지속형 AI 동료가 여는 OpenAI의 제안된 세 번째 시대

OpenAI는 지속형 AI 동료가 아직 완성된 제품이라기보다 비전에 가까운 상황에서도 자사 제품의 세 번째 시대를 제시했다. 이 주장은 많은 독자에게 google news 헤드라인을 통해 전해졌지만, 그 함의는 단순한 업무 기능 하나를 넘어선다.

Codex와 ChatGPT Work의 OpenAI 제품 책임자인 Tara Seshan은 8월 30일 Lenny’s Podcast에 출연해 세 단계를 설명했다. 첫 번째는 채팅이었다. 그다음에는 작업을 완료하는 에이전트가 등장했다. 지속형 동료는 제안된 다음 단계다.

이러한 전개는 핵심적인 긴장을 만든다. OpenAI는 AI가 업무에 지속적으로 참여하는 존재가 되기를 바라지만, 신뢰성, 권한 부여, 메모리, 팀 조율은 여전히 해결되지 않았다. Anthropic, Microsoft 및 다른 엔터프라이즈 업체들도 관련 아이디어를 추진하고 있어, 이는 미래 업무 인터페이스를 둘러싼 경쟁이 되고 있다.

OpenAI가 세 번째 시대에 대해 실제로 말한 것

OpenAI의 세 번째 시대 구상은 새로 출시된 자율형 직원이 아니라 지속적인 업무 관계를 설명한다.

Seshan의 발언은 제품 개발, Codex, ChatGPT Work, 그리고 지식 근로자의 변화하는 역할에 관한 인터뷰에서 나왔다. 팟캐스트 에피소드는 약 82분 동안 진행됐으며 2026년 8월 30일 공개됐다.

그녀는 AI 제품의 진화를 세 시기로 나눴다. 첫 번째는 사용자가 질문하고 응답을 받는 채팅 중심의 시대였다. 두 번째에는 목표를 추구하고 여러 단계의 작업을 완료하는 에이전트가 등장했다.

제안된 세 번째 시기는 지속형 AI 동료와 관련된다. 이러한 시스템은 프로젝트에 계속 연결된 상태로 관련 업무 맥락을 유지하고, 더 긴 기간에 걸쳐 협업하게 된다. 사용자가 다시 돌아올 때마다 빈 프롬프트에서 시작하지는 않을 것이다.

Seshan은 이 단계를 확정된 사양을 갖춘 제품 범주가 아니라 “곧 나올 수도 있는” 것으로 제시했다. 초기 보도가 폭넓은 논의를 단정적인 헤드라인으로 압축했기 때문에 이 구분은 중요하다.

google news 독자는 그 헤드라인을 OpenAI의 공식 발표로 합리적으로 받아들일 수 있다. 하지만 원 출처는 더 신중한 결론을 뒷받침한다. 한 고위 제품 리더가 자신이 예상하는 AI 인터페이스의 방향을 설명한 것이다.

“지속형”이라는 단어에는 여러 가능한 의미가 담겨 있다. 세션 간 메모리, 계속되는 실행, 반복적인 예약 작업, 또는 공유 프로젝트 자료에 대한 접근을 뜻할 수 있다. 인간 협업자와 진행 상황을 정기적으로 점검하는 에이전트를 설명할 수도 있다.

OpenAI는 이 비전의 모든 부분을 포괄하는 단일 기술 정의를 공개하지 않았다. 대신 이 인터뷰는 여러 기존 기능을 아직 완성되지 않은 제품 방향과 연결한다.

ChatGPT Work는 이미 파일과 연결된 애플리케이션을 넘나들며 더 긴 과제를 처리한다. Codex는 병렬 에이전트들 사이에 기술 작업을 분배할 수 있다. Projects와 동기화된 대화는 기기와 세션 전반에서 더 많은 맥락을 보존한다.

이러한 구성 요소는 완전한 AI 동료를 만들지는 못해도 지속성을 향한 방향을 가리킨다. 진정한 동료는 변화하는 목표를 이해하고, 조직의 경계를 인식하며, 자신이 수행한 일을 설명해야 한다. 또한 언제 멈춰야 하는지도 알아야 한다.

제안된 인터페이스는 상호작용의 단위를 바꾼다. 채팅은 메시지로 시작한다. 에이전트는 위임된 작업으로 시작한다. 지속형 동료는 계속되는 책임에서 출발해 이를 중심으로 업무 관계를 유지하게 된다.

제품 출시를 생각해 보자. 채팅 어시스턴트는 고객 인터뷰를 요약할 수 있다. 에이전트는 그 인터뷰를 분석하고 보고서 초안을 작성할 수 있다. 지속형 동료는 출시를 추적하고, 분석을 업데이트하며, 모순을 표시하고, 이후의 계획 수립 주기에도 참여하게 된다.

이러한 지속적 역할은 이 아이디어를 단순한 챗봇 업그레이드보다 더 중대한 것으로 만든다. 동시에 불완전한 맥락이나 과도한 접근 권한이 오류를 일으킬 가능성도 늘린다.

