[심층분석] 요즘 Claude한테 무슨 일이? 사용자들이 체감하는 변화와 그 뒤의 진짜 이야기

갑자기 왜 다들 "Claude 괜찮아?"라고 묻고 있을까요

최근 Claude를 매일같이 쓰는 개발자 커뮤니티에서 흥미로운 현상이 벌어지고 있어요. "What's up, Claude?" 같은 제목의 글들이 계속 올라오고 있거든요. 우리말로 하면 "Claude야, 너 요즘 왜 그래?" 정도 되겠네요. 코드를 짜다가, 글을 쓰다가, 문서를 정리하다가 갑자기 "어? 얘가 좀 달라진 것 같은데?" 하는 느낌을 받은 사람들이 한둘이 아닌 거죠.

이게 단순히 "AI가 갑자기 멍청해졌다" 같은 단편적인 불만은 아니에요. 오히려 AI 모델을 도구로 진지하게 쓰는 사람들이 늘어나면서, 모델의 미세한 변화 하나하나가 작업 흐름에 영향을 주기 시작했다는 신호로 봐야 해요. 마치 매일 쓰는 에디터의 단축키가 어느 날 바뀌면 손가락이 먼저 알아채는 것처럼요.

그래서 오늘은 Claude를 둘러싸고 요즘 어떤 이야기들이 오가는지, 그리고 이게 우리 개발 환경에 어떤 의미가 있는지 같이 정리해볼게요.

사용자들이 체감하는 변화들

1) 응답 스타일의 미묘한 변화

많은 사용자들이 공통적으로 얘기하는 게 "답변이 짧아진 것 같다", "갑자기 더 깐깐해졌다", "이전에는 알아서 해주던 걸 이제는 한 번 더 확인한다" 같은 부분이에요.

이게 뭐냐면, AI 모델은 출시된 뒤에도 시스템 프롬프트(system prompt)라는 일종의 '사용 설명서'가 계속 업데이트되거든요. 시스템 프롬프트는 쉽게 말해서, 모델한테 "너는 이런 식으로 답변해"라고 알려주는 가이드라인이에요. 모델 자체의 가중치(weight)는 그대로지만, 이 가이드라인이 바뀌면 같은 질문에도 다른 톤의 답이 나올 수 있어요.

예를 들어 예전에는 "이 코드 좀 봐줘"라고 하면 바로 고쳐줬다면, 요즘은 "어떤 환경에서 쓰는 코드예요?", "기존 동작을 유지해야 하나요?" 같은 확인을 먼저 하는 경우가 늘었어요. 사용자 입장에선 답답할 수도 있지만, 위험한 작업(파일 삭제, force push 같은)을 줄이려는 안전장치가 강화된 결과이기도 해요.

2) 컨텍스트 윈도우와 모델 라인업의 정리

최근 Claude는 모델 라인업이 꽤 깔끔하게 정리됐어요.

• Opus 4.7: 가장 똑똑한 형. 복잡한 추론, 큰 코드베이스 작업에 강해요.
• Sonnet 4.6: 일상적인 작업의 '주력 선수'. 속도와 품질의 균형이 좋아요.
• Haiku 4.5: 가볍고 빠른 막내. 간단한 분류, 빠른 응답에 어울려요.

그리고 1M 토큰(1 million tokens) 컨텍스트를 지원하는 변형들이 늘어났어요. 컨텍스트 윈도우라는 건, 쉽게 말해서 AI가 한 번에 '기억'할 수 있는 글의 양이에요. 1M 토큰이면 한국어 기준으로 대략 책 한 권 분량을 통째로 넣고 대화할 수 있다는 뜻이에요.

이게 왜 중요하냐면, 기존에 200K 토큰 시절에는 큰 레포지토리를 분석하려면 "파일 몇 개만 잘라서 넣기"가 필수였거든요. 이제는 레포 전체를 거의 그대로 넣고 "이 코드베이스에서 인증 로직 흐름을 설명해줘" 같은 질문을 할 수 있게 된 거예요.

