우리가 뉴스에서 AI 협업 도구의 발전을 볼 때, 화면은 대개 검은 배경의 터미널에서 키보드를 두드리는 프로그래머의 모습이고, AI가 순식간에 수백 줄의 코드를 생성하거나 복잡한 버그를 자동 수정하는 장면입니다. 이런 괴짜 스타일의 서사는 AI 도구에 대한 대중의 고정관념을 만들어 냈습니다. 즉, AI는 본래 기술 인력을 위해 만들어진 코드 생성기이며 일반 사무직과는 거리가 멀다는 인식입니다.

![Anthropic이 공개한 Claude Cowork 사용 데이터 대표 이미지](https://cdn.prod.website-files.com/68a44d4040f98a4adf2207b6/6a4d2008da7ac4e365fd380e_og_how-people-are-using-claude-cowork%20(1%29.jpg)

데이터 출처: Anthropic 공식 블로그 《How people are using Claude Cowork》

하지만 Anthropic이 최근 공개한 데이터는 이 편견을 산산이 부숴 버렸습니다.

Anthropic 공식 블로그에서 공개한 샘플 데이터에 따르면, 2026년 5월 11일부터 31일까지 수집된 120만 건의 익명 세션 표본을 바탕으로, Claude Cowork 사용량이 가장 높은 시나리오는 소프트웨어 개발이 8.7%에 불과한 반면, 1위는 비즈니스 프로세스 및 운영이 33.4%로, 보고서 정리, 표 대조 등이 대표적이었습니다. 콘텐츠 제작 및 카피라이팅이 16.4%로 그 뒤를 이었으며, 원고 작성, 슬라이드 제작 등이 포함됩니다.

이는 90% 이상의 사용 시나리오에서 사람들이 코드를 작성하지 않는다는 뜻입니다. 오히려 가장 첨단의 AI 협업 도구를 사용해 가장 오래되고 사소한 일상 사무 작업을 처리하고 있습니다. 사람들이 AI로 가장 자주 하는 일이 코드 작성이 아니라 보고서 정리와 표 대조인 이유는 무엇일까요? 이 데이터는 AI가 실제 직장에서 어떤 역할을 하는지 보여줍니다.

깨진 ‘AI=코딩’이라는 편견

이 대조적인 데이터를 이해하려면 먼저 대중이 왜 ‘AI는 주로 코드를 작성하는 도구’라는 착각을 갖게 되었는지 이해해야 합니다.

지난 2년 동안 AI 코딩 어시스턴트는 가장 먼저 성숙해 대규모로 도입된 AI 애플리케이션 형태였습니다. GitHub Copilot이나 다양한 코드 생성 모델은 개발자 커뮤니티에서 큰 반향을 일으켰습니다. 코드 작성은 논리성과 명확한 옳고 그름의 기준이 있어 대규모 언어 모델의 강점을 발휘하기에 매우 적합합니다. 그래서 미디어는 AI의 혁신을 보도할 때 코드 생성을 가장 설득력 있는 사례로 자주 인용합니다.

그러나 프로그래머는 전 세계 직장 인구에서 극히 일부에 불과합니다. 실제로 규모가 큰 직장인 그룹은 재무, 행정, 인사, 법무, 영업 및 다양한 운영 인력입니다. 이들의 일상 업무는 거의 코드와 관련이 없지만, 그들이 매일 처리하는 업무량과 효율성 향상에 대한 열망은 기술 인력보다 훨씬 큽니다.

33.4%의 비즈니스 프로세스 및 운영 비중은 이 거대한 집단의 실제 수요를 반영합니다. AI 도구의 진입 장벽이 프로그래밍 지식 없이도 사용할 수 있을 정도로 낮아지자, 비기술 직종이 빠르게 주류가 되었습니다. 그들은 AI가 시스템 아키텍처를 재구성하는 것을 바라지 않습니다. 대신 지난주에 여러 채팅방에 흩어져 있던 진행 상황 업데이트를 모아 주간 보고서로 정리해 주거나, 형식이 다른 세 개의 엑셀 시트를 비교하여 차이점을 찾아내는 일을 AI가 대신해 주길 바랍니다.

