Code with Claude 2026 키노트 정리: AI 코딩은 ‘프롬프트’에서 ‘자동화된 개발 시스템’으로 간다

Anthropic의 Code with Claude 2026 Opening Keynote는 단순한 신모델 발표 행사가 아니었다. 오히려 핵심 메시지는 더 분명했다.

모델 성능은 이미 빠르게 좋아지고 있다.
이제 중요한 것은 그 성능을 실제 제품, 실제 업무, 실제 개발 프로세스에 얼마나 빨리 연결하느냐다.

이번 키노트에서 Anthropic은 새로운 모델을 전면에 내세우기보다, Claude를 개발자와 기업이 더 실용적으로 활용할 수 있게 만드는 제품 업데이트를 중심으로 발표했다. 특히 Claude Platform, Claude Managed Agents, Claude Code, Routines, Dreaming 같은 기능들은 AI 개발의 방향이 어디로 가고 있는지 잘 보여준다.

한 줄로 정리하면 이렇다.

AI 코딩의 다음 단계는 “AI에게 일을 시키는 것”이 아니라,
“AI가 AI에게 일을 시키는 개발 시스템을 만드는 것”이다.

1. 모델 성능은 지수적으로 오르지만, 조직의 도입은 선형적으로 움직인다

키노트의 가장 중요한 문제의식은 이것이었다.

Anthropic은 모델 능력이 빠르게 좋아지고 있다고 설명했다. 몇 년 전에는 이메일을 잘 쓰는 정도가 인상적인 수준이었다면, 이제는 에이전트가 몇 시간 동안 자율적으로 작업하고, 큰 코드베이스를 읽고, 오래된 취약점을 찾아내며, 복잡한 엔지니어링 작업을 수행하는 단계로 넘어가고 있다.

하지만 문제는 모델 자체가 아니다.
문제는 조직의 도입 속도다.

모델 성능은 지수적으로 올라가는데, 대부분의 기업과 팀은 여전히 선형적으로 AI를 도입하고 있다. 즉, AI가 할 수 있는 것과 실제 현장에서 쓰이는 것 사이에 큰 간극이 생기고 있다.

Anthropic은 이 간극을 메우는 주체가 개발자라고 강조했다. 대부분의 최종 사용자는 Claude API를 직접 호출하지 않는다. 터미널에서 Claude Code를 실행하지도 않는다. 대신 그들은 누군가가 Claude 위에 만든 제품과 기능을 통해 AI를 경험한다.

그래서 이번 키노트의 중심은 “더 똑똑한 모델”이 아니라, 더 똑똑한 모델을 실제 제품과 개발 과정에 연결하는 방법이었다.

2. 이번 발표의 방향: 새 모델보다 제품화 인프라

키노트에서 Anthropic은 명확히 말했다. 이번 행사는 새 모델을 공개하는 자리가 아니라, Claude 제품을 개발자들이 더 잘 쓸 수 있게 만드는 업데이트를 보여주는 자리였다.

주요 축은 세 가지였다.

1. 모델 레이어
   Claude 모델이 어떤 방향으로 발전하고 있는지

2. Claude Platform / Managed Agents
   기업과 개발자가 에이전트 시스템을 더 쉽게 만들고 운영하는 방법

3. Claude Code
   개발자가 실제 코드 작성, 리뷰, CI 수정, PR 관리까지 AI와 함께 처리하는 방식

이 세 가지는 따로 떨어진 발표가 아니라 하나의 흐름으로 연결된다.

모델이 더 똑똑해진다.
플랫폼은 그 모델을 에이전트 시스템으로 묶는다.
Claude Code는 그것을 실제 개발자의 작업 흐름 안으로 가져온다.

3. Opus 4.7과 모델 레이어: “더 긴 작업을 맡길 수 있는가”

Anthropic은 최신 모델로 Opus 4.7을 언급하며, 모델의 발전 방향을 설명했다.

여기서 중요한 키워드는 단순한 벤치마크 점수가 아니라 task horizon이었다.
Task horizon은 모델이 인간의 개입 없이 얼마나 오래 자율적으로 작업하고, 그 과정에서 결과물의 품질을 개선할 수 있는지를 보는 개념이다.

예전에는 모델이 몇 분 단위의 작업을 처리하는 정도였다면, 이제는 몇 시간 동안 실행되는 에이전트가 자연스러워지고 있다. 다음 단계는 더 나아가 항상 켜져 있고, 무엇을 해야 할지 알고, 문맥을 잃지 않는 에이전트다.

