AI에 대한 사람들의 관점을 파악하기 위해 새로운 도구인 Anthropic Interviewer를 출시합니다. 이번 연구 게시물에서는 해당 도구를 소개하고, 다양한 직종의 전문가를 대상으로 진행한 테스트 과정과 초기 결과를 공유합니다. 아울러 이 도구의 개발과 크리에이터, 과학자, 교사와의 파트너십을 통해 앞으로 탐구할 수 있는 후속 연구 방향도 함께 논의합니다.

서론

이제 수백만 명이 매일 AI를 사용합니다. AI 시스템을 개발하는 기업으로서, 우리는 사람들이 어떻게, 왜 AI를 사용하는지, 그리고 그것이 삶에 어떤 영향을 미치는지 알고 싶습니다. 물론 사용자 피드백을 바탕으로 더 나은 제품을 만들려는 목적도 있지만, 사람과 AI의 상호작용을 이해하는 것 자체가 우리 시대의 중요한 사회학적 질문이기도 합니다.

최근 우리는 사용자의 프라이버시를 보호하면서 AI 사용 패턴을 조사할 수 있는 도구를 설계했습니다. 이 도구 덕분에 경제 전반에 걸친 AI 사용 패턴의 변화를 분석할 수 있었습니다. 하지만 이 도구로는 Claude와의 대화 안에서 일어나는 일만 파악할 수 있었습니다. 대화가 끝난 뒤에는 어떤 일이 벌어질까요? 사람들은 Claude의 결과물을 실제로 어떻게 활용하고 있을까요? 이에 대해 어떻게 느끼고 있을까요? AI가 자신의 미래에서 어떤 역할을 할 것이라고 상상할까요? 사람들의 삶에서 AI의 변화하는 역할을 종합적으로 파악하고 모델 개발의 중심에 인간을 두려면, 사람들에게 직접 물어봐야 합니다.

이런 프로젝트를 실행하려면 수백 건 이상의 인터뷰가 필요합니다. 그래서 AI의 도움을 받기로 했습니다. Anthropic Interviewer라는 인터뷰 도구를 구축했습니다. Claude를 기반으로 하는 Anthropic Interviewer는 전례 없는 규모로 심층 인터뷰를 자동 진행하고, 그 결과를 인간 연구자에게 전달해 분석할 수 있게 합니다. 이는 사용자의 요구와 필요를 이해하고, AI의 사회적·경제적 영향을 분석하기 위한 데이터를 수집하는 새로운 접근 방식입니다.

Anthropic Interviewer를 검증하기 위해 전문가 1,250명을 대상으로 인터뷰를 진행했습니다. 일반 직장인(N=1,000), 과학자(N=125), 크리에이터(N=125)로 구성된 이들에게 AI에 대한 견해를 물었습니다. 이번 초기 테스트의 인터뷰 데이터 전체를 (참여자 동의하에) 공개하여 연구자들이 자유롭게 탐색할 수 있도록 했으며, 아래에서 자체 분석 결과를 제공합니다. 주요 발견 사항을 간략히 소개하면 다음과 같습니다:

• 조사 대상에서, 사람들은 AI가 업무에서 수행하는 역할에 대해 낙관적이었습니다. 논의된 대부분의 주제에서 긍정적 반응이 우세했습니다. 다만 교육 통합, 예술가 일자리 대체, 보안 우려 등 일부 주제에서는 보다 비관적인 전망이 나타났습니다.
• 일반 직장인들은 전문적 정체성을 규정하는 업무는 직접 수행하면서, 반복적인 작업은 AI에 위임하고 싶어 했습니다. 이들은 정형화된 업무가 자동화되고 자신의 역할이 AI 시스템을 감독하는 방향으로 변화하는 미래를 그렸습니다.
• 크리에이터들은 동료의 시선과 미래에 대한 불안에도 불구하고, 생산성 향상을 위해 AI를 활용하고 있었습니다. 이들은 크리에이티브 커뮤니티 내 AI 사용에 대한 즉각적인 편견과, 경제적 대체 및 인간 고유의 창작 정체성 약화에 대한 근본적 우려 사이를 헤쳐 나가고 있었습니다.
• 과학자들은 AI와 협업하고 싶지만, 핵심 연구에는 아직 신뢰하지 못하고 있었습니다. 과학자들은 한결같이 가설 생성과 실험 설계를 도와줄 AI를 원했습니다. 그러나 현재로서는 논문 작성이나 분석 코드 디버깅 같은 보조 업무에만 AI를 활용하고 있었습니다.

일반 직장인크리에이터과학자

연구 방법

이번 초기 테스트에서는 직장인들이 AI를 업무에 어떻게 통합하고 있으며, 미래에서의 AI 역할을 어떻게 느끼는지 탐색했습니다. 정성적 데이터를 얻기 위해 인터뷰를 진행하고, 행동 및 직업 배경에 대한 설문 조사를 통해 정량적 데이터를 보완했습니다. 또한 별도의 AI 분석 도구를 활용해 인터뷰 전사본을 읽고 비정형 데이터에서 떠오르는 전반적 주제를 군집화했습니다. 예를 들어, 특정 주제를 언급하거나 특정 견해를 표현한 참여자의 비율을 산출하는 식입니다.

