하와이에서의 여행 계획, 매사추세츠에서의 과학 연구, 인도에서의 웹 애플리케이션 구축. 겉보기에는 공통점이 거의 없는 이 세 활동은, 각 지역에서 Claude가 특히 과대표집되어 사용되는 사례라는 공통점을 지닌다.
물론 이것이 각 지역에서 가장 흔한 과업이라는 뜻은 아니다. 소프트웨어 엔지니어링은 여전히 세계 거의 모든 국가와 미국 거의 모든 주에서 가장 큰 단일 사용 사례다. 대신 이는, 예컨대 매사추세츠의 사람들이 다른 지역보다 Claude에게 과학 연구 지원을 요청할 가능성이 더 높다는 뜻이며, 브라질의 Claude 사용자는 번역과 언어 학습에 특히 적극적이어서 이 분야 사용이 전 세계 평균의 약 6배에 이른다는 뜻이다.
이러한 통계는 Anthropic의 세 번째 Anthropic Economic Index 보고서에서 도출됐다. 이번 업데이트에서 Anthropic은 일과 경제를 재편하기 시작한 AI 채택의 초기 패턴을 더 체계적으로 기록하기 위해 분석 범위를 넓혔다. Anthropic이 측정한 차이는 다음과 같다.
- 미국 내부: 미국 각 주에서 AI 사용이 어떻게 다른지를 처음으로 세밀하게 평가했다. 각 주 경제의 구성 차이가 1인당 Claude 사용량 차이를 설명하며, 가장 많이 사용하는 주들이 반드시 코딩 중심 주는 아니라는 점을 확인했다.
- 국가 간 비교: 국가별 Claude 사용은 소득과 강하게 상관되며, 사용량이 낮은 국가일수록 사용량이 높은 국가보다 Claude를 더 자주 자동화 용도로 활용하는 것으로 나타났다.
- 시간에 따른 변화: 2024년 12월
2025년 1월, 그리고 2025년 23월의 이전 표본과 비교했을 때,지시형(directive)자동화 과업의 비중이 27%에서 39%로 크게 상승했다. 이는 AI가 맡는 책임과, 사용자가 AI를 신뢰하는 정도가 빠르게 커지고 있음을 시사한다. - 기업 사용자: 소비자용 Claude.ai 데이터에 더해 Anthropic의 퍼스트파티(1P) API 고객 데이터를 익명화해 포함했다. 이를 통해 처음으로 기업 상호작용을 분석했으며, API 사용자는 소비자보다 Claude로 과업을 자동화할 가능성이 훨씬 더 높다는 점을 확인했다. 이는 노동시장 차원의 큰 변화가 다가오고 있음을 시사한다.
Anthropic은 아래에 보고서 요약을 제시하며, 데이터를 직접 탐색할 수 있는 Anthropic Economic Index 웹사이트도 함께 공개했다. 또한 이 분석을 확장해 보고 싶은 연구자를 위해 데이터셋도 공개적으로 배포하고 있다.
지리
Anthropic은 Economic Index에 지리 데이터를 추가해, 국가별 그리고 미국 주별로 Claude가 어떻게 다르게 사용되는지 분석했다.
국가 간 비교
전체 Claude 사용량 기준으로는 미국이 다른 어떤 나라보다도 훨씬 크다. 인도가 2위이며, 그 뒤를 브라질, 일본, 한국이 비슷한 비중으로 잇는다.
그림 1: 전 세계 Claude.ai 사용 비중 기준 상위 30개국. 미국이 21.6%로 가장 큰 비중을 차지한다.
다만 국가마다 인구 규모가 크게 다르므로, Anthropic은 각국의 Claude 사용 비중을 노동 가능 연령 인구 비중으로 나눈 Anthropic AI Usage Index(AUI) 를 함께 계산했다. AUI가 1보다 크면 노동 가능 연령 인구 규모만으로 예상되는 수준보다 Claude를 더 자주 사용하는 것이고, 1보다 작으면 그 반대다.
그림 2: Anthropic AI Usage Index 기준 상위 20개국. 이스라엘, 싱가포르, 호주, 뉴질랜드, 한국이 최상위권을 이룬다.
AUI를 보면 이스라엘과 싱가포르 같은 소규모 기술 선도국이 노동 가능 연령 인구 대비 Claude 채택을 이끌고 있다. Anthropic은 이 차이의 상당 부분이 소득으로 설명된다고 본다. 1인당 GDP가 1% 높을수록 AUI는 약 0.7% 높게 나타났기 때문이다.
