Greg Brockman의 OpenAI Simon Willison 인용문이 드러낸 AI 동료 반발

Greg Brockman은 OpenAI 내부의 예상치 못한 갈등을 설명했다. 직원들은 동료의 ChatGPT 에이전트가 보낸 Slack 요청을 싫어했지만, 동일한 요청을 사람이 직접 보낼 때는 받아들였다. OpenAI Simon Willison 인용문은 더 나은 모델만으로는 해결할 수 없는 문제를 포착한다. 에이전트는 올바른 메시지를 전달할 수 있지만, 그 메시지를 둘러싼 관계에는 여전히 손상을 입힐 수 있다.

Simon Willison은 8월 1일 OpenAI의 사장 겸 공동창업자를 인용하며 이 관찰을 공개했다. Brockman은 많은 OpenAI 직원이 ChatGPT를 Slack에 연결한다고 말했다. 또 이 시스템들이 동료에게 업무 완료를 도와달라고 요청할 때 사람들의 반응이 달라진다고도 했다.

이 반응은 업무용 에이전트의 핵심 약속에 도전한다. 기업들은 사용자를 대신해 행동할 수 있는 AI인 자율 소프트웨어가 조정 업무를 줄일 것이라 기대한다. 그러나 대화를 위임하면 합리적인 요청도 비인간적이거나, 무례하게 당연시되거나, 불공정하게 느껴질 수 있다.

이 갈등은 단순히 인간 대 자동화의 문제가 아니다. 위임된 효율성과 눈에 보이는 인간의 책임 사이의 충돌이다. 직원들은 다른 사람을 돕는 데는 기꺼이 응하지만, 그 사람의 소프트웨어가 관리하는 보이지 않는 자원이 되는 데는 덜 동의하는 것으로 보인다.

이 구분은 OpenAI, Salesforce, Slack 및 다른 공급업체들이 에이전트를 업무용 커뮤니케이션에 도입하면서 중요해지고 있다. 이제 문제는 AI가 유용한 메시지를 보낼 수 있는가가 아니다. 수신자가 누가 요청하는지, 왜 이 요청이 중요한지, 그리고 누가 여전히 책임을 지는지 이해하는가에 달려 있다.

OpenAI Simon 인용문이 실제로 드러낸 것

중요한 사건은 제품 출시가 아니었다. 기술적으로 성공한 위임이 사회적으로 실패할 수 있다는 인정이었다.

원문 인용에서 Brockman은 반복적으로 나타나는 행동 차이를 설명했다. OpenAI 직원들은 동료가 직접 다가와 요청하면 흔히 도와주었다. 하지만 그 동료의 ChatGPT가 상호작용을 시작하며 같은 요청을 보내면 이를 싫어했다.

Brockman의 표현은 통제된 연구가 아니라 내부에서 관찰된 패턴을 가리킨다. OpenAI는 참여자 수, 응답률, 업무 범주, 실험적 비교 결과를 공개하지 않았다. 따라서 독자들은 이 설명을 회사 내부자의 정보에 기반한 관찰로 받아들여야 한다.

이 한계에도 불구하고, 이 사례는 이례적으로 가치가 크다. OpenAI는 이 전환의 중심에 있는 모델과 에이전트 시스템을 개발한다. 그 직원들 역시 높은 기술적 지식과 새로운 도구에 대한 이례적으로 직접적인 접근성을 갖고 있다.

그런 환경에서 저항이 나타난다면, 제한적인 AI 리터러시만으로는 이를 온전히 설명할 수 없다. 해당 직원들은 ChatGPT가 무엇을 하는지 이해하고 있을 가능성이 높다. 이들의 반감은 에이전트가 다른 사람의 시간을 끌어올 때 만들어지는 사회적 관계에 관한 것이다.

요청 자체는 합리적일 수 있다. 개발자는 코드 리뷰가 필요할 수 있고, 연구자는 문서가 필요할 수 있으며, 관리자는 다른 팀의 맥락이 필요할 수 있다. 책임 있는 동료가 직접 요청한다면 수신자는 기꺼이 도움을 제공할 수도 있다.

자동화된 요청은 암묵적인 관계를 바꾼다. 한 직원이 조정 비용을 다른 사람에게 넘겨 시간을 절약했다는 인상을 줄 수 있다. 발신자는 메시지를 작성하고, 방해의 적절성을 판단하고, 호의에 대해 개인적으로 감사를 표하는 일을 피한다.

