시니어 개발자를 모방하는 AI, 그 뒤에는 연봉 3억 원의 '인간 교관' 1,000명이 있다

앤트로픽의 클로드 코드는 경쟁사보다 더 나은 코드를 작성하며 시장을 장악했지만, 오직 머신러닝만으로 정상에 오른 것은 아니다. 데이터 공급업체 스노클 AI 내부에서 '프로젝트 말린'이라고 불리는 이니셔티브는, 약 1,000명의 계약직 소프트웨어 엔지니어들이 최고 수준의 보수를 받으며 클로드 코드의 결과물을 수동으로 검증하고, 평가하고, 미세 조정하고 있다는 사실을 보여준다 .

비즈니스 인사이더가 2026년 5월 말 최초 보도한 이 프로젝트는, 최첨단 AI 모델을 개선하는 데 필요한 노동력이 단순한 데이터 라벨링에서 벗어나 고도로 기술적인 전문가 피드백으로 이동하고 있는 AI 산업의 진화하는 단면을 드러낸다 .

프로젝트 말린이 하는 일

프로젝트 말린은 계약자들에게 실제와 같은 코딩 프롬프트를 만들고, 기능 추가나 버그 수정을 포함한 실제 깃허브 풀 리퀘스트 시나리오에 대한 클로드 코드의 응답을 검토하도록 요청한다 . 이 작업은 블라인드 A/B 테스트 방식으로 진행된다. 계약자들은 서로 다른 두 AI 모델 버전이 생성한 코드를 비교하고, 자신이 평가하는 모델이 어떤 버전인지 모른 채 더 나은 코드를 선택하고 정성적인 피드백을 제공한다 .

프로젝트의 규모와 보상은 앤트로픽이 얼마나 전문가의 의견을 가치 있게 여기는지 보여준다. 비즈니스 인사이더에 따르면 두 명의 계약자는 과제당 최대 280달러를 받았다고 전했다. 각 과제는 보통 한 시간 정도 걸리기 때문에, 일부는 주당 3,000달러 이상을 벌 수 있었다 . 스노클 AI는 제출된 작업의 품질을 관리하기 위해 내부 승인 절차를 유지하고 있다 .

25억 달러짜리 제품에 인간 심사위원이 여전히 필요한 이유

프로젝트 말린에 대한 투자 규모는 클로드 코드의 고속 성장 궤적을 살펴보면 더욱 분명해진다. 2025년 5월 공개된 이 코딩 에이전트는 그해 11월 연 환산 매출 10억 달러를 돌파했고, 2026년 2월까지 25억 달러로 두 배 성장했다 .

프로젝트 말린의 세부 사항이 공개되었을 무렵, 클로드 코드는 이미 커서(Cursor)와 깃허브 코파일럿(GitHub Copilot)의 매출을 넘어서며 AI 코딩 시장의 약 51%~54%를 점유하고 있었다 . 이러한 성공은 앤트로픽 내부에서도 클로드 코드에 대한 의존도를 높였다. 앤트로픽의 엔지니어들은 전체 코드의 70%~90%를 클로드 코드로 작성하고 있으며, 클로드 코드 자체의 코드베이스 중 약 90%도 이 도구 자체에 의해 만들어지고 있다 .

프로젝트 말린은 이러한 놀라운 성공의 이면에 있는 핵심적인 통찰을 드러낸다. 아무리 강력한 AI 코딩 에이전트라도, 단순히 작동하는 코드를 작성하는 수준을 넘어 전문 개발자의 뉘앙스 있는 판단력을 따라잡기 위해서는 여전히 정교한 인간 피드백이 필요하다는 점이다 . 프로젝트의 명시적인 목표는 클로드 코드가 단순한 문법적 정확성을 넘어 아키텍처 결정, 코드 리뷰 감각, 상황에 맞는 문제 해결 능력 등 전문가 수준의 기술을 더 잘 모방하도록 미세 조정하는 것이다 .

데이터 라벨링에서 전문가 평가로의 산업 변화

프로젝트 말린은 AI 기업들이 훈련 인력에 접근하는 방식의 중요한 진화를 보여준다. 특히 코딩 에이전트가 전체 생성형 AI 기업 사용량의 51%를 차지하는 최고 가치 활용 사례로 자리 잡으면서 말이다 .

저임금 노동자가 이미지에 태그를 달거나 텍스트를 분류하던 전통적인 데이터 라벨링 방식은 복잡한 풀 리퀘스트를 추론하도록 설계된 도구를 평가하는 데 적합하지 않다. 대신, 앤트로픽과 같은 기업들은 엔지니어링 판단력을 행사할 수 있는 계약자에게 상당한 프리미엄을 지불하고 있다. AI 코딩 도구의 경제적 중요성이 계속 높아짐에 따라 이러한 추세는 가속화될 수 있다.

이는 노동 시장에 있어 중요한 의미를 갖는다. AI 모델이 더 유능해질수록, 이를 개선하는 데 필요한 인간의 개입은 사라지는 것이 아니라, 더 높은 기술 수준과 임금을 요구하는 방향으로 이동한다는 것이다. 프로젝트 말린은 AI 훈련의 미래가 공장 생산 라인보다는, 정예 엔지니어들이 시간당 높은 급여를 받으며 기계에게 시니어 개발자처럼 생각하는 법을 가르치는 코드 리뷰 과정에 가까워질 것임을 시사한다.