따라서 이 헤드라인은 실제 OpenAI의 논지를 포착하지만, 이미 완료된 전환을 뜻하지는 않는다. 세 번째 시대는 OpenAI가 Work, Codex, 앱, 메모리, 협업 인터페이스를 통해 구축해 나가고 있는 목적지다.

지속형 AI 동료가 지금 중요한 이유

이 전환이 중요한 이유는 OpenAI가 근로자의 질문에 답하는 단계에서 완성된 비즈니스 산출물을 만드는 워크플로에 참여하는 단계로 이동하고 있기 때문이다.

OpenAI는 2026년 7월 9일 ChatGPT Work를 공개했다. 회사는 이 에이전트가 애플리케이션과 파일 전반에서 작동하고, 몇 시간 동안 프로젝트를 유지하며, 완성된 자료를 만들 수 있다고 말한다.

이러한 결과물에는 문서, 스프레드시트, 프레젠테이션, 보고서, 웹사이트가 포함된다. 사용자는 진행 상황을 따라가고, 질문에 답하고, 작업 방향을 바꾸며, 중요한 조치를 승인할 수 있다.

이는 대화 안에서 텍스트를 생성하는 것과 다르다. 에이전트는 정보를 수집하고, 어떤 단계를 밟을지 결정하며, 외부 소프트웨어를 사용하고, 더 긴 과제를 완료할 만큼 충분한 상태를 유지해야 한다.

OpenAI의 Work 발표는 이 제품을 야심 찬 과제를 위한 파트너로 제시한다. Work는 여전히 사용자가 시작한 과제를 중심으로 작동하지만, 이 표현은 지속형 동료라는 논지와 닮아가기 시작한다.

Seshan은 또한 좁은 제품 개발 전망을 설명했다. 그녀의 팀은 앞으로 두세 달 안에 예상되는 모델을 기준으로 제품을 만들려 한다. 현재 기능만을 위해 설계하면 인터페이스가 빠르게 낡고, 1년 앞을 예측하면 추측에 가까워진다.

이 접근 방식은 OpenAI가 모든 뒷받침 기능이 성숙해 보이기 전에 세 번째 시대를 논의하는 이유를 설명한다. 제품팀은 아직 도래 중인 능력을 위한 상호작용 모델을 준비해야 한다.

이 시점은 OpenAI 내부의 사용 방식 변화도 반영한다. 회사는 Codex가 주로 엔지니어링 도구였던 상태에서 법무, 재무, 채용 및 기타 부서가 수행하는 업무로 확장됐다고 말한다.

2026년 5월에는 사용자 중 70% 이상이 사람이 수행하면 한 시간 이상 걸릴 Codex 작업을 맡긴 것으로 알려졌다. 6월에는 상위 1% 사용자들이 병렬 작업 전반에서 하루 60시간이 넘는 에이전트 활동을 생성했다.

이 수치는 OpenAI 자체 분석에서 나온 것이므로 독립적인 측정치로 취급해서는 안 된다. 그럼에도 회사가 전략적으로 중요하게 여기는 행동이 무엇인지는 보여 준다.

Codex 사용 연구는 2025년 8월 이후 비개발자의 채택이 개발자 채택보다 더 빠르게 늘었다고 말한다. 측정 기간 동안 OpenAI 내부의 연구 활용도 역시 급격히 증가했다.

더 긴 과제는 연속성에 대한 압박을 만든다. 매 세션마다 프로젝트, 관련 결정, 조직적 제약을 다시 구성해야 한다면 사용자는 여러 에이전트를 효율적으로 감독할 수 없다.

지속성은 이러한 부담을 줄일 수 있다. 승인된 목표, 최근 작업, 미해결 질문을 기억하는 에이전트는 더 적은 설명으로 작업을 재개할 수 있다. 공유된 맥락은 팀 전반의 위임도 더 쉽게 만든다.

이는 개인 지식 베이스의 목적과 닮아 있다. 저장된 정보는 시스템이 활발한 업무 중 적절한 맥락을 검색할 수 있을 때 유용해진다.

하지만 조직 메모리는 개인 검색보다 어렵다. 기업에는 서로 충돌하는 문서, 변화하는 정책, 접근 제한, 비공식적인 결정이 존재한다. 동료는 현재의 지침과 오래된 자료를 구별해야 한다.

팀은 에이전트가 어디에서 맥락을 얻었는지도 이해해야 한다. 검토자가 가정을 추적하거나 어떤 출처가 결정을 좌우했는지 판단할 수 없다면, 다듬어진 결과물의 가치는 떨어진다.

따라서 지속형 에이전트는 여러 기존 소프트웨어 범주에 압박을 가한다. 프로젝트 관리 시스템은 기계 참여자를 수용해야 한다. 지식 플랫폼은 실시간 맥락을 제공해야 한다. ID 시스템은 위임된 권한을 표현해야 한다.

