OpenAI DevDay 2026이 미국 현지시간 9월 29일 샌프란시스코 Fort Mason에서 열렸습니다. OpenAI가 스스로 “역대 가장 큰 DevDay”라고 부를 만큼 Dots, GPT-6.1 Sol, Cloud Codex, ChatGPT Space를 비롯해서 20개가 넘는 발표가 한꺼번에 쏟아졌는데요.

많은 언론의 관심이, 자연스럽게 ‘항상 켜져 있는(always-on)’ 개인 에이전트 Dots에 몰렸습니다. Meta가 얼마 전 내놓은 Muse와 본격적으로 경쟁하게 됐다는 평가가 나오는 한편, 현장 데모에서 일부 오류가 발생하기도 했고 에이전트가 더 많은 일을 직접 하게 될수록 안전과 통제 문제도 함께 커질 수 있다는 지적도 나왔습니다.

그런데 이번 발표를 하나씩 떼어놓고 보면 오히려 전체 그림이 잘 안 보입니다. 새로운 개인 에이전트 Dots가 있고, GPT-6.1 Sol이라는 새 모델이 나왔고, Cloud Codex와 Plugin, MCP Events, ChatGPT Space, Pages, Agents API, Ultrafast 같은 기능까지 많은 아이템이 한꺼번에 등장하다 보니, 각각 별개의 제품처럼 보이기 쉬워요.

저희 튜링포스트 팀도 처음에는 그렇게 봤는데, 발표를 몇 번 다시 보고 나서는 오히려 이 많은 조각들이 한 방향을 가리키고 있다는 생각이 들었습니다. OpenAI가 만들고 있는 건 단순히 지금보다 더 똑똑한 AI가 아니라, 사람이 계속 붙어 있지 않아도 지난 일을 기억하고 다음 일을 이어가는, 말하자면 훨씬 ‘덜 챙겨도 되는’ AI에 가깝다고 생각합니다.

지금까지 AI를 꽤 많이 써보신 분이라면 익숙한 장면이 있을 겁니다. 새로운 대화창을 열고 지난번에 무슨 일을 했는지 다시 설명한 다음에, 필요한 파일을 찾아 올리고 어디까지 진행했는지 알려주고, 이제 무슨 일을 해야 하는지도 다시 지시합니다. AI가 엄청나게 똑똑해졌다고 하는데도 정작 일을 계속 이어가게 만드는 역할은 여전히 사람이 많이 맡아왔고, 그래서 막상 써보면 AI에게 일을 시키는 것 못지않게 AI가 계속 일할 수 있도록 사람이 옆에서 판을 깔아주는 데 손이 많이 갔습니다.

이번 DevDay에서 OpenAI가 본격적으로 건드리기 시작한 게 바로 이 부분입니다.

저희 관점에서, 누가 뭐래도 이번 발표의 중심에는 Dots가 있습니다. Dots는 OpenAI가 내놓은 개인용 에이전트로, 클라우드에 별도의 작업 공간과 브라우저를 두고 사용자가 연결해 놓은 여러 가지 앱에 접근하면서 일을 합니다. ChatGPT에서 시작한 일을 Slack이나 Teams에서도 이어갈 수 있고, 앞으로는 문자 메시지로도 Dots와 대화할 수 있게 된다고 합니다.

여기서 중요한 건, Dots가 기존 AI보다 특정한 일을 하나 더 잘한다는 게 아닙니다. 더 눈여겨볼 부분은 지난번에 하던 일을 기억하고, 여러 앱과 작업 공간을 옮겨 다니면서도 같은 일의 흐름을 알아서 이어갈 수 있다는 점입니다.

지금까지 AI를 쓸 때는 대화 하나가 끝날 때마다 ‘관계도 어느 정도 끊겼습니다’. 어제까지 한참 이야기를 나눴던 프로젝트인데도 오늘 다시 들어가면 맥락을 설명해야 하고, 다른 앱으로 옮겨가면 필요한 자료를 다시 가져다줘야 했고, 며칠 전에 멈춘 일을 다시 시작하려면 사람이 먼저 “지난번에 여기까지 했어”라고 기억을 되살려줘야 하는 경우가 많았죠.

작업이 여러 시스템에 걸쳐 있으면 이런 번거로움은 더 커지게 되죠. 이메일에는 고객과 나눈 이야기가 있고, Slack에는 내부 논의한 내용이 있고, 문서는 또 다른 곳에 저장돼 있고, 일정은 캘린더에 들어 있으니, AI가 제대로 일을 하려면 사람이 이 조각들을 계속 찾아서 이어줘야 하는 일이 많았습니다 - 적어도 이런저런 도구를 잘 연결해 주거나요.

