블로그 • AI / Agent

Anthropic 최신 공개: Claude가 AI 연구개발의 26%를 주도한다. Agent는 어떻게 협업해 모델을 만드는가? JSON 데이터 흐름과 Agent Workflow 분석

2026년 9월 17일, Anthropic은 Institute 글에서 내부 측정 한 묶음을 공개했다. 제목은 이렇게 읽히기 쉽다: Claude가 이미 모델 R&D의 4분의 1을 맡았다.

원문은 더 좁다. 2026년 8월 기준 Claude는 Anthropic AI R&D의 26%를 「주도」한다. 「협업」 이상은 90%를 넘는다. 측정된 부분집합 어디에서도 완전 자율은 없다.

이 글에서는:

• 26%가 Epoch AI Automation Level에서 실제로 가리키는 단계
• 작업 트리가 Slack과 업무 기록에서 어떻게 자라는지
• Agent가 각자 채팅하지 않고 어떻게 협업해 모델을 만드는지
• 신원, 메시지, Tool Calling, monitor 결정이 이루는 JSON 데이터 흐름
• JSONNote에서 감사 가능한 워크플로 기록 하나를 로컬로 분해하는 법

26%가 실제로 재는 것

출처는 Anthropic Institute의 Measurements for understanding the pace of AI development inside frontier labs. 이들은 세 숫자를 함께 냈다: AI가 AI R&D를 얼마나 했는지, Agent 동작이 얼마나 감독되는지, 연산량을 어떻게 나누는지.

첫 묶음은 Anthropic R&D Automation Index다. 회사의 AI R&D 일을 종류별로 나열하고, 종류마다 Automation Level을 매긴 뒤, 인시로 가중해 합친다.

2026년 8월 기준 공개 숫자는:

Reuters는 같은 숫자를 「Claude가 다음 모델 제작 일의 4분의 1을 주도한다」로 썼다. 제목은 더 세다. 정의는 바뀌지 않았다: 주도는 여전히 고수준 프롬프트에 사람 감독이다. 차트에서 이 단은 2026년 2월 1% 미만에서 올라왔다. 속도는 빠르다. 계단은 건너뛰지 않았다.

Automation Level: 지원, 협업, 주도, 자율

등급은 Epoch AI의 Automation Level을 쓴다. Anthropic은 여섯 단으로 적는다: AI 없음, 극소, 지원, 협업, 주도, 자율. 각주는 「야간 데이터 파이프라인이 깨졌다」로 가운데 세 단을 고정한다:

26%는 AL4에서 멈춘다. Claude는 「파이프라인 수리」 같은 일을 알림에서 회고까지 가져갈 수 있지만, 배포권은 아직 사람에게 있다. 일상 Coding Agent의 형태와 같다: 모델이 Tool Calling을 내고, harness가 실행하며, 사람은 게이트와 고위험 동작에 거부권을 남긴다. 루프가 어떻게 도는지는 AI Coding Agent는 어떻게 동작하는가?를 보라. JSON에서 부작용까지의 그 홉을 누가 쥐는지는 JSON Tool Calling으로 보는 Agent Harness를 보라.

작업 트리: 15,000건이 하나의 지수가 되는 법

최전선 연구실의 모든 R&D 동작을 손으로 다 쓸 수는 없다. Anthropic은 아래에서 모았다: 2026년 7월 매주 모델 R&D 부서 직원의 20%를 무작위로 뽑아, Claude 연구 Agent가 Slack과 내부 문서를 읽고 그 주 일을 나열하게 했다. 4주 동안 약 15,000개의 세분 작업이 나왔다.

다시 Claude가 목록을 트리로 접는다: 뿌리는 전체 모델 R&D, 아래로 학습, 제품, 사전학습, 강화학습, 리프까지. 동결된 트리는 노드 542개, 그중 리프 378개다. 예: 평가 플랫폼 결함 진단, RL 샌드박스 아웃바운드와 네트워크 정책, 서빙 사고 사후 분석.

