OpenAI dots, 코딩 에이전트를 개인 비서로 전환하다… 위임에는 한계

OpenAI dots는 작업을 개별 프롬프트 너머로 확장하지만, 지속적인 지원이라는 약속은 더 어려운 질문을 던진다. 사용자는 어느 정도의 판단을 위임해야 할까? OpenAI는 대화 사이에도 계속 작업하고, 관련 맥락을 기억하며, 결정이 필요할 때 다시 돌아오는 비서를 설명한다. 이는 사람과 AI 에이전트, 즉 부여된 목표를 추구하기 위해 도구를 사용하는 소프트웨어의 관계를 바꾼다.

TechCrunch Disrupt에서 OpenAI 임원 Alexander Embiricos는 “나는 개인적으로 절대 의도하지 않는다. 다른 사람의 에이전트와 회의할 생각은 없다”고 말했다.

이 입장은 이 제품에 내재한 긴장을 잘 보여준다. 비서는 소유자를 위해 작업을 준비할 수 있지만, 그 사람을 대신하는 수용 가능한 대체재가 될 수는 없다. OpenAI와 Anthropic은 코딩 도구와 연관된 기능을 일상 업무로 확장하고 있다. 이들 제품은 이제 더 폭넓은 과제에 직면해 있다. 소프트웨어가 언제 진행해야 하는지, 언제 질문해야 하는지, 그리고 언제 상대방이 인간의 응답을 받아야 하는지를 결정하는 일이다.

OpenAI dots는 누가 작업을 계속 움직이는지 바꾼다

OpenAI의 개인 비서 문서는 dots를 자체 클라우드 컴퓨터와 브라우저를 갖춘 지속형 에이전트로 설명한다. 회사는 이 도구가 조사, 데이터 분석, 문서 준비, 소프트웨어 구축을 수행할 수 있다고 말한다. 사용자는 작업이 다른 곳에서 계속되는 동안 지원되는 인터페이스를 통해 동일한 비서에 접근할 수 있다.

의미 있는 변화는 작업을 계속 진행할 책임이 이전된다는 점이다.

일반적인 채팅 상호작용에서는 사용자가 대개 다음 지시를 제공한다. 답변에 유용한 작업이 포함돼 있더라도, 이를 프로젝트와 다시 연결하는 책임은 여전히 사람에게 있다. 이후에 무엇을 할지 결정하고, 누락된 정보를 모으며, 다른 단계에 주의가 필요할 때 다시 돌아온다.

지속형 비서는 이러한 기대를 바꾼다. 사용자는 결과를 위임하고, 소프트웨어가 이를 계속 추구할 만큼 충분한 맥락을 유지하기를 기대한다. 따라서 성공은 개별 답변의 품질만으로 결정되지 않는다. 비서가 미완료 작업을 이해하는지에도 달려 있다.

가상의 제품 출시를 생각해 보자. 채팅 도구는 누군가 피드백을 대화에 붙여넣을 때 이를 요약할 수 있다. 지속형 비서에는 더 폭넓은 역할이 주어진다. 출시 준비를 따라가고, 해결되지 않은 의존성을 찾아내며, 책임자를 위한 자료를 준비하는 일이다.

두 시스템이 같은 요약을 생성할 수 있더라도, 이는 서로 다른 제품 약속이다. 두 번째 약속에는 연속성, 우선순위 설정, 상황 변화를 인식하는 능력이 포함된다. 동시에 사용자의 의도를 오해할 기회도 더 많아진다.

이 때문에 코딩 도구에서 개인 지원으로의 전환은 단순히 기술 인터페이스를 제거하는 것 이상의 의미를 지닌다. 소프트웨어 개발은 비교적 구체적인 중간 결과물을 제공한다. 제안된 변경 사항은 기존 프로젝트를 기준으로 검토, 테스트하고 수용하거나 거부할 수 있다.

개인 업무에는 명시적인 완료 기준이 부족한 경우가 많다. 대화를 준비하려면 문서를 만드는 것보다 해결되지 않은 의견 차이를 이해해야 할 수 있다. 이러한 차이를 인식하려면 사람, 우선순위, 그리고 해당 작업이 중요한 이유에 관한 맥락이 필요하다.

