동자들이 AI와의 관계를 능동적으로 협상하고 있는 모습을 보여 준다. 참가자들은 대체로 자신의 전문적 정체성에 핵심적인 과업은 보존하면서, 반복 업무는 생산성 향상을 위해 AI에 위임했다. 창작자들은 동료의 낙인과 경제적 불안 속에서도 AI의 효율성을 수용했고, 과학자들은 어떤 연구 과업을 AI에 맡길지 선택적으로 접근했다.

연구진이 이 연구를 수행한 목적은 채팅창 안에서 일어나는 일만이 아니라, 그 바깥에서 AI가 사람들의 삶에 어떤 영향을 미치는지 이해하는 데 있다. 질적 분석이 늘 그러하듯, 이 인터뷰 해석은 연구진이 어떤 질문을 택했고 어떤 패턴에 주목했는지의 영향을 받는다. 그럼에도 인터뷰 전사문의 대규모 데이터셋을 공개함으로써, 인간과 AI의 관계가 어떻게 진화하는지에 대한 집단적 이해를 넓히고자 한다.

또한 Anthropic Interviewer를 대규모로 배치함으로써, 사람들이 AI와 함께 실제로 무엇을 경험하는지와, 앤트로픽이 AI를 어떻게 개발하는지 사이에 피드백 루프를 만들 수 있다. 목표는 공적 관점과 필요를 더 잘 반영하는 AI 시스템을 구축하는 것이다.

한계

Anthropic Interviewer의 초기 활용에는 연구 결과의 범위와 일반화 가능성에 영향을 미치는 몇 가지 중요한 한계가 있다. 따라서 이 결과는 전문 실천과 정체성에 대한 장기적 결론이라기보다, AI가 일에 미치는 영향에 관한 초기 신호로 해석돼야 한다.

• 선택 편향(selection bias): 참가자들이 크라우드워커 플랫폼을 통해 모집됐기 때문에, 이들의 경험은 일반 노동자 집단과 상당히 다를 수 있으며, 응답이 더 긍정적이거나 더 숙련된 관점 쪽으로 편향됐을 가능성이 있다.
• 요구 특성(demand characteristics): 참가자들은 자신이 AI 시스템에게 AI 사용에 대해 인터뷰받고 있다는 사실을 알고 있었기 때문에, 인간 인터뷰어를 대할 때와는 다른 방식으로 응답했을 수 있다.
• 정적 분석(static analysis): 이번 데이터는 현재 시점의 사용과 태도를 포착한 스냅샷이므로, 시간이 흐르며 이런 관계가 어떻게 변하는지, 초기 열의가 장기 사용 후 어떻게 달라지는지는 추적할 수 없다.
• 감정 분석(emotional analysis): Anthropic Interviewer는 텍스트 전용 도구이므로, 목소리 톤, 표정, 몸짓처럼 발화 의미에 영향을 주는 감정 신호를 읽어 낼 수 없다.
• 자기보고 대 객관적 측정(self-report versus objective measures): 참가자들이 설명한 AI 사용 방식은 실제 실천과 다를 수 있다. 이는 스마트폰 사용에 관한 연구와 후속 연구에서도 관찰된 문제다. 실제로 이번 인터뷰 데이터 역시 실사용 데이터와 비교했을 때 중요한 불일치를 드러냈으며, 이 간극은 자기보고의 모호성을 다시 보여 준다.
• 연구자 해석(researcher interpretation): 모든 질적 연구가 그렇듯, 분석은 연구진 자신의 관심과 관점에 영향을 받는다. 체계적 방법을 썼더라도, 다른 연구자는 다른 지점을 강조하거나 다른 결론에 도달할 수 있다.
• 전 지구적 일반화 가능성(global generalizability): 표본은 주로 서구권 노동자를 반영하며, AI에 대한 문화적 태도, 직장 역학, 전문적 정체성은 세계 각지에서 크게 다를 수 있다.
• 비실험 연구(non-experimental research): 많은 참가자가 생산성 향상과 품질 개선을 보고했지만, AI 사용이 그러한 결과를 직접적으로 초래했는지, 혹은 다른 요인이 얼마나 기여했는지는 판별할 수 없다.

기여 및 감사의 말

Kunal Handa는 프로젝트를 이끌고 Anthropic Interviewer를 설계·프로토타이핑했으며, 설문, 인터뷰, 데이터 분석, 도표 작성, 블로그 글 집필을 수행했다. Michael Stern은 Claude.ai 내 Anthropic Interviewer 구현을 이끌고 프로젝트 일정을 관리했으며, 전 과정에서 피드백을 제공했다. Saffron Huang은 공개 파일럿을 이끌었고, Jerry Hong은 시각 디자인과 기술 도표 작업을 담당했다.