Dots가 바꾸려는 게 바로 이런 부분입니다. 프로젝트가 계속되고 있다면 AI도 그 일의 흐름 안에 계속 남아 있고, Slack에서 대화하다 ChatGPT로 옮겨가거나 다른 업무 도구를 쓰더라도 매번 처음 만나는 AI처럼 다시 설명하는 일을 줄이려는 겁니다.

말하자면 AI를 쓰는 기본 단위가 ‘한 번의 대화’나 ‘한 번의 작업’에서, 조금씩 ‘계속 이어지는 프로젝트와 관계’ 쪽으로 옮겨가고 있습니다. 저희는 이번 발표에서 이 변화가 꽤 중요하다고 생각합니다.

Meta의 Muse와 비교해 보면 Dots가 노리는 지점도 조금 더 선명해집니다.

OpenAI DevDay 2026 현장에 참가한 저희 튜링포스트 팀이 OpenAI 팀에게 직접 “Dots와 Muse는 뭐가 다르냐”고 물었는데, 돌아온 답은 의외로 단순했습니다. 둘은 꽤 비슷하지만 Dots가 훨씬 더 proactive, 그러니까 사용자가 시킨 일만 기다리는 게 아니라 앞으로 무엇이 필요할지 먼저 살펴보고 움직이는 쪽에 더 가깝다는 설명이었습니다.

이를테면 사용자가 “이걸 해줘”라고 명시적으로 말하지 않아도, 연결된 정보와 지금 진행 중인 일을 살펴본 뒤에 다음에 뭐가 필요할지를 비교하고 판단해서 먼저 제안하거나 준비해두는 식이라는 겁니다. 기존의 개인용 AI 비서가 대체로 사용자가 먼저 말을 걸어야 움직였다면, Dots는 사람의 요청을 기다리는 데서 그치지 않고 주변 상황을 계속 살펴보면서 다음 일을 미리 준비하는 쪽으로 한 걸음 더 나아가려는 셈입니다. 비유를 하자면, 예전 MS 오피스에서 사용자가 뭘 하려는지 미리 짐작해 도와주려다 오히려 귀찮다는 평가를 받았던 종이클립 비서 ‘Clippy’라는게 있었는데요, 이제서야 사람의 의도와 상황을 제대로 이해할 수 있는 AI 기술을 만난 셈입니다 - 진짜 제대로 작동한다면요.

물론 바로 여기서 중요한 질문이 생깁니다. 사용자가 시키기 전에 먼저 움직이는 AI가 정말 편리할지, 아니면 필요하지도 않은 일까지 자꾸 끼어들면서 새로운 부담이 될지는 아직 알 수 없습니다. 많이 도와주는 건 좋지만, 너무 자주 개입하기 시작하면 어느 순간부터 ‘도움’이 아니라 또 하나의 관리 대상이 될 수도 있으니까요.

OpenAI가 Dots에서 보여주려는 것도 결국 이런 방향입니다. 질문을 기다렸다가 답하는 개인 비서보다, 상황을 계속 살펴보고 다음에 필요한 일을 미리 준비하는 에이전트에 더 가깝습니다.

Muse에 대해서는 아래의 글을 참고해 보세요:

그동안 AI 업계는 거의 모든 발전을 ‘성능’으로 설명해 온 게 사실입니다. 어느 모델이 더 어려운 문제를 풀고, 코딩을 더 잘하고, 더 긴 문서를 읽고, 벤치마크에서 몇 점을 더 받았는지가 늘 중요한 비교 기준이었고, 앞으로도 이런 성능 경쟁이 사라지지는 않을 겁니다.

그런데 실제 업무에서 AI를 많이 써 보면, 성능만으로는 설명하기 어려운 피로감이 분명히 있잖아요? 앞서 말씀드린 것처럼, 지난번 이야기를 다시 설명해야 하고, 필요한 문서를 다시 찾아줘야 되고, 결과가 나왔는지 확인한 뒤에 또 다음 일을 시켜야 하구요. 중간에 멈춘 작업이 있다면 어디까지 했는지도 사람이 기억했다가 다시 이어줘야 하고요. 저도 이런 일을 자주 겪습니다.

그러다 보면 AI가 아무리 똑똑해져도 이상하게 내 머릿속에는 일이 계속 남습니다. ‘이거 나중에 다시 확인해야지’, ‘저 작업 끝났는지 봐야지’, ‘지난번에 어디까지 했더라’, ‘다음 단계는 내가 다시 시켜야겠네’ 같은 생각들이 하나씩 쌓이면서, 결국 여러 일의 흐름을 사람이 계속 붙잡고 있어야 합니다. 아주 머리 아파요.