친근한 정체성은 비서를 더 쉽게 부를 수 있게 해줄 수 있다. 하지만 비서가 요청 뒤에 있는 책임을 이해했는지까지 보장하지는 못한다. 제품의 표현 방식이 사용자가 이를 믿을 만한 동료처럼 대하도록 유도할 때 이 차이는 중요해진다.

OpenAI의 기회는 사용자가 모든 중간 작업을 관리하지 않아도 지속적인 지원을 이해할 수 있게 만드는 데 있다. 그 의무는 부여된 책임과 추정된 권한 사이의 경계를 명확히 유지하는 것이다. 그렇지 않으면 편의성이 사용자가 위임할 의도가 없었던 결정을 감출 수 있다.

코딩 도구는 실행을 제공하지만, 개인 업무에는 모호함이 더해진다

코딩 도구와의 연결은 기본 작업 패턴에서 가장 분명하다. 에이전트는 목표를 받고, 정보를 수집하고, 도구를 사용하고, 결과를 검토한 뒤 계속 진행한다. 이 패턴을 일반 업무로 옮기면 작업을 위임할 수 있는 사람의 범위가 넓어진다.

OpenAI의 작업 및 메모리 문서는 dots가 지속적인 책임을 유지하고, 반복 업무를 처리하며, 저장된 맥락을 사용할 수 있다고 설명한다. 이 문서는 부여된 작업과 능동적 조사, 즉 유용한 연결고리를 찾기 위한 배경 검토를 구분한다. 회사는 출시 결정과 이전 초안 간에 발생할 수 있는 충돌을 통해 이러한 조사를 설명한다.

비서가 다음으로 관련 있는 작업을 인식할 수 있을 때 실행의 가치는 커지지만, 인식은 결과물보다 검증하기 어렵다.

생성된 문서는 눈에 보인다. 놓친 연결고리는 누군가 그로 인한 문제를 마주할 때까지 보이지 않는 경우가 많다. 이는 개인 비서에 측정 과제를 만든다. 사용자는 시스템이 생산한 결과물은 검토할 수 있지만, 시스템이 알아차리지 못한 모든 것을 쉽게 확인할 수는 없다.

이 구분은 도움의 의미도 바꾼다. 정확한 요약을 만드는 비서는 범위가 정해진 작업을 완료한 것이다. 요약이 즉각적인 주의를 받을 가치가 있다고 판단하는 비서는 사용자의 우선순위에 관한 판단을 내린 것이다.

다가오는 고객 미팅을 위한 자료를 검토하는 비서를 상상해 보자. 비서는 제품 관련 설명이 오래된 기획 문서와 충돌한다는 점을 발견한다. 오래된 문서가 여전히 유효한 약속을 반영한다면, 불일치를 표시하는 것은 혼란을 막을 수 있다.

반대로 그 오래된 문서가 폐기된 제안을 담고 있다면 같은 알림은 시간을 낭비하게 할 수 있다. 어려운 작업은 어떤 정보가 여전히 권위를 갖는지 판단하는 데 있다. 두 문서를 단순히 검색하는 것만으로는 이들의 관계가 해결되지 않는다.

바로 이 지점에서 지속적인 지원은 개인 지식 관리와 맞닿는다. 유용한 맥락에는 단순한 자료 수집 이상의 것이 필요하다. 해당 자료를 올바르게 해석할 수 있도록 결정, 소유권, 시점에 관한 충분한 정보를 보존해야 한다.

개발자에게 이는 익숙한 에이전트 기능의 더 넓은 역할을 시사한다. 비서는 구현 작업을 피드백, 계획, 검토와 연결할 수 있다. 그 가치는 고립된 상태에서 더 많은 코드를 생성하는 것이 아니라, 이러한 관계를 유지하는 데서 나올 것이다.

지식 노동자에게도 매력은 비슷하다. 비서는 중단 이후 프로젝트를 다시 시작하는 데 드는 노력을 줄여주겠다고 약속한다. 이 이점은 우선순위가 바뀌는 상황에서도 비서의 이해가 최신 상태를 유지하는지에 달려 있다.

