Anthropic Just Revealed Which Effort Level to Use

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

Anthropic의 effort level 활용법을 소개한 이 영상은 반복 협업에는 low, 일상 업무에는 medium, 검증에는 high, 장시간의 중요 업무를 맡기고 자리를 비울 때는 extra high·max를 선택하라고 설명한다.

📌 핵심 요점

1. effort는 모델 자체의 지능보다 작업에 투입하는 시간·검토량·자율적 판단을 조절한다. 높은 설정에서는 더 많이 확인하지만, 사용자를 대신해 내리는 결정도 늘어난다.
2. low는 빠르게 초안을 주고받는 협업, 단순 작업, 완성된 결과의 작은 수정에 적합하다. 여러 단계가 있는 작업은 명확한 체크리스트로 지시한다.
3. medium은 완료 기준이 분명하고 마지막에 결과를 한 번 검토할 일상 업무의 출발점이다. 결과가 부족하면 effort를 올리기 전에 프롬프트와 맥락부터 점검한다.
4. high는 숨은 오류의 비용이 크거나 예외 조건이 많은 작업에 적합하다. 수치 대조, 계약 검토, 개방형 분석, 낮은 effort로 만든 결과의 최종 검증이 대표 사례다.
5. extra high·max는 사용자 개입 없이 길고 어려우며 중요한 작업을 수행할 때 제한적으로 고려한다. 영상은 extra high부터 시작하고, max는 비용 대비 품질 개선이 작거나 과도한 검토로 결과가 나빠질 수도 있어 드물게 사용하라고 권한다.

🧩 배경과 문제 정의

영상은 effort를 높일수록 항상 좋은 결과가 나온다는 통념을 출발점으로 삼는다. 발표자는 Anthropic의 글과 Claude Code 팀 구성원들의 설명을 인용해, effort가 품질뿐 아니라 응답 속도·토큰 사용량·사용자 관여 방식에 영향을 준다고 설명한다.

핵심 문제는 작업마다 필요한 탐색과 검증의 깊이가 다른데도 설정을 일괄적으로 높게 유지하는 것이다. 영상은 모델 선택과 effort 선택을 구분하고, 사용자가 반복적으로 방향을 잡을지, 마지막 결과만 검토할지, 장시간 완전히 맡길지를 기준으로 활용법을 나눈다.

🕒 시간순 섹션별 상세정리

1. effort의 의미와 사용자 관여 방식

• 발표자는 높은 effort가 항상 유리하지 않으며, 적절한 설정이 출력 품질·토큰 사용량·속도에 영향을 준다고 보여준다. 모델 선택이 기본 역량과 관련된다면 effort는 작업에 투입하는 시간과 노력을 조절한다. [01:02]
• 높은 설정에서는 더 많이 읽고 테스트하며 스스로 판단하는 비중도 커진다. 낮은 설정은 사용자에게 질문하고 돌아오는 방식이어서, effort는 사용자가 얼마나 과정에 참여할지를 정하는 수단이기도 하다. [02:06]
• 프롬프트를 분석해 effort 변경을 추천하거나 자동 적용한다는 무료 모드를 보여준다. 이어 높은 effort로도 나쁜 프롬프트를 고칠 수 없으므로 작업 설명이 먼저라고 강조한다. [02:52]

2. low: 빠른 반복 협업과 작은 수정

• low는 사용자와 함께 초안을 반복 개선할 때, 단순한 작업을 처리할 때, 높은 effort로 만든 결과를 조금 수정할 때 적합하다고 보여준다. 단순 재설계가 low에서는 1분, max에서는 28분 걸렸지만 결과는 비슷했다는 사례를 인용한다. [03:57]
• 발표자는 최신 모델에서는 대화 중 effort를 바꿔도 전체 대화를 정상 가격으로 다시 읽는 추가 비용이 없다고 보여준다. 제목 아이디어, 짧은 문장 수정, 티켓 분류, 짧은 요약, 거친 초안 등을 low의 활용 사례로 든다. [04:50]
• low는 요청한 범위에 집중하므로 여러 부분으로 구성된 작업에는 명확하고 간단한 체크리스트를 제공하라고 권한다. [05:00]

3. medium: 일상 업무의 출발점과 프롬프트 점검

• 영상은 ‘Opus 5.5’의 기본값이 medium이라고 보여준다. 원하는 완성 형태를 분명히 설명할 수 있고 마지막에 한 번 검토할 업무에 medium을 권한다. [05:20]
• 일반적인 이메일 작성, 영상의 게시물 전환, 회의 결정 사항과 후속 조치 정리, 정형 보고, 미팅 전 간단한 조사 등을 예로 든다. [06:06]
• medium의 결과가 부족하면 먼저 제공한 맥락과 프롬프트를 점검하고, 단계 누락이나 검증 부족이 있을 때 설정을 올리라고 보여준다. 이후 강의·상담·템플릿을 제공하는 자체 교육 서비스를 홍보한다. [06:46]

