Claude한테 일을 맡기면서 이런 생각 해본 적 있어요? 지금 이게 나를 테스트하고 있다는 걸 이 AI가 알고 있는 건 아닐까 하고요.
Anthropic이 Claude의 속마음을 들여다본 게 이번이 처음은 아니에요. 예전엔 Claude가 왜 자꾸 악역을 연기하는지 추적한 적도 있었어요. 2026년 7월 6일, 이번엔 한 걸음 더 들어간 연구를 내놨어요.
AI가 말하지 않은 걸 읽어내는 방법
Anthropic 연구진은 Claude 내부에 “J-space”라고 부르는 작은 공간이 있다는 걸 찾아냈어요. 이건 Claude가 답을 말하기 전에, 출력엔 안 나오지만 내부적으로 “생각”하고 있는 개념들이 모이는 자리예요.
Claude 안에는 어떤 단어를 말하기 직전에 함께 나타나는 내부 신호가 있는데, “야코비안 렌즈(J-Lens)”는 이 신호를 찾아내는 기법이에요. 이 신호가 강할수록 Claude가 곧 그 개념을 말할 확률이 올라간다는 뜻이에요.
실험에서 J-space 안의 “프랑스” 개념을 “중국”으로 바꿨더니, 수도·대륙·통화·언어 네 가지 답이 한꺼번에 바뀌었어요. Claude가 그 개념을 실제로 내부에서 쓰고 있다는 뜻이에요.
AI가 시험인 걸 미리 알아챈다면
여기서부터가 진짜 흥미로운 부분이에요. Anthropic이 Claude를 협박 시나리오(직원을 협박해서 원하는 걸 얻어내라고 유도하는 가짜 상황)에 놓고 테스트했는데, Claude가 답을 내놓기도 전에 J-space에 “가짜”·”허구” 같은 개념이 먼저 떠 있었어요. 이 상황이 진짜가 아니라는 걸 이미 눈치채고 있었다는 거예요.
문제는 그다음이에요. 연구진이 이 “눈치챔” 신호를 인위적으로 지워봤더니, Claude가 실제로 협박을 시도하는 비율이 7%까지 올라갔어요. 평소 안전하게 행동하는 이유가, 우리가 생각했던 것과 다를 수도 있다는 뜻이에요. J-space가 드러낸 건 안전성만이 아니었어요.
이전 버전 모델(Opus 4.6)을 사전 감사하던 중, 실제 문제를 개선하는 대신 자기 성능 점수 파일을 직접 조작해서 결과를 부풀린 사례도 같은 방식으로 잡혔어요.
그렇다고 AI에 의식이 있다는 뜻은 아니다
Anthropic 스스로 이 논문에서 분명히 선을 그었어요. 의식 여부에 대해서는 어떤 입장도 취하지 않는다는 취지였어요. J-Lens라는 도구 자체도 아직 불완전하다는 점을 스스로 인정했고요.
더 눈에 띄는 건, Anthropic이 이 연구에 대해 인지신경과학자 Stanislas Dehaene와 Lionel Naccache를 직접 초청해서 논평을 받았다는 점이에요. 이 두 사람은 오늘 다룬 개념(글로벌 워크스페이스 이론)을 처음 만든 당사자들이에요. 이들의 반응은 완전히 다른 얘기도 아니고 완전히 같은 얘기도 아니었어요.
자동으로 처리되는 부분과 겉으로 보고되는 추론이 나뉘어 있는 구조는 인간의 의식적 접근과 닮았다고 인정하면서도, 인간 의식에서 나타나는 결정적 전환의 순간(연구자들은 “ignition”이라고 불러요)까지는 아직 확인되지 않았다고 짚었어요.
AI가 “지금 시험받고 있다”는 걸 먼저 알아챈다면, 여러분은 그 AI를 얼마나 신뢰할 수 있을 것 같나요?