해결되지 않은 문제는 dots가 그러한 변화를 얼마나 신뢰성 있게 식별하는가이다. 문서는 의도된 동작을 보여줄 뿐, 일반적인 직장에서의 측정된 성공률을 의미하지는 않는다. 제품을 평가하려면 작업을 계속할 수 있는 능력과 올바른 작업을 계속할 수 있는 능력을 구분해야 한다.

상시 작동 업무도 여전히 접근 권한과 맥락에 달려 있다

“always-on”이라는 표현은 광범위한 해석을 불러온다. 사용자는 비서가 필요할 때마다 연결된 모든 리소스에 접근할 수 있다고 자연스럽게 상상할 수 있다. 그러나 문서화된 운영 모델은 더 구체적이다.

OpenAI의 컴퓨터 접근 문서는 비서의 클라우드 컴퓨터와 사용자의 연결된 컴퓨터를 구분한다. 클라우드 작업은 사용자 컴퓨터가 꺼져 있어도 계속될 수 있다. 해당 컴퓨터가 필요한 작업은 컴퓨터의 사용 가능 여부와 데스크톱 애플리케이션이 계속 열려 있는지에 달려 있다.

지속형 비서는 여전히 자신이 가진 도구와 연결의 범위 안에서 작동한다.

이 구분은 구매자가 완료된 데모를 해석하는 방식을 바꾼다. 접근 가능한 클라우드 리소스만으로 수행된 작업이 로컬 애플리케이션을 포함하는 워크플로도 밤새 계속 가능하다는 것을 입증하지는 않는다. 필요한 작업이 어디에 위치하는지가 중요하다.

온라인 기획 문서와 노트북에 저장된 프레젠테이션을 바탕으로 구성하는 가상의 브리핑을 생각해 보자. 노트북 연결이 끊긴 뒤에도 비서는 기획 자료를 계속 조사할 수 있다. 그러나 연결이 복구되기 전까지는 로컬 프레젠테이션에 접근할 수 없다.

유용한 응답은 누락된 소스를 식별하고 그것이 결과에 미치는 영향을 설명하는 것이다. 프레젠테이션을 조용히 제외한 세련된 브리핑은 다른 문제를 만든다. 결과물은 완성된 것처럼 보이지만, 접근 가능한 증거의 일부만 반영할 수 있다.

이는 접근 상태를 편집 판단의 일부로 만든다. 사용자는 비서가 관련 자료를 검토했는지, 아니면 접근 가능한 부분만 완료했는지를 알아야 한다. 작업이 겉으로 완료된 것처럼 보여도 입력 정보의 공백이 감춰져서는 안 된다.

연결된 정보는 권한에 관한 질문도 제기한다. 비서는 오래된 문서, 비공식 논의, 승인된 계획에 모두 접근할 수 있다. 이를 모두 읽는다고 해서 어느 것이 행동의 기준이 되어야 하는지가 자동으로 드러나는 것은 아니다.

사람은 관계와 조직적 지식을 통해 이런 불확실성을 해결하는 경우가 많다. 어떤 관리자가 결정을 맡고 있는지, 어떤 문서가 최신 합의를 반영하는지 알고 있다. 비서가 같은 구분을 하려면 명시적인 근거가 필요하다.

따라서 압력은 이러한 제품을 도입하는 조직에도 미친다. 소유권이 불분명하고 기록이 서로 충돌하는 팀은 그러한 약점이 자동화된 업무에 영향을 미칠 것이라고 예상해야 한다. 비서에게 더 많은 접근 권한을 준다고 모호한 운영 프로세스가 바로잡히지는 않는다.

상업적 의미는 간단하다. 상시 작동 비서는 자신의 한계를 설명하는 능력으로도 경쟁한다. 결과에 의존할지 결정하는 사용자는 비서가 무엇에 접근할 수 있었는지 명확히 알아야 한다.

따라서 OpenAI dots는 성공적인 워크플로뿐 아니라 중단되거나 불완전한 워크플로에서도 평가돼야 한다. 누락된 정보에서 회복하는 능력은 제품 가치의 일부다. 누락된 정보가 책임 있는 답변을 막는 경우를 인식하는 능력도 마찬가지다.