소프트웨어 개발이 8.7%에 불과한 것은 프로그래머가 AI를 사용하지 않아서가 아니라, 비기술 직종의 인원이 훨씬 많고 그들의 일상 업무에 AI가 대신할 수 있는 반복적인 작업이 많기 때문입니다. AI 협업 도구는 괴짜들의 장난감이라는 이미지를 벗고 일반 사무직 직장인의 ‘디지털 인턴’으로 변신하고 있습니다.

33.4%의 ‘비즈니스 프로세스’는 대체 무엇을 할까요?

공식 분류에서 비즈니스 프로세스와 운영은 3분의 1을 차지합니다. 다소 추상적으로 들리는 이 용어는 실제 직장에서는 매우 구체적이면서도 고통스러운 상황과 연결됩니다.

보고서 정리는 가장 대표적인 사례입니다. 어느 정도 규모가 있는 조직이라면 보고서는 운영을 유지하는 혈류와 같습니다. 주간 보고서, 월간 보고서, 프로젝트 진행 상황 보고서, 경쟁사 분석 보고서 등 종류도 다양합니다. 하지만 보고서 작성 과정은 대개 매우 고통스럽습니다. 프로젝트 매니저가 주간 보고서를 작성하려면 먼저 Jira에서 작업 상태를 가져오고, 여러 부서의 채팅방에서 미해결 사항을 확인한 다음, 이메일로 최신 고객 피드백을 확인해야 합니다. 그런 다음 이 파편화된 정보를 하나의 Word 문서로 모아 형식을 조정하고 차트를 추가해야 합니다. 이 과정은 반나절을 소비할 수 있지만, 생산된 콘텐츠 자체는 새로운 비즈니스 가치를 창출하지 않으며 단지 정보 동기화를 위한 것입니다. 더욱 괴로운 점은, 어떤 상사가 갑자기 다른 기준으로 다시 통계를 내라고 요구하면, 이 반나절 동안의 작업을 다시 해야 한다는 것입니다.

표 대조 또한 직장인의 악몽입니다. 재무 담당자는 월말 결산 시 은행 거래 내역, 내부 장부, 지출 증빙 세 가지 표를 맞춰야 합니다. 단 1원의 차이도 발견되면 한 줄씩 전부 확인해야 합니다. 빽빽한 셀을 눈이 빠지게 들여다봐야 합니다. 실수라도 하면 결산이 되지 않아 부서 전체의 마감 프로세스가 중단될 수 있기 때문입니다. 행정 담당자는 근태 기록을 확인할 때 각종 휴가 신청서, 초과 근무 신청, 출퇴근 기록을 일일이 대조해야 합니다. 누군가 출퇴근 기록을 깜빡하고 종이로 신청서를 제출했거나, 출장 중이어서 시스템에 기록이 안 된 경우 등 예외 상황을 수작업으로 정리해야 합니다. 이런 작업은 시력, 인내심, 집중력에 큰 부담을 주며, 실수라도 하면 결과가 심각합니다.

이러한 작업을 AI 협업 도구에 맡기면 프로세스가 근본적으로 바뀝니다. 사용자는 다섯 개 채팅방의 기록을 내보내 AI에 던져주고 “각 사람의 진행 상황을 추출해 부서별로 분류하고 주간 보고서 개요를 작성해 줘”라고 지시하면, 몇 초 만에 구조화된 초안이 나타납니다. 상사가 다른 기준으로 바꾸라고 하면, 명령어 한 줄만 다시 입력하면 AI가 즉시 재구성합니다. 재무 담당자는 세 개의 표를 업로드하고 AI에게 “이 세 표에서 금액이 일치하지 않는 항목을 찾아 명세를 작성해 줘”라고 할 수 있습니다. AI는 지루해하지도 않고 소수점을 잘못 읽지도 않으며, 방대한 데이터 속에서 이상값을 신속히 찾아냅니다.

