클로드를 잘 쓰는 사람과 못 쓰는 사람 차이를 어떻게 줄이나요?

클로드 업무자동화 활용률에서 사람마다 편차가 크게 벌어지는 이유는 개인의 학습 능력 차이가 아닙니다. Anthropic 공식 문서가 설명하듯 Cowork는 프롬프트에 순차적으로 답하는 방식이 아니라 복잡한 다단계 작업을 자율적으로 수행하는 구조입니다. 이건 도구를 배우는 문제가 아니라 일을 맡기는 방식을 바꾸는 문제라, 맡길 업무가 있는 사람과 없는 사람 사이에서 격차가 벌어집니다.

그래서 편차를 줄이는 방법도 교육 횟수가 아닌 다른 데 있습니다.

왜 어떤 사람만 잘 쓰나요?

흥미로운 단서가 있습니다. 한국은행 이슈노트 제2025-22호는 AI 활용에 따른 업무시간 단축 효과가 경력이 짧은 근로자에게 더 크게 나타났다고 보고하며 이를 AI의 평준화 효과로 해석합니다.

뒤집어 보면 이런 뜻입니다. 잘 쓰는 사람이 원래 일을 잘하던 사람이 아닐 수 있습니다. 자기 업무를 잘게 쪼개 설명할 수 있는 사람이 잘 씁니다. 경력이 길수록 일을 몸으로 알고 있어 오히려 말로 옮기기 어려운 경우가 있습니다.

편차의 원인을 "관심 있는 사람과 없는 사람"으로 규정하면 해법이 독려밖에 안 남습니다. "맡길 업무를 정의한 사람과 못 한 사람"으로 보면 해법이 업무 정의로 바뀝니다.

직종에 따라서도 다른가요?

한국노동연구원 노동리뷰 제251호는 생성형 AI의 영향이 직종과 연령에 따라 고르지 않게 나타난다는 점을 다룹니다. 사내 편차도 개인차만이 아니라 직무 구조의 차이가 상당 부분을 설명합니다.

같은 회사 안에서도 이렇게 갈립니다.

잘 쓰게 되는 조건	안 쓰게 되는 조건
산출물이 문서·표로 나온다	산출물이 현장 작업이거나 구두 협의다
반복되는 정형 업무가 있다	매번 조건이 달라 정형화가 어렵다
결과를 스스로 검수할 수 있다	검수를 상급자가 해야 한다

오른쪽 조건인 직원에게 같은 교육을 반복하면 활용률은 오르지 않고 피로만 쌓입니다.

전사 활용률을 어떻게 균일하게 만드나요?

모두를 같은 수준으로 올리는 것을 목표로 삼지 마십시오. 부서마다 맡길 업무를 하나씩 정하는 것이 현실적인 균일화입니다.

1. 부서별 반복 산출물 1개씩 지정 — 전사 공통 과제가 아니라 그 부서의 실제 업무로
2. 그 업무의 절차를 문서로 적기 — 어느 단계에서 맡기고 어디서 검수할지
3. 담당자 1명이 먼저 해 보기 — 전원이 아니라 한 명이 결과물을 만들어 냅니다
4. 그 결과물로 부서 내 공유 — 교육 자료가 아니라 실제 산출물이 설득 자료가 됩니다
5. 절차서에 반영 — 여기까지 와야 사람이 바뀌어도 남습니다

3번을 전원으로 바꾸면 대부분 1번으로 되돌아갑니다. 한 명이 성공한 뒤에 옆으로 번지는 편이 빠릅니다.

도입 전에 정해야 할 것

Cowork는 컴퓨터에서 직접 동작해 로컬 파일을 읽고 쓰며, 결과물로 정리된 문서나 스프레드시트 같은 형태를 만듭니다. 그래서 활용률 이전에 범위가 먼저입니다.

• 어떤 폴더를 열어 줄 것인가
• 결과물을 어디에 저장하고 어떻게 버전을 관리할 것인가
• 검수는 누가 어느 시점에 하는가

이게 정해지지 않으면 잘 쓰는 사람일수록 각자 다른 방식으로 쌓아 올려, 나중에 편차가 더 커집니다.

강사는 어떤 기준으로 섭외하나요?

편차 문제를 다루는 교육인지 아닌지는 요청서에서 갈립니다. 아래를 요구 조건으로 넣으십시오.

• 사전 진단 — 부서별로 맡길 업무가 있는지 먼저 확인하는가
• 부서별 실제 파일 실습 — 공통 샘플이 아니라 그 부서 자료로
• 검수 절차 설계 포함 — 결과물의 무엇을 어떻게 확인할지
• 사후 개입 — 교육 당일이 아니라 이후 30일에 접점이 있는가

도구 조작 시연만 하는 강의는 잘 쓰던 사람만 더 잘 쓰게 만들어, 편차를 오히려 벌립니다.

먼저 할 것

부서장에게 "이 부서에서 매주 반복되는 산출물 하나"를 받아 보십시오. 목록이 안 나오는 부서가 있다면, 그 부서는 교육 대상이 아니라 업무 정의 대상입니다.

함께 보면 좋은 자료

• Claude Cowork를 직원 업무 자동화에 쓸 수 있나요? — 맡기는 방식과 검수 방식
• 우리 회사 AI 수준, 몇 점이라고 생각하세요? — 부서별 편차를 수치로 확인
• AI 에이전트 교육 — 업무를 맡기는 단계로 넘어갈 때
• AI 활용 수준 무료 진단 — 부서별 맡길 업무를 함께 추릴 때

자주 묻는 질문

• 잘 쓰는 사람은 원래 일을 잘하는 사람인가요?
  꼭 그렇지는 않습니다. 업무시간 단축 효과가 경력이 짧은 근로자에게 더 크게 나타났다는 분석이 있습니다. 자기 업무를 잘게 쪼개 설명할 수 있는지가 더 큰 변수입니다.
• 전 직원 활용률을 같게 만들 수 있나요?
  직무 구조가 다르면 어렵습니다. 목표를 '모두 같은 수준'이 아니라 '부서마다 맡긴 업무 1개'로 잡는 편이 현실적입니다.
• 교육을 몇 번 더 하면 나아지나요?
  맡길 업무가 정의되지 않은 부서에서는 횟수를 늘려도 잘 오르지 않습니다. 업무 정의가 먼저입니다.
• 도입 전에 꼭 정해야 할 것은?
  열어 줄 폴더 범위, 결과물 저장 위치와 버전 관리, 검수 주체와 시점입니다. 로컬 파일을 다루는 구조라 범위가 먼저입니다.
• 강사 섭외는 어떤 기준으로 하나요?
  사전 진단, 부서별 실제 파일 실습, 검수 절차 설계, 사후 30일 개입을 요구 조건으로 넣으십시오. 조작 시연만 하는 강의는 편차를 벌립니다.

참고한 자료

• Anthropic (확인일 2026-08-16), Claude 문서 — Cowork 개요
• 한국은행 (2025.08.18), BOK 이슈노트 제2025-22호 「AI의 빠른 확산과 생산성 효과」
• 한국노동연구원 (2026.2), 노동리뷰 제251호 — 생성형 AI가 노동시장에 미치는 영향