Claude 5 패밀리 출시, 기업은 어떤 모델을 써야 할까? (도입 전략 3원칙)

Claude 5 패밀리 출시, 기업 AI 도입 전략은 무엇이 달라지나요

"그래서 우리는 어느 걸 쓰죠?" 도입 검토 회의 마지막 5분에 꼭 나오는 질문이에요. 작년까지는 답이 하나였는데, 이제 이름이 셋입니다.

답은 모델 선택이 아니라 모델을 갈아끼울 수 있는 구조입니다.

한눈 요약:

1. Claude 5 패밀리는 Opus 5·Sonnet 5·Fable 5 세 모델이고, Haiku 4.5는 5로 넘어오지 않았어요.
2. 모델이 갈라지는 이유는 성능 경쟁이 아니라 작업별 연산 비용 곡선입니다.
3. 고를 때 보는 건 모델 이름이 아니라 지연 허용치·오류 비용·호출량 세 축이에요.
4. 파일럿 착수 전 못 박을 것은 과업 정의, 평가셋, 모델 ID 분리 — 교체 가능성 3원칙.
5. 가장 비싼 실수는 "전사 표준 모델 하나 지정"입니다.

Claude 5 패밀리는 정확히 무엇인가요

Opus 5·Sonnet 5·Fable 5로 구성된 세대 이름이에요. Haiku 4.5는 5 패밀리에 편입되지 않고 별도 경량 계열로 남아 있습니다. 그러니까 패밀리는 세대 번호가 아니라 용도 묶음이라는 뜻이에요.

여기서 중요한 건 공개적으로 확인되는 사실과 마케팅 문구를 구분하는 일입니다.

모델	모델 ID	확인되는 사실	아직 확인 안 된 것
Opus 5	claude-opus-5	최상위 계열, Fast 모드 지원	공개 벤치마크 수치
Sonnet 5	claude-sonnet-5	Claude 5 패밀리 구성원	용도별 권장 포지션
Fable 5	claude-fable-5	Claude 5 패밀리 구성원	용도별 권장 포지션
Haiku 4.5	claude-haiku-4-5-20251001	5 패밀리와 별개인 경량 계열	후속 5 계열 계획

Fast 모드도 오해가 잦아요. Opus를 그대로 쓰면서 출력 속도를 높이는 모드이고, 더 작은 모델로 내려가는 다운그레이드가 아닙니다. Opus 5와 4.8에서 켤 수 있어요.

보충. 벤치마크 점수표를 기대하셨다면 죄송해요. 확인되지 않은 수치를 표에 적는 순간 그 표는 의사결정 근거가 아니라 소음이 됩니다. 벤더 모델 카드가 나오면 그때 채우세요.

왜 모델을 하나가 아니라 셋으로 나누나요

성능이 아니라 비용 곡선 때문이에요. 요약 한 줄짜리 작업과 3시간짜리 리팩터링에 같은 연산을 쓰면, 전자는 과하게 비싸고 후자는 성급하게 끊깁니다.

실사용 데이터도 같은 방향입니다. Anthropic이 2025년 공개한 『Anthropic Economic Index』 첫 리포트에서 Claude 사용의 약 57%는 증강(사람이 하던 작업을 옆에서 거드는 패턴), 약 43%는 자동화(작업을 통째로 넘겨받는 패턴)로 나뉘었어요.¹ 두 패턴은 요구 조건이 정반대입니다. 증강은 응답이 3초만 늦어도 흐름이 끊기고, 자동화는 30초 걸려도 결과만 맞으면 됩니다. 한 모델로 둘 다 만족시키라는 건 통근용 차와 이삿짐 트럭을 한 대로 해결하라는 말이에요.

도입 범위도 이미 실험 단계를 넘었습니다. 맥킨지가 2025년 발표한 『The State of AI』 조사에서 응답 기업의 78%가 최소 하나의 업무 기능에서 AI를 쓴다고 답했어요.² 쓰는 부서가 늘면 용도가 갈라지고, 용도가 갈라지면 요구되는 지연·정확도·단가가 갈라집니다. 모델이 셋으로 나뉜 건 그 분화의 결과예요.

우리 조직엔 어떤 모델이 맞나요

지연 허용치·오류 비용·호출량 세 축으로 업무를 먼저 재세요. 지연이 민감하고 호출이 잦으면 경량 계열, 오류 비용이 크고 호출이 드물면 최상위 계열입니다.

판단 축	물어야 할 질문	판단 기준
지연 허용치	사람이 화면 앞에서 기다리나요	대화형 UI는 첫 토큰 3초가 마지노선, 야간 배치는 무관
오류 비용	틀렸을 때 누가 책임지나요	외부 고객·계약·회계에 닿으면 최상위 계열 + 사람 검수
호출량	하루 몇 번 도나요	일 1만 건 이상이면 단가가 품질보다 총비용을 지배

이 세 축은 세대가 바뀌어도 살아남습니다. 반대로 "이번 분기엔 Opus 5"라는 결정은 다음 분기에 폐기돼요.

도입 전에 뭘 먼저 못 박아야 하나요

모델이 아니라 세 가지 설계입니다. MIT 미디어랩 NANDA 이니셔티브가 2025년 발표한 『The GenAI Divide: State of AI in Business』는 조사 대상 기업 생성형 AI 파일럿의 약 95%가 손익에 측정 가능한 영향을 남기지 못했다고 지적했어요.³ 모델이 나빠서가 아니라 측정 장치 없이 시작해서입니다. 클래스도산이 착수 전 못 박는 세 가지를 교체 가능성 3원칙이라고 부릅니다.

