기술직 신규 채용에서 주니어 비중이 2025년 초 27%에서 2026년 중반 9%로 떨어졌습니다. 이 숫자만 보면 "주니어 개발자는 끝났다"는 결론이 나오기 쉽습니다. 하지만 Anthropic이 10월 16일 공개한 내부 보고서의 나머지 페이지는 다른 이야기를 합니다. 같은 기간 기술직 채용의 절대 규모는 늘었고, 채용 담당자가 보는 기준은 바뀌었습니다.
보고서의 제목은 "How employment is changing at Anthropic"입니다. 저자는 Nathan Wilmers, Regina Catipon, Maxim Massenkoff, Peter McCrory입니다. Anthropic 내부의 고용, AI 사용, 생산성 지표, 직원 설문, 캘린더 데이터, 채용 결정 기록을 분석하고 17명을 인터뷰했습니다. 2026년 8월까지의 데이터를 다룹니다.
이 글은 세 가지를 분리합니다. 보고서가 실제로 측정한 숫자, 그 숫자가 말하지 않는 것, 그리고 개발자가 지금 통제할 수 있는 것. 마지막에는 채용 담당자가 보기 시작한 "자율성과 판단력"을 포트폴리오로 증명하는 구체적인 방법을 제안합니다.
보고서가 실제로 측정한 것
먼저 숫자를 정확히 적어야 합니다. 많은 요약이 "주니어 채용이 27%에서 9%로 줄었다"고 쓰지만, 이는 비중입니다. 채용 인원수가 아닙니다. 또 하나, "주니어 직원 비중"과 "주니어 채용 비중"은 다른 지표입니다.
| 지표 | 값 | 정의 |
|---|---|---|
| 주니어 기술직 신규 채용 비중 | 27% → 9% | 2025년 초 → 2026년 중반, 기술직 신규 채용 중 주니어 비중 |
| 기술 부서 내 주니어 직원 비중 | 21% → 14% | 같은 기간, 기술 부서 직원 중 주니어 비중 |
| 기술 부서의 전체 고용 비중 | 61% → 56% | 지난 1년, Anthropic 전체 직원 중 기술 부서 비중 |
| 에이전트 근무시간 대 직원 근무시간 | 6:1 | 2026년 8월, 직원이 지시한 인터랙티브 세션과 서브에이전트를 합산 |
| 엔지니어 1인당 코드 커밋 | 6개월 전의 5배 | 2026년 상반기 |
| 인터랙티브 세션의 대기 시간 비중 | 약 80% | 사람 입력을 기다리는 벽시계 시간 |
| 메타워크 비중 | 10% → 22% | 2025년 가을 → 2026년 봄, 인터랙티브 Claude 세션 중 |
| 채용 평가에서 AI 도구 언급 | 기술 5% → 3배(15%), 비기술 7% → 4배(28%) | 2024년 → 2026년, 채용 담당자 평가 카드. 보고서는 배수로 표기 |
| 회의 시간 | 중앙값 +20%, 기술 IC +16% | 지난 1년 |
| 작성된 상시 지시문 | 수백 개 → 8,500개 | 2025년 7월 → 1년 후 |
에이전트 근무시간 6:1은 특히 조심해서 읽어야 합니다. 보고서는 "직원이 지시한 인터랙티브 세션"으로 범위를 한정하고, 서브에이전트를 합산하며, 에이전트 런타임에서 30분 넘는 대기는 제외합니다. 사람 근무시간은 인원수 × 주 40시간으로 가정합니다. 즉, 이 비율은 "AI가 인간보다 6배 더 많은 가치를 냈다"는 뜻이 아니라 "직원이 지시한 에이전트의 실행 시간이 그렇게 집계됐다"는 뜻입니다.
또 하나의 이정표가 있습니다. 2026년 3월에 자율 에이전트와 인터랙티브 에이전트를 합친 근무시간이 처음으로 인간 근무시간을 넘었습니다. 8월의 6:1은 그중 직원이 직접 지시한 세션만 본 수치입니다. 두 숫자를 섞으면 안 됩니다.
보고서는 또 ML 매니저의 약 3분의 1, SWE 매니저의 약 5분의 1이 AI 때문에 채용을 줄였다고 답했다고 전합니다. 다만 이는 자기 보고이고, 채용 축소의 이유를 AI 하나로 특정하지는 않습니다.
숫자가 말하지 않는 것
이 보고서는 한 회사의 사례입니다. Anthropic은 스스로 "frontier AI adoption의 선행 지표가 될 수 있다"고 말하지만, 동시에 미국 기술직 노동시장 전체를 대표하지 않습니다. 다음 한계를 함께 읽어야 합니다.