Anthropic의 Cowork는 업무 소프트웨어 전반에 가해지는 더 큰 압력을 보여준다

OpenAI는 이미 자사 제품을 넘어 확장된 방향을 추구하고 있다. Anthropic의 Cowork 아키텍처는 Claude Code와 연관된 기능을 일반 지식 업무로 가져온다. Anthropic은 이 제품에서 클라우드 실행, 문서 작성, 조사, 예약 작업을 제공한다고 설명한다.

경쟁 압력은 누가 가장 좋은 응답을 생성하는가가 아니라, 누가 위임된 작업을 조직하는가에 관한 것이다.

이 비교는 동등한 성능을 입증하지 않으면서도 공통된 방향을 보여준다. 두 회사 모두 즉각적인 대화를 넘어 작업을 수행하는 시스템을 설명한다. 문서만으로는 어느 제품이 모호한 지시나 변화하는 우선순위를 더 신뢰성 있게 처리하는지 판단할 수 없다.

이 불확실성은 소프트웨어 구매자에게 중요하다. 기능 비교는 제품이 특정 연결이나 반복 작업을 지원하는지 보여줄 수 있다. 하지만 비서가 그 작업 중 중요한 예외를 인식하는지에 대해서는 알려주는 바가 적다.

반복 보고서가 보통 예측 가능한 구조를 따른다고 가정해 보자. 새로운 사업 환경으로 인해 일반적인 비교 방식이 오해를 불러일으키게 된다. 보고서를 일정에 맞춰 완료하는 것은 기계적인 지시를 충족할 수 있지만, 실질적인 목적에는 실패하게 된다.

관련 경쟁 우위는 예외를 인식하고 사용자에게 유용한 결정을 제시하는 데 있을 것이다. 이러한 행동에는 일정 관리 기능에 접근할 수 있는 것 이상이 필요하다. 지시와 그 의도된 결과 사이의 관계에 대한 판단이 필요하다.

이는 기존 업무 애플리케이션에도 압박을 가한다. 여러 도구 전반의 활동을 조율하는 어시스턴트는 사용자가 업무를 할당하고 검토하는 장소가 될 수 있다. 개별 애플리케이션은 여전히 기록을 보유하지만, 어시스턴트는 사람들이 이를 접하는 방식을 점점 더 형성한다.

애플리케이션 공급업체에는 가시성이라는 문제가 제기된다. 사용자가 어시스턴트를 통해 상호작용한다면, 애플리케이션에는 신뢰할 수 있는 상태를 노출하고 승인된 변경을 수신할 방법이 필요하다. 그렇지 않으면 어시스턴트는 워크플로를 불완전하게 해석한 상태로 행동할 위험이 있다.

고용주에게 당면한 문제는 책임이다. 최종 보고서, 고객 커뮤니케이션 또는 운영상 결정을 책임질 사람은 여전히 필요하다. 준비 업무를 위임한다고 해서 책임을 지는 사람이 필요 없어진다는 뜻은 아니다.

직원에게 이점은 감독 비용에 달려 있다. 빈번한 수정이 필요한 어시스턴트는 실행 업무를 또 하나의 관리 업무로 바꿀 수 있다. 중요한 비교 기준은 신뢰할 수 있는 결과를 얻는 데 필요한 총 노력이다.

이 때문에 개인 어시스턴트가 기존 업무 소프트웨어를 대체할 것이라는 광범위한 주장은 아직 시기상조다. 문서화된 제품들은 더 많은 업무를 조율하려는 시도를 보여준다. 사용자가 자신의 습관, 신뢰, 일상적인 주의를 이전할 것이라는 점까지 입증하지는 않는다.

따라서 OpenAI와 Anthropic은 비슷한 도입 과제에 직면해 있다. 이들 제품은 사용자가 지속적인 책임을 맡기기 위해 다시 찾을 만큼 위임을 신뢰할 수 있게 만들 수 있을까? 가끔 나오는 인상적인 결과만으로는 이 질문에 답할 수 없다.

권한은 지원과 대리의 경계다

개인 어시스턴트에서 가장 중요한 구분은 상황을 이해하는 것과 이를 변경하는 것 사이에 있다. 메시지를 읽고, 답변 초안을 작성하고, 그 답변을 보내는 일에는 서로 다른 수준의 권한이 필요하다.