참여자

Anthropic Interviewer를 활용해 1,250명의 전문가를 인터뷰했습니다. 이 도구는 궁극적으로 일반 Claude.ai 사용자를 대상으로 할 계획이지만, 이번 초기 테스트에서는 다양한 직종에 종사하는 참여자를 크라우드워커 플랫폼을 통해 모집했습니다(모든 참여자는 크라우드워킹이 아닌 별도의 본업을 보유하고 있었습니다).

참여자 중 1,000명은 특정 직종을 지정하지 않은 일반 직업군 표본에서 모집했습니다. 이 그룹에서 가장 큰 비중을 차지한 하위 집단은 교육 분야(17%), 컴퓨터·수학 분야(16%), 예술·디자인·엔터테인먼트·미디어 분야(14%)였습니다.

이와 별도로 각 125명씩 두 개의 전문가 표본도 모집했습니다. 첫 번째는 창작 직종으로, 작가(표본의 48%)와 시각 예술가(21%)가 다수를 차지했으며, 영화 제작자, 디자이너, 음악가, 공예가 등 소규모 그룹이 포함되었습니다. 두 번째는 과학 분야로, 물리학자(9%), 화학자(9%), 화학공학자(7%), 데이터 과학자(6%) 등이 포함되었으며, 50개 이상의 세부 과학 분야를 아우르는 구성이었습니다.

이 두 전문가 하위 집단을 추가한 이유는, 이들이 AI의 역할이 여전히 논쟁적이면서 빠르게 변화하고 있는 직업 영역을 대표하기 때문입니다. 크리에이터와 과학자에게서 AI 도입 양상과 직업적 우려가 각기 다른 패턴으로 나타날 것이라는 가설을 세웠습니다.

모든 참여자는 인터뷰 데이터를 연구 목적으로 분석하고 전사본을 공개하는 것에 대해 사전 동의를 제공했습니다.

Anthropic Interviewer 작동 방식

Anthropic Interviewer는 기획, 인터뷰, 분석의 세 단계로 운영됩니다. 아래에서 각 단계를 차례로 설명합니다.

기획

이 단계에서 Anthropic Interviewer는 수백에서 수천 건의 인터뷰에 걸쳐 동일한 연구 질문에 집중하면서도, 개별 인터뷰에서 나타날 수 있는 변주와 탈선을 유연하게 수용할 수 있는 인터뷰 루브릭(rubric)을 작성합니다.

AI 모델의 전반적 작동 방식을 지시하는 시스템 프롬프트를 개발하여 Anthropic Interviewer에 방법론을 부여했습니다. 여기에 각 표본에 대한 가설과 인터뷰 계획 수립을 위한 모범 사례가 포함되었습니다(이는 사용자 리서치 팀과 협력하여 확립했습니다).

시스템 프롬프트를 설정한 후, Anthropic Interviewer는 연구 목표(아래 섹션 참조)에 대한 이해를 바탕으로 구체적인 질문과 계획된 대화 흐름을 생성했습니다. 이어서 인간 연구자가 Anthropic Interviewer와 협업하여 필요한 수정을 가해 계획을 확정하는 검토 단계를 거쳤습니다.

인터뷰

그런 다음 Anthropic Interviewer는 인터뷰 계획에 따라 실시간으로 적응하며 인터뷰를 진행했습니다. 이 단계에서는 인터뷰 모범 사례 활용 방법을 Anthropic Interviewer에 지시하는 시스템 프롬프트를 포함했습니다.

Anthropic Interviewer가 진행한 인터뷰는 Claude.ai에서 이루어졌으며, 각 참여자당 약 10~15분 소요되었습니다.

분석

인터뷰가 완료되면, 인간 연구자가 Anthropic Interviewer와 협업하여 전사본을 분석했습니다. Anthropic Interviewer의 분석 단계는 초기 인터뷰 계획을 입력으로 받아, 연구 질문에 대한 답변과 이를 뒷받침하는 인용문을 출력합니다. 이 단계에서는 자동화된 AI 분석 도구를 활용하여 떠오르는 주제를 식별하고 참여자 전체에서의 분포를 정량화하기도 했습니다.

연구 목표

앞서 설명한 대로, Anthropic Interviewer는 시스템 프롬프트를 통해 연구 목표를 인지하고, 이를 달성할 수 있도록 인터뷰를 진행했습니다. 이번 초기 연구의 주된 의도는 Anthropic Interviewer의 실용적 검증이었지만, 아래의 목표들은 그 자체로 흥미로운 데이터를 제공했으며 아래에서 분석합니다.

각 하위 표본의 주요 연구 목표는 다음과 같습니다:

• 일반 직장인. "개인이 AI 도구를 업무 워크플로에 어떻게 통합하는지 이해하고, 사용 패턴, 업무 선호도, 상호작용 방식을 탐색하여 직장에서의 인간-AI 관계 변화에 대한 인사이트를 얻는다."
• 크리에이터. "창작 전문가들이 현재 AI를 창작 과정에 어떻게 통합하고 있는지, AI가 작업에 미치는 영향에 대한 경험은 어떠한지, AI와 인간 창의성의 미래 관계를 어떻게 그리고 있는지 이해한다."
• 과학자. "AI 시스템이 과학자의 일상적 연구 워크플로에 어떻게 통합되는지 이해하고, 과학 프로세스의 각 단계에서의 현재 사용 패턴, 인지된 가치, 신뢰 수준, 도입 장벽을 조사한다."