Anthropic이 말한 모델 발전 방향은 다음과 같다.

• 더 높은 판단력

• 더 나은 코드 감각

• 고품질 메모리와 결합된 사실상 무한에 가까운 컨텍스트

• 여러 Claude 인스턴스가 협업하는 멀티 에이전트 조율

• 장기 작업을 수행하면서 스스로 결과물을 개선하는 능력

이 부분에서 중요한 시사점은 명확하다.

앞으로의 AI 제품은 지금 모델 수준에 맞춰 설계하면 안 된다.
다음 모델이 더 잘할 것을 전제로 설계해야 한다.

즉, 단기적인 프롬프트 최적화보다 더 중요한 것은 모델 업그레이드를 쉽게 흡수할 수 있는 구조다.

4. 모델 업그레이드는 기술 이벤트가 아니라 비즈니스 기회다

키노트에서 인상적이었던 메시지 중 하나는 “모델 업그레이드는 비즈니스 기회”라는 관점이다.

많은 팀은 새 모델이 나오면 “정확도가 조금 좋아졌나?” 정도로 본다. 하지만 Anthropic은 다르게 봤다.

새 모델이 나오면 이전에는 실패하던 기능이 갑자기 가능해질 수 있다.
이전에는 너무 비싸거나 느리거나 불안정했던 워크플로가 제품화 가능한 수준으로 바뀔 수 있다.

그래서 잘하는 팀은 다음과 같은 준비를 한다.

• 더 어려운 평가 기준을 만든다

• 지금은 안 될 것 같은 야심 찬 프로토타입을 만들어 둔다

• 모델 교체 비용을 낮춘다

• 불필요하게 복잡한 스캐폴딩을 줄인다

• 모델 능력이 좋아졌을 때 바로 감지할 수 있는 테스트를 갖춘다

이 말은 AI 제품을 만드는 사람에게 꽤 중요하다.

AI 시대의 제품 개발은 “현재 되는 것”만 보고 만들면 늦는다.
오히려 “조금만 더 좋아지면 될 것”을 미리 설계해 두는 팀이 기회를 먼저 잡는다.

5. Claude Platform: 좋은 결과와 빠른 확장을 동시에 잡기

기업이 AI를 실제로 도입할 때 자주 마주치는 문제는 두 가지다.

첫째, 원하는 결과를 안정적으로 얻기 어렵다.
프롬프트 최적화, 도구 설계, 에이전트 루프, 평가 방식까지 챙겨야 한다.

둘째, 빠르게 만들기는 쉬워도 프로덕션에서 확장하기는 어렵다.
프로토타입은 누구나 만들 수 있지만, 실제 고객이 쓰는 안정적인 시스템으로 운영하는 것은 완전히 다른 문제다.

Claude Platform은 이 문제를 해결하기 위해 다음과 같은 방향으로 발전하고 있다.

• Claude 모델에 최적화된 API primitives

• 에이전트 시스템을 만들고 확장하기 위한 인프라

• 운영과 제어를 위한 관리 기능

• 더 낮은 비용으로 높은 지능을 활용하는 구조

특히 흥미로웠던 것은 advisor strategy다.

이 구조는 작은 모델이 실행을 담당하고, 더 큰 모델이 필요할 때 조언하는 방식이다. 예를 들어 Sonnet급 모델이 실행을 맡고, Opus급 모델이 advisor 역할을 하는 식이다.

이 접근은 비용을 낮추면서도 더 좋은 결과를 얻기 위한 실용적인 전략이다. 모든 작업을 가장 비싼 모델에 맡기는 대신, 실행 모델과 판단 모델을 분리하는 방식이다.

6. Claude Managed Agents: 에이전트 시스템의 프로덕션 인프라

이번 발표에서 가장 중요한 제품 업데이트 중 하나는 Claude Managed Agents였다.

Managed Agents는 에이전트 실행 하네스와 프로덕션 인프라를 결합한 기능이다. Anthropic은 이를 통해 팀이 며칠 만에 프로토타입에서 프로덕션으로 갈 수 있다고 설명했다.

여기서 핵심은 “에이전트를 직접 다 짜지 않아도 된다”는 점이다.

에이전트 시스템을 만들려면 원래 다음과 같은 요소가 필요하다.

• 메모리

• 도구 호출

• 세션 관리

• 실행 루프

• 평가

• 재시도

• 상태 추적

• 장기 작업 관리

Managed Agents는 이런 요소를 Claude에 맞게 기본 제공하는 방향이다. 특히 메모리는 에이전트가 사용자 선호나 과거 작업 맥락을 유지하는 데 중요하다.