수신자는 여전히 업무를 수행한다. 요청을 해석하고, 우선순위를 판단하고, 정보를 찾고, 에이전트에 충분한 권한이 있는지 결정해야 한다. 자동화는 한쪽의 노력은 줄였지만 다른 쪽의 노력은 그대로 남겨둔다.

이 불균형은 동일한 문구가 동일한 경험을 만들지 않는 이유를 설명한다. 업무 커뮤니케이션은 문자 그대로의 내용 이상의 정보를 담고 있다. 긴급성, 상호성, 지위, 개인적 판단, 그리고 상대방의 시간에 대한 존중을 표현한다.

인간의 요청은 협상을 위한 분명한 경로도 만든다. 수신자는 왜 업무가 중요한지 물을 수 있고, 경쟁하는 우선순위를 설명하거나, 더 작은 기여를 제안할 수 있다. 에이전트도 이런 교환을 지원할 수 있지만, 그 존재는 경계를 덜 명확하게 만든다.

OpenAI의 현재 문서는 기능이 얼마나 발전했는지를 보여준다. Slack agent guide는 워크스페이스 에이전트가 질문에 답하고, 연결된 시스템을 통해 작업을 수행하며, 파일을 만들고, 예약된 메시지를 보낼 수 있다고 설명한다.

에이전트는 공개 채널에서 자동으로 응답할 수도 있다. 이 기능은 에이전트를 개인 비서의 범위를 넘어 확장한다. 팀이 업무를 조정하고 기대를 형성하는 공동 커뮤니케이션 환경의 참여자가 되는 것이다.

OpenAI는 에이전트의 응답이 부정확할 수 있다고 경고한다. 그러나 Brockman의 사례는 별도의 실패 양식을 드러낸다. 메시지가 정확하고, 관련성이 있으며, 올바르게 전달되었더라도 여전히 반감을 만들 수 있다.

이것이 OpenAI Simon 관찰이 일상적인 인용 게시물보다 더 큰 주목을 받을 만한 이유다. 이는 표준 모델 평가가 거의 측정하지 않는 도입 장벽을 식별한다. 정확성만으로는 수신자가 존중받는다고 느끼는지, 부담을 느끼는지, 조종당한다고 느끼는지를 알 수 없다.

따라서 변화는 개념적이면서도 구체적이다. 업무용 에이전트는 소유자를 돕는 단계에서 다른 사람에게 요구를 하는 단계로 넘어가고 있다. 이 경계를 넘는 순간, 사회적 허가는 기술적 권한만큼 중요해진다.

업무용 AI는 관계 설계의 문제가 되고 있다

에이전트 도입은 관리자와 제품팀에게 단순히 더 많은 단계를 자동화하는 것이 아니라 인간관계를 보호하라는 압박을 가한다.

업무용 생성형 AI의 첫 세대는 대부분 개인적인 환경에서 작동했다. 직원은 요약, 초안, 설명 또는 분석을 요청했다. 사용자는 결과를 검토하고 공유 여부를 결정했다.

에이전트는 시스템 전반에서 행동할 수 있기 때문에 이 패턴을 바꾼다. 채널에 게시하고, 동료에게 연락하고, 기록을 검색하고, 문서를 업데이트하고, 워크플로를 계속 진행할 수 있다. 소유자가 모든 단계를 반드시 검토하기 전에 그 출력은 다른 사람의 입력이 된다.

이 전환은 AI 거버넌스를 일상적인 조직 행동의 영역으로 옮긴다. 보안팀에는 여전히 접근 제어와 감사 기록이 필요하다. 관리자에게도 소프트웨어가 언제 사람에게 연락해야 하는지, 어떤 정체성을 제시해야 하는지에 관한 규칙이 필요하다.

OpenAI의 업무용 문서는 관리자가 Slack 통합을 구성하도록 요구한다. 또한 에이전트가 한 직원의 개인 로그인 대신 중앙에서 관리되는 연결을 사용하는 공유 인증도 설명한다. 이 제어 장치는 기술적 접근 문제를 다루지만, 모든 사회적 기대를 해결하지는 못한다.