우리가 To-Do List(할 일 목록)를 만드는 이유가 바로 그런 거죠. 해야 할 일을 잊지 않기 위해서이기도 하지만, 더 정확히는 지금 하는 일이 다음에 어디로 이어지는지, 무엇이 아직 끝나지 않았는지, 언제 다시 꺼내야 하는지를 놓치지 않기 위해서요.

그러니까 지금까지 사람이 해온 중요한 역할 중 하나는, AI에게 일을 시키는 것보다도 일과 일 사이의 연결을 계속 기억하고, 끊기지 않게 이어주는 것이었다는 겁니다.

그런데, AI가 이 연결점들까지 기억하고, 사람이 매번 다음 단계를 머릿속에 붙잡고 있지 않아도 필요한 순간에 지난 일을 찾아 다시 이어갈 수 있다면 어떨까요? 너무 좋지 않을까요? 아마, 그때부터 AI의 가치는 단순히 ‘얼마나 어려운 문제를 푸느냐’만으로 설명하기 어려워질 겁니다.

‘얼마나 똑똑한가’만큼, ‘내가 얼마나 덜 기억하고 덜 챙겨도 되는가’가 어쩌면 더 중요해지는 겁니다.

Dots만 떼어놓고 보면 개인용 에이전트 하나가 새로 나온 것처럼 보일 수 있지만, 다른 발표들을 함께 놓고 보면 왜 OpenAI가 이 많은 기능을 같은 날 한꺼번에 내놓았는지가 훨씬 잘 보입니다.

먼저 AI가 일을 잘하려면 당연히 좋은 모델이 필요하고, Astra나 새로 발표된 GPT-6.1 Sol이 그 역할을 합니다. 하지만 모델이 아무리 좋아도 일을 오래 이어가려면 실제로 작업할 곳이 있어야 하고, 필요한 앱과 데이터에 접근할 수 있어야 되구요, 지난번에 뭘 했는지도 기억해야 합니다. 그래서 Dots에는 클라우드 작업 공간과 브라우저가 있고, 개발 업무에는 Cloud Codex가 붙습니다.

그 다음에는 실제 업무에 필요한 도구가 필요합니다. 이메일을 읽고, Slack을 확인하고, 문서를 찾아보고, 각종 사내 시스템을 이용하려면 Plugin을 통해서 여러 앱에 연결이 되어야겠죠.

여기까지 갖춰도 사람이 계속 “이제 이거 해”라고 일을 시작 시켜줘야 한다면 번거로움은 여전히 남습니다. 그래서 MCP Events 같은 기능이 중요해지는 것이죠. 프로젝트 관리 도구에 새로운 업무가 생기거나, 특정 고객에게서 이메일이 들어오거나, 어떤 시스템의 상태가 바뀌었을 때 그 일이 그대로 AI가 움직이는, 깨어나서 작동하는 트리거가 될 수 있기 때문입니다.

사람이 프롬프트를 넣어야만 일이 시작되는 게 아니라, 업무에서 벌어진 일이 자연스럽게 다음 일을 불러오는 방식으로 바뀌는 거죠.

여기에 여러 사람이 같은 프로젝트에서 함께 일하려면 공통으로 볼 수 있는 공간도 필요하겠죠? ChatGPT Space와 Pages는 사람과 AI가 같은 자료를 보고, 같은 프로젝트의 흐름을 이어가면서 함께 일할 수 있도록 해줍니다.

이렇게 놓고 보면, ‘always-on’이라는 표현의 의미도 조금 더 분명해집니다. 중요한 건 서버가 24시간 켜져 있다는 게 아니라, 한 번의 일을 처리하기 위해 잠깐, 단속적으로 불러 쓰는 AI가 아니라 지난번에 하던 일을 기억하고, 새로운 일이 생기면 다시 이어받는 AI로 가고 있다는 점입니다.

결국, 이번 발표에서 더 중요한 건 지속성입니다.

문제는 여기서부터입니다.

AI에게 일을 맡겼는데 5분마다 “이거 해도 될까요?”, “이 이메일 보내도 될까요?”, “이 파일이 맞나요?”, “이제 다음 단계로 넘어갈까요?”라고 계속 물어본다면, ‘항상 곁에 있는 AI’가 꼭 편한 것만은 아닐 거잖아요. 일을 대신해주는 존재라기보다 계속 상황을 봐줘야 하는 새로운 관리 대상이 하나 늘어난 셈이 될 수도 있습니다.

반대로 처음에 목표와 필요한 권한 정도만 정해줬는데 한두 시간 동안 알아서 자료를 모으고 필요한 일을 진행한 뒤에, 정말 사람이 판단해야 하는 순간에만 불러준다면, 그렇다면 이야기가 완전히 달라집니다.