3) Claude Code의 진화

터미널에서 돌아가는 Claude Code CLI가 점점 더 강력해지고 있어요. 단순한 챗봇이 아니라, 진짜로 파일을 읽고 고치고, 테스트를 돌리고, git 명령을 실행하는 '에이전트'로 진화하고 있거든요.

특히 최근에 추가된 기능들 중 눈에 띄는 건 이런 것들이에요.

• 서브 에이전트(sub-agent): 메인 에이전트가 너무 큰 작업을 받으면, 작은 작업을 다른 에이전트한테 맡길 수 있어요. 오케스트레이션이라는 건, 쉽게 말해서 여러 AI가 각자 맡은 일을 하도록 지휘하는 거예요.
• MCP(Model Context Protocol): AI가 외부 도구(Gmail, Calendar, Drive 등)랑 표준화된 방식으로 연결되는 규약이에요. USB-C처럼, 어떤 도구든 같은 포트로 꽂으면 되는 거죠.
• Hooks: 특정 도구 호출 전후로 사용자 정의 스크립트가 자동 실행돼요. 예를 들어 코드를 수정한 뒤에 자동으로 린터를 돌리거나 하는 거죠.
• Memory 시스템: 대화 사이에 정보를 저장해서, 다음에 다시 만나도 "아 너 그때 그 프로젝트 하던 사람이지" 하고 알아볼 수 있어요.

그런데 왜 이런 '체감 변화' 논쟁이 끊이지 않을까

사실 "AI 모델이 멍청해졌다"는 논쟁은 GPT-4 시절부터 계속 있어왔어요. 이게 진짜 모델이 바뀐 건지, 아니면 사용자들이 적응한 뒤에 새로움이 사라진 건지 구분이 어렵거든요.

A/B 테스트와 라우팅

많은 AI 서비스가 내부적으로 A/B 테스트를 돌려요. 같은 모델이라도 사용자마다 다른 시스템 프롬프트, 다른 안전 필터, 다른 토큰 한도를 적용해보면서 어떤 조합이 가장 좋은지 실험하는 거죠. 그래서 옆 자리 동료는 "오늘 Claude 진짜 잘하던데?"라고 하는데 나는 "왜 이렇게 못해?"라고 느낄 수 있어요. 같은 시간, 같은 회사의 같은 모델인데도요.

양자화와 비용 최적화

또 다른 가능성은 양자화(quantization)예요. 모델을 운영하는 데 드는 비용을 줄이려면, 모델 내부의 숫자들을 더 작은 정밀도로 압축해서 돌리는 게 효율적이에요. 비유하자면, 4K 영화를 1080p로 살짝 압축해서 트래픽을 줄이는 거랑 비슷해요. 압축률이 적당하면 차이를 못 느끼지만, 미묘한 디테일이 사라질 수도 있어요.

Anthropic은 공식적으로 "같은 모델 버전은 가중치가 동일하다"고 밝히고 있지만, 사용자들이 체감하는 변화는 여러 요인이 겹쳐서 생기는 것 같아요.

경쟁 구도: GPT, Gemini, 그리고 Claude

요즘 AI 코딩 도우미 시장은 세 가지 큰 흐름으로 나뉘어요.

GPT 계열 (OpenAI)

범용성이 가장 강해요. 코드, 글쓰기, 이미지, 음성까지 다 잘하는 '만능 선수'. 다만 코딩에 특화된 워크플로우는 Claude만큼 다듬어지지 않았다는 평가가 많아요.

Gemini 계열 (Google)

Google 생태계 연동이 강점이에요. 매우 긴 컨텍스트와 멀티모달(이미지·영상 처리)이 인상적인데, 코드 에이전트 측면에서는 Claude Code만큼의 통합 도구는 아직 부족하다는 의견이 있어요.