권한을 받은 에이전트도 여전히 잘못된 사람을 방해할 수 있다. 불필요한 후속 요청을 만들거나, 비공식적인 호의를 기계가 배정한 업무로 바꿀 수 있다. 채널에 들어갈 권한이 있다고 해서 모든 사람의 주의를 소비할 권한이 있는 것은 아니다.

수신자에게는 의미 있는 공개도 필요하다. 눈에 보이는 봇 라벨은 한 가지 질문에는 답하지만, 가장 중요한 질문에는 답하지 못한다. 직원들은 누가 요청의 주체인지, 그리고 그 사람이 이를 검토했는지 알아야 한다.

주체성은 사람들이 긴급성을 해석하는 방식에 영향을 준다. 신뢰하는 동료의 메시지에는 이전 협업에서 축적된 맥락이 담겨 있다. 봇 요청은 그 역사를 제거하고 모든 업무를 비슷한 확신으로 제시할 수 있다.

이 평준화는 우선순위 문제를 만든다. 인간 동료는 작은 선택을 통해 불확실성, 미안함, 감사 또는 진정한 긴급성을 드러낸다. 에이전트도 이런 신호를 흉내 낼 수 있지만, 흉내만으로 소유자가 같은 감정을 공유한다는 사실이 확립되지는 않는다.

따라서 팀은 지나치게 매끄러운 요청을 불신할 수 있다. 언어는 사려 깊어 보일 수 있지만, 그 기저의 과정은 협의 없이 부담을 전가한다. 더 나은 글쓰기는 권한과 상호성에 관한 불확실성을 해결하지 못한다.

업무용 AI에 대한 연구는 Brockman의 내부 설명을 직접 검증하지는 않지만, 더 넓은 우려를 뒷받침한다. 2026년의 한 연구는 기업 커뮤니케이션 과제에서 ChatGPT 지원과 인간 동료의 지원을 비교했다.

연구진은 202명을 대상으로 비네트 실험을 진행했다. 그들은 해당 특정 환경에서 ChatGPT 지원이 인간 동료의 지원보다 낮은 직무 만족도와 연관된다는 사실을 발견했다.

공개된 workplace support study는 이 결과를 세 가지 인식과 연결했다. 참여자들은 더 낮은 조직 지원, 자신의 능력을 보여줄 기회의 감소, 그리고 더 큰 고용 불안을 보고했다.

이 결과를 모든 직업이나 워크플로에 일반화해서는 안 된다. 이 실험은 통제된 조건에서 하나의 커뮤니케이션 과제에 초점을 맞췄다. 그럼에도 그 메커니즘은 Brockman의 관찰에서 나타난 긴장과 매우 유사하다.

인간의 도움은 업무 완료 이상의 것을 전달한다. 조직이 직원을 가치 있게 여긴다는 신호, 동료들이 서로의 전문성을 인정한다는 신호, 협력이 보답받을 것이라는 신호가 될 수 있다.

에이전트 기반 지원은 결과를 개선하더라도 다르게 느껴질 수 있다. 소프트웨어에는 도움에 관계적 의미를 부여하는 공동의 역사가 없다. 직원들은 답을 받을 수 있지만, 그 상호작용을 진정한 지원으로 경험하지 못할 수도 있다.

이는 엔터프라이즈 구매자에게 직접적인 압박을 만든다. 완료된 업무를 중심으로 구성된 구매 결정은 2차 비용을 놓칠 수 있다. 팀은 워크플로가 빨라졌다고 기록하면서도 신뢰 약화, 도움을 주려는 의지 감소, 자동화된 요청을 확인하는 데 드는 시간 증가를 경험할 수 있다.

제품 디자이너들도 같은 압박에 직면한다. 에이전트가 자율적으로 말해야 하는지, 승인을 위한 메시지 초안을 작성해야 하는지, 또는 인간이 통제하는 인터페이스 뒤에서 조용히 작동해야 하는지를 결정해야 한다.

가장 안전한 패턴은 업무에 따라 다르다. 예약된 상태 요약은 특정 동료에게 문제 조사를 요청하는 것과 사회적 결과가 다르다. 두 행동을 일반적인 메시징으로 취급하면 인간의 주의에 가하는 서로 다른 요구를 무시하게 된다.