그래서 앞으로 AI를 평가할 때는 “얼마나 똑똑한가?”라는 질문 옆에 “얼마나 오래 신경 쓰지 않아도 되는가?”라는 질문도 자연스럽게 붙게 될 것 같습니다. 5분마다 확인해야 하는 AI와 한 시간 동안 맡겨둘 수 있는 AI, 반나절 동안 아예 잊고 있어도 되는 AI - 그래도 ‘문제가 발생하지 않는’ AI - 는 실제로 사람이 느끼는 가치가 완전히 다를 테니까요.

특히 Dots처럼 먼저 상황을 살펴보고 필요한 일을 준비하는 AI라면 이 문제는 더 중요해집니다. 내가 시키지 않아도 먼저 움직이는 게 정말 편리할 수도 있지만, 필요하지 않은 일을 자꾸 제안하거나 지나치게 자주 확인을 요청한다면 금새 귀찮아질 수 있습니다.

결국 중요한 건 AI가 얼마나 많이 움직이느냐가 아니라, 그 움직임 때문에 사람이 실제로 덜 신경 써도 되느냐입니다.

AI가 사람이 시키지 않아도 필요한 일을 찾고, 연결된 앱을 살펴보면서 다음에 무엇이 필요할지 판단하기 시작하면 편리함은 커지지만, 잘못했을 때 생기는 문제 역시 커집니다.

AI가 그저 틀린 답을 하는 것과 비교하면, 에이전트가 잘못된 이메일을 보내거나, CRM의 값을 바꾸거나, 파일을 수정하거나, 중요한 업무 절차를 실행하는 것은 ‘같은 종류의 실수가 아닙니다’. 화면에서 틀린 답 하나를 보여주는 데서 끝나는 게 아니라 실제 업무에서 잘못된 행동으로 이어질 수 있기 때문이죠.

그래서 OpenAI도 Dots가 뒤에서 먼저 정보를 살펴볼 때는 읽기 위주로 제한하고, 실제로 중요한 행동을 할 때는 사람의 승인이나 별도의 권한 설정을 거치게 하는 방향을 택하고 있습니다. 너무나 자연스러운 선택이기는 하죠.

기업에서는 이 문제가 더 까다롭습니다. 어떤 AI가 어떤 계정으로 움직이는지, 어느 시스템까지 들어갈 수 있는지, 어떤 행동은 혼자 해도 되고 어디부터 사람에게 확인받아야 하는지, 문제가 생겼을 때 어떤 판단을 거쳐 그런 일을 했는지 다시 확인할 수 있어야 합니다. 게다가 AI와 에이전트가 여러 개라면, 도대체 문제가 얼마나 복잡해질까요?

‘거버넌스’라는 말을 굳이 앞세우지 않아도, 실제 업무를 AI에게 맡기기 시작하면 결국 피할 수 없는 문제입니다. AI를 믿는 것과 AI에게 권한을 주는 건 전혀 다른 문제니까요.

OpenAI가 Specialist Dots에 조직 안에서의 역할과 계정, 권한 개념을 넣고 Microsoft의 기업용 관리 기능과 연결하려는 이유도 결국 여기에 있습니다 - 물론, 이것만으로 충분하다고 볼 수는 없습니다.

또 하나 현실적인 문제는 비용입니다. 지금까지는 대부분 사람이 질문을 던질 때 모델이 돌아갔고, 하루에 몇 번 AI를 쓰든 기본적으로 사람이 먼저 요청해야 모델이 일을 시작했습니다.

그런데 AI가 이메일을 계속 살펴보고, 프로젝트 상태를 확인하고, 필요한 일이 있는지 스스로 찾으면서 오랫동안 일을 이어가기 시작하면 모델이 돌아가는 시간 자체가 훨씬 길어집니다.

그래서 이번에 GPT-6.1 Sol 같은 모델이 함께 발표된 것도 따로 볼 일이 아닙니다. OpenAI는 Sol이 코딩이나 컴퓨터 사용 같은 전문 업무에서 Astra에 가까운 수준의 성능을 내면서도 훨씬 낮은 비용으로 쓸 수 있다고 강조했는데, AI가 몇 분 쓰고 끝나는 도구가 아니라 몇 시간씩 계속 일하는 존재가 되면 이런 가격 차이는 훨씬 중요해집니다.

모든 일에 가장 비싼 모델을 쓸 수도 없습니다. 이메일을 분류하거나 단순한 정보를 정리하는 일은 빠르고 저렴한 모델이 맡고, 정말 복잡한 판단이 필요할 때만 더 강한 모델을 부르는 식으로 나누는 편이 자연스럽습니다.