결과

아래에서는 인터뷰를 통해 발견한 내용을 논의하고, 설문 조사 및 주제 분석의 정량적 데이터를 제공합니다.

일반 직장인에 대한 AI의 영향

전반적으로, 일반 직업군 표본의 전문가들은 AI가 생산성을 높여 준다고 답했습니다. 설문에서 86%의 전문가가 AI 덕분에 시간이 절약된다고 응답했고, 65%는 현재 AI가 업무에서 수행하는 역할에 만족한다고 밝혔습니다.

두드러진 주제 중 하나는 직장 내 역학 관계가 AI 도입에 미치는 영향이었습니다. 전문가의 69%가 직장에서 AI 도구를 사용할 때 따라올 수 있는 사회적 낙인을 언급했습니다. 한 팩트체커는 Anthropic Interviewer에게 이렇게 말했습니다: "동료가 최근에 AI를 싫어한다고 했는데, 저는 그냥 아무 말도 안 했어요. 많은 사람이 AI에 대해 어떻게 생각하는지 알기 때문에 제 작업 방식을 아무에게도 말하지 않습니다."

인터뷰 대상자의 41%는 자신의 직업이 안정적이며 인간의 기술은 대체 불가능하다고 느낀 반면, 55%는 AI가 자신의 미래에 미칠 영향에 대해 불안감을 표했습니다. 불안감을 표한 그룹 중 25%는 AI 사용에 경계를 설정하고 있었고(예: 항상 직접 수업 계획을 작성하는 교육자), 25%는 추가 책임을 맡거나 더 전문화된 업무를 추구하는 등 직장 내 역할을 적응시키고 있었습니다.

AI 활용 접근 방식은 매우 다양했습니다. 한 데이터 품질 관리자는 자동화보다 학습을 의도적으로 택했습니다: "외국어 공부에 비유해서 생각하려고 합니다. 번역 앱만 쓰면 아무것도 배울 수 없지만, 질문에 답하고 맞춤형으로 가르쳐 주는 튜터가 있으면 정말 도움이 됩니다." 한 마케터는 유연한 접근 방식을 택했습니다: "강점 니치는 유지하면서 다각화를 시도하고 있습니다." 한 통역사는 이미 업계를 떠날 준비를 하고 있었습니다: "AI가 결국 대부분의 통역사를 대체할 거라고 생각합니다… 그래서 이미 자격증을 취득해 다른 분야로의 전직을 준비하고 있습니다." 특기할 점은, 뚜렷한 대응 계획 없이 불안만 표현한 전문가는 8%에 불과했다는 것입니다.

교육 및 도서관컴퓨터 및 수학예술, 디자인 및 미디어비즈니스 및 금융사무 및 행정영업

또한 전문가 인터뷰에서 나타난 다양한 감정의 강도를 분류했습니다(위 그림 참조). 직종마다 높은 만족도가 특징적으로 나타나며 감정 프로필이 놀라울 정도로 균일했습니다. 그러나 여기에는 좌절감이 동반되었는데, 이는 전문가들이 AI를 유용하게 활용하면서도 상당한 도입 과제에 부딪히고 있음을 시사합니다.

증강 대 자동화

이전 분석에서 AI 활용을 증강(augmentation)(AI가 사용자와 협업하여 업무를 수행)과 자동화(automation)(AI가 업무를 직접 수행)로 분류한 바 있습니다. Anthropic Interviewer 데이터에서는 참여자의 65%가 AI의 주된 역할을 증강으로, 35%가 자동화로 설명했습니다. 주목할 점은, 사람들이 Claude를 어떻게 사용하는지 분석한 최신 분석 결과와 상당한 차이를 보였다는 것입니다. 해당 분석에서는 증강이 47%, 자동화가 49%로 훨씬 고른 분포를 나타냈습니다. 이 차이에 대해 여러 가능한 설명이 있습니다:

• Anthropic Interviewer 응답자와 이전 연구의 사용자 사이에 표본 차이가 있을 수 있습니다.
• Claude 대화가 실제보다 더 자동화처럼 보일 수 있습니다. 사용자가 대화 종료 후 Claude의 결과물을 수정하거나 변형할 수 있기 때문입니다.
• 참여자들이 업무에 따라 다른 AI 제공업체를 사용할 수 있습니다.
• 자기보고된 상호작용 방식이 실제 사용과 다를 수 있습니다.
• 전문가들이 실제 Claude 대화 패턴보다 자신의 AI 사용을 더 협업적으로 인식하고 있을 수 있습니다.