검색 가능한 지식 베이스에 이미 투자한 조직에는 또 다른 선택지가 있다. 에이전트는 동료에게 같은 내용을 반복해서 요청하기 전에 기존 지식을 검색할 수 있다.

이 순서는 인간을 기본적인 대체 수단으로 만들지 않으면서 자동화의 가치를 보존한다. 또한 방해를 위한 더 명확한 기준을 만든다. 에이전트는 이용 가능한 기록으로 요청을 해결할 수 없을 때에만 사람에게 연락한다.

따라서 필요한 것은 에이전트를 거부하는 일이 아니다. 개인 지원, 공동 정보 검색, 대인 간 위임을 구분하는 일이다. 각 범주에는 서로 다른 권한과 기대가 필요하다.

위임된 효율성 대 인간의 책임

핵심적인 상충 관계는 단순하다. 에이전트는 다른 사람의 주의를 소비해 소유자의 시간을 절약한다.

생산성 지표는 흔히 요청을 시작한 사용자를 따른다. 기업은 해당 직원이 업무를 얼마나 빨리 완료하는지, 또는 에이전트가 얼마나 많은 워크플로를 처리하는지를 측정한다. 수신자의 해석 노력은 같은 대시보드에 거의 나타나지 않는다.

업데이트를 준비하는 제품 관리자를 생각해 보자. 그들의 에이전트는 누락된 엔지니어링 추정치를 발견하고 개발자에게 연락한다. 관리자는 몇 분을 절약하지만, 개발자는 관리자가 이를 검토했는지 알지 못한 채 요청을 받는다.

개발자는 그 추정치가 정말 필요한지, 마감일이 실제인지, 봇에 답하면 의무가 생기는지 판단해야 한다. 이 워크플로는 한 계정에서는 효율적으로 보이지만, 다른 곳에서는 모호함을 만들어낸다.

인간이 보내는 메시지에는 작지만 의미 있는 비용이 따른다. 발신자는 잠시 멈춰 수신자를 고려하고, 필요를 설명하며, 상대를 방해한 데 대한 책임을 받아들인다. 이 노력은 가치가 낮은 요청을 걸러내는 필터 역할을 한다.

자동화는 이러한 마찰의 상당 부분을 없앤다. 행동이 일상적이고 상호 동의된 경우 마찰을 줄이는 것은 도움이 된다. 그러나 그 행동이 희소한 인간의 판단을 소모한다면 과도한 수요를 만들어낼 수 있다.

이는 캘린더 자동화와 비슷하다. 예약 소프트웨어는 일정을 잡기 쉽게 만들지만, 부주의하게 사용하면 모든 불편을 초대받는 사람들에게 전가할 수 있다. 상호작용이 공정하게 느껴지는지를 결정하는 것은 기술 자체가 아니라 이를 둘러싼 관행이다.

에이전트는 대규모로 요청을 생성할 수 있기 때문에 이 효과를 키운다. 한 직원이 각 수신자가 겪는 방해를 직접 경험하지 않은 채 수많은 대화를 위임할 수 있다. 작은 불균형도 대규모 조직 전체에서는 누적될 수 있다.

OpenAI의 Simon 발언은 소프트웨어에 인간과 같은 언어 또는 행동을 부여하는 의인화 디자인에도 문제를 제기한다. 더 친근한 어조는 사용성을 높일 수 있지만, 메시지 뒤에서 누가 결정을 내렸는지는 흐릴 수 있다.

에이전트가 “도움을 주시면 감사하겠습니다”라고 쓴다면, 누가 감사를 표현하는 것일까? 시스템은 그 관계에 개인적인 이해관계가 없다. 소유자는 감사함을 느낄 수 있지만, 수신자는 그 표현이 인간의 관심을 반영하는지 알 수 없다.

명확한 출처 표기는 이러한 모호함을 줄일 수 있다. 메시지에는 에이전트가 누락된 정보를 발견했고, 특정 직원이 요청을 승인했다고 밝힐 수 있다. 소유자에게 직접 연락할 수 있는 경로도 제공할 수 있다.

승인만으로 모든 경우를 해결할 수는 없다. 사람은 그 부담을 평가하지 않은 채 수많은 생성 메시지를 승인할 수 있다. 유용한 디자인이라면 요청을 보내기 전에 수신자가 치르는 비용을 보이게 해야 한다.