Claude 계열 (Anthropic)

코딩과 추론에 집중한 '전문 선수' 포지션이에요. 특히 긴 코드를 다루거나, 여러 단계의 작업을 자율적으로 실행해야 할 때 강점을 보여요. Claude Code, MCP, Hooks 같은 도구들이 "AI를 진짜 동료처럼 쓰자"는 철학을 잘 보여주고 있어요.

비유하자면, GPT는 '다재다능한 프리랜서', Gemini는 '구글 인프라를 아는 사내 직원', Claude는 '시니어 개발자 페어 프로그래밍 파트너' 같은 느낌이에요.

한국 개발자에게 주는 시사점

1) 모델 선택을 더 의식적으로

예전엔 "AI한테 물어볼까?" 하면 그냥 하나 정해서 썼다면, 이제는 작업 성격에 따라 모델을 골라 쓰는 습관이 중요해졌어요.

• 큰 리팩터링, 아키텍처 설계: Opus 4.7
• 일상적인 코드 리뷰, 버그 픽스: Sonnet 4.6
• 빠른 분류, 간단한 변환: Haiku 4.5

비용도 모델마다 꽤 차이가 나거든요. 비싼 모델에 단순 작업을 시키는 건, 페라리로 편의점 가는 거랑 비슷해요.

2) MCP를 슬슬 익혀두기

MCP는 앞으로 AI 도구 생태계의 표준 규약이 될 가능성이 높아요. 지금 익혀두면, 사내 시스템을 AI에 연결할 때 큰 자산이 돼요. 예를 들어 사내 Jira, Confluence, GitHub을 MCP 서버로 만들어두면, AI가 자연스럽게 "지난주 PR 중에 머지 안 된 거 정리해줘" 같은 요청을 처리할 수 있어요.

3) 'AI가 못해서 화내기'보다 '컨텍스트를 잘 주기'

많은 "Claude가 멍청해졌다" 사례를 자세히 보면, 사실 사용자가 컨텍스트를 충분히 주지 않은 경우가 많아요. 모델이 좋아질수록 오히려 "내가 뭘 원하는지"를 명확히 전달하는 능력이 더 중요해져요. 프롬프트 엔지니어링이라는 거창한 말 대신, "동료한테 일 부탁하듯이" 배경, 제약, 목표를 같이 적어주는 습관을 들이면 결과가 확 달라져요.

4) 학습 로드맵 제안

• 1주차: Claude Code CLI 설치하고 작은 사이드 프로젝트에 붙여보기
• 2주차: CLAUDE.md 같은 프로젝트 메모리 파일 작성해보기
• 3주차: MCP 서버 하나 직접 만들어보기 (간단한 사내 API 래퍼라도)
• 4주차: Hooks로 자동 린트·테스트 흐름 구축해보기

마무리: "What's up, Claude?"는 결국 좋은 신호

사용자들이 모델의 미세한 변화에 민감하게 반응한다는 건, AI가 더 이상 신기한 장난감이 아니라 진짜 일터의 도구가 됐다는 뜻이에요. 우리는 IDE가 살짝 느려져도, 컴파일러가 새 경고를 띄워도 바로 알아채잖아요. Claude도 그 자리에 들어온 거예요.

앞으로 1년 안에 우리는 아마 "AI 없이 어떻게 일했지?"라고 묻는 게 아니라, "어떤 AI를 어떻게 조합해서 쓸 것인가"를 고민하는 시기에 들어갈 거예요. 그때 가장 중요한 건 도구를 다루는 감각이고, 그 감각은 지금부터 매일 조금씩 써보면서 쌓이는 거고요.

여러분은 요즘 Claude를 쓰면서 어떤 변화를 느끼셨나요? "이거 진짜 좋아졌다" 싶은 순간과 "어? 왜 이러지?" 싶은 순간이 있다면, 어떤 작업에서 그랬는지 댓글로 공유해주세요. 다른 분들의 경험과 비교해보는 것만으로도 인사이트가 꽤 쌓이거든요.