OpenAI의 action controls 문서는 작업이 지시, 권한 및 안전장치에 따라 검토된다고 설명한다. 초안을 작성할 권한과 전송할 권한을 명시적으로 구분한다. 또한 선제적 리서치는 그 자체로 연결된 애플리케이션을 수정하거나 메시지를 보낼 수 없다고 명시한다.

같은 문서는 맞춤 규칙이 오해될 수 있다고 경고한다. 어시스턴트를 일시 중지하는 것과 위임된 작업을 중단하거나 일정을 취소하는 것을 구분한다. 이는 사용자가 지속적인 백그라운드 업무에 의존하기 전에 이해해야 하는 제품상의 경계다.

유용한 자율성에는 구체적인 권한이 필요하며, 작업이 시작된 뒤에도 그 권한은 이해할 수 있어야 한다.

고객 불만에 대한 답변을 준비해 달라는 요청을 받은 어시스턴트를 생각해 보자. 초안 작성 업무에는 분석과 문안 작성이 허용된다. 하지만 메시지를 보내는 일은 사용자를 다른 사람에게 대리하는 것이며, 잠재적으로 비즈니스 약속을 만들 수 있다.

내용이 정확하고 어조가 적절할 수 있다. 그래도 승인에 관한 별도의 문제가 남는다. 결과물의 품질이 소통할 권한을 대체할 수는 없다.

지속적인 지시는 이 경계를 더 복잡하게 만든다. 사용자는 환불이나 배송일에 관한 약속은 유보하면서 일상적인 수신 확인은 승인할 수 있다. 그러면 어시스턴트는 익숙한 메시지 형식과 중대한 예외를 구분해야 한다.

이것이 세분화된 제어의 실질적인 의미다. 사용자는 실제 업무에서 자신이 내리는 결정에 맞는 경계가 필요하다. “이메일 접근”이라고 표시된 포괄적인 설정만으로는 어떤 커뮤니케이션이 독립적으로 진행될 수 있는지 설명하지 못한다.

인터페이스 설계에도 부담이 있다. 어시스턴트가 승인을 요청할 때 사용자는 그 승인이 의미 있으려면 충분한 맥락을 제공받아야 한다. 설명 없는 확인 프롬프트는 이해를 반드시 개선하지 않은 채 책임만 넘긴다.

유용한 요청은 제안된 작업, 수신자, 그리고 관련 결과를 식별해야 한다. 또한 승인이 해당 작업에만 적용되는지, 아니면 정의된 범위 안의 향후 작업까지 포괄하는지도 분명해야 한다. 그렇지 않으면 반복되는 프롬프트가 실제 결정을 흐릴 수 있다.

사회적 경계는 소유자의 권한을 넘어선다. 수신자에게도 대화에 누가 참여하고 있는지에 관한 기대가 있다. 발신자의 승인이 자동화된 상호작용을 받는 사람이 이를 수용한다는 보장은 아니다.

회의에서는 이 문제가 특히 뚜렷해진다. 참여자들은 다른 인간으로부터 즉각적인 판단, 협상, 책임을 기대할 수 있다. 어시스턴트가 논의를 요약할 수 있다고 해서 모두가 이를 대리인으로 받아들인다는 뜻은 아니다.

더 유망한 방식은 흔히 준비 후 인간이 참여하는 형태다. 어시스턴트는 근거를 정리하고 해결되지 않은 쟁점을 개괄할 수 있다. 그다음 소유자가 판단과 책임을 대화에 가져올 수 있다.

이 구분은 모든 작업이나 조직에 고정적으로 적용되지 않는다. 명시적으로 내려야 하는 결정이다. 제품이 사용자가 이를 간과하도록 유도할수록 개인 지원은 신뢰하기 더 어려워진다.

OpenAI dots가 지속적인 책임을 맡기 시작하면서 주목할 점

다음 근거는 점점 더 정교한 시연이 아니라 일상적인 사용에서 나와야 한다. 앞으로 몇 달 동안 중요한 신호는 어시스턴트가 명확한 책임을 유지하면서 감독을 줄이는지에 관한 것이다.

