[Anthropic] Anthropic팀은 어떻게 Claude Code를 사용하는가?

서쿠·6일 전

해당 글은 Anthropic의 공식 블로그에 게시된 케이스 스터디 “How Anthropic teams use Claude Code”를 기반으로 내용을 정리한 것입니다.

https://www.anthropic.com/news/how-anthropic-teams-use-claude-code

이 보고서는 Anthropic 내부 10개 팀이 Claude Code를 실제 업무에 어떻게 활용하고 있는지를 심층적으로 분석한 자료로, AI 코딩 도구의 실질적인 적용 가능성과 효율성을 잘 보여줍니다.

Claude Code

Claude Code는 에이전틱 코딩(agentic coding) 도구로, 개발자들이 복잡한 프로그래밍 작업을 보다 빠르게, 그리고 효율적으로 수행할 수 있도록 돕는 인공지능 기반 도구입니다. 특히 반복적인 작업 자동화, 코드베이스 탐색, 디버깅, 문서화 등의 워크플로우를 지원하며, 기술적인 장벽을 낮춰줍니다.

https://www.anthropic.com/claude-code

이러한 도구들이 빠르게 발전함에 따라, Anthropic을 포함한 다양한 조직에서는 Claude Code를 활용한 새로운 사용 사례가 매일같이 등장하고 있습니다.

https://www.anthropic.com/claude-code

Anthropic 내부 활용 사례 조사

Anthropic은 Claude Code의 실제 효과와 활용성을 더 잘 이해하기 위해, 사내 여러 부서의 팀원들과 협력하여 그들의 업무에서 Claude Code가 어떻게 활용되고 있는지를 조사했습니다. 조사 결과, Claude Code의 활용은 단순한 코드 보조 기능을 넘어서는 양상을 보였습니다.

다음은 인상 깊은 몇 가지 사례입니다 (아래 참고):

법무팀은 고객 응대를 위한 전화 트리 시스템을 Claude Code를 활용해 직접 구축했습니다.
마케팅팀은 단 몇 초 만에 수백 가지 광고 문구 변형을 생성해냈습니다.
데이터 사이언스팀은 JavaScript에 익숙하지 않음에도 불구하고, 복잡한 인터랙티브 시각화를 성공적으로 구현했습니다.

기술과 비기술의 경계를 허무는 도구

이러한 사례들은 Claude Code가 단순히 전통적인 개발을 가속화하는 수준에 그치지 않는다는 것을 보여줍니다. 오히려, 기술적 업무와 비기술적 업무의 경계를 허물고 있다는 점이 핵심입니다.

즉, 문제를 명확하게 설명할 수 있는 사람이라면 누구든지 Claude Code를 통해 실제 솔루션을 구현할 수 있는 역량을 갖출 수 있다는 것입니다. 이는 곧, 에이전틱 코딩 도구가 조직 내 ‘코딩 가능한 인력’을 폭넓게 확장시킨다는 의미이기도 합니다.

본 블로그 포스팅의 이어지는 내용에서는 Anthropic 내부 팀들의 실제 활용 사례를 보다 구체적으로 살펴보고, 이를 통해 Claude Code의 실질적인 활용 방식과 잠재력을 자세히 이해하는 것을 목표로 합니다.

(참고) 팀 역할 정의

먼저 회사에는 다양한 팀과 조직이 존재하며, 각 팀은 고유한 전문성과 책임을 바탕으로 회사의 기술적 기반과 제품, 서비스를 함께 만들어가고 있습니다.

아래는 해당 포스트에서 언급되는 각 팀의 역할과 주요 책임(R&R)을 정리한 내용입니다.