중요한 점은 Anthropic이 이 메모리가 사용자 또는 개발자의 것이라고 설명했다는 점이다. 즉, 특정 플랫폼에 갇힌 블랙박스 메모리가 아니라, 가져가고 이전할 수 있는 자산으로 보는 관점이다.

7. Managed Agents의 세 가지 신규 기능: Multi-agent, Outcomes, Dreaming

이번 발표에서 Claude Managed Agents는 세 가지 핵심 기능으로 확장됐다.

7.1 Multi-agent orchestration

여러 에이전트를 하나의 목표를 위해 조율하는 기능이다.

데모에서는 달에 드론을 착륙시키는 가상의 스타트업 Lumara를 예로 들었다. 여기서 에이전트는 역할별로 나뉘었다.

• Commander agent: 전체 미션 조율

• Detector agent: 좋은 착륙 및 채굴 후보지 탐색

• Navigator agent: 안전한 착륙과 이동 경로 판단

중요한 점은 각 하위 에이전트가 독립적인 컨텍스트 윈도우를 가진다는 것이다. 하나의 거대한 컨텍스트에 모든 것을 밀어 넣는 대신, 역할별 독립 실행 후 결과를 합치는 방식이다.

이것은 앞으로의 AI 시스템 설계에서 매우 중요한 패턴이 될 가능성이 높다.

하나의 거대한 에이전트보다, 역할이 분리된 여러 에이전트의 조율이 더 강력해질 수 있다.

7.2 Outcomes

Outcomes는 성공 기준을 명시하고, Claude가 그 기준을 만족할 때까지 반복하도록 하는 기능이다.

데모에서는 착륙 성공 기준을 간단한 마크다운 파일로 정의했다.

예를 들면 다음과 같은 식이다.

• 드론이 부드럽게 착지해야 한다

• 지면이 안전해야 한다

• 지구로 돌아올 만큼 연료가 남아 있어야 한다

Claude는 이 기준을 바탕으로 별도의 grader agent를 만들어 실행 결과를 평가한다. 그리고 필요한 경우 여러 번 반복하면서 목표 기준에 가까워진다.

이 기능의 핵심은 “프롬프트를 잘 쓰는 것”에서 “성공 조건을 잘 정의하는 것”으로 초점이 이동한다는 점이다.

앞으로 AI 에이전트 제품을 잘 만드는 사람은 단순히 명령을 잘 쓰는 사람이 아니라, 평가 기준과 성공 조건을 잘 설계하는 사람이 될 가능성이 크다.

루브릭 (outcome) 예시

7.3 Dreaming

Dreaming은 이번 발표에서 가장 흥미로운 기능 중 하나였다.

Dreaming은 Claude가 이전 세션들을 되돌아보고, 부족했던 스킬이나 배워야 할 교훈을 찾아 메모리에 반영하는 기능이다. 쉽게 말하면 에이전트가 작업 후 회고를 하고, 그 회고를 다음 실행에 반영하는 구조다.

데모에서는 처음 시뮬레이션에서 6개 착륙 후보지 중 4개를 성공했다. 이후 Dreaming을 실행하자 Claude가 과거 세션을 분석하고, 착륙 관련 플레이북을 메모리에 작성했다. 그 다음 실행에서는 이전에 실패했던 지점들이 개선됐다.

이 기능이 의미하는 바는 크다.

에이전트가 단순히 실행하는 단계를 넘어,
자신의 실행 기록을 바탕으로 개선되는 방향으로 가고 있다.

물론 이것이 완전한 자기학습을 의미한다고 과장할 필요는 없다. 하지만 제품 관점에서는 매우 실용적이다. 같은 유형의 작업을 반복하는 기업 업무에서는 “이전 실패에서 얻은 교훈을 다음 작업에 반영하는 에이전트”가 큰 차이를 만들 수 있다.'

8. Claude Code: 개발자는 이제 직접 프롬프트하지 않을 수도 있다

Claude Code 발표의 핵심은 개발자의 일하는 방식이 바뀌고 있다는 점이었다.

초기의 AI 코딩은 개발자가 한 줄씩 지시하고, 변경 사항을 검토하고, 매번 권한을 승인하는 방식이었다. 그런데 이제는 많은 개발자가 auto mode로 작업을 맡기고, Claude가 상당 부분 작업을 끝낸 뒤 PR을 검토하는 방식으로 넘어가고 있다.