전문가들은 증강과 자동화가 공존하는 미래를 그렸습니다. 정형화된 행정 업무는 자동화하되, 인간의 감독은 유지하는 방향입니다. 인터뷰 대상자의 48%는 직접적인 기술 업무 수행에서 AI 시스템 관리·감독 중심의 포지션으로 커리어를 전환하는 것을 고려하고 있었습니다.

한 목사는 "AI를 활용해 역량을 키우면, 행정 업무에 드는 시간을 크게 절약해서 사람들과 함께하는 데 더 많은 시간을 쓸 수 있습니다"라고 말했습니다. 또한 "적절한 경계"의 중요성을 강조하며, "AI 없이는 살 수 없거나, 소명을 다할 수 없을 만큼 의존하게 되는" 상황을 경계해야 한다고 덧붙였습니다.

한 커뮤니케이션 전문가는 이렇게 말했습니다: "제 업무의 상당 부분이 언젠가 AI에 의해 대체될 거라고 봅니다. 제 역할은 결국 직접 일을 하기보다는, 프롬프트 작성, 감독, 학습, 품질 관리 중심으로 바뀔 것 같습니다." 현재 직장에서 AI 사용이 금지된 전문가들—예를 들어 일부 변호사, 회계사, 의료 종사자—은 향후 정책 변화로 많은 업무를 자동화할 수 있게 될 것으로 전망했습니다.

창작 직종에 대한 AI의 영향

창작 전문가 표본에서도 AI가 생산성을 높여 준다는 응답이 나왔습니다. 97%가 AI 덕분에 시간이 절약된다고 답했고, 68%는 작업 품질이 향상되었다고 밝혔습니다. 한 소설가는 "리서치가 덜 부담스러워져서 더 빠르게 쓸 수 있게 된 느낌입니다"라고 설명했고, 한 웹 콘텐츠 작가는 "하루에 2,000단어의 완성된 전문 콘텐츠를 생산하던 것이 5,000단어 이상으로 늘었습니다"라고 보고했습니다. 한 사진작가는 AI가 반복적인 편집 작업을 처리해 주어 작업 소요 시간이 "12주에서 약 3주"로 단축되었고, 덕분에 "이전에는 놓쳤거나 시간이 없어서 하지 못했을 의도적인 편집과 미세 조정을 할 수 있게 되었다"고 말했습니다.

일반 표본과 마찬가지로, 크리에이터의 70%가 AI 사용을 둘러싼 동료의 시선을 관리하려 애쓰고 있다고 언급했습니다. 한 지도 아티스트는 "제 브랜드와 사업 이미지가 AI에 대한 편견과 너무 밀접하게 연결되는 것을 원하지 않습니다"라고 말했습니다.

크리에이터 인터뷰 전반에 걸쳐 경제적 불안이 나타났습니다. 한 성우는 "산업용 성우 같은 성우 업계의 특정 분야는 AI의 부상으로 사실상 사라졌습니다"라고 진술했습니다. 한 작곡가는 "자사 퍼블리싱 라이브러리와 AI 기술을 결합해 무한히 새로운 음악을 생성하는" 플랫폼을 우려하며, 인간이 만든 음악의 저가 대체재가 시장에 넘쳐날 수 있다고 걱정했습니다. 또 다른 아티스트는 비슷한 우려를 이렇게 표현했습니다: "현실적으로, 시장에서 살아남아 생계를 유지하려면 생성형 AI를 계속 사용하고 심지어 생성된 콘텐츠를 판매하기 시작해야 할까 봐 걱정됩니다." 한 크리에이티브 디렉터는 "제가 얻는 이익이 다른 크리에이터의 손실이라는 것을 충분히 이해합니다. 예전에 하루 2,000달러를 지불하던 제품 사진작가가 이제 제 일을 받지 못하게 되었으니까요"라고 말했습니다. (Claude는 이미지, 영상, 음악을 생성하지 않습니다. 참여자들이 표현한 불안은 Claude에 국한된 것이 아니라 AI 전반에 대한 것입니다.)

125명의 참여자 전원이 창작 결과물에 대한 통제권을 유지하고 싶다고 밝혔습니다. 그러나 이 경계는 실제로는 불안정했습니다. 많은 참여자가 AI가 창작 의사결정을 주도한 순간이 있었음을 인정했습니다. 한 아티스트는 "AI가 컨셉의 상당 부분을 주도하고, 저는 방향을 잡아 주는 것일 뿐입니다… AI 60%, 제 아이디어 40%"라고 고백했습니다. 한 음악가는 "인정하기 싫지만, 이 플러그인을 쓸 때는 주도권이 대부분 플러그인에 있습니다"라고 말했습니다.

작가시각 예술가공예가디자이너영화 제작자게임 개발자

위 그림에서 볼 수 있듯 분야별로 감정 프로필이 상이했습니다. 게임 개발자와 시각 예술가는 높은 만족도를 보이면서도, 역설적으로 걱정 수준도 높았습니다. 디자이너는 이와 반대로 좌절감이 지배적이고 만족도가 눈에 띄게 낮은 패턴을 보였습니다. 모든 분야에서 신뢰도는 일관되게 낮았는데, 이는 AI가 창작 작업에 미칠 장기적 영향에 대한 불확실성이 공유되고 있음을 시사합니다. 만족과 걱정이 동시에 나타나는 긴장 관계는, AI 도구를 적극 활용하면서도 인간 창의성의 미래를 걱정하는 창작 전문가들의 상황을 잘 보여 줍니다. 감정 스펙트럼 전반에 걸친 넓은 분포는 각 창작 분야가 매우 다른 감정적 렌즈를 통해 AI 통합을 경험하고 있음을 확인시켜 줍니다.

