코딩 에이전트를 쓰는 사회과학자 1,260명 서베이를 읽고
Anthropic이 2026년 2~3월에 사회과학자 1,260명을 설문한 결과를 공개했어요. 코딩 에이전트는 챗봇과 달리 분석을 직접 실행하고, 결과를 해석하고, 고쳐서 다시 돌리는 도구예요. 이 리포트는 그런 도구가 연구 방식에 어떤 차이를 만드는지 본 첫 실증 조사예요. 눈에 띈 수치 다섯 가지를 정리해 볼게요.
인사이트 1: 써 본 사람은 81%, 꾸준히 쓰는 사람은 20%예요
응답자의 81%가 연구에 생성형 AI를 써봤지만, 코딩 에이전트를 정기적으로(주 1회 이상) 쓰는 사람은 20%에 불과하다. 사용자 중 86%가 Claude Code를 쓴다.
81%는 연구에 생성형 AI를 한 번이라도 써 본 비율이고, 20%는 코딩 에이전트를 주 1회 이상 쓰는 비율이에요. 두 숫자는 서로 다른 도구를 센 거예요.
인사이트 2: 코딩 에이전트 채택 격차는 일반 AI보다 커요
남성 이름 연구자의 코딩 에이전트 사용률은 여성 이름의 2배가 넘고, 상위 25개 대학 연구자는 40% 더 많이 쓴다. 박사과정·포닥은 주 1회 이상 사용이 25%인 반면 종신교수는 그 절반 이하다. 이 격차는 일반 AI 사용 격차보다 크다.
성별, 학교, 경력 단계에 따라 사용률이 크게 갈려요. 경력 쪽은 방향이 반대예요. 박사과정·포닥의 주 1회 이상 사용률이 종신교수의 두 배가 넘어요.
인사이트 3: 코딩 에이전트는 주로 분석 코드에 쓰여요
코딩 에이전트 사용자의 97%가 분석 코드 생성에 쓴다(다른 AI 사용자는 77%). 산문 편집이 그다음이고, 글 초안 작성은 경제학·경영학을 빼면 소수 관행이다.
다른 AI 사용자(77%)와 비교하면 코딩 에이전트 사용자 쪽이 코드 작업에 더 몰려 있어요.
인사이트 4: 프로젝트와 워킹페이퍼는 늘었고, 저널 제출은 늘지 않았어요
코딩 에이전트 사용자는 시작한 프로젝트가 약 25% 많고 워킹페이퍼를 약 50% 더 올렸다. 그러나 저널에 새 논문을 더 많이 제출했다는 증거는 없다. (선택 효과를 배제할 수 없는 기술적 비교다.)
리포트도 이 비교가 기술적(descriptive) 비교라고 밝혀요. 원래 생산성이 높은 연구자가 코딩 에이전트를 먼저 썼을 가능성(선택 효과)을 배제하지 못한다는 뜻이에요.
인사이트 5: 자기 생산성은 낙관하고, 분야 전체에는 덜 낙관해요
88%가 AI의 논문 생산성 기여에 낙관적(10점 척도 중앙값 초과)이지만, 70%는 분야 전체 영향보다 자기 논문 생산성에 더 낙관적이다.
88%는 AI가 논문 생산성에 기여할 거라고 낙관한 비율이고, 70%는 자기 논문 생산성을 분야 전체에 대한 영향보다 더 낙관적으로 본 비율이에요.