이 33.4%라는 수치 뒤에는 수많은 직장인들이 무의미한 기계적 노동에서 해방된 안도감이 있습니다. 그들은 AI가 과학적 난제를 해결해 주길 바라지 않고, 자신의 삶을 갉아먹는 ‘더럽고 힘든 일’을 대신 처리해 주길 바랄 뿐입니다.

16.4%의 ‘콘텐츠 창작’과 빈 문서 공포 극복하기

비즈니스 프로세스 다음으로, 콘텐츠 창작과 카피라이팅이 16.4%를 차지합니다. 이 시나리오 역시 직장의 고충으로 가득합니다.

많은 사람들이 콘텐츠 창작이 작가나 자영업자만의 일이라고 오해하지만, 현대 기업에서는 거의 모든 직무에서 글쓰기를 피할 수 없습니다. 영업 담당자는 제안서를 써야 하고, 제품 관리자는 요구사항 문서를, 인사 담당자는 채용 공고를, 엔지니어조차 기술 방안 설명을 작성해야 합니다. 비전문 글쓰기 종사자에게는 빈 Word 문서나 PPT 슬라이드는 흔히 ‘빈 문서 공포증’을 유발합니다. 첫 문장을 어떻게 시작해야 할지, 구조를 어떻게 잡아야 할지 모른 채 깜빡이는 커서를 30분째 바라보다 보면 화면은 여전히 텅 비어 있습니다.

슬라이드 제작은 특히 더 고통스럽습니다. 제한된 공간에 텍스트를 우겨넣고, 글자 크기를 조정하고, 도형을 정렬하고, 색상을 선택하는 등의 편집 작업은 내용을 작성하는 시간보다 몇 배나 더 걸립니다. 많은 사람이 발표 전날 밤늦게까지 PPT 서식을 조정합니다. 단지 텍스트 상자를 왼쪽으로 2픽셀 옮기거나 두 그림을 맞추기 위해서입니다. 발표가 끝나면, 이 정성스럽게 편집한 슬라이드는 폴더 속에 방치되어 다시는 열리지 않습니다.

이 시나리오에서 AI 협업 도구는 ‘쇄빙선’ 역할을 합니다. 사용자는 처음부터 구상할 필요 없이 몇 가지 핵심 포인트만 입력하면 AI가 초안을 작성해 줍니다. 슬라이드의 경우, 사용자가 주제와 대략적인 내용을 주면 AI가 편집 디자인과 색상이 적용된 프레젠테이션을 직접 생성합니다. 초안이 완벽하지 않은 경우가 많지만 수정할 수 있는 기초를 제공합니다. 인간의 작업은 ‘무에서 유를 창조’하는 것에서 ‘수정하여 완성’하는 것으로 바뀌어 심리적 부담감과 실제 작업량이 크게 줄어듭니다. “이 페이지의 배경을 파란색으로 바꾸고, 중요한 부분은 굵게 표시해 줘”라고 AI에게 말하면 즉시 완료되므로, 메뉴에서 버튼을 찾느라 헤매는 시간을 절약할 수 있습니다.

이러한 콘텐츠 창작의 보편화는 AI가 직장인의 표현 능력 차이를 좁히고 있음을 보여줍니다. 논리는 명확하지만 편집과 표현에 서툰 사람들도 AI의 도움으로 전문적인 수준의 문서와 발표 자료를 만들 수 있습니다.

과소평가된 ‘연결 작업’

Anthropic은 이 데이터를 해석하면서 상위 두 가지 고빈도 시나리오를 ‘연결 작업’으로 정의했습니다. 이는 매우 정확하고 통찰력 있는 개념입니다.