예를 들어 에이전트는 소유자에게 이미 연락한 사람이 누구인지, 그 사람이 얼마나 자주 도움을 줬는지, 답이 다른 곳에 있는지를 보여줄 수 있다. 한 전문가를 반복적으로 겨냥하기보다 공유 채널에서 질문하라고 권고할 수도 있다.

시스템은 정보성 질문과 업무 배정을 분리할 수도 있다. 문서가 어디에 있는지 묻는 일은 두 시간의 분석을 요청하는 일과 다르다. 후자의 행동에는 명시적인 인간 간 협의가 필요하다.

수신자 역시 통제권이 필요하다. 소프트웨어와 실랑이를 벌이지 않고도 거절하거나, 다른 곳으로 돌리거나, 음소거하거나, 인간의 확인을 요구할 수 있어야 한다. 거절은 끝없는 자동 설득을 촉발하는 대신 책임 있는 소유자에게 전달돼야 한다.

대화 전반에서 정체성은 일관되게 유지돼야 한다. 에이전트가 스레드를 시작했다면, 소유자가 모호함을 유지한 채 조용히 대화를 넘겨받아서는 안 된다. 참여자들은 각 메시지가 소프트웨어, 사람, 또는 검토된 초안 중 어디에서 왔는지 알아야 한다.

에이전트가 오류를 범했을 때는 책임성이 특히 중요해진다. 기한을 잘못 전달하거나 권한 없는 업무를 요청했다면, 수신자가 어떤 프롬프트, 통합 또는 모델이 그 지시를 만들었는지 조사할 필요가 없어야 한다.

이름이 명시된 소유자가 문제를 해결해야 한다. 조직은 그 행동을 이해할 수 있을 만큼의 이력도 보존해야 한다. 그렇지 않으면 자동화가 도달 범위를 넓히는 바로 그 순간, 위임된 커뮤니케이션은 책임을 약화시킨다.

Slack은 더 많은 에이전트가 중심이 되는 미래를 공개적으로 제시해 왔다. Axios 보도는 Slack 임원이 언젠가 직원들이 인간 동료만큼 자주 에이전트와 대화하게 될 수 있다고 예측한 내용을 인용했다.

에이전트 업무공간 전망 역시 상충하는 우려를 담았다. 전문가들은 기계 중심의 상호작용이 사회적 행동을 약화시킬 수 있다고 경고했고, 실무자들은 에이전트가 일관성이 없고 실수하기 쉽다고 설명했다.

Brockman의 관찰은 이 논쟁을 더 선명하게 만든다. 사람들은 소프트웨어와의 모든 상호작용을 거부하는 것이 아니다. 자신을 돕는 에이전트와, 다른 누군가를 돕기 위해 자신을 동원하는 에이전트를 구분하고 있다.

이 차이는 제품 의사결정을 이끌어야 한다. 개인 자동화에 자동으로 대인 관계상의 권한을 부여해서는 안 된다. 메시지를 보낼 수 있는 시스템이라도 소유자를 대표할 정당한 이유가 필요하다.

증거는 시사적이지만 완전하지 않다

Brockman은 신뢰할 만한 경고를 제시했지만, 공개된 증거만으로는 그 반응이 얼마나 광범위하고 지속적인지 확인할 수 없다.

OpenAI의 설명에는 기본적인 측정치가 빠져 있다. 얼마나 많은 직원이 ChatGPT를 Slack에 연결했는지, 얼마나 많은 수신자가 이의를 제기했는지, 어떤 유형의 업무가 가장 강한 반응을 촉발했는지는 알 수 없다.

“사람들이 정말 좋아하지 않는다”는 표현은 정량화된 결과가 아니라 분명한 인상을 전달한다. 광범위한 저항을 뜻할 수도 있고, 더 작은 집단에서 반복된 불만을 뜻할 수도 있으며, 특정 팀에 집중된 패턴을 의미할 수도 있다.

업무 설계가 반응의 일부를 설명할 수 있다. 직원들은 자동화된 상태 확인 질문은 받아들일 수 있지만 판단이 필요한 개방형 요청에는 불만을 느낄 수 있다. 기존 링크를 요청하는 일은 다른 팀의 프로젝트 디버깅에 참여하라는 초대와 다르다.