과학 연구에 대한 AI의 영향

화학, 물리학, 생물학, 전산 분야의 연구자들과 진행한 인터뷰에서, 많은 경우 AI가 가설 생성이나 실험 같은 핵심 연구 요소를 아직 처리하지 못한다는 점이 확인되었습니다. 과학자들은 주로 문헌 검토, 코딩, 집필 등의 보조 업무에 AI를 활용하고 있었습니다. 이는 Anthropic을 포함한 AI 기업들이 도구와 역량을 개선하기 위해 노력하고 있는 영역입니다.

신뢰와 신뢰성 우려가 인터뷰의 79%에서 주된 장벽으로 나타났으며, 현재 AI 시스템의 기술적 한계는 27%에서 언급되었습니다. 한 정보보안 연구자는 이렇게 말했습니다: "[AI] 에이전트가 주는 세부 사항을 하나하나 다시 확인하고 검증해야 한다면, 에이전트에게 이 일을 시키는 의미가 없어지는 거잖아요." 한 수학자도 비슷한 좌절감을 토로했습니다: "AI 결과물을 검증하는 데 드는 시간을 합치면, 결국 [직접 하는 것과] 비슷한 시간이 걸립니다." 한 화학공학자는 아첨성 응답(sycophancy)에 대한 우려를 지적하며 "AI가 사용자의 감정에 맞추려 하고, 질문을 어떻게 표현하느냐에 따라 답이 달라집니다. 이런 비일관성 때문에 AI의 응답을 의심하게 됩니다"라고 설명했습니다.

화학자물리학자화학공학자데이터 과학자기계공학자천문학자

대부분의 과학 분야에서 높은 만족도가 보고되었지만, 좌절감 패턴은 분야별로 달랐습니다. 물리학자와 데이터 과학자가 더 높은 좌절감을 보인 반면, 화학공학자와 기계공학자는 좌절감이 미미했습니다. 이는 전산 중심 분야와 실험 중심 분야 간 AI 통합 방식의 차이를 반영하는 것으로 보입니다. 현실 세계와의 상호작용이 필요한 연구를 수행하는 과학자들은 아직 핵심 과학 실험에 AI를 사용하려는 시도 자체를 하지 않을 수 있습니다. 모든 분야에서 신뢰도가 비교적 낮게 유지되어, 분야를 불문하고 신뢰성 우려가 광범위하게 존재함을 보여 줍니다. AI의 영향에 대해 높은 우려를 표하는 창작 전문가와 달리, 과학자들의 걱정 수준은 상대적으로 낮았습니다. 이는 가설 생성과 실험 수행에서의 AI 능력 부족에 대한 좌절감과 맥을 같이합니다.

과학자들은 일반적으로 AI로 인한 일자리 대체를 두려워하지 않았습니다. 일부는 디지털화하기 어려운 암묵적 지식을 언급했는데, 한 미생물학자는 이렇게 설명했습니다: "세포가 특정 색상에 도달했을 때 여러 단계를 시작해야 하는 세균 균주를 다뤄 본 적이 있는데, 색상 차이는 직접 눈으로 봐야 이해할 수 있고, 어디에도 기록되어 있지 않은 경우가 많습니다." 다른 이들은 연구 의사결정의 본질적으로 인간적인 특성을 강조했습니다. 한 생물공학자는 "실험과 연구는… 본질적으로 제가 결정하는 것"이라고 말하며, "연구 과정의 특정 부분은 자동화하면 가장 편하겠지만, 안타깝게도 AI와 호환되지 않습니다. 예를 들어 실험을 직접 수행하는 것처럼요"라고 덧붙였습니다.

외부 제약도 AI 대체의 장벽이 되었습니다. 기밀 환경에서 근무하는 연구자들은 "에이전틱 프레임워크는 물론 LLM조차 사용하도록 허가받기 전에 갖춰야 할 보안 관련 규정과 절차가 매우 많다"고 밝혔습니다. 한정된 자원을 관리하는 한 기계공학자는, "AI가 실험 설계를 잘 만들어 내긴 하지만," 현실에서는 "대부분의 연구에 예산/시간/시료 제약이 있어서 '이상적인' 설계가 항상 실행 가능하지는 않다"고 설명했습니다. 그럼에도 규제 준수 제약, 역량 퇴화 우려, 비용 장벽은 각각 인터뷰의 10% 미만에서만 언급되었습니다.