노드마다 Claude Agent가 깊게 판다: 누가 하는지, 어떤 도구로, AI가 얼마나 했는지. 독립 Claude 심사는 당월 및 그 이전 증거만 보고 AL0–AL5를 매긴다. 가중은 리더의 감이 아니라 인시다: 사람마다 주당 1표, 그 주 손댄 작업에 균등 분할.

한계도 적었다. 심사 모델과 사람이 완전히 일치한 비율은 59%, 사람끼리 완전 일치는 35%뿐이다. 다만 97%에서는 모델과 사람이 한 단 이내였다. 「협업」과 「주도」의 경계는 여전히 싸운다. 바스켓이 동결된 뒤 지수가 오른다는 것은 2026년 7월 그 일이 자동화됐다는 뜻일 뿐, 사람이 완전히 새로운 일로 옮기지 않았다는 자동 증명은 아니다. 1월 바스켓과 대조해 신규 작업 수 상승은 보지 못했고, 그래도 정기 재구축을 계획한다.

{
  "index": "anthropic-rd-automation",
  "as_of": "2026-08",
  "node": {
    "id": "rl-sandbox-egress-policy",
    "leaf": "RL sandbox egress and network policy",
    "automation_level": 4,
    "label": "leads",
    "weight_person_weeks": 12.4,
    "human_gate": ["deploy", "policy_change"]
  },
  "aggregate": {
    "leads_share": 0.26,
    "collaborates_or_above": 0.90,
    "autonomous_share": 0.0
  }
}

필드가 parse되고, 등급이 enum이며, 가중치가 숫자여야 지수를 월별로 다시 계산할 수 있다. 산문 주간 보고는 이 일을 못한다.

Agent는 어떻게 협업해 모델을 만드는가

26%는 슈퍼 Claude 하나가 가운데 앉아 학습 스택 전부를 쓰는 것이 아니다. 공개 서술은 오케스트레이션 맵에 가깝다: 사람이 목표를 주고, 여러 Agent가 오래 반자율로 돌며, 일을 다른 Agent에 위임한다.

1. 1
   샘플링과 목록화

   연구 Agent가 업무 기록을 읽고, 그 주 작업을 합산 가능한 항목으로 쓴다. 이 단계가 없으면 이후 등급에 분모가 없다.

2. 2
   분기와 위임

   학습, 평가, 인프라, 사고 사후 분석을 가른다. 한 Agent가 계속 팔 수도 있고, 독립 신원을 가진 다른 Agent에 하위 작업을 넘길 수도 있다.

3. 3
   실행과 되돌려 쓰기

   로그를 읽고, 코드를 고치고, 테스트를 돌리고, 직전 정상 런과 비교한다. 결과는 세션으로 돌아온다. 「고쳤다」 한 줄만 남기지 않는다.

4. 4
   서로 교정

   메시지는 개방 채널을 타고 원자료로 다시 잇는다. 다른 Agent는 동료의 말을 「검증할 주장」으로 보지, 자기 생각으로 보지 않는다.

5. 5
   인간 게이트

   AL4는 배포 전에 멈춘다. AL3는 더 이르다: 예외가 나오는 즉시 사람에게 돌린다. 게이트가 실패하면 디스크와 클러스터에서 되돌릴 수 없는 동작이 일어나면 안 된다.

이것은 「채팅 창의 도우미 하나」와 같은 제품 층이 아니다. 연구소 내부 Agent 런타임에 가깝다: 신원이 지속되고, 메시지가 추적 가능하며, 도구는 monitor를 거친다. 기술 스택을 어떻게 층으로 나누는지는 2026 AI Agent 기술 스택를 보라.

JSON 데이터 흐름: 신원, 메시지, 도구, 게이트

부록은 내부 스캐폴드의 설계 두 가지를 구체적으로 적는다. 3만 개 Agent를 여전히 감사할 수 있는 이유다.

신원. 사용자는 Claude라는 대상 하나와 대화하는 데 익숙하다. 여러 Agent가 협업할 때는 각 Agent에 자기 신원이 있어야 하고, 그것이 만든 데이터는 그 신원에 묶인다. 신원은 특정 모델 버전에 용접되지 않으므로, 업그레이드 후에도 이력이 남는다. 감독 관점: 동작마다 Agent를 따라 세로로 추적할 수 있고, 기록마다 구체 실행자를 가리킬 수 있다.