OpenAI가 Dots에서 어떤 모델을 언제 쓸지 자동으로 나눠주는 방식도 검토하고 있다는 건 그래서 흥미롭습니다. AI가 항상 곁에 있는 존재가 될수록 중요한 건 최고 성능 하나만이 아니라, 필요한 수준의 성능을 얼마나 싸고 효율적으로 계속 쓸 수 있느냐가 되기 때문이죠.

다만 지금은 누구나 Dots를 쓸 수 있는 건 아닙니다. Free와 Plus에는 아직 제공되지 않고, Pro부터 복잡하고 오래 걸리는 작업에 쓸 수 있는 일정 수준의 사용량이 포함되며, 상위 요금제로 갈수록 더 많은 작업과 더 빠른 처리가 가능합니다. 결국 Dots가 기술적으로는 쓰기 쉬워졌어도, 실제로 얼마나 많은 일을 맡길 수 있는지는 구독 등급에 따라 달라지는 셈인데, Sam Altman은 대중용으로 이걸 확대할 거라고 예고는 했지만, OpenAI가 이런 기능을 처음부터 모두에게 풀기보다 통제 가능한 범위에서 단계적으로 넓히려는 이유도 이해할 만합니다.

(당연히) OpenAI만 이런 그림을 그리고 있는 것도 아닙니다. Anthropic은 Claude Code와 Cowork를 확장하고 있고, Google과 Microsoft는 이미 기업의 이메일과 문서, 캘린더와 여러 업무 시스템에 깊숙이 들어가 있죠. Meta 역시 얼마 전 발표한 Muse를 통해서 개인 AI가 여러 서비스를 오가며 일을 이어가는 방향을 보여주고 있습니다.

각 회사가 출발한 위치는 물론 조금씩 다릅니다. OpenAI는 ChatGPT를 중심으로 성장했고, Anthropic은 Claude와 개발자 도구에서 존재감을 키웠고, Microsoft와 Google은 애초에 사람들이 매일 사용하는 업무 환경 자체를 가지고 있으니까요.

그런데 최근의 제품들을 한데 놓고 보면 공통된 방향이 하나 보입니다. 사람이 필요할 때 질문하면 답해주는 AI에서, 사람이 보고 있지 않을 때도 지난 일을 기억하고 이어가는 AI로 움직이고 있다는 것입니다.

그래서, 반복해서 말씀드리지만, 앞으로의 경쟁을 단순히 “어느 회사 모델이 가장 똑똑한가?”만으로 설명하기는 점점 어려워질 겁니다. 어떤 AI가 이전에 하던 일을 더 잘 기억하는지, 필요한 도구와 얼마나 자연스럽게 연결되는지, 여러 작업을 얼마나 오래 이어갈 수 있는지, 그러면서도 사람을 불필요하게 귀찮게 하지 않는지가 실제 사용 경험을 훨씬 크게 좌우할 수 있기 때문이예요.

모델의 지능은 여전히 중요하지만, 이제 그 지능을 사람의 일상과 업무 안에서 얼마나 자연스럽게 오래 이어갈 수 있느냐가 또 하나의 중요한 경쟁 축으로 커지고 있습니다.

Dots가 보여주는 방향은 분명 매력적입니다. 매번 앱을 열고 지난번 이야기를 다시 설명하고 다음 일을 지시하지 않아도 AI가 프로젝트를 기억하면서 필요한 일을 이어간다면, 지금 우리가 AI를 쓰는 방식과는 꽤 다른 경험이 될 수 있을 겁니다.

하지만 결국 중요한 건 발표 자료나 멋진 데모가 아니라 실제 사용에서의 경험이죠. AI가 먼저 일을 찾아주는 게 정말 편리한지, 일을 맡긴 뒤 정말 덜 신경 써도 되는지, 아니면 새로운 종류의, 어쩌면 더 신경쓰이고 불편한 확인 작업과 관리 업무가 더 늘어나게 될지는 직접 써봐야 알 수 있습니다.

이번 DevDay에서 OpenAI가 보여준 건 단순히 더 똑똑한 모델 하나가 아닙니다. AI가 지난 일을 기억하고, 여러 도구를 오가면서, 사람이 곁에 없을 때도 같은 일을 계속해나갈 수 있도록 필요한 것들, 그런 요소와 도구들을 빠르게 채우고 있습니다.

지난 몇 년간 AI 경쟁의 중심이 ‘얼마나 더 똑똑해질 수 있느냐’였다면, 이제는 그 지능을 사람이 계속 붙잡고 있지 않아도 얼마나 자연스럽게 일을 계속하게 만들 수 있느냐로 관심이 넓어지고 있습니다.

