Anthropic이 Claude Code 사용 패턴 데이터를 공개했습니다. 40만 세션을 분석한 결론은 예상과 달랐습니다.

코딩을 더 많이 아는 사람이 Claude Code를 더 잘 쓰는 것이 아니었습니다. 주 20시간 이상 사용하는 헤비 유저 집단에서 공통된 패턴이 하나 나왔습니다 — 문제를 잘 이해하는 사람이 더 좋은 결과를 냈습니다.

이 문장이 하나의 데이터 포인트처럼 들릴 수 있습니다. 저는 이게 PM 역할이 어디로 이동하는지에 대한 가장 직접적인 신호 중 하나라고 봅니다.

실행이 에이전트로 넘어가면 남는 것

Claude Code는 코드를 쓰고, 테스트를 돌리고, 버그를 잡습니다. 주어진 의도만 있으면 대부분의 구현은 혼자 해냅니다. 프런트엔드 작업은 시니어 개발자 수준의 초안을 몇 초 만에 냅니다.

그런데 40만 세션을 분석했을 때 발견한 것은 이겁니다.

더 잘 쓰는 사람의 공통점은 더 구체적으로 문제를 정의했다는 것이었습니다. 구체적인 의도, 맥락, 제약 조건 — 이것을 Claude에게 잘 전달하는 사람이 훨씬 더 나은 결과를 얻었습니다. 코딩 지식이 문제가 아니었습니다. 문제를 얼마나 명확히 이해하고, 그것을 에이전트가 실행 가능한 형태로 표현할 수 있느냐가 갈랐습니다.

이것은 단순한 “프롬프트 기술” 이야기가 아닙니다. 에이전트에게 좋은 의도를 전달하려면 먼저 자신이 문제를 잘 이해해야 합니다. 이해 없이는 의도를 전달할 수 없고, 의도 없이는 에이전트가 엉뚱한 방향으로 달립니다.

Andrew Ng은 이미 수 주 전에 같은 방향을 다른 각도에서 말했습니다.

“AI가 코딩 속도를 올려줄수록, 무엇을 만들지 결정하는 역할이 진짜 병목이 된다.”

40만 세션 데이터는 그 주장에 운영 현장의 증거를 더한 겁니다.

한국 현장에서 확인된 같은 신호

올해 상반기 AX LABS가 한화생명과 함께 진행한 6주 PBL(Project-Based Learning) 프로그램이 있습니다. 현업 20명이 AI 도구를 실제 업무에 적용하는 과정이었습니다. 코딩 교육이 아니었습니다. AI를 활용해 자기 업무 문제를 직접 해결하는 프로그램이었습니다.

가장 빠르게 성과를 낸 참여자들의 공통점은 무엇이었을까요? 코딩을 배워서가 아니었습니다. 자기 업무에서 무엇이 반복되고, 어디서 병목이 생기고, 어떤 판단이 중요한지를 가장 명확하게 파악하고 있는 사람들이었습니다.

그들이 AI 도구를 써서 실제 업무 시간을 줄이는 사람들이었습니다. 도구 사용법보다 문제 인식이 먼저였습니다.

AI 채용 시장도 같은 방향을 가리킵니다. 올해 AI 관련 채용은 전년 대비 70% 증가했고, 신입 포지션은 80% 이상 증가했습니다. 그런데 공고 내용을 들여다보면 변화가 있습니다. “Python 능통자”, “ML 모델 구현 경험” 같은 기술 스펙 요건이 줄고, “문제 정의 능력”, “비즈니스 임팩트 측정 경험”, “에이전트 기반 업무 설계 경험” 같은 요건이 늘고 있습니다.

시장은 이미 답을 내리고 있습니다. 실행은 에이전트가 한다. 사람은 무엇을, 왜 해야 하는지를 결정한다.

PM의 새 역할: 의도 전달 인터페이스

에이전트가 실행을 가져가면, 인간이 남는 자리는 어디일까요?

저는 이것을 “의도 전달 인터페이스”라고 부릅니다. 코딩은 컴퓨터에게 명령하는 언어였습니다. 에이전트 시대에는 의도를 명확히 서술하고, 맥락을 전달하고, 검증 기준을 정의하는 능력이 그 자리를 대신합니다.

PM에게 이것은 기존 역할의 연장이 아니라 이동입니다.

기존 PM이 주로 했던 일은 이런 것들이었습니다. 스펙 문서를 쓰고, 개발팀 진척을 확인하고, 이해관계자에게 보고하고, 릴리즈 일정을 조율했습니다.