Esin Durmus는 실험 설계에 기여하고 핵심 피드백을 제공했다. Miles McCain은 초기 프로토타입의 기술 인프라 구현을 공동으로 이끌었다. Grace Yun, AJ Alt, Thomas Millar는 Claude.ai 내 구현과 공개 파일럿에 필요한 기술 인프라를 구축했다. Alex Tamkin은 초기 반복 과정에 중요한 피드백을 제공했고, Jane Leibrock은 Anthropic Interviewer의 방법론 전반에 기여했다.

Stuart Ritchie는 글의 구성과 집필에 기여했고, Deep Ganguli는 연구 방향, 피드백, 조직적 지원을 제공했다. 모든 저자는 전 과정에 걸쳐 상세한 조언과 피드백을 제공했다.

이 밖에도 Sally Aldous, Drew Bent, Shan Carter, Jack Clark, Miriam Chaum, Jake Eaton, Matt Galivan, Savina Hawkins, Sarah Heck, Hanah Ho, Mo Julapalli, Matthew Kearney, Mike Krieger, Chelsea Larsson, Joel Lewenstein, Jennifer Martinez, Wes Mitchell, Jared Mueller, Christopher Nulty, Adam Pearce, Sarah Pollack, Ankur Rathi, Drew Roper, David Saunders, Kevin Troy, Molly Villagra, Brett Wittmershaus, Casey Yamaguma에게 아이디어, 토론, 피드백, 지원에 대해 감사한다. Matthew Conlen, Deb Roy, Diyi Yang의 코멘트와 토론, 피드백에도 감사의 뜻을 표한다.

인용

아래 BibTeX 항목으로 이 글을 인용할 수 있다.

@online{handa2025interviewer,
  author = {Kunal Handa and Michael Stern and Saffron Huang and Jerry Hong and Esin Durmus and Miles McCain and Grace Yun and AJ Alt and Thomas Millar and Alex Tamkin and Jane Leibrock and Stuart Ritchie and Deep Ganguli},
  title = {Introducing Anthropic Interviewer: What 1,250 professionals told us about working with AI},
  date = {2025-12-04},
  year = {2025},
  url = {https://www.anthropic.com/research/anthropic-interviewer},
}

부록

Anthropic Interviewer 참여 경험

인터뷰가 끝난 뒤 연구진은 참가자들에게 인터뷰 경험에 관한 설문을 진행했다. 질문은 세 가지였다. 첫째, "이번 대화에 얼마나 만족했습니까?" 둘째, "이 대화가 해당 분야에 관한 당신의 생각을 얼마나 잘 포착했습니까?" 이 두 질문은 모두 1점에서 7점의 Likert 척도로 답하게 했다. 셋째, "이 인터뷰 형식을 다른 사람에게 추천하겠습니까?"라는 예/아니오 문항을 제시했다.

참가자들은 Anthropic Interviewer에 매우 긍정적인 반응을 보였다. 97.6%는 만족도를 5점 이상으로 평가했고, 그중 49.6%는 최고점을 부여했다. 마찬가지로 96.96%는 이 대화가 자신의 생각을 잘 포착했다고 답했고(5-7점), 99.12%는 이 인터뷰 형식을 다른 사람에게 추천하겠다고 답했다.

관점을 공유해 주세요: FAQ

1. 연구에는 어떻게 참여할 수 있는가? 오늘부터 2주 이전에 가입한 Claude.ai Free, Pro, Max 사용자라면 Claude.ai에서 참여 요청 팝업을 볼 수 있다. 직접 참여하려면 claude.ai/interviewer에 접속하면 된다. 연구는 1주일 동안 열려 있다.
2. 연구는 무엇을 묻는가? Anthropic Interviewer는 AI가 당신의 삶에서 어떤 역할을 하기를 바라는지, 그 비전을 형성하는 경험·가치·필요가 무엇인지, 그리고 무엇이 그 비전을 돕거나 방해하는지를 묻는다.
3. 데이터는 어떻게 사용되는가? 앤트로픽은 이 연구를 통해 얻은 통찰을 사회적 영향 연구의 일부로 분석하고, 결과를 공개하며, 그 배움을 반영해 모델과 서비스를 개선할 계획이다. 수집된 데이터는 Feedback으로 처리되며 Privacy Policy에 따라 처리된다. 익명화된 응답 일부가 공개 연구 결과에 포함될 수 있으며, 자세한 내용은 Anthropic Privacy Center 문서에서 확인할 수 있다.
4. 왜 Claude.ai에서 Anthropic Interviewer 초대를 보지 못하는가? 이 인터뷰는 2주 이상 전에 가입한 기존 Claude.ai Free, Pro, Max 사용자에게만 제공된다. 추가 질문이 있다면 화면 오른쪽 아래 메시지 아이콘을 통해 Anthropic 지원 센터에 문의할 수 있다.