Anthropic Sonnet 5 공개…AI 경쟁의 초점은 ‘업무 대행’으로 이동

Anthropic이 2026년 6월 30일 Claude Sonnet 5를 공개했다. 이번 발표의 핵심은 단순히 더 똑똑한 챗봇을 내놓는 데 있지 않다. 사용자를 대신해 브라우저를 다루고, 계획을 세우고, 코딩과 문서 작업을 수행하는 ‘에이전트형 AI’를 더 넓은 사용자층에 보급하려는 흐름이 뚜렷해졌다는 점이 중요하다.

Axios 보도에 따르면 Sonnet 5는 Claude 무료·프로 이용자의 기본 모델이 되며, Max·Team·Enterprise 고객에게도 제공된다. Anthropic은 이 모델이 공개적으로 접근 가능한 상위 모델인 Opus 4.8에 가까운 성능을 내면서도, 더 강력한 Opus·Mythos 계열보다 위험한 사이버 활용 가능성이 낮다고 설명했다. 일부 고성능 모델은 보안 우려와 정책 논의 속에서 접근이 제한된 상태로 알려졌다.

이 발표는 AI 시장의 경쟁 축이 ‘질문에 답하는 모델’에서 ‘업무를 맡길 수 있는 모델’로 옮겨가고 있음을 보여준다. OpenAI의 Codex 사용 데이터를 분석한 최근 연구도 비슷한 흐름을 제시했다. 2026년 상반기 Codex 활성 사용자는 5배 이상 늘었고, 초기에는 개발자 중심이던 사용이 비개발자 영역으로 빠르게 확산됐다. 일부 사용자는 여러 AI 에이전트를 동시에 관리하며, 단순 코드 보조를 넘어 더 긴 작업 단위로 AI를 활용하기 시작했다.

보스턴권 독자에게 중요한 지점은 이 변화가 소프트웨어 업계 안에만 머물지 않는다는 점이다. 케임브리지와 켄달스퀘어의 바이오테크 기업, 롱우드 메디컬 에어리어의 헬스케어 조직, 대학 연구실, 금융·컨설팅·전문서비스 회사 모두 문서 작성, 데이터 정리, 코드 작성, 규제 자료 초안, 실험 기록 정리 같은 반복 업무를 갖고 있다. 에이전트형 AI가 실제 업무 시스템과 연결되면 회사가 찾는 역량도 조금 달라질 수 있다. 단순히 AI 도구를 써본 사람보다, AI가 만든 결과를 검증하고 업무 흐름 안에서 통제할 수 있는 사람이 더 중요해질 가능성이 있다.

채용시장에 대한 해석은 단순하지 않다. Business Insider가 전한 Ramp와 Revelio Labs의 분석은 2021년 1월부터 2026년 2월까지 미국 기업 약 2만2,000곳을 살펴본 결과, AI 지출이 높은 기업에서 2년 뒤 전체 인력이 약 10.2%, 엔트리 레벨 채용이 12% 늘었다고 소개했다. 다만 이런 기업은 원래 벤처 투자를 받았거나 성장 속도가 빠른 곳이 많고, 고용 증가도 정보·소프트웨어·인터넷·미디어 분야에 집중됐다. AI가 일자리를 일괄적으로 줄인다고 보기도 어렵고, 반대로 채용을 자동으로 늘린다고 보기도 어렵다.

유학생과 졸업 예정자에게는 포트폴리오의 기준이 조금 달라질 수 있다. Python, SQL, React, 클라우드 경험을 나열하는 것만으로는 차별화가 약해질 수 있다. 작은 프로젝트라도 AI 에이전트를 활용해 요구사항을 나누고, 데이터를 정리하고, 테스트를 붙이고, 결과의 오류를 찾아 수정한 과정을 보여주는 편이 실무 감각을 전달하기 쉽다. OPT나 H-1B 스폰서십은 회사별 정책과 직무 요건이 다르기 때문에 일반화하기 어렵지만, 채용 속도가 느린 환경일수록 직무 설명에 적힌 자동화, AI 도입, 데이터 거버넌스, 보안 검토 관련 표현을 꼼꼼히 볼 필요가 있다.

현직자에게는 업무 일부가 AI로 대체된다는 불안보다, 자신의 역할이 어디에서 검증·조정·책임을 맡는지 파악하는 일이 더 현실적이다. AI가 초안을 만들수록 사람이 맡는 일은 요구사항 정의, 예외 처리, 보안·개인정보 검토, 모델 결과 평가, 고객·규제 맥락 반영으로 이동한다. 특히 헬스케어와 바이오 분야에서는 정확성, 감사 기록, 데이터 접근 권한이 중요하기 때문에 AI 도구 사용 능력과 함께 규제 환경을 이해하는 역량이 함께 평가될 수 있다.

창업 관심자에게도 의미가 있다. 더 저렴하고 접근 가능한 에이전트 모델은 초기 제품 시제품을 만드는 비용을 낮출 수 있다. 동시에 경쟁자도 빠르게 제품을 만들 수 있다는 뜻이다. 보스턴 스타트업 입장에서는 모델 자체보다 병원, 연구실, 기업 고객의 실제 데이터 흐름을 이해하는 능력, 보안과 컴플라이언스 설계, 특정 산업 문제를 깊게 푸는 전문성이 더 중요해질 수 있다.

앞으로 볼 변수는 세 가지다. 첫째, Sonnet 5 같은 중간 가격대 모델이 기업의 AI 도입 비용을 얼마나 낮출지다. 둘째, 보안 우려로 고성능 모델 접근이 제한되는 흐름이 기업 도입 속도에 어떤 영향을 줄지다. 셋째, AI 에이전트가 실제 업무 시스템 안에서 얼마나 안정적으로 결과를 남기고 검증될지다. 보스턴의 테크·바이오 인력시장에서는 ‘AI를 사용한다’는 표현보다, AI가 만든 결과를 업무 책임 안에서 다룰 수 있는지가 점점 더 중요한 질문이 되고 있다.