과학자의 91%가 현재 제품이 기대에 못 미친다고 느끼면서도, 연구에 AI의 도움을 더 받고 싶다는 의향을 표현했습니다. 약 3분의 1은 주로 집필 업무에서의 지원을 구상했지만, 다수는 실험 설계 비평, 과학 데이터베이스 접근, 분석 수행 등 연구 전반에 걸친 지원을 원했습니다. 공통적으로 가장 많이 원하는 것은 새로운 과학적 아이디어를 내놓을 수 있는 AI였습니다. 한 의학 연구자는 "AI가… 가설을 생성하거나 뒷받침하고, 인간에게 즉시 드러나지 않는 새로운 상호작용이나 관계를 찾아줄 수 있기를 바랍니다"라고 말했습니다. 또 다른 연구자도 이런 바람을 이어 "새로운 것을 가져다줄 수 있는… 가치 있는 연구 파트너 같은 AI가 있으면 정말 좋겠습니다"라고 말했습니다.

향후 전망

이번 초기 테스트를 통해 Anthropic Interviewer가 대규모에서도 유망하게 작동함을 확인했습니다. 다양한 직종의 전문가 1,250명을 대상으로 인터뷰를 진행하여, AI에 대한 그들의 생각을 파악할 수 있었습니다. 기존의 '수동' 인터뷰 방식으로 이 정도 규모의 연구를 수행하려면 막대한 비용과 시간이 소요되었을 것입니다.

Anthropic Interviewer의 의의는 방법론을 넘어섭니다. AI의 사회적 역할에 대해 제기하고 답할 수 있는 질문의 범위 자체를 근본적으로 확장하며, 어떤 주제든 이 새로운 규모로 인터뷰를 진행할 수 있게 해줍니다. Anthropic Interviewer를 활용한 대규모 의미 있는 연구는 이제 막 시작되었습니다. 이전에는 사람들이 채팅 창 안에서 Claude를 어떻게 사용하는지만 파악할 수 있었습니다. AI 사용에 대해 어떻게 느끼는지, 기술과의 상호작용에서 무엇을 바꾸고 싶어 하는지, AI의 미래 역할을 어떻게 그리고 있는지는 알 수 없었습니다.

이번 초기 조사의 결과물은 Economic Index 연구를 넘어, 사람들이 직장에서 AI를 어떻게 활용하고 있는지에 대한 새로운 인사이트를 제공합니다. 이 초기 결과를 Economic Advisory Council 및 Higher Education Advisory Board와 공유하여 논의할 예정입니다. 연구를 지속하면서, 파일럿 결과와 그것이 향후 연구에 미치는 영향을 공개적으로 공유하겠습니다.

Anthropic Interviewer는 AI 모델 개발에 관한 대화의 중심에 인간의 목소리를 두기 위한 최신 노력입니다. 이는 Claude의 행동 방식을 형성하기 위해 대중의 관점을 수집한 Collective Constitutional AI 연구에서 시작된 작업의 연장선상에 있습니다. 이러한 대화는 Claude의 성격과 학습 프로세스를 개선하고, Anthropic이 지지하고 채택하는 정책에도 반영될 수 있습니다. 아래는 특정 커뮤니티와의 파트너십을 통해, 이들의 전문성이 반영된 AI 개발을 모색하기 위해 실행 중인 구체적 활동입니다:

• 크리에이터. AI가 창의성을 어떻게 증강하는지 이해하기 위한 전시, 워크숍, 이벤트의 개발을 지원하고 있습니다. LAS Art Foundation, Mori Art Museum, Tate 등 주요 문화기관과 파트너십을 맺고 있으며, Rhizome, Socratica 등의 크리에이티브 커뮤니티와도 협력하고 있습니다. 또한 인기 있는 크리에이티브 도구를 만드는 기업들과 협업하여, Model Context Protocol을 통해 Claude가 크리에이터의 작업을 어떻게 증강할 수 있는지 탐구하고 있습니다.
• 과학자. AI for Science 보조금 수혜자들과 파트너십을 맺고, AI가 이들의 연구에 어떻게 가장 잘 기여할 수 있는지 파악하고 있습니다. Anthropic Interviewer를 활용하여 AI에 대한 과학자들의 관점과 프로그램에 대한 기대를 수집하고 있으며(프라이버시를 보호하는 분석 도구로 이들의 실제 Claude 사용이 이러한 기대와 일치하는지도 평가할 예정입니다). 정량적 데이터와 정성적 데이터를 결합하여 과학자를 위한 Claude 개선과 보조금의 효과 측정 모두에 활용하겠습니다.
• 교사. 점점 더 강력해지는 AI 시대에 교사 연수를 혁신하기 위해 미국교원노동조합(AFT)과 최근 파트너십을 체결했습니다. 이 프로그램은 40만 명의 교사에게 AI 교육을 지원하고, AI 시스템 개발에 교사의 관점을 반영하는 것을 목표로 합니다. 아울러 Anthropic 내부에서 AI가 소프트웨어 엔지니어링을 어떻게 변화시키고 있는지에 관한 Anthropic Interviewer의 예비 결과를 공유했습니다. 자사 직장의 변화에 대한 정성적 이야기를 나눈 결과, 소프트웨어 엔지니어와 교사 사이에 상당한 공통점이 발견되었고, 모든 참여자가 한자리에 모여 실제로 원하는 AI 기반 업무 변화가 무엇인지 함께 논의하는 계기가 되었습니다.