연결 작업이란 무엇일까요? 이는 프로젝트를 진행시키지만 핵심 직무 설명에는 거의 나타나지 않는 작업을 말합니다. 변호사의 핵심 업무는 법률 상담과 변호지만, 매일 문서 형식 표준화와 보관에 많은 시간을 할애할 수 있습니다. 채용 관리자의 핵심 업무는 인재 선별이지만, 매일 회의 일정 조정과 여러 차례의 면접 피드백을 종합하는 데 많은 시간을 씁니다.

이러한 작업은 직접적인 비즈니스 가치를 창출하지 않고 연말 성과 평가 항목에도 들어가지 않지만, 아무도 하지 않으면 프로젝트가 중단되고 팀이 혼란에 빠집니다. 이는 직장의 윤활유이자 직장인의 에너지를 소모하는 보이지 않는 블랙홀입니다.

전통적인 직장 서사에서 우리는 항상 핵심 역량 향상에 집중하지, 이러한 연결 작업을 최적화하는 방법에는 거의 관심을 기울이지 않습니다. 많은 직장인이 피로를 느끼는 것은 핵심 업무가 어려워서가 아니라, 이러한 사소한 연결 작업에 에너지를 소진하기 때문입니다. 코드 작성은 높은 집중력을 요구할 수 있지만, 표 대조는 기계적인 반복일 뿐이며, 이러한 기계적 반복이 정신적으로 더 큰 소모를 가져오는 경우가 많습니다. 이 때문에 AI 협업 도구가 등장했을 때 사용자는 이러한 유형의 작업을 가장 먼저 아웃소싱하려는 경향을 보입니다.

AI는 변호사의 법적 판단을 대체하지도, HR의 사람 보는 직관을 대체하지도 않습니다. AI가 대신하는 것은 ‘정보를 조립하고 구조화하는’ 힘들고 지저분한 일입니다. AI는 교차 팀 협업에서 정보의 틈을 메워 변호사가 사건 분석에 집중하고, HR이 후보자 평가에 집중할 수 있게 합니다. AI는 팀의 틈새를 메우는 접착제가 되어, 모든 사람이 진정으로 인간의 지혜와 경험이 필요한 업무에 에너지를 집중할 수 있도록 합니다.

변호사의 문서와 HR의 피드백: 실제 시나리오 재현

이 협업 모델을 보다 직관적으로 이해하기 위해, 공식에서 제시한 두 가지 대표적인 교차 팀 연계 시나리오를 살펴보겠습니다.

첫 번째 시나리오는 변호사의 문서 처리 업무입니다. 법률 업계에서 문서는 형식과 규범성이 매우 엄격하게 요구됩니다. 법원마다 소장의 편집 방식, 글꼴, 심지어 줄 간격까지 구체적인 규정이 있습니다. 한 변호사가 법률 의견서를 완성하고 나면, 서식이 규정에 맞는지, 인용된 조문이 제대로 표기되었는지, 머리글과 바닥글이 통일되었는지 하나하나 확인하는 데 한두 시간을 써야 할 수 있습니다. 이 작업에는 법률적 논리가 필요하지 않고, 인내심과 세심함만 필요하지만, 쉴 새 없이 재판을 마친 변호사에게는 이런 사소한 확인 작업이 그야말로 정신적 고문이나 다름없습니다.

이제 변호사는 문서를 AI 협업 도구에 맡겨 “특정 법원의 표준 형식에 맞게 이 문서를 검토하고 조정하라”고 지시할 수 있습니다. AI는 규정에 맞지 않는 편집을 자동으로 식별하여 수정하고, 심지어 인용된 법조문의 형식 오류까지 찾아낼 수 있습니다. 변호사는 핵심적인 법적 판단과 변호 전략은 그대로 유지하고, 기계적인 형식 확인 작업은 디지털 인턴에게 맡깁니다. 이는 시간을 절약할 뿐만 아니라 사람의 실수로 인한 형식 오류로 법원에서 반려될 위험도 줄여줍니다.