4. high: 오류 비용과 예외 조건을 고려한 검증

• high는 실수가 금전·신뢰·의사결정에 손해를 줄 수 있거나 예외 조건이 많은 작업에 적합하다고 보여준다. 데이터 분석 실험에서 low는 한 접근법으로 계속 실패했지만 high는 두 접근법의 불일치를 확인해 5회 중 4회 정답을 냈다는 사례를 보여준다. [07:23]
• 낮은 effort로 초안을 만들고 마지막에 high로 점검하는 방식을 제시한다. 매출 보고서와 Stripe의 수치 대조, 이탈률 상승 원인 분석, 계약 위험 검토, 사실 확인, 긴 문서 검토가 활용 사례다. [08:47]
• 반복 실행되는 스킬은 오류도 반복되므로 제작·수정 시 충분히 테스트할 필요가 있다고 드러낸다. 작업이 길다는 이유만으로 high를 선택하기보다 판단과 확인이 얼마나 필요한지를 보라고 강조한다. [09:16]

5. extra high·max: 장시간 맡기는 중요 업무의 조건

• extra high·max는 사용자가 몇 시간 자리를 비우고, 작업이 길고 어려우며, 품질이 시간과 사용량보다 중요한 세 조건이 모두 맞을 때 고려하라고 보여준다. 높은 설정일수록 스스로 결정하는 범위가 커져 작업 설명도 더 중요해진다. [10:10]
• 장기간의 고객 문의를 종합해 이탈 원인과 제품 로드맵을 만드는 조사, 서명 전 긴 계약서 검토, 여러 내부 자료로 투자자 발표 자료를 한 번에 완성하는 작업을 예로 든다. 이후 수정은 낮은 effort에서 이어갈 수 있다고 덧붙인다. [11:01]
• 영상은 max가 많은 작업에서 비용을 크게 늘리는 데 비해 품질 개선은 작고, 과도한 검토로 결과가 악화될 수도 있다고 보여준다. extra high부터 시작하고 max는 매우 중요한 경우에 드물게 사용하라고 권한다. [11:25]

6. 최종 선택 기준과 마무리

• 발표자는 반복 협업이나 단순 작업에는 low, 숨은 오류의 비용이 큰 작업에는 high, 길고 어렵고 중요한 작업을 맡기고 자리를 비울 때는 extra high·max, 그 밖의 일상 업무나 판단이 어려운 경우에는 medium을 제안한다. [11:57]
• 핵심 메시지는 effort가 시간과 사용자 관여 수준을 조절하며, 실제로 필요한 작업에만 더 많은 사용량을 투입해야 한다는 것이다. [12:07]
• 무료 effort 추천 모드와 자체 교육 과정을 다시 안내하고, 구독 요청 및 Claude 활용 관련 다른 영상 소개로 마무리한다. [12:28]

🧾 결론

• effort 선택은 작업 난도뿐 아니라 오류 비용, 검증 필요성, 사용자가 중간에 얼마나 관여할지를 함께 반영해야 한다.
• 초안은 low로 빠르게 반복하고 마지막에 high로 검증하는 방식처럼, 작업 단계에 따라 설정을 바꾸는 전략이 유용하다.
• 높은 effort도 불명확한 지시를 보완하지 못한다. 원하는 결과와 필요한 맥락을 먼저 구체화해야 한다.

📈 투자·시사 포인트

• AI 운영비를 평가할 때는 최고 설정의 성능뿐 아니라 일상 업무에서 필요한 품질을 확보하는 데 드는 시간과 사용량을 함께 살펴볼 필요가 있다.
• 재무 보고서나 매출 수치처럼 잘못된 숫자가 의사결정에 영향을 주는 업무에는 원자료 대조와 최종 검증 단계를 배치하는 것이 영상의 활용 원칙에 부합한다.
• 반복 실행하는 스킬의 오류는 매번 재현될 수 있다. 영상은 스킬 제작·수정 시 충분히 테스트하는 데 high를 활용할 이유가 있다고 설명한다.

⚠️ 불확실하거나 확인이 필요한 부분

• 영상은 ‘Opus 5.5’의 기본 effort가 medium이라고 설명한다. 제공된 자료만으로 해당 모델명과 기본 설정, 다른 모델에서의 지원 범위를 확인할 수는 없다.
• 단순 재설계가 low에서 1분, max에서 28분 걸렸다는 사례와 데이터 분석에서 high가 5회 중 4회 정답을 냈다는 사례는 영상이 인용한 결과다. 실험 조건과 전체 표본이 제시되지 않아 일반적인 성능 차이로 확대하기 어렵다.
• 대화 중 effort 변경에 추가 재독 비용이 없다는 설명은 영상에서 말하는 ‘최신 모델’의 구체적 범위와 적용 조건을 확인해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 작업을 시작하기 전에 완료 기준, 필요한 자료, 반드시 확인할 항목을 프롬프트에 적는다.
• 브레인스토밍·짧은 수정·반복 협업은 low로 시작하고, 여러 요구사항은 체크리스트로 제시한다.
• 일반적인 작성·회의 정리·정형 보고는 medium으로 시작한 뒤 결과를 검토한다.
• 수치 대조·계약 조건·사실 확인처럼 오류 비용이 큰 작업은 high로 검증하고 원자료와 비교한다.

❓ 열린 질문

• 실제 업무에서 medium과 high의 차이를 판단할 검증 기준과 허용 가능한 오류 수준은 어떻게 정할 것인가?
• 초안 작성과 최종 검증에 서로 다른 effort를 배치하면 전체 작업 시간과 사용량이 얼마나 달라지는가?
• 사용자 개입을 줄일 때 Claude가 스스로 결정해도 되는 범위를 프롬프트에 어디까지 명시해야 하는가?