Anthropic이 자사 직원들에게 AI가 실제로 얼마나 시간을 줄여 주는지 물었더니, 직원 대부분이 1시간 걸리던 일을 이제 15분 안에 끝낸다고 답했습니다. 반면 일반 사용자 가운데 같은 수준의 효과를 봤다는 사람은 약 4명 중 1명에 그쳤습니다. 양쪽이 쓰는 모델은 같습니다. 그렇다면 차이는 어디서 나올까요. Anthropic이 2026년 10월 16일에 낸 두 보고서, 즉 채용과 고용의 변화를 다룬 보고서와 직원들의 최신 AI 사용 양상을 분석한 보고서를 보면, 답은 prompt(모델에 주는 지시문) 비법이나 특별한 도구 접근권이 아니라 일상의 작업 습관에 있습니다. 이 글에서는 그 보고서에서 뽑아낸 일곱 가지 습관을 비개발자도 바로 따라 할 수 있는 형태로 정리합니다.

도구는 같은데 결과가 다른 이유

경쟁사도, 평범한 사용자도 Anthropic 직원과 똑같은 모델에 돈을 냅니다. 그래서 어떤 조직이 AI로 큰 효과를 못 보고 있다면 문제는 소프트웨어 자체가 아닐 가능성이 큽니다. 모델을 만든 회사 사람들은 Claude에게 일을 "시키는" 방식 자체가 다릅니다. 기다리지 않게 하고, 반복을 없애고, 읽을 것을 먼저 정하고, 설정에 시간을 투자하고, 기록을 남기고, 더 어려운 일을 맡기고, 코드 대신 지시문으로 도구를 만듭니다. 하나씩 살펴보겠습니다.

습관 1: Claude를 기다리게 하지 않기

가장 쉽게 시작할 수 있으면서 효과가 큰 습관입니다. Anthropic이 며칠, 몇 주, 몇 달 단위로 사용 기록을 추적해 보니 Claude는 활성 대화 시간의 약 80%를 사람의 입력을 기다리며 보내고 있었습니다. Anthropic의 한 엔지니어는 AI가 사람의 발목을 잡는 것이 아니라 사람이 agent(스스로 여러 단계를 수행하는 AI)의 발목을 잡고 있다고 표현했습니다.

해법은 사람이 해야 할 입력, 승인, 답변을 작업 시작 전에 한꺼번에 몰아 주는 것입니다. 작업을 맡길 때 다음과 같은 지시를 앞에 붙입니다.

  • 필요한 질문은 지금 한 번에 모두 물어볼 것
  • 답을 받은 뒤에는 끝날 때까지 중간에 멈추지 않고 진행할 것
  • 돈이 드는 행동이나 되돌릴 수 없는 행동 앞에서만 멈출 것

이렇게 하면 회의에 들어가기 직전에 무거운 작업을 맡겨 두고, 회의하는 30분에서 1시간 동안 Claude가 나란히 일하게 할 수 있습니다. 사람이 자리를 비운 시간이 그대로 생산 시간이 됩니다.

습관 2: 두 번째 하는 일은 skill로 만들기

Anthropic 직원들에게는 일종의 규칙이 있습니다. 어떤 일을 처음 할 때는 직접, 또는 Claude와 함께 합니다. 같은 일을 두 번째 하게 되면 그 자리에서 skill(반복 절차를 묶어 다시 쓸 수 있게 만든 지시문)이나 project 설정으로 바꿉니다. 세 번째부터는 skill이 알아서 합니다.

Anthropic의 영업 직원들은 이 습관으로 근무 시간의 30%를 되찾았고, 그 시간을 고객과 직접 대화하는 데 돌렸습니다. 관리 업무는 Claude가 뒤에서 처리하고 사람은 더 큰 가치가 있는 일에 집중하는 구조입니다.

실행 방법은 간단합니다. 어떤 작업을 두 번째로 끝낸 직후, Claude에게 "지금까지의 대화 기록을 분석해서 이 절차를 재사용할 수 있는 skill로 묶어 달라"고 요청합니다. 한 번 skill이 만들어지면 다음부터는 절차를 다시 설명할 필요 없이 새 원본 데이터만 넘기면 됩니다.

습관 3: 읽을 것을 먼저 정하고 쓰게 하기

AI는 말이 많습니다. Anthropic이 Claude가 직원들에게 생성한 글의 양을 재고 그것을 다 읽는 데 걸리는 시간을 계산해 봤더니, 재무 직군은 주당 약 43시간, 영업 직군은 약 35시간이 필요했습니다. 주 40시간 근무를 통째로 읽기에만 써도 모자라는 양입니다. 결과적으로 대부분은 긴 출력을 읽지 않고 넘기고, 그 안에 숨은 실수나 의심스러운 가정은 발견되지 않은 채 남습니다.