개방 통신. Agent는 비공개로 채팅하지 않는다. 메시지마다 보낸이의 신원이 있고, 원본 참조로 이을 수 있어 전달 왜곡이 줄어든다. 다른 Agent가 볼 수 있어야 교정하고 조율한다. 메시지와 세션 전사를 교차 참조하면, 행동 monitor가 Agent 사이 대화를 가로지를 수 있다.

이 두 가지를 일상 Tool Calling 위에 겹치면, 감사 가능한 기록은 대략 이렇게 보인다:

{
  "agent_id": "agt_4c91",
  "model_ref": "claude-internal",
  "identity_persists_across_models": true,
  "action": {
    "type": "tool_call",
    "name": "apply_patch",
    "arguments": "{\"path\":\"pipelines/nightly_etl.py\",\"intent\":\"fix_schema_drift\"}"
  },
  "message": {
    "channel": "open",
    "from": "agt_4c91",
    "links": ["transcript://run-8821#step-17"],
    "treat_as": "claim_to_verify"
  },
  "monitor": {
    "online": { "coverage": 1.0, "decision": "allow", "latency_s": 1.8 },
    "offline": { "ingested": true, "flagged": false }
  },
  "human_gate": { "required_for": ["deploy"], "status": "pending" }
}

arguments는 여전히 문자열인 경우가 많다. 업무 층은 먼저 parse하고, schema로 검증한 뒤 monitor와 권한에 넘긴다. 계약을 어떻게 쓸지는 AI에 JSON Schema가 필요한 이유?를 보라. 도구 면이 넓어진 뒤 누가 안전을 맡는지는 MCP 보안 취약점 전면 해설를 보라.

이 JSON 층이 없으면 monitor는 산문만 읽는다. 동시 Agent 3만 개, 결정 10억 회를 산문으로는 신원별 집계할 수 없고, 「누가 어느 리프 작업을 주도하는지」에도 답할 수 없다.

3만 개 Agent, 누가 보는가

2026년 8월, Anthropic이 가장 많이 쓰는 내부 플랫폼에서 약 30,000개 Agent가 동시에 연구와 엔지니어링을 했다. 측정은 이 플랫폼만 덮는다. 동작은 두 층 monitor에 묶인다:

적게 막는다고 게이트가 없어도 되는 것은 아니다. 커버리지는 100%이고, 차단은 예외다. 실행 전 그 홉이 없으면 AL4 「주도」는 무인 배포로 미끄러진다. JSON이 어떻게 보안 경계가 되는지는 AI Agent가 「스스로 인터넷을 공격하기 시작」를 보라.

연산량 장부: 안전이 6%라는 뜻

세 번째 묶음은 2026년 7월 13–20일 그 주의 연산량 스냅샷이다. AI R&D로 들어간 연산량의 약 6%가 안전으로 잡혔고, 「AI가 이끄는 AI R&D」로 들어간 연산량의 약 12%가 안전으로 잡혔다. 분류는 일부러 보수적이다: 능력과 안전이 절반씩인 token은 안전으로 치지 않는다.

Anthropic 스스로 경고한다: 안전 연구는 최전선 학습보다 인시를 더 먹고 칩을 덜 먹으므로, 연산량 몫은 「회사가 안전을 얼마나 중시하는가」의 충분통계가 아니다. 가치는 비교 가능성이다——연구실을 넘고 시간을 넘어, 같은 버킷으로.

분류 자체도 Agent 워크플로다: 분류기가 작업 메타데이터, 코드, 세션 전사를 읽고 버킷, 이유, 신뢰도를 낸다. 그 주 약 10,000회 런의 약 14%를 뽑고 연산량으로 가중했다. 경계는 프롬프트에 쓰였고, 사람 재검토와 기계는 한두 퍼센트포인트 차이였다. 개발자가 재현하려면 「무엇이 안전 일인가」를 구호가 아니라 검증 가능한 JSON 정의로 먼저 써야 한다.

JSONNote로 워크플로 기록 하나를 분해하기

Anthropic의 내부 트리는 받지 못한다. 자기 저장소의 같은 종류 재료는 받는다: tool call, monitor 로그, Agent 메시지, 작업 등급. 모두 브라우저 로컬에서 분해할 수 있다.