Anthropic Interviewer를 활용하면, 특정 정책에 반영할 수 있는 타깃 연구, 다양한 커뮤니티를 AI에 관한 대화에 참여시키는 참여형 연구, 그리고 인간과 AI 사이의 관계 변화를 추적하는 정기 조사를 수행할 수 있습니다.

참여하기

사람들이 삶과 업무에서 AI의 역할을 어떻게 그리고 있는지 더 잘 이해하기 위해, Anthropic Interviewer를 계속 활용하고 있습니다. 이를 위해, 어떤 경험과 가치, 필요가 사람들이 그리는 AI의 미래 역할에 영향을 미치는지 탐구하는 공개 파일럿 인터뷰를 시작합니다.

의견을 나눌 준비가 되셨나요? 이 링크에서 10~15분 소요되는 인터뷰에 참여하여 이 연구에 기여할 수 있습니다. 이 연구에서 수집된 익명화된 인사이트를 사회적 영향 연구의 일환으로 분석하고, 데이터에서 도출된 결과를 보고서로 발행할 계획입니다. 본 연구에 대한 자세한 내용은 아래 FAQ 섹션을 참조해 주세요.

결론 및 한계

1,250명의 전문가와 진행한 인터뷰는, AI와의 관계를 능동적으로 조율하고 있는 노동 현장의 모습을 보여 줍니다. 참여자들은 전문적 정체성의 핵심을 이루는 업무는 직접 수행하면서, 생산성 향상을 위해 반복적 작업을 AI에 위임하는 경향을 보였습니다. 크리에이터들은 동료의 편견과 경제적 불안에도 불구하고 AI의 효율성을 수용했고, 과학자들은 AI에 맡길 연구 업무를 선별적으로 결정하고 있었습니다.

이 연구는 채팅 창 안에서 일어나는 일을 넘어, AI가 사람들의 삶에 미치는 영향을 이해하기 위해 수행되었습니다. 모든 정성적 분석이 그렇듯, 인터뷰에 대한 우리의 해석은 질문의 선택과 데이터에서 찾고자 한 패턴에 영향을 받습니다. 이 대규모 인터뷰 전사본 데이터셋을 공개함으로써, 인간-AI 관계가 어떻게 진화하고 있는지에 대한 공동의 이해를 넓히는 데 기여하고자 합니다. Anthropic Interviewer를 대규모로 운영함으로써, 사람들의 AI 경험과 AI 개발 사이에 피드백 루프를 만들어—대중의 관점과 필요를 반영하는 AI 시스템 구축을 목표로 합니다.

한계

Anthropic Interviewer의 초기 사용에는 결과의 범위와 일반화 가능성에 영향을 미치는 중요한 한계점이 있습니다. 이번 결과는 AI가 업무에 미치는 영향에 대한 초기 신호로 해석해야 하며, 전문적 실천과 정체성에 대한 장기적 효과의 확정적 결론으로 보기는 어렵습니다.

• 선택 편향. 크라우드워커 플랫폼을 통해 참여자를 모집했기 때문에, 이들의 경험이 일반 직장인의 경험과 크게 다를 수 있으며, 해당 주제에 대해 보다 긍정적이거나 경험이 풍부한 쪽으로 응답이 편향되었을 가능성이 있습니다.
• 요구 특성. 참여자들은 AI 시스템이 자신의 AI 사용에 대해 인터뷰하고 있다는 것을 알고 있었으므로, 참여 의향이나 응답 내용이 인간 면접관과의 인터뷰와 달라졌을 수 있습니다.
• 정적 분석. 전문가의 현재 AI 사용과 태도의 스냅샷을 포착한 것이므로, 이 관계가 시간이 지남에 따라 어떻게 발전하는지, 초기의 열정이 사용 기간이 길어지면서 어떻게 변하는지는 이 데이터로 추적할 수 없습니다.
• 감정 분석. Anthropic Interviewer는 텍스트 기반이므로 음성의 톤, 표정, 몸짓 언어를 읽을 수 없어, 인터뷰 대상자 발언의 의미에 영향을 미치는 감정적 단서를 놓칠 수 있습니다.
• 자기보고 대 객관적 측정. 앞서 언급했듯, 참여자가 설명하는 AI 사용이 실제 관행과 다를 수 있습니다(스마트폰 사용에서도 유사한 사례가 보고된 바 있습니다). 이는 사회적 바람직성 편향, 불완전한 기억, 또는 AI 공개에 관한 직장 내 규범의 변화에 기인할 수 있습니다.
  • 실제로, 우리의 인터뷰 데이터를 실제 사용 데이터와 비교했을 때 주요한 불일치가 드러났습니다. 인식과 실제 사이의 이러한 격차는 자기보고에 내재한 모호성을 재확인시켜 줍니다. 예컨대, 인터뷰 응답에는 이상적 사용이나 사회적 바람직성 효과가 반영되어 있을 수 있습니다. 이런 유형의 연구 결과를 해석하는 데 있어 이러한 불일치를 이해하는 것이 핵심이 될 것입니다.
• 연구자 해석. 모든 정성적 연구가 그렇듯, 우리의 분석은 연구자로서의 관심사와 관점을 반영합니다. 패턴을 식별하기 위해 체계적 방법을 사용했지만, 다른 연구자라면 이 인터뷰의 다른 측면을 강조하거나 대안적 결론을 도출할 수 있습니다.
• 글로벌 일반화 가능성. 표본이 주로 서구 근로자를 반영하고 있어, AI에 대한 문화적 태도, 직장 역학, 직업적 정체성은 글로벌 맥락에 따라 크게 달라질 수 있습니다.
• 비실험적 연구. 많은 참여자가 생산성 향상과 품질 개선을 보고했지만, AI 사용이 이러한 결과를 직접적으로 초래했는지 또는 다른 요인이 어느 정도 기여했는지는 확인할 수 없습니다.