그래서 이번 발표를 보고 나서 남는 질문도 조금 달라집니다.

AI가 더 많은 일을 하게 되는 만큼, 우리는 정말 덜 기억하고, 덜 확인하고, 덜 챙겨도 될까요?

참고로, 발표 내용을 하나씩 말씀드려 보겠습니다. 위에서 말씀드린 것처럼 ‘AI를 매번 다시 시작하지 않고 같은 일을 계속 이어가게 만든다’는 관점으로 보면, 각각의 구성 요소가 어느 위치에 매치되는지도 좀 더 쉽게 보일 거라고 생각합니다.

Dots는 이번 발표에서 가장 눈에 띄는 제품이죠. 클라우드에 별도의 작업 공간과 브라우저를 두고 사용자가 연결해놓은 여러 앱에 접근하면서 여러 프로젝트의 흐름을 이어갑니다. ChatGPT 안에서만 쓰는 것도 아니고, Slack과 Teams에서도 같은 Dots를 만날 수 있고, 앞으로는 문자 메시지로도 대화할 수 있게 됩니다.

중요한 건 새로운 채팅창 하나가 더 생겼다는 게 아니라, 사용자가 매번 다시 설명하지 않아도 같은 일을 이어서 처리하는 AI를 만들려고 한다는 점입니다.

Specialist Dots는 Dots를 회사 안에서 특정한 역할을 맡는 AI처럼 쓸 수 있게 한 형태로, 예를 들어서 재무팀이나 영업지원팀, 보안팀에 각각 다른 AI를 두고 맡은 역할에 따라 서로 다른 계정과 접근 권한을 줄 수 있습니다. 기업 고객을 대상으로 먼저 시험한 뒤에 Microsoft Agent 365와도 연결할 계획이라고 합니다.

개인용 Dots가 ‘나와 계속 같은 일을 이어가는 AI’라면, Specialist Dots는 조직 안에서 특정 역할을 계속 맡는 AI에 조금 더 가깝겠죠.

GPT-6.1 Sol은 코딩과 Computer Use, 전문적인 업무에 초점을 맞춘 GPT-6 계열의 새 모델로, OpenAI가 특히 강조하는 건 ‘가격’입니다. Astra에 가까운 수준의 성능을 훨씬 낮은 비용으로 제공하겠다는 건데, AI를 몇 분 쓰고 끝내는 게 아니라 몇 시간씩 계속 일하게 만들려면 이런 비용 차이는 상당히 중요해질 수 있습니다.

Ultrafast는 말 그대로 응답 속도를 크게 높인 고속 추론 옵션으로, AI가 여러 앱을 오가면서 실시간으로 일을 할 때 특히 중요합니다. 작업 하나를 할 때마다 몇 초씩 기다려야 한다면 사람이 직접 하는 것보다 답답할 수 있기 때문에, 모델이 얼마나 빨리 반응하느냐 자체가 실제 사용성을 크게 좌우하게 될 겁니다.

Private Intelligence는 민감한 데이터를 다루는 기업을 위한 개인정보 보호 기능인데, 데이터를 별도로 저장하지 않는 환경에서도 사람이 원문을 직접 들여다보지 않고 자동으로 안전성 검사를 할 수 있게 합니다. 앞으로는 기밀 컴퓨팅(confidential computing)을 활용한 Private Inference도 제공할 계획이라고 하는데, 기업이 더 민감한 업무까지 AI에게 맡기려면 이런 보호 장치도 필요할 것 같습니다.

Cloud Codex는 Codex가 클라우드에 개발 환경을 계속 유지하면서 일을 이어갈 수 있게 합니다. 개발 설정과 필요한 권한을 미리 저장해두고 여러 기기에서 같은 작업을 계속할 수 있기 때문에, 개발자가 매번 환경을 다시 구성하거나 지난 상황을 처음부터 설명해야 하는 부담을 줄여줍니다.

기존 Codex도 원격으로 클라우드 작업을 돌릴 수 있었지만, 이번에는 각각의 작업이 끝나면 사라지는 일회성 환경보다 더 오래 유지하고 다시 쓸 수 있는 개발 환경 쪽으로 확장됐다는 점이 핵심입니다.

Codex CLI에는 음성 입력과 /agents 화면이 추가됐고, 중간에 멈춘 작업을 다시 이어가는 기능과 프롬프트 수정, 여러 작업 공간(worktree)을 다루는 부분도 개선됐습니다. 한 번 질문하고 답을 받는 개발 도구라기보다, 여러 작업을 오래 이어가면서 동시에 관리하는 도구 쪽으로 점점 변화하고 있습니다.