직군 Claude 출력을 다 읽는 데 필요한 시간 기준
재무 주 43시간 주 40시간 근무
영업 주 35시간 주 40시간 근무

해법은 모델이 자유롭게 쓰게 두지 않고 출력 형식을 생성 전에 미리 정하는 것입니다. 모든 답변을 정확히 세 줄로 시작하게 합니다.

  1. 발견한 것 또는 결정한 것
  2. 사람의 승인이 필요한 항목
  3. 확실하지 않은 부분

세부 내용은 그 아래에 둡니다. 세 줄만 보고 문제가 없어 보이면 거기서 읽기를 멈출 수 있고, 이상한 점이 있으면 아래로 내려가 확인하면 됩니다.

세 줄 요약이 적힌 종이와 그 옆의 높은 서류 더미

▲ 세 줄 요약으로 줄이는 읽기 부담

습관 4: 다섯 번 중 한 번은 설정에 쓰기

Anthropic의 조사에서 흥미로운 변화가 보입니다. 1년 전 직원들은 10번의 세션 중 1번을 prompt, 시스템 지시문, 도구 설정을 다듬는 데 썼습니다. 2026년 말 현재는 그 비율이 5번 중 1번, 즉 전체 세션의 20%로 두 배가 됐습니다. 일을 시키는 데만 시간을 쓰지 않고, 일을 더 잘 시킬 수 있는 환경을 꾸준히 손보는 것입니다. 설정에 들인 시간은 이후 모든 작업의 정확도를 높이고 Claude가 혼자 처리할 수 있는 범위를 넓힙니다.

따라 하기 좋은 방법은 매주 금요일 15분짜리 점검 습관입니다. Claude에게 이번 주 대화 기록을 돌아보게 하고, 사용자가 결과를 고치거나 다시 시킨 경우를 모두 찾게 합니다. 그리고 각 수정 사항을 세 가지로 분류하게 합니다.

  • project 지시문에 넣어야 할 것
  • 재사용 skill로 만들어야 할 것
  • 한 번뿐인 예외라서 넘겨도 되는 것

마지막으로 지시문이나 skill에 실제로 추가할 문구를 그대로 써 달라고 요청하면, 15분 안에 다음 주의 설정이 한 단계 좋아집니다.

습관 5: AI가 볼 수 있는 곳에 적기

이 습관은 개인보다 조직 문화에 관한 이야기입니다. 말로만 오간 대화는 AI에게 존재하지 않는 것과 같습니다. Anthropic 보고서에는 이런 사례가 나옵니다. 한 직원이 마케팅 부서에서 다른 역할로 옮겼는데, 그 사실이 복도에서 말로만 전해졌을 뿐 어디에도 기록되지 않았습니다. 그래서 AI는 계속 그 사람을 마케팅 담당으로 알고 있었고, 동료들은 머그컵, 티셔츠, 스웨터 같은 기념품 주문 요청을 계속 그 사람에게 보냈습니다.

중요한 결정과 맥락은 흔히 정수기 앞에서 비공식적으로 오갑니다. 글로 된 데이터에만 의존하는 AI에게는 그것이 전부 사각지대입니다. 그래서 권장되는 방법은 거의 모든 내부 회의를 녹음하고 기록으로 남기는 것입니다. 개인 성과를 다루는 일대일 면담은 예외로 둡니다. 회의 기록은 AI가 업무를 수행하고, 더 나은 제안을 하고, 의사결정을 돕는 데 쓰이는 기본 재료가 됩니다.

시작은 이런 요청으로 할 수 있습니다. "오늘 회의 메모와 기록을 붙입니다. 우리가 일하는 방식을 바꾸는 결정이 있으면 팀 작업 문서를 갱신하고, 무엇을 바꿨는지 정확히 보여 주세요." AI가 문서를 갱신하고 변경 내역을 알려 주는 이 단계는, 나중에 AI가 자기 시스템 지시문과 skill, project까지 스스로 갱신하게 하는 방향으로 가는 첫걸음입니다. 기록을 남기지 않는 조직은 시간이 갈수록 AI를 활용하는 능력이 떨어지고, 꼼꼼히 기록하는 조직은 그 차이를 계속 벌려 갈 것으로 보입니다.