1. 1
   먼저 arguments가 parse되는지 본다

   문자열의 이스케이프를 풀고 JSON 포맷에 넣는다. 쉼표 누락, 끝 쉼표는 monitor가 등장하기 전에 이미 깨진 것이다.

2. 2
   선언한 schema로 동작을 검증한다

   도구의 parameters와 파싱한 객체를 JSON Schema에 넣는다. 등급은 enum이어야 하고, 신원은 안정 ID여야 하며, 배포는 human_gate에 명시로 남겨야 한다.

3. 3
   「승인할 때」와 「지금」을 비교한다

   지난주 작업 트리나 도구 목록을 JSON Diff에 넣고, 리프 작업·monitor 결정·schema의 조용한 변경만 찾는다.

4. 4
   동료에게 보여줄 때는 Hash 공유

   데이터는 URL fragment에 남고 서버를 거치지 않는다. URL Hash로 JSON 공유를 보라.

자주 묻는 질문

Claude가 AI R&D의 26%를 주도한다면, 이미 무인 운용으로 다음 모델을 만들고 있는가?

아니다. 26%는 Epoch AI의 AL4다: Claude가 고수준 프롬프트로 대부분을 끝내고, 사람이 감독하며 배포 여부를 결정한다. Anthropic은 명시한다: 측정된 AI R&D 부분집합 어디에서도 Claude는 아직 AL5 완전 자율에 이르지 못했다.

90% 이상 협업과 26% 주도는 어떤 관계인가?

90%는 AL3 이상이다: Claude가 사람의 밀착 지도 아래 큰 덩어리를 할 수 있다. 26%는 그중 이미 AL4로 올라간 몫이다. 주도는 협업 이상에 포함되며, 서로 배타적인 다른 더미가 아니다.

30,000개 Agent는 어떻게 협업하고, 누가 보는가?

내부 플랫폼에서 연구와 엔지니어링을 반자율로 돌리고, 서로 위임할 수도 있다. 각 Agent는 독립 신원이 있고, 메시지는 개방 채널을 탄다. 동작은 100% 실행 전 온라인 monitor, 사후에 오프라인 monitor를 지난다. 2026년 8월 10억 회가 넘는 결정 중 약 4.7만 분의 1이 차단됐다.

이 워크플로에서 JSON은 어디에 나오는가?

작업 트리 노드, 자동화 등급, Agent 신원, 개방 메시지, Tool Calling 파라미터, monitor의 통과 또는 차단은 거의 모두 구조화 기록이다. parse할 수 있는 계약이 없으면 3만 개 Agent를 감사할 수 없고, 「누가 어느 구간을 주도했는지」도 재현할 수 없다.

개발자가 이 공개에서 지금 가져가야 하는 것은 무엇인가?

먼저 지원, 협업, 주도, 자율을 가른다. 매 tool call과 매 Agent 메시지에 신원, 시각, 검증 가능한 JSON을 남긴다. 게이트는 실행 전에 두고, 재현 재료는 실행 후에 남긴다. 숫자는 바뀐다. 계약 층은 낡지 않는다.

정리

Anthropic이 26%, 90%, 3만, 0.002%, 6%를 테이블에 올린 것은 이 숫자를 잴 수 있고, 재확인할 수 있고, 월별로 다시 계산할 수 있기 때문이다. 재는 것은 「모델이 채팅을 얼마나 잘하는가」가 아니다. 모델을 만드는 생산 라인에서 사람과 Agent가 각각 어느 단에 서는가다.

26%는 주도이지 자율이 아니다. 협업은 이미 깔려 있고, 게이트는 아직 사람에게 있다. Agent가 함께 모델을 만들 수 있는 것은 신원, 개방 메시지, Tool Calling, monitor 결정이 같은 parse 가능한 데이터 흐름을 타기 때문이다.

제목은 26%를 계속 크게 읽을 것이다. 원문을 보는 사람은 등급 정의를 먼저 보고, 그 JSON이 아직 있는지를 봐야 한다.

← 블로그로