Code Review는 여러 프로젝트에서 바뀐 코드를 검토하고 차이점(diff)을 확인한 뒤에 GitHub나 GitLab에 남길 리뷰까지 준비하고, 사람이 자리를 비운 동안 클라우드에서 자동으로 코드 리뷰를 돌릴 수도 있습니다. 개발자가 직접 보고 있지 않을 때도 작업을 계속 이어가려는 방향이 여기에서도 드러납니다.

Codex Security Cloud는 코드 저장소(repository)를 검사하고 정기적으로 보안 문제를 찾은 뒤에, 비슷한 문제는 한데 묶어 정리하고 수정 방법까지 제안합니다. 개발자가 요청할 때만 잠깐 도와주는 보안 도구라기보다, 계속 돌아가면서 문제를 찾아주는 업무에 조금 더 가까워집니다.

Decisions API는 개발자가 몇 가지 선택지를 미리 정해두면 Luna가 그중 하나를 고르는 API입니다. 예를 들어 “이 요청을 어느 팀으로 보낼까?”, “어느 에이전트에게 맡길까?”, “이 상황에서 다음 행동으로 무엇을 고를까?” 같은 작은 판단에 활용할 수 있는데, AI가 여러 업무를 오래 처리할수록 이런 자잘한 선택이 계속 생기기 때문에 눈에 확 띄는 기능은 아니어도 실제로는 꽤 중요한 밑바탕이 될 수 있습니다.

느끼셨겠지만, OpenAI의 Decisions API는 최근 TypeSafe가 공개한 Jev와 상당히 비슷한 문제를 겨냥합니다. 둘 다 자유로운 문장 생성을 시키기보다, 미리 정해둔 선택지 안에서 분류·라우팅·다음 행동 같은 판단을 내리게 하는 방식입니다. 다만 Jev가 이를 위해 별도의 ‘System One’ 모델과 확률 보정(calibration), confidence 출력을 핵심으로 내세우는 반면에, Decisions API는 현재 공개된 내용상으로는 Luna를 제한된 답변 공간에 집중시키는 API에 더 가깝습니다. 즉 방향은 상당히 겹치지만, Jev는 ‘판단 전용 모델’을 만들려는 쪽이고 OpenAI는 기존 모델을 ‘판단 API’로 제품화하는 쪽에 가깝습니다. Jev에 대해서는 아래 글들을 참고하세요:

Agents API에는 컴퓨터를 직접 조작하는 기능이 들어가고, 여러 에이전트를 함께 쓰거나 필요한 도구를 찾아 쓰고 긴 작업 내용을 정리하면서 일을 계속 이어가는 기능도 함께 제공됩니다. Dots에서 OpenAI가 직접 보여주는 방식과 비슷한 구조를 개발자들도 API를 통해 만들 수 있게 되는 셈입니다.

Bedrock Managed Agents는 OpenAI의 에이전트를 AWS 환경 안에서 운영하고 싶은 기업을 위한 제품입니다. 이미 AWS에 데이터와 시스템을 많이 올려둔 기업이라면 기존 인프라와 보안의 경계를 크게 바꾸지 않고 OpenAI의 에이전트 기능을 붙일 수 있다는 점이 핵심입니다.

Plugin도 단순히 외부 API를 호출하는 수준에서 한 단계 더 확장됩니다. ChatGPT 안에 별도의 화면을 만들거나 사용자가 직접 조작할 수 있는 패널을 띄우고 파일을 보여주는 기능까지 넣을 수 있기 때문에, 작은 기능 하나를 연결한다기보다 ChatGPT 안에 작은 앱을 하나 넣는 쪽에 가까워집니다.

Plugin Creator가 추가되고 그 제출 과정도 더 명확해지고, Plugin Directory에서 필요한 도구를 찾아주는 추천 기능도 강화됩니다. AI가 더 많은 일을 오래 맡으려면 결국 어떤 도구를 사용할 수 있는지가 중요해지기 때문에, OpenAI도 Plugin 생태계를 다시 키우려는 모습입니다.

지원되는 Plugin을 Sites 안에서도 쓸 수 있고, 팀원마다 원래 가지고 있던 데이터 접근 권한도 그대로 유지됩니다. 실제 회사에서는 모든 사람이 같은 정보를 볼 수 없기 때문에 AI가 업무에 깊숙이 들어갈수록 이런 권한 관리도 반드시 함께 따라와야 합니다.

MCP Events는 이번 발표에서 꽤 중요하게 봐야 할 기능입니다. 지금까지 AI는 대부분 사람이 먼저 말을 걸어야 일을 시작했지만, MCP Events를 쓰면 연결된 앱에서 어떤 일이 벌어졌을 때 그 사건 자체가 AI가 움직이는 트리거가 됩니다.