두 번째 시나리오는 채용 관리자가 여러 차례의 면접 피드백을 종합하는 경우입니다. 일반적인 채용 절차에서 후보자는 HR 초기 면접, 기술 면접, 비즈니스 면접, 최종 면접을 거칠 수 있습니다. 각 면접관은 시스템에 자유 텍스트 형식의 피드백을 남깁니다. 어떤 면접관은 상세하게 작성하는 반면, 어떤 사람은 몇 문장만 적기도 하며, 기술 역량에 중점을 둔 의견도 있고 소통 스타일에 초점을 맞춘 의견도 있습니다. 채용 관리자는 최종 결정을 내리기 전에 이러한 흩어져 있고 스타일이 다른 피드백을 모두 읽고, 후보자의 기술적 강점, 문화 적합성 위험 등 핵심 정보를 추출하여 고위 경영진에게 보고할 요약을 작성해야 합니다. 채용 규모가 크면 피드백을 보는 것만으로도 눈이 피로해지고 중요한 세부 사항을 놓치기 쉽습니다.

이제 채용 관리자는 모든 면접 피드백을 AI에 입력하여 “각 면접관이 후보자의 기술 능력에 대해 평가한 내용을 추출하고, 합의점과 차이점을 요약하라”고 지시할 수 있습니다. AI는 몇 초 만에 “세 명의 면접관 모두 후보자의 데이터베이스 능력을 인정했지만, 팀 관리 스타일에서는 이견이 있다”와 같은 구조화된 요약을 제공할 수 있습니다. 채용 관리자는 최종적인 사람 판단과 채용 결정 권한을 그대로 보유하지만, 정보 처리 과정은 대폭 압축됩니다. 더 이상 길고 장황한 피드백을 일일이 읽을 필요 없이, AI가 추출한 핵심 내용을 바탕으로 판단하면 됩니다.

이 두 시나리오는 공통적인 패턴을 보여줍니다. 비기술 직종에서 AI의 도입은 그들의 일자리를 빼앗기 위한 것이 아니라, 업무 흐름의 장애물을 제거하여 인간의 지혜와 경험이 필요한 핵심 단계에 더 빨리 도달할 수 있도록 돕기 위한 것입니다.

‘화면을 보며 답장을 기다리던 것’에서 ‘클라우드에서 밤새 실행’으로

이러한 사용 경향의 변화는 AI 제품의 형태에도 새로운 요구를 제기합니다. AI가 코드 작성처럼 높은 상호작용이 필요한 작업만 처리하는 것이라면 대화창 하나로 충분합니다. 하지만 보고서 정리나 표 대조처럼 시간이 걸리고 계속 지켜볼 필요가 없는 작업을 AI가 처리해야 한다면, 기존의 대화창 모델은 비효율적으로 느껴집니다.

비기술 사용자는 화면을 보며 AI가 한 글자씩 출력하는 것을 기다릴 필요가 없습니다. 그들은 ‘작업을 지시하고 다른 일을 하러 갔다가 나중에 결과를 확인하는’ 비동기식 워크플로우를 원합니다. 마치 인턴에게 자료 정리를 맡기고 그의 뒤에서 키보드 치는 모습을 지켜보지 않고, 다 끝나면 가져오라고 하는 것과 같습니다.

사용자는 퇴근 전에 AI에게 “이번 주에 수집한 10개의 산업 분석 보고서에서 핵심 데이터를 추출해 요약표를 만들어 줘”와 같은 작업을 맡길 수 있습니다. 그런 다음 컴퓨터를 끄고 식사나 휴식을 취할 수 있습니다. AI는 클라우드 백그라운드에서 이 작업을 실행하며, 기기가 온라인 상태일 필요도 없습니다.

