Anthropic, 과학 연구에서 Claude 활용 분석

Anthropic 연구진은 소비자 요금제에서 수집한 과학 연구 세션 207,049건을 분석해 분야와 작업별 Claude 활용을 살폈습니다. 세션은 2026년 8월 2일부터 9월 30일까지 진행됐으며, 개인정보 보호 방식으로 분류했습니다. 표본에는 Chat과 Cowork 세션 128,914건(‘Claude’로 묶음)과 Claude Code 세션 78,135건이 포함됐습니다. 연구진은 Claude Science의 보충 표본도 살폈습니다. 연구진에 따르면 분야와 연구 작업 같은 라벨만 보존했고, 최소 계정 수 기준을 충족한 집단별로 결과를 집계해 보고했습니다.

분야별 활용 비중은 달랐습니다. 컴퓨터 과학, 공학, 의학은 각각 Claude 세션의 11.9%, 8.4%, 7.7%를 차지했습니다. 전체 분야에서 세션 비중과 전 세계 연구자 비중의 로그-로그 상관관계는 0.79였습니다. 컴퓨터 과학·수학·통계학을 포함한 형식과학은 연구자 수에 비해 사용량이 높았고, 보건 및 실험실 기반 물리과학은 낮았습니다. Claude Code에서 연구자 수와의 상관관계는 0.62였습니다. 컴퓨터 과학 연구자는 전체의 4.3%였지만 Claude Code 세션은 32.7%를 차지했습니다. 318개 세부 분야 가운데 AI와 머신러닝은 연구자의 1.2%를 차지했지만 Claude 세션의 5.0%, Claude Code 세션의 15.2%를 차지했습니다.

데이터 분석은 가장 흔한 연구 작업으로, Claude 세션의 33.7%, Claude Code 세션의 48.1%를 차지했습니다. 연구자들이 업무 시간 중 데이터 분석에 쓰는 비중은 27.6%였습니다. 글쓰기와 의사소통은 Claude 세션의 32.0%를 차지해 연구자 업무 시간 비중인 16.0%를 웃돌았습니다. 데이터 수집은 연구자 업무 시간의 28.6%를 차지했지만 Claude 세션에서는 11.5%, Claude Code 세션에서는 11.9%에 그쳤습니다. 임상 또는 생화학 데이터를 물리적으로 수집하는 작업은 특히 적게 나타났습니다. 연구자들은 아이디어 생성과 데이터 수집에 Claude를 덜 활용했지만, 설문조사에서는 두 작업을 과학적 발견에 가장 중요한 활동으로 꼽았습니다. Claude Science에서는 아이디어 생성이 전체 활용에서 차지하는 비중이 Claude보다 약 2배였습니다.

Anthropic은 연구 작업별 AI의 이론적 역량을 측정했습니다. 해당 지표 상위 20%에 속하는 작업은 연구자들이 쓰는 시간으로 예측한 수준보다 Claude 사용량이 2~4배 높았습니다. 하위 20% 작업은 대부분 물리적 작업을 포함하며 사용량이 적었습니다. 보고서는 역량 점수가 높은 작업일수록 인지 활동의 성격이 강하고, 반복 시도에 대한 피드백으로 시스템이 학습하는 강화학습에 더 적합한 경향도 있다고 밝혔습니다.

보고서의 모델은 기존 AI 역량이 널리 도입되면 일부 분야의 연구 산출량이 2배로 늘어날 수 있다고 추산했습니다. AI가 비물리적 연구 작업을 모두 수행하는 가상 시나리오에서는 컴퓨터 과학과 통계학의 산출량이 최대 15배 늘 수 있습니다. 물리적 제약이 있는 화학·생물학 같은 실험실 과학 분야에서는 3~4배 증가할 수 있다고 추산했습니다. AI를 적극적으로 사용하는 연구자를 대상으로 한 설문에서 약 40%는 2030년까지 AI 모델이 전체 연구 프로젝트를 자율적으로 수행할 것으로 예상했습니다. 보고서는 위험 요소로 위험하거나 비윤리적인 연구에 대한 인간의 감독 감소, 연구자의 경력과 목적 의식 변화도 언급했습니다.

