Anthropic 경제연구팀은 11월 5일 연구자들이 Claude를 어디에 쓰는지 집계한 보고서를 공개했다. 표본은 8월 2일부터 9월 30일까지 개인용 요금제에서 연구 관련으로 분류된 20만 7049건의 대화다. 이 중 Claude(Chat과 Cowork 포함)가 12만 8914건, Claude Code가 7만 8135건이며, Claude Science의 보충 표본도 별도로 포함됐다.
분류에는 연구팀이 자체 구축한 SciNet 체계를 썼으며, 7262개 작업, 34개 학문 분야, 318개 세부 분야를 아우른다. 보고서에 따르면 분류기는 학문 분야와 작업 라벨만 출력할 뿐 연구 내용은 추출하지 않는다. 결과는 집계 형태로만 공개했고, 계정 수가 기준에 못 미치는 칸은 제외했다.
가장 많이 쓰는 건 데이터 처리와 글쓰기
대화 비중으로 보면 데이터 분석이 Claude에서 33.7%, Claude Code에서 48.1%를 차지했다. 글쓰기·커뮤니케이션은 Claude에서 32%, Claude Code에서 17.6%다. 단일 작업 중 가장 흔한 것은 논문 초고 작성으로, Claude 대화의 18.6%였다.
이 수치를 연구자의 시간 배분과 나란히 놓으면 차이가 뚜렷하다.
| 작업 | Claude | Claude Code | 연구 시간 비중 |
|---|---|---|---|
| 데이터 분석 | 33.7% | 48.1% | 27.6% |
| 글쓰기·커뮤니케이션 | 32.0% | 17.6% | 16.0% |
| 데이터 수집 | 11.5% | 11.9% | 28.6% |
| 구상·가설 수립 | 4.2% | 2.1% | 7.1% |
데이터 수집은 연구자 시간의 3할 가까이를 차지하지만 대화에서는 10%를 조금 넘는다. 표본 추출이나 실험처럼 직접 손을 움직여야 하는 일이 많기 때문으로 보인다. 구상과 가설 수립은 설문에 응한 과학자들이 가장 중요한 단계로 꼽았지만(100점 만점에 35.6점) 사용량은 가장 적다.
학문 분야 분포도 쏠려 있다. 컴퓨터과학 연구자는 전 세계 연구자의 4.3%에 불과하지만 Claude Code 대화에서는 32.7%를 차지한다. AI·머신러닝 세부 분야 연구자는 전 세계의 1.2%인데 Claude Code에서는 15.2%다. 화학이나 의학 같은 실험 중심 분야는 사용이 적었다. 보고서는 이렇게 표현했다.
"In short, scientists appear to use AI where it works best." (간단히 말해, 과학자들은 AI가 가장 잘하는 곳에 AI를 쓰는 것으로 보인다.)
가속 효과를 따져 보면
보고서는 세 가지 시나리오로 추정치를 제시했다. 첫 번째는 현재 능력이 널리 확산되는 경우만 가정한 것으로, AI가 맡을 수 있는 연구 시간은 27~52%, 중앙값은 38%다. 분야별 산출은 약 1.35배(예술)에서 2.02배(통계)까지 빨라지며, 컴퓨터과학은 약 1.96배, 화학은 약 1.41배다. 세 번째 시나리오는 AI가 신체 작업을 제외한 모든 단계를 맡는다고 가정한다. 이 경우 통계·컴퓨터과학·경제·수학은 15~16배에 이르지만, 생물·화학·재료는 3~4배에 그친다. 이들 분야는 신체 작업이 연구 시간의 38~41%를 차지하기 때문이다.
이 배수의 바탕에 깔린 비용 가정은 AI 시간당 30달러, 연구자 시간당 95달러, 연구자 1시간을 줄일 때마다 AI가 0.2시간 가동된다는 것이다. 이 수치로 대충 계산하면 사람 1시간을 아끼는 데 드는 AI 비용은 약 6달러로, 비용은 사실상 제약이 되지 않는다. 발목을 잡는 것은 실험실에서 손으로 하는 작업이다. 보고서도 "Physical bottlenecks remain powerful."라고 적었다.
저자들은 두 번째와 세 번째 시나리오가 예측이 아니라 가정이라고 강조했다. 추정에는 장비, 시약, 실험실 수용 능력도 반영되지 않았다. 분류와 소요 시간 추정은 모두 대형 언어 모델이 수행했으므로 세부 분야 단위 수치는 오차가 더 크다.
과학자들 스스로의 생각
함께 진행한 설문에는 528명의 과학자가 응답했다. 대부분 생명·건강과학 분야이고 미국과 캐나다에 몰려 있으며, Anthropic 과학 지원 프로그램의 신청자라 표본이 적극적인 사용자 쪽으로 기울어 있다. 응답자의 38%는 AI가 이미 데이터 분석에서 최고 수준 연구자에 필적한다고 보며, 2030년에는 이 비율이 94%가 될 것으로 예상했다. 약 40%는 2030년이면 AI가 하나의 연구 프로젝트를 독자적으로 끝낼 수 있다고 보았고, 16%는 영원히 불가능하다고 답했다.
Claude Science 사용자는 더 전문적이다. 생의학과 생물학이 합쳐서 절반을 넘고, 대화의 82.7%가 박사 수준 내용이며 73.3%는 고도의 자율 실행에 해당한다. 원래 전문성이 높은 사용자들이므로 차이를 전부 제품 덕으로 돌릴 수는 없으며, 보고서도 그렇게 적었다.
참고 출처: Anthropic 연구 보고서 「How researchers use Claude」, CocoLoop, 대화 표본·작업 비중·학문 분야 분포·3단계 시나리오 가속 배수·비용 가정은 보고서 본문으로 확인했으며, 설문 수치는 보고서 공개 내용을 따랐다.