에이전트의 행동도 중요하다. 메시지가 장황하거나, 타이밍이 좋지 않거나, 반복적이거나, 충분히 투명하지 않아서 수신자가 부정적으로 반응할 수 있다. 문제가 위임 자체만은 아닐 수 있다.

직장 내 위계는 또 다른 불확실성을 만든다. 고위 경영진을 대신하는 에이전트는 메시지가 선택 사항처럼 보여도 암묵적인 권위를 가질 수 있다. 직원들은 이를 무시하기 어렵다고 느끼면서도, 협상할 수 있는 인간적 관계는 부족할 수 있다.

동료를 대신하는 같은 에이전트는 다른 반응을 만들 수 있다. 신뢰가 강한 팀은 동료들이 서로의 의도를 이미 이해하기 때문에 자동화를 용인할 수 있다. 새로 구성됐거나 분산된 팀은 더 명시적인 인간 접촉이 필요할 수 있다.

문화적 기대도 달라질 것이다. 어떤 조직은 비동기식 서면 커뮤니케이션에 크게 의존한다. 다른 조직은 결속을 유지하고, 불확실성을 해소하며, 개인의 기여를 인정하기 위해 대화를 활용한다.

ChatGPT 지원에 관한 2026년 연구는 유용한 증거를 제공하지만, 자율적인 Slack 위임을 재현하지는 않는다. 참가자들은 실제 동료 및 에이전트와의 장기적 관계가 아니라 가상의 업무 시나리오에 반응했다.

202명으로 구성된 표본은 해당 실험 내 분석을 뒷받침한다. 그러나 지속적인 사용 후 직원들이 적응하는지, 또는 더 나은 인터페이스 디자인이 결과를 바꾸는지는 판단할 수 없다.

Associated Press가 보도한 별도의 Slack 연구는 이미 직장 내 도입이 얼마나 불균등했는지를 보여준다. 연구자들은 데스크톱 근로자 5,000명을 인터뷰하고 이들을 다섯 가지 AI 페르소나로 분류했다.

정기적으로 또는 비공개로 이미 AI를 사용하던 두 집단에 속한 사람은 절반에 불과했다. 직장 AI 설문조사는 하나의 공통된 반응이 아니라 열의, 불안, 저항, 죄책감, 불확실성을 묘사했다.

이 연구는 현재 OpenAI Slack 통합보다 앞선 것으로, 에이전트 수용도의 직접적 척도로 간주해서는 안 된다. 다만 직장 AI가 정서적으로 분열된 환경에 도입된다는 점은 보여준다.

공개는 또 다른 역설을 만들 수 있다. 에이전트를 숨기면 즉각적인 마찰은 줄어들지만 수신자에게 저작 주체를 속이게 된다. 모든 자동 메시지에 라벨을 붙이면 투명성은 보호되지만, 위임을 무시하기는 어려워진다.

해답은 에이전트가 소유자를 더 설득력 있게 사칭하도록 만드는 것이 될 수 없다. 그런 접근은 기존 신뢰를 이용해 단기 응답률을 높일 수 있다. 하지만 충분한 정보를 바탕으로 한 참여를 훼손하고, 이후의 실수를 더 해롭게 만들 것이다.

조직에는 도입 수치 이상의 증거가 필요하다. 높은 사용량은 직원 수용보다 경영진의 압박을 반영할 수 있다. 빠른 응답 시간은 불만이나 불필요한 순응을 숨길 수 있다.

더 나은 측정 기준에는 무시된 요청, 인간 에스컬레이션, 불만, 정정, 반복 접촉, 수신자 만족도가 포함된다. 팀은 에이전트가 초안을 작성한 요청과 자율적으로 전송한 요청도 비교해야 한다.

가장 강력한 증거는 통제된 직장 실험에서 나올 것이다. 연구자들은 소유자 승인, 정체성 공개, 업무 부담, 위계, 관계 이력을 달리할 수 있다. 이후 완료율, 신뢰, 다시 협업하려는 의지를 측정할 수 있다.

그런 데이터가 나올 때까지 OpenAI의 Simon 설명은 보편적 법칙이 아니라 경고로 남아야 한다. 이는 관련 연구와 부합하는 그럴듯한 메커니즘을 제시한다. 모든 자율 메시지가 직장 관계를 해친다는 사실을 증명하지는 않는다.

