OpenAI는 단순한 챗봇을 넘어 다단계 디지털 워크플로우를 관리하는 자율형 AI 에이전트를 구축하기 위해 움직이고 있습니다. OpenAI는 그 첫 번째 에이전트로 소비자 구독 서비스의 월 20달러 추가 기능인 ChatGPT Work를 출시했습니다. 이 서비스는 받은 편지함, Slack, Notion 및 기타 도구에서 데이터를 가져오는 디지털 협업자 역할을 약속하며, 이는 지식 노동자들이 하루를 보내는 방식을 재편할 수 있는 역량입니다.

왜 “에이전트형(agentic)” AI로 전환하는가

기존의 대규모 언어 모델(LLM)은 질문에 답하고 멈춥니다. “에이전트형 AI”는 무엇을 할지 결정한 다음 이를 실행하는 시스템을 의미합니다. 즉, 사람이 일일이 버튼을 클릭하지 않아도 이메일을 보내고, 스프레드시트를 업데이트하거나, Figma에서 디자인 초안을 그리는 식입니다. OpenAI 엔지니어들은 이러한 추가 단계가 대화형 어시스턴트를 생산성 파트너로 변화시킨다고 말하며, 특히 여러 애플리케이션을 오가는 작업이 청구 가능한 시간(billable hours)을 갉아먹는 전문직 종사자들에게 더욱 그렇다고 강조합니다.

개발자에서 사무실 전체로

에이전트형 AI의 가장 눈에 띄는 성공은 소프트웨어 엔지니어링 분야였습니다. OpenAI의 Codex 모델은 개발자가 원하는 내용을 일상 언어로 설명하면 코드를 생성하여 구문을 효과적으로 추상화해 주었습니다. 한 기업 지원 연구에 따르면 OpenAI 직원의 거의 모든 이가 Codex를 사용한 반면, 외부 구독자는 100명 중 1명 미만이었습니다. ChatGPT Work는 이러한 “필요한 것을 설명하기만 하면 되는” 경험을 회계사, 의사, 투자자 및 기타 비기술직 전문가들에게 제공하는 것을 목표로 합니다. 목표는 명령줄 인터페이스(CLI)와 맞춤형 스크립트를 대신하여, 레거시 웹사이트를 탐색하고 서로 다른 SaaS 제품에서 데이터를 가져와 결과를 하나로 엮을 수 있는 간단한 텍스트 프롬프트를 사용하는 것입니다.

개인정보 보호 및 제어에 대한 우려

에이전트가 유용하려면 사람이 보는 것과 동일한 정보, 즉 개인 이메일, 인스턴트 메시지 스레드, 내부 문서 및 디자인 파일을 볼 수 있어야 합니다. 비판론자들은 AI에 이 정도 수준의 가시성을 부여하는 것이 새로운 공격 표면(attack surface)을 만든다고 경고합니다. 즉, 모델이 해킹당하면 기밀 데이터가 유출될 수 있으며, 사용자가 자신의 정보가 응답 생성에 어떻게 사용되는지 완전히 이해하지 못할 수도 있다는 것입니다. OpenAI 팀은 이러한 위험을 인정하면서도, 깊은 통합 없이는 에이전트가 사용자의 요청을 완수할 수 없기에 이러한 트레이드오프(trade-off)는 불가피하다고 말합니다.

버티컬 전문 기업들의 경쟁 압력

자율형 에이전트에 베팅하는 곳은 OpenAI뿐만이 아닙니다. 소규모 기업들은 특정 직업에 집중하는 도구들을 출시했습니다. 어떤 브랜드는 변호사를 위해, 다른 브랜드는 영업팀을 위해 자신들을 홍보합니다. 이러한 제품들은 모델에 구애받지 않는(model-agnostic) 접근 방식을 취합니다. 즉, 특정 제공업체의 기술에 종속되는 대신, 해당 틈새 시장에서 최고의 성능을 내는 언어 모델을 교체하며 사용합니다. 이러한 유연성 덕분에 이들은 가볍게 유지하며 빠르게 반복 개선할 수 있습니다. OpenAI의 과제는 하나의 솔루션으로 다수를 만족시키면서도 전문 앱만큼 맞춤화된 느낌을 주는 것입니다. 그렇지 않으면 기업들은 더 좁지만 더 정교한 대안을 선택할 수도 있습니다.

장시간 실행되는 에이전트 뒤에 숨겨진 경제적 유인

에이전트가 생성하는 모든 토큰(각 단어 또는 코드 조각)은 OpenAI의 컴퓨팅 자원을 소모하며, 회사는 토큰 사용량을 기준으로 사용자에게 비용을 청구합니다. 에이전트가 몇 분 동안 실행되며 여러 API와 통신하고 최종 보고서를 생성하는 워크플로우를 수행할 때, 토큰 수는 단일 질문 채팅에 비해 급격히 증가합니다. 이는 특히 20달러 추가 기능을 계속 사용하는 구독자들에 대해 사용자당 더 높은 수익을 창출합니다. 비즈니스 모델은 이 서비스를 대규모 사용자 기반으로 확장하는 데 달려 있습니다. 에이전트에 매일 의존하는 전문가가 많아질수록, 컴퓨팅 클러스터와 모델 학습에 대한 막대한 투자를 정당화할 수 있는 수익 흐름이 커지기 때문입니다.

향후 주목해야 할 점

  • 채택 지표(Adoption metrics) – 초기 사용 데이터를 통해 비기술직 사용자들이 학습 곡선을 극복하고 민감한 작업에 에이전트를 신뢰할 수 있을지 확인할 수 있을 것입니다.
  • 개인정보 보호 안전장치(Privacy safeguards) – 온디바이스 추론(on-device inference)이나 더 강력한 권한 제어 기능이 도입된다면 기업 구매자들의 위험 대비 보상 균형을 바꿀 수 있습니다.

결론

ChatGPT를 선제적인 협업자로 만들려는 OpenAI의 시도는 사무실 생산성을 재정의할 수 있지만, 그 과정에는 개인정보 보호 우려, 높은 진입 장벽, 이미 틈새 시장을 점유하고 있는 경쟁자들이 도사리고 있습니다. 성공 여부는 광범위한 전문가들에게 AI에게 디지털 생활에 대한 깊은 접근 권한을 부여하는 위험보다 편의성과 수익적 이점이 더 크다는 것을 설득할 수 있는지에 달려 있습니다.