이는 직관에 부합한다. Claude를 더 많이 사용하는 국가는 일반적으로 인터넷 연결성이 좋고, 제조업보다는 지식노동 중심 경제 구조를 갖는 경우가 많다. 다만 이는 경제적 발산(divergence)의 가능성도 제기한다. 전기나 내연기관 같은 과거의 범용 기술이 세계적 성장과 동시에 생활수준의 큰 격차를 낳았듯, AI의 효과가 부유한 국가에서 더 크게 나타난다면 유사한 경제적 함의를 가질 수 있다.
그림 3: 국가별 1인당 Claude 사용량은 1인당 소득과 양의 상관을 보인다. 두 축은 로그 스케일이다.
미국 내부의 패턴
1인당 GDP와 1인당 Claude 사용량의 연결은 미국 주 사이를 비교해도 유지된다. 오히려 미국 내부에서는 이 관계가 더 가파르게 나타난다. 미국 안에서 1인당 GDP가 1% 높을수록, 인구 보정 Claude 사용량은 약 1.8% 높아진다. 다만 미국 내부에서는 전체 추세선 주변의 분산이 훨씬 커서, 소득만으로는 주별 격차를 충분히 설명할 수 없다.
Anthropic은 이 채택 격차의 핵심 설명 변수로 주 경제의 구성을 제시한다. 미국에서 AUI가 가장 높은 곳은 워싱턴 D.C.(3.82)이며, 이곳에서는 문서 편집과 정보 탐색처럼 지식노동과 관련된 사용이 특히 자주 나타난다. 마찬가지로 코딩 관련 과업은 캘리포니아에서, 금융 관련 과업은 뉴욕에서 특히 흔하다.1 인구 보정 사용량이 낮은 하와이처럼 관광 비중이 큰 주에서도 Claude 사용은 지역 경제 구조와 밀접하게 연결된다. 실제로 하와이에서는 관광 관련 요청이 미국 평균의 2배 속도로 나타난다.
그림 4: 노동 가능 연령 인구로 보정한 미국 주별 Claude 채택. 유타와 워싱턴 D.C.가 선두권에 있다.
Claude 사용 추세
Anthropic은 2024년 12월부터 사람들이 Claude를 어떻게 사용하는지 추적해 왔다. 이를 위해 미국 정부의 직업·과업 분류 체계인 O*NET에 따라 익명화된 대화 전사를 과업 그룹으로 분류하는 개인정보 보호형 분석 방법을 사용한다.2 이 접근을 통해, 사람들이 Claude에게 맡기는 과업이 어떻게 변했는지뿐 아니라, Claude와 협업하는 방식까지 함께 분석할 수 있다.
과업
2024년 12월 이후, 컴퓨터 및 수학 관련 사용은 전체 대화의 약 37~40%를 차지하며 여전히 Claude 사용의 중심을 이룬다.
하지만 많은 변화도 있었다. 지난 아홉 달 동안 교육과 과학처럼 지식 집약적(knowledge-intensive) 분야가 꾸준히 성장했다. 교육 과업은 전체 대화의 9%에서 13%로 40% 넘게 증가했고, 물리·생명·사회과학 관련 과업 비중도 6%에서 8%로 약 3분의 1 늘었다.
반면 전통적인 비즈니스 과업의 상대적 비중은 감소했다. 관리 관련 과업은 전체 대화의 5%에서 3%로 줄었고, 비즈니스 및 재무 운영 과업은 6%에서 3%로 절반 수준이 됐다. 물론 절대 건수로는 각 범주의 대화가 여전히 크게 증가했다.
그림 5: 시간에 따른 Claude 사용 변화. 과학 및 교육 관련 과업은 늘고, 예술·비즈니스·건축 관련 사용은 상대적으로 줄어드는 모습을 보인다.
전체 패턴에는 잡음이 있지만, 전반적으로 국가의 1인당 GDP가 높아질수록 Claude 사용은 컴퓨터·수학 직군 중심에서 점차 이탈해 교육, 예술과 디자인, 사무·행정 지원, 물리·사회과학 등 더 다양한 활동으로 분산되는 경향을 보인다. 그럼에도 Anthropic이 추적하는 모든 국가에서 가장 흔한 단일 사용 사례는 여전히 소프트웨어 개발이다. 미국도 대체로 비슷한 양상을 보이지만, 주별 표본 규모 한계로 인해 채택률에 따른 과업 조합 변화를 더 세밀하게 해석하기는 어렵다.
