📄 원문: How Anthropic teams use Claude Code
- 출처: How Anthropic teams use Claude Code
- 저자: Anthropic
- 원문 발행일: 2025년 7월 24일
- 라이선스: 저작권 Anthropic
- 번역일: 2025년 7월 30일
- 번역 및 감수: Claude and 공부하우
- 참고: 이 번역은 교육 목적으로 작성되었으며, Anthropic의 공식 번역이 아닙니다.
⚖️ 저작권 안내
이 번역문은 교육 및 정보 제공 목적으로 작성되었습니다. 원문의 저작권은 Anthropic에 있으며, 이 번역은 Anthropic의 공식 번역이 아닙니다.
본 번역은 다음과 같은 교육적 공정 사용(Fair Use) 원칙에 따라 제공됩니다:
- 비영리 교육 목적
- 원문 출처의 명확한 표시
- 한국어 사용자의 기술 이해 증진을 위한 변형적 사용
- 원저작물의 시장 가치에 부정적 영향을 미치지 않음
저작권 관련 문제가 제기될 경우, 즉시 적절한 조치를 취하겠습니다. 상업적 사용이나 재배포 전에 원저작권자의 허가를 받으시기 바랍니다.
문의사항이나 우려사항이 있으시면 오른쪽 템플릿 복사를 클릭 하신 뒤, 연락 페이지를 통해 알려 주시기 바랍니다.
Anthropic 팀이 Claude Code를 사용하는 방법
Claude Code와 같은 에이전틱 코딩 도구 (Agentic coding tools)는 개발자들이 작업 흐름을 빠르게 만들고, 반복적인 일을 자동화하며, 복잡한 프로그래밍 프로젝트를 해결하는 데 도움을 줍니다. 이 분야가 발전하면서, 우리는 직원들을 포함한 사용자들로부터 매일 새로운 활용법을 배우고 있습니다.
2025년 7월 24일
더 자세히 알아보기 위해, 우리는 Anthropic의 여러 팀 직원들을 만나 그들이 업무에서 Claude Code를 어떻게 활용하는지 들어보았습니다.
많은 활용 사례는 예상했던 대로였습니다—디버깅, 코드베이스 탐색, 워크플로우 관리 등이죠. 하지만 놀라운 사례들도 있었습니다. 법무팀은 전화 트리 시스템을 만들었고, 마케팅팀은 수백 개의 광고 변형을 몇 초 만에 생성했습니다. 데이터 과학자들은 JavaScript를 모르면서도 복잡한 시각화를 만들어냈습니다.
여기서 분명한 패턴을 발견했습니다: 에이전틱 코딩은 단순히 기존 개발을 빠르게 만드는 게 아닙니다. 기술적인 일과 비기술적인 일 사이의 경계를 없애고, 문제를 설명할 수 있는 사람이라면 누구나 해결책을 만들 수 있게 해줍니다.
우리가 배운 내용을 소개합니다.
코드베이스 탐색과 이해
회사 전반의 팀들이 Claude Code를 사용해 신입사원은 물론 기존 직원들도 코드베이스를 빠르게 파악할 수 있도록 돕고 있습니다.
인프라 팀에 새로 합류한 데이터 과학자들은 전체 코드베이스를 Claude Code에 입력하여 빠르게 업무를 시작합니다. Claude는 코드베이스의 CLAUDE.md 파일을 읽고, 관련 파일을 찾아내며, 데이터 파이프라인 (data pipeline) 의존성을 설명하고, 어떤 업스트림 소스가 대시보드에 연결되는지 보여줍니다. 이는 기존의 데이터 카탈로그 도구를 대체하고 있습니다.
제품 엔지니어링 팀은 Claude Code를 모든 프로그래밍 작업의 "첫 번째 기착지"라고 부릅니다. 버그 수정, 기능 개발, 분석을 위해 어떤 파일을 살펴봐야 하는지 Claude에게 물어보면서, 새 기능을 만들기 전에 관련 정보를 수동으로 수집하는 시간 낭비를 없앴습니다.
테스팅과 코드 리뷰
에이전틱 코딩 도구가 특히 인기 있는 이유는 중요하지만 지루한 두 가지 프로그래밍 작업을 자동화할 수 있기 때문입니다: 유닛 테스트 (unit tests) 작성과 코드 리뷰입니다.
제품 디자인 팀은 Claude Code를 사용해 새 기능에 대한 종합적인 테스트를 작성합니다. GitHub Actions를 통해 풀 리퀘스트 (Pull Request) 코멘트를 자동화했고, Claude가 서식 문제와 테스트 케이스 리팩토링을 자동으로 처리합니다.
보안 엔지니어링 팀은 작업 방식을 완전히 바꿨습니다. 이전에는 "설계 문서 작성 → 대충 코드 작성 → 리팩토링 → 테스트 포기" 순서였다면, 이제는 Claude에게 의사코드를 요청하고, 테스트 주도 개발 (test-driven development)로 안내받으며, 주기적으로 확인하는 방식으로 바뀌었습니다. 결과적으로 더 안정적이고 테스트 가능한 코드가 만들어집니다.