📦 데이터 인프라 팀 (Data Infrastructure Team)

팀 정의:
- 회사의 데이터 생태계를 위한 기반 인프라를 구축하고 유지합니다.
- 모든 팀이 신뢰성 있고 일관된 데이터에 접근할 수 있도록 지원합니다.
주요 R&R:
- 데이터 파이프라인(추출, 전환, 적재(ETL))의 설계 및 운영
- 데이터 레이크 및 데이터 웨어하우스 관리
- 분산 처리 시스템(Spark, Airflow 등) 운영
- 데이터 카탈로그 및 거버넌스 체계 구축
- 각 부서의 데이터 요구 사항에 맞는 플랫폼 기능 제공

🛠️ 제품 엔지니어링 팀 (Product Engineering Team)

팀 정의:
- 사용자와 직접 맞닿는 제품과 서비스의 백엔드 및 프론트엔드 시스템을 설계하고 개발합니다.
주요 R&R:
- 주요 사용자 기능의 개발 및 유지보수
- 마이크로서비스 및 API 설계
- 프론트엔드(UI) 및 앱 개발
- 제품 성능, 안정성, 확장성 개선
- CI/CD 및 배포 파이프라인 운영

🛡️ 보안 엔지니어링 팀 (Security Engineering Team)

팀 정의:
- 회사의 보안 체계를 책임지는 팀으로, 시스템, 애플리케이션, 인프라의 보안 정책 수립과 위협 대응을 담당합니다.
주요 R&R:
- 침해 사고 탐지 및 대응(IR)
- 취약점 스캐닝 및 리포팅
- 인증 및 권한 관리 시스템 운영
- 보안 컴플라이언스 대응
- 보안 교육 및 캠페인 주관

⚙️ Inference 팀

팀 정의:
AI 모델의 서빙 및 실시간 추론 환경을 최적화하는 팀으로, 높은 처리 효율과 안정성을 목표로 합니다.
주요 R&R:
- 모델 서빙 인프라 구축 및 튜닝
- 추론 latency 및 throughput 최적화
- A/B 테스트 및 배포 전략 설계
- GPU/TPU 클러스터 관리
- 실시간 모니터링 및 성능 개선

📊 데이터 사이언스 및 ML 엔지니어링 팀

팀 정의:
- 데이터 기반 의사결정과 AI 모델링을 주도하며, 전사적 인사이트 도출 및 ML 시스템의 안정적 운영을 담당합니다.
주요 R&R:
- 예측 및 분류 모델 개발 (ML/Deep Learning)
- 데이터 분석 및 시각화
- 모델 모니터링 및 리트레이닝 자동화
- MLOps 플랫폼 개발 및 운영
- 비즈니스 인사이트 도출 및 전략 기여

🎨 제품 디자인 팀 (Product Design Team)

팀 정의:
- 고객의 니즈를 반영한 UI/UX를 설계하고, 전사 제품군의 디자인 일관성을 유지하는 역할을 수행합니다.
주요 R&R:
- 사용자 여정(User Journey) 및 와이어프레임 설계
- 인터랙션 디자인 및 프로토타이핑
- 디자인 시스템(컴포넌트 라이브러리) 관리
- 사용자 리서치 및 피드백 분석
- 개발팀과 협업하여 제품 완성도 향상

📈 성장 마케팅 팀 (Growth Marketing Team)

팀 정의:
- 유저 획득 및 리텐션을 목표로 데이터 기반 마케팅 전략을 수립하고 실행합니다.
주요 R&R:
- 퍼널 분석 및 전환율 최적화
- A/B 테스트 설계 및 분석
- 마케팅 퍼포먼스 지표 분석
- CRM 및 사용자 세분화 기반 캠페인 실행
- 채널별 ROI 분석 및 예산 최적화

🧠 RL 엔지니어링 팀 (Reinforcement Learning Engineering Team)

팀 정의:
- 강화학습 알고리즘을 연구하고 실제 시스템에 적용하여 자율적 의사결정 시스템을 구현합니다.
주요 R&R:
- 강화학습 알고리즘 설계 및 구현
- 환경 시뮬레이션 및 reward shaping
- policy/value function 학습 최적화
- online/offline RL 시스템 실험 및 배포
- 성능 로그 분석 및 반복 개선

⚖️ 법무팀 (Legal Team)

팀 정의:
- 전사적인 법률 자문과 리스크 관리를 담당하며, 지속 가능한 비즈니스 운영을 위한 법적 기반을 제공합니다.
주요 R&R:
- 계약서 작성 및 검토
- 개인정보 보호 및 컴플라이언스 대응
- 특허, 상표 등 지식재산권 보호
- 분쟁 및 법적 리스크 대응
- 법률 교육 및 정책 수립

어떻게 쓰이는가?