그림 6: 채택률이 낮은 국가에서 높은 국가로 이동할수록, Claude 사용은 코딩 중심에서 더 다양한 과업 조합으로 확산되는 경향을 보인다. 다만 전체 패턴은 다소 잡음이 있다.
상호작용 패턴
Anthropic은 Claude 사용을 크게 자동화(automation) 와 증강(augmentation) 으로 구분한다. 자동화는 AI가 최소한의 사용자 입력으로 직접 산출물을 만드는 경우이고, 증강은 사용자와 AI가 협력해 결과를 만드는 경우다. 자동화는 다시 지시형(directive) 과 피드백 루프(feedback loop) 로, 증강은 학습(learning), 과업 반복(task iteration), 검증(validation) 으로 세분된다.
2024년 12월 이후, 지시형 대화 비중은 27%에서 39%로 크게 상승했다. 그 결과 학습, 과업 반복, 피드백 루프의 비중은 다소 줄었다. 이는 전체적으로 자동화(49.1%)가 증강(47%)보다 더 흔해진 첫 사례라는 뜻이다.
Anthropic은 한 가지 가능한 설명으로, 사용자가 AI의 능력에 대한 신뢰를 빠르게 높이고 있으며 그에 따라 더 정교한 일을 직접 맡기고 있을 가능성을 든다. 또 다른 설명은 모델 성능 향상이다. Anthropic이 Economic Index용 데이터를 처음 수집한 2024년 12월 당시 최신 Claude는 Sonnet 3.6이었다. 모델이 사용자 의도를 더 잘 예측하고 높은 품질의 결과를 더 자주 한 번에 내놓게 되면서, 사용자는 초도 응답을 더 쉽게 신뢰하게 됐을 수 있다.
그림 7: 첫 번째 보고서부터 세 번째 보고서까지 자동화가 점차 증강을 앞지르는 방향으로 증가한 모습을 보여 준다.
흥미롭게도, 1인당 Claude 사용량이 높은 국가일수록 Claude 활용은 자동화보다 증강 쪽으로 기운다. 반대로 사용량이 낮은 국가일수록 자동화를 선호할 가능성이 더 높다. 과업 조합을 통제했을 때, 인구 보정 Claude 사용량이 1% 증가하면 자동화 비중은 대략 3% 감소하는 상관이 관찰됐다.
Anthropic은 그 이유를 아직 확정하지 못했다. 각국의 초기 채택자가 Claude에 과업을 완전히 맡기는 데 더 익숙하기 때문일 수도 있고, 문화적·경제적 차이가 작용했을 수도 있다.
그림 8: 1인당 Claude 사용량이 높은 국가는 Claude를 더 협업적인 방식으로 사용하는 경향을 보인다.
기업
Anthropic은 Claude.ai 대화에 적용하는 것과 동일한 개인정보 보호형 방법론을 사용해, Anthropic 1P API 고객 일부의 상호작용도 표본 추출해 분석하기 시작했다.3 토큰당 비용을 지불하고 자체 프로그램을 통해 Claude를 호출하는 API 고객은, 고정 월 구독 기반으로 Claude를 쓰는 소비자와 매우 다른 방식으로 Claude를 활용한다.
이들 고객의 사용은 특히 코딩과 행정 과업에 집중된다. 표본의 API 트래픽 가운데 44%는 컴퓨터 또는 수학 관련 과업에 대응되는데, 이는 Claude.ai의 36%보다 높다. 전체 API 트래픽의 약 5%는 AI 시스템 자체의 개발과 평가에 집중돼 있다. 반면 교육 관련 대화 비중은 API에서 4%로 Claude.ai의 12%보다 낮고, 예술·엔터테인먼트 관련 과업도 5%로 Claude.ai의 8%보다 낮다.
Anthropic은 또한 API 고객이 Claude를 과업 자동화에 훨씬 더 자주 사용한다는 점도 확인했다. API 대화의 77%는 자동화 패턴을 보였고, 그 대부분은 지시형이며, 증강 패턴은 12%에 그쳤다. 반면 Claude.ai에서는 자동화와 증강의 비중이 거의 비슷하다. 과거에도 과업 자동화는 큰 경제 전환과 생산성 향상과 연결돼 왔다는 점에서, 이 결과는 상당한 경제적 함의를 지닌다.