Claude Code는 이제 다음과 같은 방향으로 확장되고 있다.

• 터미널 CLI

• IDE

• Desktop 앱

• 로컬 및 원격 세션 관리

• 여러 Claude Code 세션의 병렬 실행

• PR, CI, 코드 리뷰 자동 대응

특히 Desktop 앱은 단순한 채팅 앱이 아니라, 여러 Claude Code 에이전트를 관리하는 컨트롤 플레인에 가깝다.

개발자는 어떤 세션이 실행 중인지, 어떤 세션이 입력을 기다리는지, 어떤 PR이 머지됐는지 한눈에 볼 수 있다. 이는 AI 코딩이 동기적인 페어프로그래밍에서 비동기적인 작업 위임으로 이동하고 있음을 보여준다.

9. Routines: “Claude에게 시키기”에서 “Claude가 Claude에게 시키기”로

이번 Claude Code 발표에서 가장 중요한 개념은 Routines다.

Routines는 특정 조건이 발생하면 Claude Code 작업을 자동으로 시작하는 기능이다.

예를 들면 다음과 같다.

• GitHub 이슈가 생성되면 Claude Code가 자동으로 작업 시작

• 일정에 따라 정기 작업 실행

• 웹훅 이벤트를 받아 작업 시작

• API 호출로 작업 실행

• 로컬 또는 원격 클라우드 컴퓨트에서 실행

발표자는 Routines를 “higher-order prompt”라고 표현했다. 개발자가 매번 Claude에게 직접 프롬프트를 쓰는 것이 아니라, Claude가 어떤 상황에서 어떤 Claude Code 작업을 시작할지 미리 정의하는 방식이다.

이 변화는 꽤 크다.

기존 방식:

내가 Claude에게 작업을 시킨다.

새로운 방식:

내가 루틴을 만들면, Claude가 상황에 맞게 Claude Code를 실행한다.

이것이 바로 발표 후반부에서 나온 핵심 문장이다.

기본값은 “내가 Claude Code에게 프롬프트한다”가 아니라,
“Claude가 Claude Code에게 프롬프트하게 한다”로 바뀌고 있다.

10. Autofix와 Security: PR을 끝까지 돌보는 에이전트

Claude Code는 단순히 코드를 작성하는 것에서 멈추지 않는다. 발표에서는 PR이 프로덕션에 들어가기까지 필요한 반복 작업을 자동화하는 기능들도 소개됐다.

대표적으로 CI Autofix가 있다.

CI Autofix는 PR을 감시하면서 다음과 같은 일을 처리한다.

• CI 실패 원인 분석

• flaky test 재실행 또는 수정

• 코드 리뷰 코멘트 반영

• 보안 리뷰 코멘트 반영

• merge conflict 자동 해결

• PR이 green 상태가 되도록 관리

이것은 개발자에게 매우 현실적인 문제를 건드린다. 실제 개발에서 귀찮고 시간을 많이 잡아먹는 것은 첫 구현보다도 그 이후의 마무리 작업이다.

CI가 깨지고, 리뷰 코멘트가 달리고, 충돌이 나고, 사소한 수정이 반복된다. Claude Code는 이 부분을 “PR babysitting”이라고 보고 자동화하려는 방향이다.

또 다른 기능은 Claude Security다. 코드베이스를 밤새 스캔하고, 취약점을 발견하면 Claude Code를 실행해 수정 작업까지 연결하는 구조다.

이 흐름은 AI 코딩 도구가 단순 생성기를 넘어 소프트웨어 개발 생명주기 전체에 들어오고 있다는 것을 보여준다.

11. Shopify와 MercadoLibre 사례: 조직 단위 AI 개발

키노트에서는 Claude Code를 조직 단위로 도입한 사례도 소개됐다.

Shopify는 엔지니어링뿐 아니라 디자인, 제품, 데이터 사이언스 영역까지 Claude Code를 활용하고 있다고 소개됐다. 내부 도구를 만드는 방식이 크게 바뀌었다는 점이 강조됐다.

MercadoLibre 사례도 인상적이었다. 발표에 따르면 MercadoLibre는 23,000명의 엔지니어 조직에서 Claude Code를 활용하고 있으며, 500,000개 이상의 PR을 인간 감독 아래 리뷰했고, 9,000개 이상의 앱을 현대화했다고 언급됐다.

여기서 중요한 것은 숫자 자체보다 조직의 작업 방식이 바뀐다는 점이다.