코드베이스 탐색 및 이해

Codebase navigation and understanding

회사 전체의 팀들이 신입 사원뿐만 아니라 기존 직원들도 코드베이스를 빠르게 파악할 수 있도록 Claude Code를 활용하고 있습니다.

데이터 인프라 팀에 새롭게 합류한 데이터 사이언티스트들은 전체 코드베이스를 Claude Code에 제공하여 빠르게 생산성을 높입니다.

Claude는 코드베이스의 CLAUDE.md 파일들을 읽고, 관련 파일들을 식별하며, 데이터 파이프라인 의존성을 설명하고, 어떤 업스트림 소스가 대시보드로 연결되는지 보여줌으로써 기존의 데이터 카탈로그 도구를 대체합니다.

제품 엔지니어링 팀은 Claude Code를 모든 프로그래밍 작업의 "첫 번째 정차역(first stop)"이라고 부릅니다.

버그 수정, 기능 개발, 분석을 위해 어떤 파일들을 검토해야 하는지 Claude에게 묻고, 새로운 기능을 구축하기 전에 수동으로 컨텍스트를 수집하는 시간 소모적인 과정을 제거합니다.

테스팅 및 코드 리뷰

Testing and code review

에이전틱 코딩 도구는 프로그래밍에서 중요하지만 지루한 두 가지 작업을 자동화하는 능력으로 특히 인기가 높습니다:

단위 테스트 작성
코드 리뷰

제품 디자인 팀은 Claude Code를 사용하여 새로운 기능에 대한 포괄적인 테스트를 작성합니다.

GitHub Actions을 통해 Pull Request 댓글을 자동화했으며, Claude가 포맷팅 이슈와 테스트 케이스 리팩토링을 자동으로 처리합니다.

보안 엔지니어링 팀은 워크플로우를 "설계 문서 → 엉성한 코드 → 리팩토링 → 테스트 포기"에서 Claude에게 의사코드를 요청하고, 테스트 주도 개발을 통해 안내하며, 주기적으로 확인하는 방식으로 변화시켰습니다.

위와 같은 "설계 문서 → 엉성한 코드 → 리팩토링 → 테스트 포기"의 워크플로우를 통해 보다 더 안정적이고 테스트 가능한 코드를 만들어냅니다.

에이전틱 코딩은 테스트를 다른 프로그래밍 언어로 번역하는 데도 사용할 수 있습니다.

예를 들어, Inference 팀이 Rust와 같은 익숙하지 않은 언어로 기능을 테스트해야 할 때, 테스트하고자 하는 내용을 설명하면 Claude가 코드베이스의 네이티브 언어로 로직을 작성합니다.

디버깅 및 문제 해결

Debugging and troubleshooting

프로덕션 이슈는 빠른 대응이 핵심입니다. 하지만 익숙하지 않은 코드를 이해하며 문제를 파악하는 과정은 압박 속에서 더 큰 지연을 초래할 수 있습니다. Claude Code는 스택 트레이스, 관련 문서, 시스템 동작을 실시간으로 분석해 문제 진단과 해결 속도를 높여줍니다.

예를 들어, 문제가 발생했을 때 보안 엔지니어링 팀은 Claude Code에 스택 트레이스와 관련 문서를 입력해 코드베이스의 제어 흐름을 추적합니다.