그림 9: Claude.ai와 API를 비교하면, API 쪽이 훨씬 더 자동화 중심이며 Claude.ai는 상대적으로 증강 비중이 높다.
마지막으로 Anthropic은, 토큰 수 차이로 인해 과업 비용이 달라질 때 기업이 어떤 과업을 더 자주 “구매”하는지도 살폈다. 여기서는 가격과 사용량 사이에 양의 상관이 관찰됐다. 즉 더 비싼 과업 범주일수록 오히려 더 자주 사용되는 경향이 있었다.
Anthropic은 이를 통해, 적어도 현재 기업에게는 과업 자체를 수행하는 비용보다 모델의 기본 능력과 모델이 만들어내는 경제적 가치가 더 중요하다고 해석한다.
그림 10: 과업당 비용과 해당 과업 범주가 전체 대화에서 차지하는 비중의 관계. 평균 비용이 높은 과업 범주가 더 자주 사용되는 양의 상관이 나타난다.
결론
Economic Index는 AI가 사람들의 일자리와 경제에 어떤 영향을 미치고 있는지를 조기에 실증적으로 파악하기 위해 설계됐다. 지금까지 드러난 핵심 메시지는 분명하다. Anthropic이 살펴본 거의 모든 지표에서 AI 채택은 매우 불균등하게 나타난다.
고소득 국가는 Claude를 더 자주 사용하고, 자동화보다 협업을 더 선호하며, 코딩을 넘어 더 넓은 과업 조합을 추구한다. 미국 내부에서도 AI 사용은 기술부터 관광까지 각 지역 경제의 지배적 산업 구조에 강하게 영향을 받는다. 기업은 소비자보다 훨씬 더 자주 Claude에 행위성과 자율성을 부여한다.
특히 주목할 점은, 지난 아홉 달 사이 Claude.ai 대화에서 지시형 자동화가 훨씬 더 흔해졌다는 사실이다. 사람들이 Claude를 어떻게 쓸지, AI 도구를 얼마나 신뢰하고 어느 정도 책임을 맡길지는 아직도 집단적으로 형성되는 중이다. 다만 현재까지의 증거는, 사용자가 AI에 점점 더 익숙해지고 있으며 AI가 자신의 일을 대신 수행하도록 맡길 의향도 커지고 있음을 시사한다.
Anthropic은 앞으로도 이 분석을 반복해, 모델 성능이 향상될수록 사용자 선택이 어디에 정착하는지, 혹은 과연 정착하기는 하는지를 계속 추적할 계획이라고 밝혔다. 더 자세한 내용은 전용 Anthropic Economic Index 웹사이트와 전체 보고서에서 확인할 수 있다.
오픈 데이터
이전 보고서와 마찬가지로 Anthropic은 이번 배포를 위해 지리 데이터, 과업 수준 사용 패턴, 과업별 자동화·증강 분해, API 사용 개요를 포함하는 종합 데이터셋을 공개했다. 데이터는 Anthropic Economic Index 웹사이트에서 내려받을 수 있다.
Footnotes
-
유타의 경우 2위라는 점과 관련해, Anthropic이 활동 양상을 추가 조사한 결과 사용량의 주목할 만한 일부가 조직적 악용의 지표와 연관된 것으로 보였다. 이는 유타의
지시형자동화 점수가 평균보다 훨씬 높다는 사실에도 반영돼 있다. 다만 Anthropic은 강건성 점검을 수행했으며, 이러한 활동이 핵심 결과를 좌우하지는 않는다고 판단했다. ↩ -
Anthropic은 O*NET 범주의 공백을 보완하기 위해 Claude가 자체 분류 체계에 따라 대화를 분류하는
상향식(bottom-up)과업 분류도 함께 사용한다. 개인정보 보호형 분석 방법론의 자세한 내용은 Clio 글에서 볼 수 있다. ↩ -
이 절의 데이터는 2025년 8월의 전사 100만 건을 다루며, Anthropic의 1P API 사용량의 약 절반을 차지하는 고객 풀에서 무작위로 추출됐다. Anthropic은 데이터를 개인정보 보호 및 보존 정책에 따라 관리하며, 이 분석은 약관, 정책, 계약상 합의와 일치한다고 설명한다. ↩