가장 강력한 근거는 유용한 연속성, 이해 가능한 제어, 그리고 검토 후에도 가치가 유지되는 결과를 보여줄 것이다.

첫째, 유용한 발견과 불필요한 방해를 모두 포함하는 선제적 지원 평가를 주목해야 한다. 알림은 사실적으로 정확하더라도 너무 늦게 도착하거나 사용자가 이미 해결한 문제에 관한 것일 수 있다. 알림 수만 세는 것으로는 이런 차이를 놓치게 된다.

의미 있는 평가는 그 발견이 결과를 바꾸었는지 살펴봐야 한다. 놓친 의존성을 드러냈는가, 충분한 맥락을 제공했는가, 적절한 사람에게 도달했는가? 이런 행동의 증거는 지속적인 지원의 근거를 강화할 것이다.

저가치 제안이 자주 나온다면 그 근거는 약해진다. 중요한지 확인하려고 모든 방해를 살펴봐야 하는 사용자는 또 하나의 업무 흐름을 떠안는다. 선제성은 단순히 주의를 소모하는 것이 아니라 주의를 받을 가치를 입증해야 한다.

둘째, 제품이 지속적인 권한을 얼마나 명확하게 전달하는지 살펴봐야 한다. 사용자가 범위를 이해하고 왜 작업이 진행됐는지 확인할 수 있을 때 권한 설정의 업데이트는 중요하다. 설정이 많아지는 것만으로는 더 나은 제어를 입증하지 못한다.

관련 신호는 상황이 변해도 예측 가능하게 유지되는 워크플로다. 이전에 승인된 작업이 새로운 수신자나 중대한 결정에 맞닥뜨리면, 어시스턴트는 그 경계를 드러내야 한다. 일관된 행동은 더 폭넓은 위임을 뒷받침할 것이다.

혼란스러운 승인 절차나 불분명한 중지 동작은 반대 방향을 시사한다. 사용자는 개입한 뒤에도 무엇이 계속 활성 상태인지 알아야 한다. 신뢰는 부분적으로 시스템의 행동이 자신의 이해와 일치하는지에 달려 있다.

셋째, dots와 Cowork 전반에서 지속적인 책임이 꾸준히 사용되는지 살펴봐야 한다. 반복적인 사용은 인상적인 결과물의 고립된 사례보다 더 많은 정보를 제공한다. 이는 사용자가 그 방식을 유지할 만한 가치가 있다고 여긴다는 뜻일 수 있다.

그렇더라도 사용량은 해석이 필요하다. 자주 쓰이는 어시스턴트도 여전히 상당한 수정이 필요할 수 있다. 더 강력한 신호는 지속적인 사용과 함께, 그 작업을 검토하고 수정하는 데 드는 노력이 직접 처리하는 것보다 적다는 증거가 결합되는 것이다.

이러한 관찰은 개인의 구매 결정에도 영향을 주어야 한다. 개인 어시스턴트가 유용해지기 위해 모든 책임을 처리할 필요는 없다. 사용자의 실제 업무 안에서 신뢰할 수 있는 역할을 수행하면 된다.

OpenAI dots에서 그 역할은 연속성과 책임의 관계에서 시작된다. 어시스턴트는 맥락을 유지하고 준비 업무를 진전시킬 수 있다. 어떤 약속과 관계에 직접적인 주의를 기울일지는 사람이 계속 책임진다.

처음부터 끝까지 평가할 수 있는 지속적인 책임 하나를 선택하라. 기대하는 결과, 필요한 정보, 그리고 자신에게 다시 돌아와야 하는 결정을 정의하라. 그런 다음 수정 사항을 검토하고 방해에 대응하는 데 든 시간을 포함해 전체 결과를 살펴보라. 우선순위가 바뀌었을 때 어시스턴트가 맥락을 유지했는지, 그리고 그 행동이 자신이 이해한 업무 범위 안에 머물렀는지 물어보라. 하루를 개선하는 업무는 유지하고, 감독이 부담스러워지는 지점에서는 경계를 조정하라. 유용한 질문은 이러한 형태의 위임이 자신이 필요한 결정과 대화에 더 많은 주의를 기울일 수 있게 해주는지다.