에이전틱 코딩은 테스트를 다른 프로그래밍 언어로 번역하는 데도 사용됩니다. 예를 들어, 추론 팀이 Rust처럼 익숙하지 않은 언어로 기능을 테스트해야 할 때, 테스트하려는 내용을 설명하면 Claude가 해당 코드베이스의 네이티브 언어로 로직을 작성해줍니다.
디버깅과 문제 해결
프로덕션 환경의 문제는 빠른 해결이 필요하지만, 압박감 속에서 익숙하지 않은 코드를 이해하려다 보면 자주 지연이 발생합니다. 회사의 많은 팀들이 Claude Code를 사용해 스택 트레이스 (stack traces), 문서, 시스템 동작을 실시간으로 분석하여 진단과 수정을 빠르게 처리하고 있습니다.
문제가 발생했을 때, 보안 엔지니어링 팀은 스택 트레이스와 문서를 Claude Code에 입력하여 코드베이스 전체의 제어 흐름을 추적합니다. 보통 수동으로 10-15분 걸리던 문제 해결이 이제는 3배 빨라졌습니다.
Claude Code 덕분에 제품 엔지니어링 팀은 익숙하지 않은 코드베이스의 버그도 자신 있게 해결합니다. "이 버그를 고칠 수 있나요? 이런 동작을 보고 있습니다"라고 Claude에게 물어보고, 다른 엔지니어링 팀의 도움 없이도 제안된 해결책을 검토합니다.
실제 사례를 들면, 쿠버네티스 (Kubernetes) 클러스터가 파드 (pods) 스케줄링을 멈췄을 때, 데이터 인프라 팀은 Claude Code를 사용해 문제를 진단했습니다. 대시보드 스크린샷을 입력하자, Claude는 Google Cloud UI의 메뉴를 하나하나 안내하며 파드 IP 주소 부족 문제를 찾아냈습니다. 그리고 새 IP 풀을 만들고 클러스터에 추가하는 정확한 명령어를 제공해, 시스템 장애 중 20분이라는 소중한 시간을 절약했습니다.
프로토타이핑과 기능 개발
새 기능을 만드는 일은 전통적으로 깊은 기술 지식과 많은 시간이 필요했습니다. Claude Code는 프로그래밍 전문성과 관계없이 팀이 아이디어를 빠르게 검증할 수 있도록 신속한 프로토타이핑과 전체 애플리케이션 개발까지 가능하게 합니다.
제품 디자인 팀원들은 Figma 디자인 파일을 Claude Code에 입력하고, Claude Code가 새 기능의 코드를 작성하고 테스트를 실행하며 계속 개선하는 자율 루프를 설정합니다. 추상적인 문제를 Claude에게 주고 자율적으로 작업하게 한 뒤, 최종 개선 전에 해결책을 검토합니다. 한번은 사람의 검토를 거의 거치지 않고 Claude가 스스로 Vim 키 바인딩을 만들기도 했습니다.
Claude Code를 통해 제품 디자인 팀은 예상치 못한 활용법을 발견했습니다: 개발 단계가 아닌 디자인 단계에서 오류 상태, 로직 흐름, 시스템 상태를 미리 파악해 엣지 케이스 (edge cases)를 찾아내는 것입니다. 이는 초기 디자인 품질을 근본적으로 향상시키고 나중에 디버깅에 들어갈 시간을 크게 줄여줍니다.
TypeScript를 잘 모르는 데이터 과학자들도 Claude Code를 사용해 강화학습 (RL) 모델 성능을 시각화하는 완전한 React 애플리케이션을 만듭니다. 샌드박스 환경에서 한 번의 프롬프트로, 도구가 처음부터 전체 TypeScript 시각화를 작성합니다. 작업이 단순하기 때문에 첫 번째 프롬프트가 충분하지 않으면 약간 수정해서 다시 시도하면 됩니다.
문서화와 지식 관리
기술 문서는 흔히 위키, 코드 주석, 팀원들의 머릿속에 흩어져 있습니다. Claude Code는 MCP와 CLAUDE.md 파일을 통해 이 지식을 접근하기 쉬운 형태로 통합하여, 필요한 모든 사람이 전문 지식을 활용할 수 있게 합니다.
머신러닝 (ML) 배경이 없는 추론 팀원들은 모델별 함수를 이해하기 위해 Claude에 의존합니다. 보통 Google 검색에 한 시간이 걸리던 일이 이제는 10-20분이면 충분합니다—연구 시간이 80% 줄어든 것입니다.
보안 엔지니어링 팀은 Claude가 여러 문서 출처를 수집해 마크다운 런북과 문제 해결 가이드를 만들도록 합니다. 이렇게 압축된 문서는 실제 프로덕션 문제를 디버깅할 때 맥락을 제공하며, 전체 지식 베이스를 검색하는 것보다 훨씬 효율적입니다.
자동화와 워크플로우 최적화
에이전틱 코딩 도구는 팀이 전담 개발자나 비싼 소프트웨어 없이도 맞춤형 자동화를 구축할 수 있게 도와줍니다.