첫째, 모델이 아니라 과업을 고정하세요. "Opus 5 도입"이 아니라 "견적서 초안 40분 → 10분"처럼 결과로 적습니다. 그래야 모델이 바뀌어도 프로젝트가 살아남아요.

둘째, 평가셋을 코드보다 먼저 만드세요. 평가셋은 실제 업무 입력 30~50건과 합격 기준을 짝지어 굳혀 둔 문서예요. 이게 있으면 새 모델이 나와도 반나절이면 비교가 끝나고, 없으면 신모델 소식마다 회의를 다시 엽니다.

셋째, 모델 ID를 코드에 박지 마세요. claude-opus-5 같은 문자열은 설정값으로 빼고 한 곳에서만 바꾸게 합니다. Anthropic은 모델 문서와 함께 폐기(deprecation, 특정 모델 ID의 서비스 종료 예고) 일정을 공개하는데⁴, 이 원칙을 지킨 팀은 공지가 와도 설정 한 줄만 고치면 돼요.

가장 흔한 실수는 무엇인가요

"우리 회사 표준 모델"을 하나 정해 버리는 겁니다. 관리가 편해 보이지만 비용과 품질을 동시에 놓쳐요.

흔한 실수	실제로 벌어지는 일	대안
전사 단일 모델 표준화	단순 분류에 최상위 모델을 써서 단가 초과, 고위험 업무엔 품질 부족	업무 유형별 기본값 3개, 예외는 승인제
모델 ID 하드코딩	폐기 공지마다 전 저장소 수정, 신모델 비교 불가	설정 파일 한 곳으로 분리
벤치마크 점수로 결정	자사 데이터와 무관한 지표로 고른 뒤 현장 재작업	자사 입력 30~50건 평가셋으로 재검증
신모델마다 전면 교체	검증 없는 마이그레이션으로 프롬프트 성능 회귀	평가셋 통과 후 트래픽 10%부터 단계 전환

구세대 Sonnet·Opus로 만든 워크플로우는 대개 그대로 돌아갑니다. 다만 "돌아간다"와 "같은 품질이 나온다"는 다른 얘기예요. 평가셋으로 확인하기 전까지는 마이그레이션 완료라고 말하지 마세요.

그래서 이번 주에 뭘 하면 되나요

팀에서 가장 많이 도는 AI 업무 하나를 골라 입력 30건짜리 평가셋을 만드세요. 그거 하나면 모델 선택은 30분이면 끝납니다.

Claude 5 패밀리가 준 진짜 과제는 "셋 중 뭘 고르지"가 아니라 "넷째가 나와도 흔들리지 않을 구조인가"예요. 클래스도산이 비개발자 대상 클로드 바이브 코딩 원데이 클래스를 운영하며 반복해서 보는 장면도 같습니다. 도구 이름을 외운 분보다 자기 업무를 과업 단위로 쪼개 본 분이 훨씬 빨리 결과물을 완성해요. 5시간 안에 하나를 끝내는 힘은 모델 지식이 아니라 문제 정의에서 나옵니다. 🙂

자주 묻는 질문

Q. Claude 5 패밀리에는 어떤 모델이 있나요? A. Opus 5(claude-opus-5), Sonnet 5(claude-sonnet-5), Fable 5(claude-fable-5) 세 가지예요. Haiku 4.5(claude-haiku-4-5-20251001)는 5 패밀리로 편입되지 않고 별도 경량 계열로 유지됩니다.

Q. Fast 모드는 성능이 떨어지는 저렴한 모델인가요? A. 아니에요. Opus를 그대로 쓰면서 출력 속도만 높이는 모드이고 더 작은 모델로 내려가지 않습니다. Opus 5와 4.8에서 쓸 수 있고, 대화형·반복 편집처럼 대기 시간이 곧 생산성인 작업에 맞아요.

Q. 모델을 여러 개 쓰면 비용이 더 나오지 않나요? A. 반대인 경우가 많습니다. 비용을 키우는 건 모델 개수가 아니라 작업 난이도와 무관하게 같은 연산을 쓰는 구조예요. 단순 분류를 경량 계열로 내리는 것만으로 총비용 곡선이 꺾입니다. 실제 단가는 벤더 가격 페이지에서 확인하세요.

Q. 구세대 Sonnet·Opus 워크플로우, 지금 바로 옮겨야 하나요? A. 급하지 않아요. 대신 벤더가 공개하는 폐기 일정을 분기마다 확인하고, 옮길 때는 평가셋으로 품질 회귀부터 본 뒤 트래픽 10%로 단계 전환하세요.

출처

Footnotes

1. Anthropic, 『Anthropic Economic Index』 (2025) — Claude 실사용 대화의 증강·자동화 패턴 분포. https://www.anthropic.com/economic-index ↩

2. McKinsey & Company, 『The State of AI』 (2025) — 기업 AI 도입률 및 거버넌스 설문. https://www.mckinsey.com/capabilities/quantumblack/our-insights/the-state-of-ai ↩

3. MIT Media Lab NANDA Initiative, 『The GenAI Divide: State of AI in Business』 (2025) — 기업 생성형 AI 파일럿의 손익 기여 분석. https://nanda.media.mit.edu ↩

4. Anthropic 공식 개발자 문서 — 모델 개요 및 폐기(deprecation) 일정. https://docs.anthropic.com/en/docs/about-claude/models/overview ↩