예를 들어 보면, 고객 문의가 들어오거나 프로젝트에 새로운 업무가 추가되고 특정한 상태가 바뀌면 AI가 그 변화를 보고 다음 일을 시작할 수 있으니, 사람이 매번 프롬프트를 쓰는 대신 업무에서 벌어진 일이 AI에게 다음 일을 알려주는 방식이 되는 셈입니다.

ChatGPT Space는 사람과 ChatGPT, Dots가 함께 쓰는 공유 작업 공간인데, 프로젝트에서 사용한 파일과 지시 내용, 지금까지 해온 일을 계속 이어가면서 사람과 AI가 같은 상황을 공유한 채 업무를 할 수 있게 합니다.

Pages는 글쓰기와 조사, 차트, 이미지 같은 작업을 함께 하는 문서 공간으로, AI가 결과물을 만들어 던져주는 데서 끝나는 게 아니라 사람이 같은 공간에 들어가 고치고 다시 AI와 이어서 작업하는 흐름을 만들려는 겁니다.

Collaborative Slides는 사람과 AI가 같은 프레젠테이션을 함께 편집하고 댓글을 남긴 뒤에, PowerPoint나 Google Slides로 내보낼 수 있게 해 줍니다.

Teams & Shared Tasks는 팀 안에서 결과물을 공유하고 반복해서 해야 하는 일을 AI에게 맡길 수 있게 하며, 정해진 시간에 일을 시작하게 하거나 특정 사건이 일어났을 때 자동으로 움직이게 할 수도 있습니다. 사람이 매번 일을 시작시켜야 하는 수고를 줄이는 데 초점이 맞춰져 있습니다.

OpenAI가 모든 사용자를 ChatGPT 앱 안으로 끌어오려는 것만은 아닙니다. 이건 사람들이 이미 일하고 있는 Slack과 Teams 안으로 ChatGPT와 Dots가 들어가는 건데, 모든 참여자가 개인 ChatGPT 계정을 따로 가지고 있지 않아도 같은 업무 안에서 AI와 함께 일할 수 있는 구조를 만들고 있습니다.

Meetings Plugin은 회의 내용을 정리하고 사람마다 필요한 요약내용을 따로 만들어준 뒤에, 다음에 해야 할 일까지 뽑아서 ChatGPT Space에 저장합니다. 회의가 끝나는 순간 그 내용이 다음 AI 업무의 출발점이 될 수 있기 때문에, 사람이 다시 회의록을 정리하고 할 일을 다른 곳으로 옮기는 수고를 줄이려는 기능이라고 볼 수 있습니다.

Shareable Profiles는 자기가 만든 Sites와 Plugin을 보여주고, 조직 안에서 다른 사람이 만들어둔 기능이나 스킬을 찾아 쓸 수 있게 합니다. 회사 안에서 누군가 잘 만들어둔 AI 활용법을 다른 사람이 다시 발견하고 이어서 쓸 수 있게 하는 내부 공유 공간에 가깝습니다.

Sign in with ChatGPT는 Plus나 Pro에서 제공되는 OpenAI 사용량을 일부 외부 서비스에서도 그대로 쓸 수 있게 해 줍니다. Devin이나 Notion, Vercel, OpenClaw 같은 참여 서비스에서 ChatGPT 계정으로 로그인하면 별도로 API 키와 결제 계정을 만들지 않고 자기 ChatGPT 사용량을 가져다 쓸 수 있습니다.

이렇게 되면 ChatGPT 구독은 특정 앱 하나를 쓰는 이용권이라기보다, 여러 서비스에서 들고 다니며 쓰는 AI 사용권에 조금 더 가까워질 수도 있습니다.

Pro 500은 AI를 정말 많이 쓰는 사람들을 위한 상위 요금제로, 더 많은 사용량과 Ultrafast 기능을 제공합니다. AI가 하루 종일 여러 일을 맡기 시작하면 결국 “얼마나 많이, 얼마나 오래 쓸 수 있는가” 자체가 요금제를 나누는 중요한 기준이 될 수밖에 없습니다.

OpenAI Marketplace는 기업이 이미 OpenAI와 계약해둔 금액 일부를 OpenAI가 승인한 다른 소프트웨어를 구매하는 데 사용할 수 있게 합니다. 처음에는 32개 파트너가 참여한다고 하고, 조금 멀리 보면 OpenAI가 단순히 AI 모델과 ChatGPT를 파는 회사를 넘어서 기업이 AI 소프트웨어를 찾고 도입하는 과정까지 자기 생태계 안으로 끌어들이려는 움직임으로 볼 수 있습니다.