앤트로픽(Anthropic)이 2026년 2~3월 사회과학자 1,260명을 대상으로 실시한 설문 조사에서 AI 코딩 에이전트(coding agent) 정기 사용률이 이름 기준 남성으로 추정된 연구자에서 여성 추정 연구자의 2배 이상으로 나타났다. 전체 응답자의 81%가 AI 챗봇을 연구에 활용해 본 경험이 있었지만 코딩 에이전트를 주 1회 이상 정기적으로 쓰는 비율은 20%에 그쳤으며, 성별 격차는 같은 학문 분야·직급 내에서도 유의미하게 유지됐다.
분야별 채택률 편차도 컸다. 경제학자는 39%가 코딩 에이전트를 활용하는 반면 교육연구자는 4%, 공중보건 연구자와 커뮤니케이션 연구자는 각각 6%에 머물렀고 정치학은 25%로 중간 수준이었다. 경력 단계별로는 박사 과정생·박사후 연구원의 채택률이 약 27%인 데 비해 종신 교수는 초임 연구자 대비 절반 이하로 떨어졌다. 네이처 인덱스(Nature Index) 기준 상위 25위권 대학 소속 연구자는 다른 기관 대비 40% 더 높은 채택률을 보여 기관 위상에 따른 격차도 확인됐다. 코딩 에이전트 사용자의 97%가 코드 생성 목적으로 사용했으며, 클로드 코드(Claude Code)를 쓰는 비율이 86%로 가장 높았고 오픈AI의 코덱스(Codex)가 31%로 뒤를 이었다.
생산성 측면에서 코딩 에이전트 사용자는 같은 분야·경력 단계의 비사용자와 비교해 프로젝트 착수 건수가 약 10% 많고 워킹 페이퍼(working paper) 게재 건수는 약 75% 더 많은 것으로 나타났다. 그러나 저널 논문 투고·재투고 건수에서는 유의미한 차이가 없었다. 응답자의 88%가 AI가 개인 논문 생산성에 긍정적이라고 평가했고 그 중 절반은 10점 만점에 8점 이상을 부여했다. 반면 AI가 사회과학 분야 전반에 미칠 영향에 대한 낙관론은 개인 생산성 전망과 70%포인트 가까운 격차를 보였다.
연구진은 이번 표본이 클로드 맥스(Claude Max) 계정 제공을 조건으로 모집된 자기 선택 표본(self-selected sample)이어서 AI 도구에 관심 있는 연구자 쪽으로 편향될 수 있다는 점을 방법론 한계로 명시했다. 이 연구는 AI 코딩 도구 확산 초기에 학문 분야·직급·기관 유형·성별에 따른 접근 격차를 실증 데이터로 확인한 사례로, 도구 접근성과 훈련 기회의 불균등이 연구 생산성 격차로 이어질 수 있음을 시사한다. AI 보급 정책 설계와 교육 과정 개편에서 참고할 수 있는 구체적 수치를 제공한다는 점에서 국내 대학·연구기관에도 시사점이 있다.