Anthropic 연구진은 소비자 요금제에서 수집한 과학 연구 세션 207,049건을 분석해 분야와 작업별 Claude 활용을 살폈습니다. 세션은 2026년 8월 2일부터 9월 30일까지 진행됐으며, 개인정보 보호 방식으로 분류했습니다. 표본에는 Chat과 Cowork 세션 128,914건(‘Claude’로 묶음)과 Claude Code 세션 78,135건이 포함됐습니다. 연구진은 Claude Science의 보충 표본도 살폈습니다. 연구진에 따르면 분야와 연구 작업 같은 라벨만 보존했고, 최소 계정 수 기준을 충족한 집단별로 결과를 집계해 보고했습니다.

분야별 활용 비중은 달랐습니다. 컴퓨터 과학, 공학, 의학은 각각 Claude 세션의 11.9%, 8.4%, 7.7%를 차지했습니다. 전체 분야에서 세션 비중과 전 세계 연구자 비중의 로그-로그 상관관계는 0.79였습니다. 컴퓨터 과학·수학·통계학을 포함한 형식과학은 연구자 수에 비해 사용량이 높았고, 보건 및 실험실 기반 물리과학은 낮았습니다. Claude Code에서 연구자 수와의 상관관계는 0.62였습니다. 컴퓨터 과학 연구자는 전체의 4.3%였지만 Claude Code 세션은 32.7%를 차지했습니다. 318개 세부 분야 가운데 AI와 머신러닝은 연구자의 1.2%를 차지했지만 Claude 세션의 5.0%, Claude Code 세션의 15.2%를 차지했습니다.

데이터 분석은 가장 흔한 연구 작업으로, Claude 세션의 33.7%, Claude Code 세션의 48.1%를 차지했습니다. 연구자들이 업무 시간 중 데이터 분석에 쓰는 비중은 27.6%였습니다. 글쓰기와 의사소통은 Claude 세션의 32.0%를 차지해 연구자 업무 시간 비중인 16.0%를 웃돌았습니다. 데이터 수집은 연구자 업무 시간의 28.6%를 차지했지만 Claude 세션에서는 11.5%, Claude Code 세션에서는 11.9%에 그쳤습니다. 임상 또는 생화학 데이터를 물리적으로 수집하는 작업은 특히 적게 나타났습니다. 연구자들은 아이디어 생성과 데이터 수집에 Claude를 덜 활용했지만, 설문조사에서는 두 작업을 과학적 발견에 가장 중요한 활동으로 꼽았습니다. Claude Science에서는 아이디어 생성이 전체 활용에서 차지하는 비중이 Claude보다 약 2배였습니다.

Anthropic은 연구 작업별 AI의 이론적 역량을 측정했습니다. 해당 지표 상위 20%에 속하는 작업은 연구자들이 쓰는 시간으로 예측한 수준보다 Claude 사용량이 2~4배 높았습니다. 하위 20% 작업은 대부분 물리적 작업을 포함하며 사용량이 적었습니다. 보고서는 역량 점수가 높은 작업일수록 인지 활동의 성격이 강하고, 반복 시도에 대한 피드백으로 시스템이 학습하는 강화학습에 더 적합한 경향도 있다고 밝혔습니다.

보고서의 모델은 기존 AI 역량이 널리 도입되면 일부 분야의 연구 산출량이 2배로 늘어날 수 있다고 추산했습니다. AI가 비물리적 연구 작업을 모두 수행하는 가상 시나리오에서는 컴퓨터 과학과 통계학의 산출량이 최대 15배 늘 수 있습니다. 물리적 제약이 있는 화학·생물학 같은 실험실 과학 분야에서는 3~4배 증가할 수 있다고 추산했습니다. AI를 적극적으로 사용하는 연구자를 대상으로 한 설문에서 약 40%는 2030년까지 AI 모델이 전체 연구 프로젝트를 자율적으로 수행할 것으로 예상했습니다. 보고서는 위험 요소로 위험하거나 비윤리적인 연구에 대한 인간의 감독 감소, 연구자의 경력과 목적 의식 변화도 언급했습니다.