인간의 판단이 필요한 지점에 도달하면, AI는 일시 중지하고 사용자의 휴대폰으로 확인 요청을 푸시합니다. 예를 들어 AI가 표를 처리하다가 두 데이터 소스가 충돌하는 것을 발견하면 어느 데이터를 기준으로 할지 물어보는 메시지를 보냅니다. 다음 날 아침, 사용자가 출근길 지하철에서 휴대폰으로 승인하면 완벽한 표가 준비되어 있습니다. 이러한 ‘대화창’에서 ‘백그라운드 대리인’으로의 진화는 AI를 직장인의 일상 리듬에 진정으로 통합시킵니다. 더 이상 특별히 시간을 내서 사용해야 하는 도구가 아니라, 백그라운드에서 조용히 작업하는 조수인 셈입니다.

이러한 비동기 메커니즘은 비기술 직종에 특히 중요합니다. 이들의 업무는 종종 방해와 회의로 가득 차 있어, 컴퓨터 앞에 앉아 AI와 높은 빈도로 상호작용할 큰 시간을 내기 어렵습니다. 백그라운드 실행과 모바일 승인은 AI 사용에 대한 심리적 부담을 줄여, AI에게 도움을 요청하는 것이 마치 위챗 메시지를 보내는 것처럼 간편하게 만듭니다.

불완전한 데이터 도감과 일반인에게 주는 시사점

물론 이 120만 건의 세션 데이터가 완벽한 직장 파노라마는 아닙니다. 공식 측에서도 데이터의 몇 가지 한계를 인정했습니다.

먼저, 데이터는 업무 유형별로 분류되었지 사용자의 직책별로 분류되지 않았습니다. 따라서 이 33.4%의 비즈니스 프로세스 중 정확히 얼마나 많은 부분이 HR이 수행했고, 얼마나 많은 부분이 재무가 수행했는지 알 수 없습니다. 자동화 시스템이 라벨링할 때 마케팅, HR, 재무 등의 기능을 ‘비즈니스 프로세스’로 통일하여 분류하는 세분화 문제가 있습니다.

둘째, 샘플링 방식이 트래픽에 비례하는 고정 비율이 아니라 시간당 상한선에 따른 샘플링이었습니다. 이는 피크 시간대의 사용률이 다소 과소평가되었을 수 있음을 의미합니다. 또한 약 5%의 세션은 개인적인 비업무 용도로, 개인 비서나 취미, 심지어 동반자 대화 등 순수한 직장 모습이 아닙니다.

하지만 이러한 맹점에도 불구하고, 이 데이터는 여전히 매우 가치 있는 현실적인 시사점을 제공합니다.

일반 사무직 직장인에게 가장 큰 교훈은 자신의 업무 흐름을 다시 살펴보는 것입니다. AI가 당신의 핵심 역량을 대체할 수 있는지 묻지 말고, 당신의 업무 흐름 속에 아무도 하고 싶어 하지 않지만 누군가는 해야만 하는 연결 작업이 얼마나 되는지 물어보세요.

매일 20% 이상의 시간을 정보 옮기기, 형식 조정, 표 대조에 소비한다면, 당신은 AI 협업 도구의 가장 정확한 대상 고객입니다. 복잡한 프롬프트 엔지니어링을 배울 필요 없이, 평소에 가장 하기 싫었던 반복 작업을 AI에게 설명해 주고, 초안을 완성할 수 있는지 확인해 보세요.

AI 협업 도구의 탈신비화는 그것이 신단에서 내려와 업무 현장으로 온 데 있습니다. 이는 천재적인 지능이 필요한 과학 난제를 해결하는 데 사용되는 것이 아니라, 엄청난 인내와 체력이 필요한 사소한 일상을 처리하는 데 사용됩니다. 사용량의 33.4%가 비즈니스 프로세스를 처리하고 있다는 사실은, 사람들이 현재 AI의 가장 실용적인 사용법을 찾았다는 것을 보여줍니다. 즉, 인간을 기계적인 노동에서 해방시켜 인간이 해야 할 일에 집중하게 하는 것입니다.

로빈후드가 뉴욕주 사용자를 대상으로 알고리즘 트레이딩 서비스를 시작했습니다.

인기 기사