기여 및 감사의 말

Kunal Handa가 프로젝트를 총괄하며 Anthropic Interviewer를 설계·프로토타이핑하고, 설문 조사, 인터뷰, 데이터 분석을 실행하고, 도표를 작성하고, 블로그 포스트를 집필했습니다. Michael Stern은 Claude.ai 내 Anthropic Interviewer 구현을 총괄하고, 프로젝트 일정을 관리하고, 전 과정에 걸쳐 피드백을 제공했습니다. Saffron Huang은 Anthropic Interviewer의 공개 파일럿을 총괄했습니다. Jerry Hong은 Anthropic Interviewer의 비주얼 디자인을 총괄하고 기술 도표에 기여했습니다. Esin Durmus는 실험 설계에 기여하고 핵심 피드백을 제공했습니다. Miles McCain은 Anthropic Interviewer 프로토타입 기반의 기술 인프라 구현을 공동 총괄했습니다. Grace Yun, AJ Alt, Thomas Millar는 Claude.ai 내 Anthropic Interviewer를 구현하고 공개 파일럿에 필요한 기술 인프라를 제공했습니다. Alex Tamkin은 프로젝트 초기 단계에서 핵심 피드백을 제공했습니다. Jane Leibrock은 Anthropic Interviewer의 전체 방법론에 기여했습니다. Stuart Ritchie는 블로그 포스트의 구성과 집필에 기여했습니다. Deep Ganguli는 핵심적인 연구 방향 지도, 피드백, 조직적 지원을 제공했습니다. 모든 저자가 전 과정에 걸쳐 상세한 지침과 피드백을 제공했습니다.

아울러 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 유용한 아이디어, 논의, 피드백, 지원에 감사드립니다. Matthew Conlen, Deb Roy, Diyi Yang의 의견, 논의, 피드백에도 감사드립니다.

인용

이 게시물을 인용하려면 다음 Bibtex 키를 사용하세요:

@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://anthropic.com/research/anthropic-interviewer},
}

부록

Anthropic Interviewer에 대한 참여자 경험

인터뷰 후, 참여자들에게 인터뷰 경험에 대한 설문을 실시했습니다. 질문 항목은 다음과 같습니다: (1) 이 대화에 얼마나 만족하셨나요?, (2) 이 대화가 {해당 분야}에 대한 생각을 얼마나 잘 담아냈나요? (둘 다 1~7 리커트 척도), (3) 이 인터뷰 형식을 다른 분에게 추천하시겠습니까? (예/아니오).

참여자들은 Anthropic Interviewer에 대해 놀라울 정도로 긍정적이었습니다. 참여자의 97.6%가 만족도를 5점 이상으로 평가했고, 49.6%가 최고점을 부여했습니다. 마찬가지로 96.96%가 대화가 자신의 생각을 잘 담아냈다고 응답했습니다(5~7점). 99.12%가 이 인터뷰 형식을 다른 사람에게 추천하겠다고 답했습니다.

의견 공유하기: FAQ

1. 연구에 어떻게 참여하나요?

오늘부터 2주 이전에 가입한 Free, Pro 또는 Max Claude.ai 구독자라면, Claude.ai에서 참여를 요청하는 팝업이 표시될 수 있습니다. https://claude.ai/interviewer에서 접근할 수 있으며, 연구는 1주간 진행됩니다.

2. 어떤 내용을 묻나요?

Anthropic Interviewer를 통해 삶에서 AI의 역할에 대한 비전, 이를 형성하는 경험·가치·필요, 그리고 그 비전을 촉진하거나 저해하는 요인에 대해 질문합니다.

3. 데이터는 어떻게 활용되나요?

이 연구에서 얻은 인사이트를 사회적 영향 연구의 일환으로 분석하고, 결과를 발행하며, 학습한 내용을 모델과 서비스 개선에 반영합니다. 이 연구를 통해 수집된 데이터는 피드백으로 취급되며, 개인정보 처리방침에 따라 처리됩니다. 익명화된 응답이 발표 결과에 포함될 수 있습니다. 자세히 알아보기.

4. Claude.ai에서 Anthropic Interviewer 초대가 보이지 않아요.

인터뷰는 2주 이전에 가입한 Claude.ai Free, Pro, Max 기존 사용자에게만 제공됩니다.

질문이 있으시면 고객센터 우측 하단의 메시지 아이콘을 통해 문의해 주세요.