첫째, 인과관계가 아닙니다. 보고서는 AI 도입과 주니어 채용 감소가 같은 시기에 일어났다고 관찰하지만, 그것이 AI 때문이라고 증명하지는 않습니다. 회사가 빠르게 성장하면서 채용 구성이 바뀌었을 수 있고, 경영 전략, 사업 다각화, 채용 시장 상황이 함께 작용했을 수 있습니다.
둘째, 선택 편향입니다. 생산성 분석은 에이전트를 도입한 192명과 도입하지 않은 74명을 비교하지만, 도입 자체가 무작위가 아닙니다. 큰 프로젝트를 앞두고 도구를 갖춘 사람이 더 생산적일 수 있습니다. 보고서도 이 점을 인정합니다.
셋째, 정의의 문제입니다. "주니어"의 직급 범위, "기술직"의 범위, "채용"과 "재직"의 구분이 공개 요약에서는 완전히 드러나지 않습니다. 27%와 9%는 채용 흐름이고, 21%와 14%는 재직 비중입니다. 같은 방향의 변화지만 같은 분모가 아닙니다.
넷째, 측정의 문제입니다. 코드 커밋 수는 코드의 가치나 품질을 뜻하지 않습니다. 보고서는 같은 직원이 같은 달에 같은 디렉터리에서 커밋한 코드를 비교해, 에이전트가 쓴 코드와 사람이 직접 쓴 코드가 90일 내 삭제된 줄 비율, 버그 수정으로 삭제된 줄 비율, 커밋 리버트 여부 같은 품질 프록시에서 비슷했다고 밝힙니다. 이는 품질 프록시로는 유용하지만, 비즈니스 임팩트를 증명하지는 않습니다. 읽기 시간 추정도 토큰 0.75개를 단어 1개로, 분당 250단어로 환산한 가정입니다.
다섯째, 보고서 자체가 동료 검토를 거친 학술 논문이 아닙니다. Anthropic Institute의 기술 보고서입니다. 내부 데이터에 기반한 분석으로 읽되, 독립 검증된 연구로 취급하면 안 됩니다.
그런데 채용 기준은 실제로 바뀌었다
숫자의 한계를 인정해도, 보고서에서 가장 실무적인 신호는 따로 있습니다. 채용 담당자의 평가 카드 분석입니다.
2024년에는 기술직 지원자 평가의 약 5%, 비기술직의 약 7%에서 AI 도구 활용 경험이 언급됐습니다. 2026년에는 기술직 15%, 비기술직 28%로 늘었습니다. 기술직은 3배, 비기술직은 4배입니다. 보고서는 "채용 담당자가 지원자가 AI를 효과적으로 쓰는지를 더 많이 본다"고 설명합니다.
더 중요한 변화는 평가 항목의 비중입니다. 기술직 인터뷰에서 가장 크게 늘어난 것은 지원자의 자율성과 판단력에 대한 언급이었습니다. 도메인 전문성에 대한 언급은 전체 평가에서 차지하는 비중이 줄었습니다. 한 매니저는 "모델은 앞으로도 들쭉날쭉(jagged)할 것이므로, 내 팀에는 도메인을 넘나들 수 있는(fungible) 사람이 필요하다"고 말했습니다.
비기술직에서는 고객·미션 지향성이 늘고, 실행 기술에 대한 언급은 줄었습니다. 요약하면, AI가 잘하는 실행의 비중은 줄고, AI가 대신 판단할 수 없는 것의 비중은 늘었습니다.
이 변화는 "AI를 쓸 줄 아는가"를 넘어섭니다. 도구 사용은 기본값이 되고, 그 위에서 무엇을 맡길지, 어디서 멈출지, 결과를 어떻게 검증할지가 차별화됩니다. 보고서의 표현을 빌리면, 직원들은 점점 "에이전트 팀을 관리하는 사람"이 됩니다. 그 관리에는 목표 설정, 명세 작성, 검토, 책임이 포함됩니다.
포트폴리오에서 증명할 네 가지
채용 기준이 바뀌었다면, 포트폴리오도 바뀌어야 합니다. "Claude로 기능을 만들었다"는 설명은 더 이상 충분하지 않습니다. 채용 담당자가 확인하고 싶은 것은 판단과 검증입니다. 다음 네 가지 아티팩트를 제안합니다.