이 구분은 과잉 대응에도 비용이 따르기 때문에 중요하다. 모든 에이전트 커뮤니케이션을 금지하면 접근 가능한 지원 채널, 정기 보고, 더 빠른 정보 검색을 포함한 유용한 자동화까지 막게 된다.

실질적인 대응은 제한된 실험이다. 기업은 다른 사람에게 의미 있는 업무를 부과하는 요청에 대해서는 인간 검토를 요구하면서, 저위험 에이전트 참여는 허용할 수 있다.

기업은 배포 전에 경계를 공개해야 한다. 직원들은 에이전트가 언제 자신에게 연락할 수 있는지, 어떤 권한을 갖는지, 어떻게 거절하는지, 누가 분쟁을 처리하는지 알아야 한다.

이런 규칙이 없다면 각 수신자는 매번 방해를 받을 때마다 정책을 새로 만들어야 한다. 그 불확실성은 생산성 기능을 조직적 마찰로 바꾼다.

AI 동료가 신뢰를 얻을 수 있는지 보여줄 세 가지 신호

다음 단계는 제품 통제, 수신자 행동, 그리고 측정 가능한 관계 결과에 의해 결정될 것이다.

첫 번째 신호는 OpenAI와 다른 공급업체가 대인 관계 요청에 대해 더 강력한 인간 승인 통제를 추가하는지 여부다. 현재 도구는 이미 채널 구성, 일정, 멘션, 자동 응답을 지원한다.

결정적인 기능은 일반적인 채널 지원과 특정 대상에게 업무를 위임하는 일을 구분하는 기능일 것이다. 관리자나 소유자는 에이전트가 이름이 명시된 직원에게 상당한 업무를 요청할 때마다 검토를 요구할 수 있다.

고객들이 이 통제를 널리 채택한다면 Brockman의 해석은 더 강해질 것이다. 이는 조직이 대인 관계 요청을 별개의 위험 범주로 인식한다는 점을 보여줄 것이다.

채택이 미약하다면 다른 방향을 시사할 것이다. 팀은 공개와 기존 권한만으로도 충분한 보호가 된다고 판단할 수 있다. 반복적인 노출을 통해 일상적인 에이전트 메시지는 사회적으로 정상적인 것이 될 수 있다.

두 번째 신호는 수신자 행동이다. 기업은 다양한 업무 범주 전반에서 응답률, 거절, 음소거, 에스컬레이션, 인간 확인 요청을 살펴봐야 한다.

높은 완료율만으로는 충분하지 않다. 특히 에이전트가 관리자나 영향력 있는 동료를 대표할 때 직원들은 싫어하는 요청에도 응할 수 있다. 속도와 함께 만족도와 반복 수용 의지도 중요하다.

자율 요청이 검토된 인간 메시지보다 더 많은 불만이나 더 낮은 향후 협력 의지를 낳는다면 Brockman의 주장은 힘을 얻는다. 메시지 품질과 업무 부담을 통제한 뒤 차이가 사라진다면 그 주장은 약해진다.

세 번째 신호는 조직이 생산성과 함께 관계 효과를 측정하는지 여부다. 대부분의 에이전트 프로그램은 절감된 시간, 완료된 업무, 또는 감소한 지원량으로 시작한다.

이 측정치는 에이전트 소유자와 구매 조직에 유리하다. 시스템이 업무를 전가하는지, 인정을 줄이는지, 동료 간 신뢰를 약화시키는지는 포착하지 못한다.

신뢰할 만한 평가는 상호작용의 양쪽 당사자에게 물어야 한다. 발신자는 시간을 절약했는가? 수신자는 요청을 이해했고, 그 정당성을 받아들였으며, 누가 책임자인지 알았는가?

더 장기적인 지표도 중요하다. 팀은 전문가들이 더 많은 자동화된 요구를 받는지, 직원들이 직접 소통하는 빈도가 줄어드는지, 해결되지 않은 이견이 공식 채널 밖으로 옮겨가는지를 살펴볼 수 있다.

이러한 결과는 보강과 대체를 구분할 것이다. 보강은 AI를 활용해 사람들이 더 나은 협업을 하도록 준비시킨다. 대체는 사람들 사이에 소프트웨어를 놓고 관계를 피할 수 있는 간접비로 취급한다.