성장 마케팅 팀은 수백 개의 광고가 담긴 CSV 파일을 처리하고, 성과가 낮은 광고를 찾아내며, 엄격한 글자 수 제한 내에서 새로운 변형을 생성하는 에이전틱 워크플로우를 만들었습니다. 두 개의 특화된 하위 에이전트를 사용하는 이 시스템은 몇 시간이 걸리던 작업을 몇 분 만에 처리합니다.
또한 프레임을 식별하고 헤드라인과 설명을 바꿔가며 최대 100개의 광고 변형을 프로그래밍 방식으로 생성하는 Figma 플러그인도 개발했습니다. 몇 시간 동안 복사-붙여넣기하던 작업이 광고 묶음당 0.5초로 줄어들었습니다.
특히 독특한 사례로, 법무팀은 팀원들이 Anthropic의 적합한 변호사와 연결될 수 있도록 돕는 프로토타입 "전화 트리" 시스템을 만들었습니다. 이는 부서들이 전통적인 개발 자원 없이도 맞춤형 도구를 만들 수 있음을 보여줍니다.
Claude Code로 새로운 가능성 열기
이런 사례들이 보여주는 패턴이 있습니다: Claude Code는 인간의 워크플로우를 보강할 수 있는 부분에 집중할 때 가장 잘 작동합니다. 가장 성공적인 팀들은 Claude Code를 단순한 코드 생성기가 아닌 사고의 파트너로 대합니다.
그들은 가능성을 탐구하고, 빠르게 프로토타입을 만들며, 기술자와 비기술자 모두와 발견한 내용을 공유합니다. 인간과 AI 간의 이런 협업적 접근은 우리가 이제 막 이해하기 시작한 기회들을 만들어내고 있습니다.
Anthropic 팀이 Claude Code를 사용하는 방법에 대해 더 알아보기.
아래 내용은 독자의 이해를 돕기 위해 공부하우가 추가한 설명입니다. 원문에는 없는 내용입니다.
주요 용어 설명
이 문서에서 사용된 주요 기술 용어들을 설명합니다:
개발 도구 관련 용어
에이전틱 코딩 도구 (Agentic coding tools)
AI가 스스로 코드를 작성하고, 수정하고, 실행할 수 있는 도구입니다. 단순한 자동완성을 넘어서 복잡한 작업을 독립적으로 수행할 수 있습니다.
데이터 파이프라인 (Data pipeline)
데이터가 수집되어 처리되고 최종 목적지까지 이동하는 일련의 과정입니다. 물이 파이프를 통해 흐르듯 데이터가 단계별로 처리됩니다.
유닛 테스트 (Unit tests)
프로그램의 가장 작은 단위(함수나 메서드)가 제대로 작동하는지 확인하는 테스트입니다. 각 기능을 개별적으로 검증합니다.
테스트 주도 개발 (Test-driven development, TDD)
먼저 테스트를 작성하고, 그 테스트를 통과하는 코드를 나중에 작성하는 개발 방법론입니다.
시스템 및 인프라 용어
스택 트레이스 (Stack traces)
프로그램에서 오류가 발생했을 때 어떤 함수들이 호출되었는지 순서대로 보여주는 정보입니다. 오류의 원인을 찾는 데 중요합니다.
쿠버네티스 (Kubernetes)
컨테이너화된 애플리케이션을 자동으로 배포, 확장, 관리하는 오픈소스 플랫폼입니다.
파드 (Pods)
쿠버네티스에서 배포 가능한 가장 작은 컴퓨팅 단위입니다. 하나 이상의 컨테이너를 포함합니다.
개발 프로세스 용어
엣지 케이스 (Edge cases)
일반적이지 않은 극단적인 상황이나 예외적인 경우를 의미합니다. 이런 경우를 미리 고려하면 더 안정적인 소프트웨어를 만들 수 있습니다.
강화학습 (Reinforcement Learning, RL)
AI가 시행착오를 통해 최적의 행동을 학습하는 머신러닝 방법입니다. 보상과 처벌을 통해 학습합니다.
머신러닝 (Machine Learning, ML)
컴퓨터가 명시적인 프로그래밍 없이 데이터로부터 패턴을 학습하고 예측하는 기술입니다.
도구 및 플랫폼
GitHub Actions
GitHub에서 제공하는 CI/CD(지속적 통합/배포) 플랫폼으로, 코드 변경 시 자동으로 테스트나 배포를 실행할 수 있습니다.
풀 리퀘스트 (Pull Request)
코드 변경사항을 메인 코드베이스에 병합하기 전에 검토를 요청하는 GitHub의 기능입니다.
Figma
웹 기반 UI/UX 디자인 협업 도구입니다. 디자인 파일을 실시간으로 공유하고 편집할 수 있습니다.
MCP (Model Context Protocol)
AI 모델이 외부 도구와 데이터에 접근할 수 있게 하는 프로토콜입니다. Claude가 더 많은 작업을 수행할 수 있게 합니다.