기존에는 10~15분이 걸리던 수동 코드 검토 작업을 이제는 최대 3배 빠르게 처리할 수 있게 되었다고 말합니다.

제품 엔지니어링 팀 역시 Claude Code를 통해 익숙하지 않은 코드베이스의 버그를 스스로 해결할 수 있는 자신감을 얻었다고 합니다.

"이 버그를 어떻게 고칠 수 있나요? 지금 이런 동작이 관찰되고 있어요."와 같이 Claude에 직접 질문하고, 다른 팀의 도움 없이도 제안된 솔루션을 검토하며 문제를 해결합니다.

또 다른 사례로, Kubernetes 클러스터에서 pod 스케줄링이 멈췄을 때, 데이터 인프라 팀은 Claude Code를 통해 문제를 신속히 파악했습니다.

대시보드 스크린샷을 업로드하자, Claude는 Google Cloud UI의 메뉴 구조를 따라가며 분석을 도와주었고, 결국 pod IP 주소가 고갈된 상황(pod IP address exhaustion)임을 진단해냈습니다.
pod IP address exhaustion(파드 IP 주소 고갈)은 Kubernetes 클러스터 내에서 생성 가능한 pod의 IP 주소가 모두 소진되어 더 이상 새로운 pod를 생성할 수 없는 상태를 의미합니다.
이어서 Claude는 새로운 IP 풀 생성 및 클러스터에 추가하는 정확한 명령어를 제시하여, 시스템 복구에 소요되는 시간을 약 20분 단축할 수 있었습니다.

프로토타이핑 및 기능 개발

Prototyping and feature development

새로운 기능을 개발하는 일은 전통적으로 깊은 기술적 전문성과 많은 시간을 요구해 왔습니다. 하지만 Claude Code는 프로그래밍 지식이 부족한 팀원도 빠르게 아이디어를 실현할 수 있게 도와주며, 전체 애플리케이션 수준의 프로토타이핑까지 가능하게 합니다. 이를 통해 팀은 아이디어를 빠르게 검증하고 반복 개발할 수 있는 역량을 갖추게 됩니다.

예를 들어, 제품 디자인 팀은 Figma 디자인 파일을 Claude Code에 입력하여 새로운 기능 구현을 위한 코드 작성, 테스트 실행, 반복 개선 작업을 자동화합니다.

추상적인 요구사항만 전달한 후 Claude가 자율적으로 작업하도록 맡기고, 마지막 단계에서만 결과를 검토합니다.
실제 사례 중 하나에서는 Claude가 Vim 키 바인딩 기능을 거의 사람의 개입 없이 구축한 예도 있습니다.

특히 주목할 점은, Claude Code가 디자인 과정에서의 로직 흐름 점검 및 엣지 케이스 식별이라는 예상치 못한 활용처로 확장되었다는 점입니다.

개발 단계가 아닌 디자인 단계에서 오류 상태, 로직 흐름, 시스템 상태를 매핑함으로써, 엣지 케이스를 사전에 식별하는 데 쓰인 것입니다.
이 과정은 초기 디자인의 완성도를 높이고, 향후 디버깅에 소요되는 시간을 크게 절약해 줍니다.

또한 데이터 사이언티스트 팀은 TypeScript에 익숙하지 않음에도 불구하고, Claude Code를 활용해 RL(강화학습) 모델 성능을 시각화하는 전체 React 애플리케이션을 성공적으로 구현했습니다.

샌드박스 환경에서 원샷 프롬프트로 시작해, Claude는 코드 구조를 몰라도 처음부터 끝까지 TypeScript 기반 시각화 도구를 완성합니다.
첫 번째 시도가 부족할 경우에는 간단한 프롬프트 수정만으로 다시 시도하면서, 기술적 장벽 없이 높은 생산성을 확보하도록 했습니다.

물론입니다! 전체적으로 문장을 자연스럽게 다듬고, 흐름과 논리적 연결성을 강화한 버전을 아래에 정리해드렸습니다. 기존 스타일을 유지하되 더욱 매끄럽고 직관적인 표현으로 개선했습니다.