브록먼이 선호하는 방향은 이 인용문에서 분명해 보인다. AI는 사람들에게 시간을 돌려주거나 함께하는 시간을 더 좋게 만들어야 한다. 동료 사이를 멀어지게 하는 영구적인 층위가 되어서는 안 된다.

이 입장이 주목할 만한 이유는 OpenAI가 에이전트가 더 많은 업무 활동을 처리할수록 이익을 얻기 때문이다. 사회적 경계를 인정한다는 것은 에이전트 자율성 확대가 자동으로 바람직한 종착점이 되는 것은 아니라는 점을 시사한다.

제품 측면의 과제는 모든 행정 부담을 되돌리지 않으면서도 책임성을 유지하는 것이다. 신중한 요청 초안 작성은 자동화할 수 있다. 그러나 동료에게 업무를 맡기기로 결정하는 일은 대체로 사람이 계속 맡아야 한다.

지식 검색은 유용한 경계선이 된다. 에이전트는 다른 사람에게 연락하기 전에 승인된 기록을 검색하고, 관련 맥락을 요약하며, 누락된 정보를 파악해야 한다. 불필요한 방해를 줄일 때 자동화는 신뢰를 얻는다.

사람의 도움이 여전히 필요하다면, 책임자는 대화에 직접 모습을 드러내야 한다. 짧은 개인적 설명만으로도 목적과 책임, 감사의 뜻을 전달할 수 있다. 에이전트는 여전히 맥락을 정리하고 결과를 기록할 수 있다.

OpenAI Simon이라는 표현은 이 특정 인용문 밖에서는 자연스러운 검색어가 되기 어려울 것이다. 그러나 그 바탕에 있는 문제는 하나의 게시물을 훨씬 넘어 기업용 AI의 방향을 좌우하게 될 것이다.

벤더들은 에이전트를 동료, 보조자, 디지털 노동력으로 설계하고 있다. 직원들은 제품 라벨이 아니라 일상적인 상호작용을 통해 이 시스템을 평가할 것이다. 모든 자동화된 요청은 권한과 존중을 시험하는 계기가 된다.

따라서 가장 성공적인 에이전트는 현재의 데모가 시사하는 것보다 덜 눈에 띄는 존재일 수 있다. 정보를 준비하고, 반복 업무를 없애며, 사람이 명확하게 소통하도록 도울 것이다. 관계를 대체했다는 공로를 얻으려 하지는 않을 것이다.

Slack 에이전트를 도입하는 조직은 한 가지 실용적인 질문에서 시작해야 한다. 이 행동은 공동의 시간을 절약하는가, 아니면 소유자의 시간만 절약하는가? 이 질문은 단지 노력을 전가하는 워크플로를 드러낸다.

그다음에는 수신자에게 실질적인 통제권을 부여해야 한다. 사람은 불이익 없이 인간의 확인을 요청할 수 있어야 하며, 기계와 논쟁을 벌이지 않고도 기계가 생성한 업무를 거절할 수 있어야 한다.

마지막으로 팀은 결과를 공개적으로 검토해야 한다. 직원들이 에이전트가 책임 없이 업무를 배정한다고 느낀다면, 완료 통계가 어떻든 배포 방식을 다시 설계해야 한다.

OpenAI Simon Willison 인용문이 AI 동료의 미래를 결론짓지는 않는다. 하지만 이를 판단할 더 나은 기준을 제시한다. 목표는 자동화된 커뮤니케이션의 극대화가 아니라, 관계를 훼손하지 않으면서 더 유용한 일을 하는 것이다.

에이전트가 동료에게 연락하도록 허용하기 전에, 소프트웨어가 무엇을 없애고 무엇을 전가하는지 물어야 한다. 이름이 명시된 책임자, 분명한 고지, 그리고 인간 대화로 쉽게 돌아갈 수 있는 경로를 요구하라. 그런 다음 발신자가 절약한 시간만큼이나 수신자의 경험을 신중하게 측정하라. 직장용 에이전트가 동의, 맥락, 책임성을 지킬 수 없다면, 그것이 지원하는 사람 뒤에 머물게 하라. AI는 동료를 자동화된 워크플로의 종단점으로 만들 때가 아니라, 사람들이 서로에게 더 많은 관심을 기울일 수 있게 할 때 직장에서 제자리를 얻는다.