보고서 개요
Anthropic의 연구팀(Maxim Massenkoff, Eva Lyubich, Peter McCrory)이 2026년 3월 24일 발표한 Economic Index 3월 보고서다. 2026년 2월 5~12일 기간의 Claude 사용 데이터를 기반으로 AI 사용 패턴의 경제적 함의를 분석한다. 이번 보고서의 핵심 테마는 **"학습곡선(Learning Curves)"**으로, 장기 사용자와 신규 사용자 간의 사용 패턴 차이를 집중 조명한다.
사용 사례 다양화: 롱테일 현상
Claude.ai의 상위 10개 작업이 전체에서 차지하는 비율이 2025년 11월 24%에서 2026년 2월 19%로 감소했다. 이는 사용 사례가 소수 주류 작업에서 다양한 틈새 작업으로 분산되고 있음을 의미한다.
동시에 개인용 사용이 전체 대화의 35%에서 42%로 증가했고, 과정(교육) 관련 사용은 19%에서 12%로 감소했다. AI가 업무 도구에서 일상 유틸리티로 확장되는 과정이 수치로 포착된 것이다.
작업 가치의 하락과 그 의미
평균 작업 가치가 시간당 $49.3에서 $47.9로 하락했다. 필요 교육 수준도 12.2년에서 11.9년으로 감소. 이는 부정적 신호가 아니라, 저숙련 사용자 유입에 따른 평균 하락으로 해석해야 한다.
스포츠 점수 확인, 날씨 조회 같은 단순 질문이 증가하면서 전체 평균이 내려간 것이지, 고부가가치 작업이 줄어든 것은 아니다.
모델 선택과 소득의 상관관계
Opus 모델 사용에 대한 흥미로운 데이터:
- 컴퓨터/수학 관련 작업에서 Opus 사용률 55% (평균 대비 +4.4%p)
- 시간당 임금이 $10 증가할 때마다 Opus 사용률 1.5%p 상승
- API 사용자에서는 이 효과가 2.8%p로 더 강함
이는 고소득 전문직 사용자가 모델 성능에 더 민감하며, 비용을 지불할 의사가 있다는 것을 정량적으로 입증한다. AI 제품의 가격 전략에 직접적 시사점을 준다.
학습곡선: 장기 사용자 vs 신규 사용자
이번 보고서의 핵심 분석이다.
| 지표 | 신규 사용자 | 장기 사용자(6개월+) |
|---|---|---|
| 성공률 | 기준선 | +4~5%p |
| 개인용 사용 비율 | 44% | 38% |
| 작업 교육 수준 | 낮음 | ~1년 높음 |
장기 사용자들은 더 복잡한 작업에 AI를 활용하고, 더 협력적으로(대화형으로) Claude를 사용하며, 업무 관련 목적의 비중이 높다. 약 1년의 학습 기간을 거치면서 필요 교육 수준이 1년 상승하는 패턴을 보인다.
이는 AI 활용 능력이 일종의 **숙련 기술(skill)**이며, 경험에 의해 축적된다는 것을 실증한다.
지리적 분포의 이중 트렌드
미국 내에서는 수렴이 일어나고 있다. 상위 5개 주의 사용 비중이 30%에서 24%로 감소하며 지역 간 격차가 줄어드는 추세다.
그러나 국가 간에서는 오히려 격차가 벌어지고 있다. 상위 20개국의 비중이 45%에서 48%로 증가하며, 글로벌 AI 접근성의 불균형이 심화되고 있음을 보여준다.
신흥 자동화 카테고리
보고서가 식별한 새롭게 부상하는 AI 자동화 영역:
- 영업 자동화: B2B 리드 검증, 고객 데이터 강화(enrichment), 콜드 이메일 작성
- 거래 자동화: 시장 모니터링, 투자 제안, 거래자 정보 제공
이 두 영역은 이전 보고서에서 두드러지지 않았던 신규 카테고리로, AI 활용의 프론티어가 어디로 이동하고 있는지를 보여준다.
의미: 숙련도 기반 기술 변화
보고서의 결론은 명확하다. AI 활용 능력은 경험에 비례하여 향상되며, 초기 채택자들이 고숙련 AI 작업에서 더 큰 이득을 본다. 이는 "AI가 모든 사람을 동등하게 만든다"는 낙관론과 달리, 숙련도 기반의 불평등을 심화시킬 수 있는 경로를 제시한다. AI 도구 교육과 온보딩의 중요성이 더욱 부각되는 대목이다.