앤트로픽(Anthropic)이 2026년 2월부터 3월까지 미국과 캐나다의 정량 사회과학자 1,260명을 대상으로 코딩 에이전트(coding agent) 활용 실태를 조사한 결과, 클로드 코드(Claude Code)·코덱스(Codex)·커서(Cursor) 같은 에이전트형 코딩 도구를 주 1회 이상 정기적으로 사용하는 연구자는 전체의 20%에 그쳤다. AI 챗봇을 연구에 활용한 경험이 있다고 답한 비율이 81%에 달한 것과 대조적으로, 분석 코드를 자율적으로 작성·실행·수정하는 에이전트 단계까지 나아간 연구자는 여전히 소수였다. 코딩 에이전트 사용자 가운데 86%는 클로드 코드를 주로 활용한다고 밝혔고, 코덱스는 31%였다.
채택률은 분야와 경력 단계에 따라 큰 편차를 보였다. 경제학자의 약 39%가 코딩 에이전트를 쓰는 반면 공중보건(6%)·교육학(4%)·커뮤니케이션(6%) 분야는 한 자릿수에 머물렀다. 경력별로는 박사후연구원(postdoc)의 28%가 해당 도구를 활용하는 데 비해 정년 보장 교수는 9%에 불과해 젊은 연구자 쪽으로 채택이 집중됐다. 성별 격차도 두드러졌다. 이름 기반으로 추정한 결과, 전형적인 남성 이름을 가진 연구자의 채택률(22%)이 여성 이름을 가진 연구자(9%)의 두 배를 넘었다. 상위 25위권 대학 소속 연구자의 채택률(24%)도 나머지 기관(17%)보다 높았으며, 이 모든 차이는 통계적으로 유의미했다.
실제 활용 목적에서는 글쓰기 지원보다 코드 생성이 압도적으로 많았다. 코딩 에이전트 사용자의 97%, 일반 AI 사용자의 77%가 정량 분석용 코드 작성에 AI를 쓴다고 답했다. 반면 산문 초안 작성에 AI를 활용하는 비율은 전체 AI 사용자의 약 3분의 1에 그쳤다. 연구자들은 AI가 자신의 논문 생산성에 도움이 된다고 비교적 낙관한 반면, AI가 해당 분야 전체에 미칠 영향에 대해서는 상대적으로 신중한 태도를 보였다. 논문이 늘어날수록 학술지 경쟁이 심화되고 연구 품질이 낮아질 수 있다는 우려가 배경에 깔려 있었다.
생산성 측면에서 코딩 에이전트 사용자는 분야와 경력 단계를 통제한 뒤에도 비사용자보다 실증 프로젝트 착수에서 약 10%, 워킹페이퍼(working paper) 공개에서 약 75% 더 많은 산출물을 보였다. 다만 저널 논문 신규 제출에서는 유의미한 차이가 없었다. 연구진은 이를 에이전트가 프로젝트 초기 단계에는 효과적이지만 최종 논문화 단계에서는 덜 유용할 가능성으로 해석했다. 앤트로픽은 현재 무작위 실험을 포함한 후속 연구를 진행 중이며, 코딩 에이전트가 연구 생산성에 미치는 인과적 효과는 별도로 발표할 예정이라고 밝혔다.