AI 코딩 도구가 개인 생산성 도구에 머무는 것이 아니라, 조직 전체의 기술 부채 처리, 코드 리뷰, 앱 현대화, 보안 대응에 쓰이기 시작하고 있다.

특히 흥미로운 부분은 관리자나 VP급 리더들이 다시 코드베이스에 직접 손을 대기 시작했다는 이야기다. 오랫동안 로드맵과 리뷰에 집중하던 사람들이 Claude Code 덕분에 다시 빌더 역할을 할 수 있게 된다는 것이다.

12. 개발자에게 주는 시사점

이번 키노트는 개발자에게 몇 가지 중요한 메시지를 던진다.

첫째, AI 코딩은 단일 도구가 아니라 시스템이 된다

앞으로 중요한 것은 좋은 코딩 챗봇 하나가 아니다.
이슈, PR, CI, 코드 리뷰, 보안, 배포까지 이어지는 개발 시스템 안에 AI가 어떻게 들어가느냐다.

Claude Code, Routines, Autofix, Security는 모두 이 방향을 가리킨다.

둘째, 프롬프트보다 평가 기준이 중요해진다

Outcomes가 보여준 것처럼, 앞으로는 “무엇을 해라”보다 “성공이 무엇인지”를 정의하는 능력이 중요해진다.

AI 에이전트에게 장기 작업을 맡기려면 성공 기준, 실패 기준, 반복 기준, 검증 기준이 필요하다. 이건 단순 프롬프트 엔지니어링보다 제품 설계와 운영 설계에 가깝다.

셋째, 메모리와 회고가 에이전트 품질을 좌우한다

Dreaming은 에이전트가 이전 실행에서 배운 것을 다음 실행에 반영하는 구조다. 같은 유형의 업무를 반복하는 팀일수록 이런 메모리와 회고 구조가 중요해질 것이다.

넷째, 모델 업그레이드를 쉽게 흡수하는 구조가 필요하다

새 모델이 나올 때마다 제품을 다시 짜야 한다면 속도를 따라가기 어렵다. 반대로 평가와 구조가 잘 되어 있다면, 모델 업그레이드는 곧바로 제품 경쟁력으로 이어진다.

다섯째, 개발자의 역할은 사라지는 것이 아니라 더 상위 레벨로 이동한다

개발자는 코드를 한 줄씩 쓰는 사람에서, AI가 코드를 쓰고 검증하고 배포까지 갈 수 있도록 시스템을 설계하는 사람으로 이동하고 있다.

즉, 개발자의 역할은 다음과 같이 바뀐다.

• 직접 구현자

• 작업 설계자

• 평가 기준 설계자

• 에이전트 오케스트레이터

• 자동화된 개발 시스템의 운영자

13. 결론: Claude의 방향은 “AI 개발 운영체제”에 가깝다

이번 Code with Claude 2026 키노트는 Claude가 단순한 챗봇이나 코딩 어시스턴트를 넘어서고 있음을 보여줬다.

Anthropic이 그리고 있는 방향은 다음에 가깝다.

Claude는 모델이고,
Claude Platform은 에이전트 인프라이고,
Claude Code는 개발 워크플로의 실행 계층이며,
Routines는 그 실행을 자동화하는 트리거 시스템이다.

즉, Claude는 점점 AI 개발 운영체제처럼 움직이고 있다.

개발자가 해야 할 일도 분명해진다.
이제 단순히 “AI로 코드를 빨리 짜는 법”을 익히는 것만으로는 부족하다.

앞으로는 다음을 설계해야 한다.

• 어떤 작업을 AI에게 맡길 것인가

• 어떤 작업은 사람이 검토해야 하는가

• 성공 기준은 무엇인가

• 실패했을 때 어떻게 반복할 것인가

• 여러 에이전트를 어떻게 나눌 것인가

• 메모리와 회고를 어떻게 관리할 것인가

• 모델이 업그레이드될 때 어떻게 바로 이득을 볼 것인가

AI 코딩의 다음 단계는 더 좋은 자동완성이 아니다.
더 좋은 채팅창도 아니다.

다음 단계는 자동으로 움직이는 개발 시스템이다.

그리고 이번 키노트에서 Anthropic이 보여준 Claude의 방향은 분명하다.

개발자는 Claude에게 일을 시키는 사람에서,
Claude가 계속 일을 잘하게 만드는 시스템을 설계하는 사람으로 바뀌고 있다.