정수기 앞 대화와 기록된 문서를 읽는 AI를 나눠 보여 주는 사무실

▲ AI가 읽을 수 있는 기록의 중요성

습관 6: 새 모델이 나오면 더 어려운 일 맡기기

Anthropic 내부에는 모델이 발전하는 만큼 더 야심 차게 쓰라는 구호가 있습니다. 실제로 직원들은 주요 모델이 새로 나올 때마다 Claude에게 맡기는 작업의 난이도를 즉시 30% 높였습니다. 최신 모델의 출시 주기는 빨라지고 성능 도약 폭은 커지고 있는데, 새 모델에게 늘 하던 익숙한 일만 시키면 그 도약을 전혀 활용하지 못합니다.

실천 방법은 AI가 과거에 제대로 해내지 못한 고가치 작업의 목록을 늘 갖고 있다가, 새 모델이 나오면 그중 가장 어려운 것부터 다시 시켜 보는 것입니다. 목표를 세울 때는 이런 식으로 씁니다. "지금 월간 보고서는 월말 후 약 10일 뒤에 나옵니다. 매달 1일 아침에 준비되게 하고 싶습니다. 이건 합리적인 목표입니다. 어떻게 거기까지 갈지 정확히 보여 주고, 어떤 단계가 불가능해 보이면 방법을 찾을 때까지 계속 시도하세요."

어려운 목표를 합리적이라고 못 박고 포기하지 말라고 지시하는 것은 최신 모델이 가진 끈기와 문제 해결 성향을 끌어내는 장치입니다. 그렇게 쓰면 모델이 문제를 다루는 방식이 달라지고 성공 확률이 올라간다는 설명입니다.

습관 7: 코드 대신 지시문으로 도구 만들기

Anthropic의 조사에서 비개발 직군 직원이 Claude로 직접 도구를 만든 세션은 1년 사이에 월 약 2회에서 약 90회로 늘었습니다. 다만 여기서 중요한 것은 무엇으로 만드느냐입니다. 도구를 만든다고 하면 코드를 떠올리기 쉽지만, 가능하면 자연어 지시문으로 만드는 편이 낫습니다.

구분 지시문 기반 도구 코드 기반 도구
수정 누구나 읽고 고치기 쉬움 계속 고치고 패치해야 함
맥락 변화 모델이 유연하게 적응 조건이 바뀌면 깨지기 쉬움
보안 공격 면적이 작음 취약점이 생기고 침입 경로가 됨

일상 사용자가 skill이나 project 형태로 묶은 지시문은 들여다보고 이해하고 고치고 다듬기가 훨씬 쉽습니다. 코드는 한 번 쓰면 유지보수, 버그 수정, 패치가 끝없이 따라오고, AI 도구가 소프트웨어 취약점을 적극적으로 찾아 악용하는 시대에는 보안 부담까지 더해집니다.

매주 손으로 하던 업데이트를 자동화할 때는 이렇게 요청합니다. "이 파일들로 매주 이 업데이트를 손으로 만듭니다. 매주 대신 해 줄 가장 단순한 것을 만들어 주세요. 글로 된 지시만으로 충분하면 skill로 만들고, 지시로 안 될 때만 코드를 쓰되 최대한 작고 단순하게 유지하세요. 그리고 실행 방법과 매번 확인해야 할 항목을 알려 주세요." 마지막 문장이 중요합니다. 자동화를 만들 때마다 점검 지점을 함께 받아 두면 결과를 맹신하지 않고 쓸 수 있습니다.

정리: 무엇부터 시작할까

일곱 가지 습관을 한 줄씩 정리하면 다음과 같습니다.

습관 핵심 오늘 할 일
1. 기다리게 하지 않기 질문은 앞에서 한 번에, 이후는 멈춤 없이 회의 전에 작업 하나 맡기기
2. 두 번째는 skill로 같은 일을 세 번 손으로 하지 않기 두 번째 끝난 작업을 skill로 묶기
3. 읽을 것 먼저 정하기 세 줄 요약 뒤에 세부 내용 출력 형식 지시문 추가
4. 설정에 시간 쓰기 세션 5번 중 1번은 개선 금요일 15분 점검 예약
5. 보이는 곳에 적기 회의 기록과 문서화 회의 메모로 작업 문서 갱신
6. 새 모델엔 더 어려운 일 난이도 30% 올리기 실패했던 작업 목록 만들기
7. 코드 대신 지시문 작고 고치기 쉬운 도구 주간 반복 업무 하나 자동화

이 습관들의 공통점은 AI를 그때그때 질문을 던지는 상대가 아니라, 맥락을 주고 맡기고 결과를 짧게 확인하는 시스템으로 다룬다는 데 있습니다. 모델을 만든 회사 사람들과 일반 사용자의 차이가 도구가 아니라 여기서 생긴다면, 따라 하지 못할 이유도 없습니다. 가장 쉽고 효과가 큰 습관 1부터 시작해, 나머지를 하나씩 차례로 더해 가는 방법을 권합니다.