경량 분류기 제거와 전체 문맥 분석을 통한 개입 정확도 개선

Anthropic은 슬랙(Slack) 내 에이전트인 Claude Tag가 개별 메시지를 하나씩 평가하던 기존 방식에서 벗어나 전체 대화 문맥을 직접 읽도록 업데이트했다. 이 조치로 Claude Tag가 대화에 요청 없이 개입해야 할 시점과 개입하지 말아야 할 시점을 결정하는 능력이 약 30% 향상되었다. Anthropic은 메시지별 응답 여부를 이분법적으로 결정하던 기존의 경량 분류기(lightweight classifier)를 시스템에서 완전히 제거했다. 이제 Claude는 채널의 전체 대화 내용과 저장된 메모리, 그리고 상시 적용되는 지침을 통합적으로 분석하여 행동을 결정한다.

Claude Tag는 분석한 문맥을 바탕으로 인라인 답장, 스레드 내 심층 작업 시작, 기존 워크스트림으로의 메시지 라우팅, 침묵이라는 네 가지 행동 옵션 중 하나를 선택한다. 예를 들어 두 명의 엔지니어가 서로를 언급하지 않은 채 동일한 버그를 서로 다른 관점에서 추적할 때, Claude는 개별 메시지에서는 반응하지 않다가 두 메시지를 통합 분석하여 이론과 증거가 결합된 상태로 조사 스레드를 생성한다. Anthropic은 에이전트의 과도한 개입이 사용자에게 불쾌감을 줄 수 있다는 점을 고려해 명시적인 억제(restraint) 시스템을 구축했다. Claude는 자신이 추가할 내용이 없다고 판단되는 채널에서 반복적으로 무응답 상태를 유지할 경우 스스로 휴면 상태로 전환된다.

MCP 표준 도입과 데이터 연결성을 통한 선제적 개입 기반 구축

Anthropic은 2024년 말 기업 데이터 시스템과 AI를 연결하는 오픈 표준인 Model Context Protocol(MCP)을 도입했다. MCP는 AI 커넥터를 위한 'USB-C'와 같은 역할을 수행하며, Claude가 기업 내부의 다양한 데이터 시스템에 거버넌스 기반으로 안전하게 접근할 수 있는 통로를 제공한다. 2025년에 들어 OpenAI와 Google이 이 MCP 표준을 채택하면서 기업 환경 내 AI 연결성은 파편화된 개별 연동 방식에서 표준화된 인프라 체계로 전환되었다. 이러한 연결성은 Claude가 서로 다른 소스에서 오는 데이터를 연결해 문제점을 발견하고 선제적으로 해결책을 제시하는 기반이 된다.

Anthropic은 모델의 지능 수준을 높여 데이터 간의 점을 연결하는 능력을 강화함으로써, AI의 선제적 개입이 사용자에게 방해가 되지 않고 실질적인 도움이 되는 임계점을 확보했다. 또한 협업이 실제로 일어나는 장소에 AI를 배치하기 위해 슬랙과의 파트너십을 통해 통합 환경을 구축했다. 이를 통해 Claude는 고유의 권한과 채널 인식 능력, MCP로 연결된 문맥을 가진 '연합 에이전트 정체성(federated agent identity)'을 부여받았다. 결과적으로 AI는 개별 사용자가 챗봇에 질문을 던지는 구조에서 벗어나, 조직의 데이터와 협업 툴에 직접 연결되어 배경에서 작동하는 구조를 갖추게 되었다.

태스크 완수를 넘어 조직의 목표 달성을 지원하는 운영 보조 체계

Anthropic의 기업 제품 책임자인 스콧 화이트(Scott White)는 AI의 발전 단계를 '단일 태스크의 일부 처리'에서 '전체 태스크 완수', 그리고 현재의 '프로젝트 및 목표 달성' 단계로 정의했다. 과거의 AI가 챗봇에서 질문에 답하거나 IDE에서 코드 한 줄을 완성하는 수준이었다면, 현재의 Claude는 제품의 버그를 지속적으로 제거하거나 법적 NDA 검토 프로세스를 가속화하는 것과 같은 고차원적인 추상 목표를 자율적으로 수행한다. 특히 소프트웨어 공학처럼 Git이나 풀 리퀘스트(PR) 같은 협업 인프라가 없는 일반적인 지식 노동(Knowledge work) 영역에서 AI가 다수의 인원과 직무, 연결된 시스템 사이의 복잡한 맥락을 조율하는 역할을 맡는다.

실제 적용 사례로 사이트 신뢰성 공학(SRE) 분야에서 Claude는 에러 로그를 수집하고 이를 최근의 코드 변경 사항 및 관련 슬랙 대화와 연결한 뒤, 분석 결과를 요약하여 적절한 담당자를 호출함으로써 목표 지향적인 문제를 해결한다. 스콧 화이트 본인의 업무에서도 과거에는 데이터 분석을 위해 데이터 과학자에게 요청하고 1~2일을 기다려야 했던 핸드오프(handoff) 과정이 사라졌으며, 이제는 Claude가 직접 분석을 수행함으로써 전략 수립을 위한 협업 시간에 더 집중하게 되었다. 이러한 변화는 AI의 역할이 개인의 작업을 돕는 '개인 비서(Personal Chief of Staff)'에서 조직의 운영을 보조하는 '회사 비서(Company Chief of Staff)'로 확장되었음을 의미한다. 따라서 조직 내 AI 에이전트의 효용을 판단하는 핵심 기준은 [인라인 답장 / 스레드 생성 / 워크스트림 라우팅 / 침묵]의 4가지 행동 선택지를 상황에 맞게 자율적으로 결정하여 개입하는 능력에 있다.