에이전트가 있으면 이 중 상당 부분이 달라집니다. 스펙 초안은 에이전트가 씁니다. 진척 확인은 대시보드가 합니다. 보고 자료는 에이전트가 만듭니다.

PM에게 남는 것은 다릅니다.

  • 어떤 문제를 왜 풀어야 하는지 정의하는 능력
  • 에이전트에게 명확한 의도와 맥락을 전달하는 능력
  • 에이전트 출력의 품질을 판단하는 능력 — 이것은 곧 평가 기준 설계 능력입니다
  • 어디서 에이전트를 멈추고 인간이 판단해야 하는지 구조화하는 능력

이것이 Claude Code 40만 세션 데이터가 말하는 것과 정확히 맞닿아 있습니다. “문제를 이해하는 사람이 더 잘 쓴다” — 이것은 Claude를 더 잘 활용하기 위한 팁이 아닙니다. 에이전트 시대에 인간의 역할이 어디로 수렴하는지에 대한 운영 현장의 데이터입니다.

지금 PM이 개발해야 할 세 가지

그렇다면 PM은 무엇을 의식적으로 개발해야 할까요.

첫째, 문제 해부 능력입니다. 에이전트에게 좋은 의도를 전달하려면 먼저 문제를 수술대에 올려야 합니다. 이것이 왜 문제인가, 실제로 반복되는 패턴은 무엇인가, 성공 기준은 어떻게 정의하는가. 이 작업이 선행되지 않으면 에이전트는 빠르게 엉뚱한 방향으로 달립니다.

대부분의 PM이 이미 이 능력을 갖고 있습니다. 다만 에이전트 시대에는 이것이 코딩 지식보다 훨씬 더 결정적인 변수가 됩니다. 더 의식적으로 개발하고, 문서화해야 합니다.

둘째, 평가 기준 설계 능력입니다. hwchase17(LangChain CEO)은 올해 초 이렇게 말했습니다: “2026년은 evals(평가)의 해다.” 에이전트가 잘했는지 못했는지를 판단하는 기준을 사전에 정의하지 않으면, 에이전트는 방향 없이 달립니다.

이것은 PM이 전통적으로 해왔던 “성공 지표 정의”와 비슷하지만, 훨씬 더 세밀하고 운영적입니다. 어떤 출력이 허용 가능하고, 어떤 출력은 재작업이 필요하고, 어떤 상황에서 에이전트를 멈춰야 하는지 — 이것을 명확히 설계하는 사람이 에이전트 시대에 PM 역할의 핵심을 가져갑니다.

실제로 Anthropic의 Claude Code를 팀 단위로 도입한 곳들에서 공통적으로 나오는 이야기가 있습니다. “에이전트가 만들어낸 코드를 어디까지 믿고 배포할 수 있는가”라는 질문에 답하는 사람이 생산성을 결정합니다. 그 답은 에이전트 안에 없습니다. 평가 기준을 설계한 사람 안에 있습니다.

셋째, 맥락 전달 구조화 능력입니다. 에이전트는 CLAUDE.md, 시스템 프롬프트, 문서화된 규칙을 통해 맥락을 받습니다. 이 맥락이 얼마나 잘 구조화되어 있느냐가 에이전트의 일관성을 결정합니다.

PM이 전달해야 할 것은 기능 명세가 아닙니다. 왜 이 제품을 만드는지, 어떤 사용자를 위한 것인지, 어떤 판단 기준을 써야 하는지 — 이것을 에이전트가 읽을 수 있는 형태로 문서화하는 능력입니다. 코드보다 컨텍스트가 먼저입니다.

이 세 가지는 전혀 새로운 능력이 아닙니다. 좋은 PM이라면 이미 갖고 있는 것들입니다. 다만 에이전트 시대에는 이것이 팀에서 가장 중요한 경쟁력이 됩니다 — 코딩 속도보다, 도구 지식보다.

Anthropic의 40만 세션 데이터는 이 방향을 정면으로 확인해줬습니다. 문제를 잘 이해하는 사람이 에이전트를 더 잘 씁니다. 그리고 에이전트를 더 잘 쓰는 사람이 팀의 생산성을 결정합니다.

여러분의 팀에서 의도 전달을 가장 잘 하는 사람은 누구인가요? 그 사람이 지금 어떤 역할을 맡고 있나요?