“AI가 AI를 스스로 만든다"는 말은 그동안 SF 같은 추상적인 구호였다. 그런데 6월 3일 Anthropic이 공개한 자료에서 이 추상이 사내 숫자로 바뀐다. Anthropic 자기 회사에서 production에 머지되는 코드의 80% 이상을 Claude가 직접 짜고, 엔지니어 1인의 분기 코드 출력이 2024년 대비 8배가 됐다는 것이다.

핵심은 단순히 “AI가 코딩을 잘한다"가 아니라, AI 회사가 자기 다음 모델을 만드는 일 자체에 본격적으로 자기 AI를 쓴다는 보고라는 점이다. Anthropic은 이 상태를 “recursive self-improvement(재귀적 자기 개선, AI가 자기 후속 모델을 자율적으로 설계·개발하는 단계)로 향하는 길목"이라고 부른다.

무엇이 새로 공개됐나

대부분은 외부에서 추정만 가능했던 사내 수치들이다.

  • production 코드의 80% 이상이 Claude 작성 (2026년 5월 기준)
  • 엔지니어 1인당 분기 출력 코드량 8배 증가 (2024년 대비 2026년 2분기)
  • 사내 연구원 설문 결과 중앙값 4배 생산성 증폭 (2026년 3월)
  • 작업 길이 한계(task time horizon) 더블링 주기가 7개월 → 4개월로 단축

task time horizon은 한 모델이 사람 개입 없이 끝까지 일관되게 완수할 수 있는 작업의 길이를 말한다. 2024년 초 약 4분이던 한계가 Claude Opus 4.6에서는 12시간까지 올랐고, 이 한계가 4개월마다 2배씩 늘어난다는 게 Anthropic 측정이다. SWE-bench(실제 GitHub 이슈를 코드로 해결하는 시험)와 CORE-Bench(컴퓨터과학 논문 결과 재현 시험)도 2년 만에 한 자릿수에서 사실상 천장까지 도달했다.

더 본격적인 변화 — 연구 자동화

코딩 보조보다 인상적인 건 실험 자체를 AI가 돌린다는 부분이다. 코드 최적화 실험에서 모델이 만든 속도 개선이 2025년 5월 약 3배에서 2026년 4월 약 52배로 뛰었고, 정답이 없는 열린 연구 과제에서 에이전트가 인간 연구자 2명 결과 대비 격차의 97%까지 따라잡았다(이전 23%). 핵심은 연구 사이클(가설 → 실험 → 측정 → 다음 가설)을 사람 개입 없이 한 번 도는 능력이 측정 가능하게 빨라지고 있다는 점이다.

그래서 recursive self-improvement인가

Anthropic은 “지금은 아직 사람이 방향을 잡고 AI가 실행하는 단계"라고 선을 긋지만, 글 안에서 “올해 안에 사람이 며칠 걸리는 작업까지”, “2027년에 몇 주짜리 작업까지” 가능해질 거라고 적었다. 그동안 “AGI 임박"은 주로 OpenAI Sam Altman 쪽 톤이었는데, 상대적으로 보수적이던 Anthropic이 내부 수치를 풀면서 비슷한 위치로 옮겨왔다.

그래도 사람이 안 풀려나는 이유 — Amdahl’s law

Anthropic이 글에서 직접 꺼낸 자기 한계는 실행이 빨라질수록 사람의 판단이 병목으로 떠오른다는 것이다. Amdahl’s law(아무리 한 부분을 빨라지게 해도 직렬로 남아있는 부분이 전체 속도를 결정한다는 법칙)를 AI 연구에 적용하면, 모델 학습·실험·코딩이 빨라져도 “이 방향이 맞나"를 정하는 인간 판단이 직렬 단계로 남아있으면 전체가 그 단계에서 잡힌다.

flowchart LR
    A[연구 방향 결정] --> B[가설 설계]
    B --> C[코드 작성]
    C --> D[실험 실행]
    D --> E[결과 측정]
    E --> F[판단·다음 가설]
    F --> B
    style A fill:#f9d
    style F fill:#f9d
    style C fill:#9df
    style D fill:#9df
    style E fill:#9df

분홍색 단계가 사람이 아직 들고 있는 부분, 파란색이 Claude가 본격적으로 가져간 부분이다. Anthropic의 우려는 분홍색 단계 중 특히 마지막 “판단” 단계가 모델로 넘어가는 순간 사람이 사실상 루프 밖으로 밀려난다는 것이다.

안전 쪽 메시지

이 발표는 자랑이 아니라 안전·정책 제안과 한 묶음이다. Anthropic은 다른 AI 연구소와 같이 협력해야 작동하는 검증 가능한 글로벌 슬로다운 장치를 제안하고, “AI가 후속 AI를 짜기 시작하면 정렬(alignment) 문제를 가장 자신 없어 한다"고 적었다.

한국 독자에게 어떤 의미인가

6개월 전만 해도 “AGI” 단어를 자기 입으로 쓰는 곳은 OpenAI 한 곳이었다. 이번에 두 번째 큰 회사가 사내 수치까지 풀면서 비슷한 톤으로 옮겨왔다는 게 트렌드 변화다. 당장 뭘 바꿀 필요는 없지만, Claude·GPT·Gemini를 매일 쓰는 팀과 안 쓰는 팀의 격차가 분기 단위로 누적된다는 신호로 잡아두면 좋다.

출처