| 아티팩트 | 보여줄 것 | 피해야 할 것 | 예시 |
|---|---|---|---|
| 결정 기록 | 문제, 제약, 검토한 대안 2~3개, 선택 이유, 되돌릴 조건 | "AI가 추천해서" | "A 대신 B를 선택: p95 지연 200ms 예산, 운영 복잡도, 롤백 비용" |
| 검증 증거 | 테스트, 벤치마크, 실패 주입, before/after | "테스트 통과"만 | "에이전트 패치를 거부하고 경계값 테스트 2개 추가, p95 12% 개선" |
| 실패 분석 | 본인이 낸 버그나 놓친 케이스, 원인, 재발 방지 | 남 탓, 추상적 회고 | 장애 타임라인, 가설, 로그, 수정, 재발 테스트 |
| 에이전트 워크플로 | 위임 범위, 검토 지점, 에이전트가 틀린 사례 | "Claude로 다 했다" | "에이전트가 3개 파일 수정, 나는 API 계약과 마이그레이션만 직접 검토" |
이 네 가지는 거창한 프로젝트가 아니어도 됩니다. 작은 PR 하나에 결정 기록과 검증 증거를 붙이는 것만으로도 신호가 달라집니다. 예를 들어 에이전트가 만든 패치를 그대로 머지하지 않고, 왜 거부했는지, 어떤 테스트를 추가했는지, 어떤 경계 조건을 확인했는지를 PR 설명에 남기는 것입니다. 이는 Git 실무 형상관리에서 다루는 커밋·리뷰 습관과도 연결됩니다.
실패 분석은 특히 중요합니다. AI가 코드를 많이 생산할수록, "무엇이 잘못됐고 왜 그런지"를 설명하는 능력이 희소해집니다. 보고서도 인간의 병목이 주의력과 판단력이라고 말합니다. 실패를 숨기지 않고 분석한 기록은 그 판단력의 증거입니다.
주니어를 위한 현실적인 전략
이 조언이 거시적인 문제를 해결하지는 않습니다. 보고서는 주니어 채용 감소를 명시적으로 인정하고, 내부 재배치와 조기 경보 시스템, 정책·재훈련의 필요성을 별도로 논의합니다. 개인의 포트폴리오 전략이 그 구조적 문제를 대체할 수는 없습니다.
그래도 개인이 통제할 수 있는 것은 있습니다.
- 코드 양으로 경쟁하지 마십시오. 에이전트가 양을 만듭니다. 대신 경계 조건, 장애 대응, 성능, 보안처럼 판단이 필요한 영역을 깊게 파십시오.
- 검증 능력을 핵심 역량으로 만드십시오. 테스트, 평가(eval), 관측 가능성, 실패 주입을 직접 설계해 보십시오.
- 명세와 수용 기준을 쓰는 법을 익히십시오. 에이전트에게 일을 맡기는 능력은 곧 문제를 분해하고 완료 조건을 정의하는 능력입니다.
- 에이전트로 시야를 넓히되 책임은 유지하십시오. 여러 영역을 빠르게 훑고, 하나를 깊게 남기는 방식입니다.
- 공개 기록을 남기십시오. 블로그, RFC, PR 리뷰, 오픈소스 기여처럼 판단 과정이 드러나는 산출물이 좋습니다.
보고서의 한 엔지니어는 업무를 "내 주의를 요구하는 Claude의 군대"라고 표현했습니다. 원문은 "an army of Claudes, with every one asking for my attention"입니다. 이 표현은 농담이지만, 실제 업무의 변화를 잘 보여줍니다. 앞으로의 차이는 얼마나 많은 코드를 썼는가가 아니라, 어떤 요청을 승인하고 어떤 요청을 거부할 수 있는가에서 생깁니다.
결론: 채용의 단위가 바뀌고 있다
27%에서 9%라는 숫자는 충격적입니다. 하지만 이 숫자 하나로 노동시장 전체를 설명할 수는 없습니다. 한 회사의 내부 데이터이고, 인과관계가 아니며, 정의와 측정에 한계가 있습니다.
그럼에도 보고서가 보여주는 방향은 분명합니다. 채용 담당자는 좁은 도메인 지식과 실행 능력보다 자율성, 판단력, 검증 능력을 더 봅니다. AI 도구 활용은 기본값이 되었고, 그 위에서 무엇을 믿고 맡길 수 있는지가 차별화됩니다.
주니어 파이프라인의 축소는 실제 문제입니다. 그러나 "AI를 더 쓰면 된다"는 답은 절반만 맞습니다. AI가 대신할 수 없는 판단과 검증을 증명하는 사람이, AI가 만든 결과를 검토하는 자리에 서게 됩니다. 포트폴리오도 그 방향으로 바뀌어야 합니다.
참고 자료
- How employment is changing at Anthropic (Anthropic, Oct 16, 2026)
- 보고서 PDF
- How AI is transforming work at Anthropic (Anthropic, Dec 2, 2025)
- Agentic Coding and Persistent Returns to Expertise (Anthropic, Jun 16, 2026)
이 주제를 직접 따라가며 배우고 싶다면
채용에서 판단과 검증을 보여주려면, 먼저 내 작업을 설명할 수 있는 형태로 남겨야 합니다. 문제 정의부터 구현, 배포, 회고까지 직접 연결해 보면 포트폴리오에 무엇을 남겨야 하는지 분명해집니다. 웹사이트나 포트폴리오를 AI와 함께 만들고 GitHub 버전 관리부터 배포까지 경험하는 흐름이 출발점이 될 수 있습니다.