문서화 및 지식 관리

Documentation and knowledge management

기술 문서는 종종 위키, 코드 주석, 또는 팀원들의 머릿속에 흩어져 있어 관리와 공유가 어렵습니다. Claude Code는 MCP와 CLAUDE.md 파일을 중심으로 흩어진 지식을 통합된 형태로 정리함으로써, 필요한 사람이 언제든지 전문 지식에 접근할 수 있도록 도와줍니다.

예를 들어, Inference 팀은 ML에 익숙하지 않은 구성원들도 모델별 함수의 동작을 쉽게 이해할 수 있도록 Claude의 도움을 받습니다.

원래는 1시간가량의 구글 검색이 필요했던 설명 작업이 이제는 10~20분 내에 완료되어, 80% 이상 작업 시간이 단축되었습니다.

또한 보안 엔지니어링 팀은 Claude를 활용해 여러 문서 소스를 통합 분석하여 마크다운 기반의 런북(runbook)과 문제 해결 가이드를 자동 생성합니다.

이렇게 정리된 요약 문서는 실제 프로덕션 이슈 대응에 필요한 컨텍스트를 즉시 제공하며, 전체 위키나 저장소를 뒤지는 것보다 훨씬 효율적으로 작동합니다.

자동화 및 워크플로우 최적화

Automation and workflow optimization

에이전틱 코딩 도구를 활용하면, 팀은 전통적으로 전담 개발자나 고가의 소프트웨어가 필요했던 업무 자동화를 직접 구축할 수 있습니다.

예를 들어, 성장 마케팅 팀은 수백 개의 광고가 담긴 CSV 파일을 분석하고, 성과가 낮은 광고를 식별하며, 문자 제한을 만족하는 새로운 광고 버전을 생성하는 자동화된 워크플로우를 구축했습니다.

두 개의 전문화된 서브 에이전트를 통해, 수백 개의 광고 콘텐츠를 수 분 내에 생성할 수 있게 되었습니다.

또한 이 팀은 광고 프레임을 자동으로 식별하고, 헤드라인과 설명을 조합하여 최대 100개의 광고 변형을 만드는 Figma 플러그인도 개발했습니다.

수작업으로 수시간 걸리던 반복 작업이 이제는 광고 하나당 0.5초 수준으로 단축되었습니다.

더 나아가, 법무팀은 Anthropic의 적절한 변호사와 구성원을 연결해주는 "전화 트리" 프로토타입 시스템도 Claude Code로 직접 구현했습니다.

이는 비개발 조직도 자체적으로 맞춤형 도구를 구축할 수 있음을 보여주는 대표적인 사례입니다.

Claude Code로 새로운 가능성 열기

Unlocking new possibilities with Claude Code

이러한 사례들은 하나의 공통된 메시지를 보여줍니다. Claude Code는 인간의 워크플로우를 보완하고 증폭시키는 방식으로 사용할 때 가장 강력한 도구가 됩니다. 단순한 코드 생성기를 넘어, ‘사고의 파트너(thought partner)’로써 AI를 활용하는 팀이 가장 큰 성과를 거두고 있습니다.

이들은 Claude Code를 통해 아이디어를 빠르게 실험하고, 프로토타입을 반복하며, 기술자와 비기술자 모두가 지식과 도구를 공유하는 새로운 협업 환경을 만들어냅니다.

이러한 인간-AI 협업의 방식은 아직 그 잠재력을 완전히 파악하지 못한 채, 우리에게 새로운 기회의 지평을 열어주고 있습니다.

오늘은 Anthropic팀이 Claude Code를 어떻게 활용하는가에 대해서 살펴봤습니다.
읽어주셔서 감사합니다 😍

서쿠

Always be passionate ✨

이전 포스트

Anthropic 社의 Prompt Engineering 완벽 가이드

다음 포스트