비즈니스 애플리케이션도 새로운 인터페이스 문제에 직면한다. 사람이 업무를 수행하는 목적지로 남을 수도 있고, 감독 아래 에이전트가 운영하는 서비스가 될 수도 있다.

이것이 세 번째 시대라는 구도가 주목할 만한 이유다. OpenAI는 단지 더 나은 답변을 예측하는 것이 아니다. 사람, 모델, 데이터, 도구가 지속적인 목표를 중심으로 조직되는 업무 인터페이스를 제안하고 있다.

Google News는 주장을 포착했지만 제품 격차는 담아내지 못했다

google news의 구도는 전환이 완료된 것처럼 들리게 하지만, OpenAI 자체 표현은 중요한 빈틈이 남아 있는 방향을 설명한다.

뉴스 집계는 간결한 선언에 유리하다. “지속형 AI 동료는 OpenAI의 세 번째 시대다”라는 문구는 미래 인터페이스, 제품 실험, 모델 계획 전망에 관한 신중한 논의보다 더 쉽게 확산된다.

이런 압축은 발견에는 유용하다. 하지만 구매자가 오늘 배포할 수 있는 것이 무엇인지 이해하는 데는 덜 유용하다.

ChatGPT Work는 긴 과제를 수행할 수 있지만, 과제는 지속되는 역할과 동일하지 않다. Codex는 병렬 에이전트를 실행할 수 있지만, 조율된 실행이 자동으로 공유된 조직적 이해를 만들지는 않는다.

메모리 역시 인간의 연속성보다 제한적이다. 시스템은 대화 기록이나 프로젝트 파일을 저장할 수 있지만, 과거의 어떤 결정이 여전히 구속력을 가지는지 이해하지 못할 수 있다. 검색과 판단은 별개의 문제다.

이 차이는 반복 업무에서 분명해진다. 인터뷰, 지원 메시지, 분석 데이터, 엔지니어링 노트를 바탕으로 매주 제품 업데이트를 준비하는 에이전트를 상상해 보자.

첫 번째 실행에는 접근 권한, 지침, 결과물 기준, 핵심 지표의 정의가 필요하다. 지속형 동료라면 오래된 가정을 고정하지 않으면서도 이후 실행에서 이 설정을 재사용해야 한다.

출시 계획이 바뀌면 이를 알아차려야 한다. 새로운 지표가 이전 지표를 대체하는지 물어야 한다. 더는 적용되지 않는 결론은 피하면서도 과거의 근거는 보존해야 한다.

여러 사람과도 조율해야 한다. 제품 관리자, 디자이너, 엔지니어는 우선순위에 대해 의견이 다를 수 있다. 공유 접근 권한만으로는 누구의 지시가 최종 산출물을 좌우하는지 에이전트에게 알려 주지 못한다.

Seshan은 미래 인터페이스를 멀티플레이어 방식으로 설명했다. 여러 사람이 공유 정보와 업무 산출물을 중심으로 여러 에이전트 그룹을 조정하게 된다는 것이다. 이 모델은 한 사용자가 한 어시스턴트를 지시하는 익숙한 패턴을 넘어선다.

멀티플레이어 업무는 소유권 문제를 낳는다. 누군가는 어떤 에이전트가 산출물을 만들었는지, 어떤 사람이 이를 승인했는지, 어떤 시스템이 기초 데이터를 제공했는지 알아야 한다.

에이전트들이 중복되는 책임을 받으면 충돌은 불가피해진다. 두 에이전트가 같은 프레젠테이션을 편집하거나, 같은 고객에게 연락하거나, 정책을 다르게 해석할 수 있다.

소프트웨어 팀은 이미 버전 관리, 접근 규칙, 검토, 감사 로그를 통해 유사한 조율 문제를 다룬다. 지속형 동료는 덜 구조화된 지식 업무 전반에서 이에 상응하는 통제 장치를 필요로 한다.

이는 Seshan이 “조정”과 “노 젓기”를 구분한 이유를 설명하는 데 도움이 된다. 에이전트가 점점 실행을 맡는 반면, 사람은 방향을 정하고, 상충 관계를 평가하며, 주관적인 결정을 내린다.

이 비유는 설득력 있지만, 실행을 검사하기 어려울 때 조정에는 더 많은 주의가 필요할 수 있다. 여러 불투명한 에이전트를 감독하는 관리자는 업무 생산에는 덜 시간을 쓰고 검증에는 더 많은 시간을 쓸 수 있다.

이 위험은 특히 AI가 완성된 자료를 만들 때 중요하다. 누군가 알아차리기 전에 오류가 답변에서 스프레드시트, 프레젠테이션, 고객 메시지 또는 운영 시스템으로 옮겨갈 수 있다.

따라서 유용한 지속형 동료는 더 긴 실행 시간만으로는 충분하지 않습니다. 지속 가능한 맥락, 명시적인 권한, 가시적인 출처 추적, 통제 가능한 행동, 그리고 신뢰할 수 있는 에스컬레이션이 필요합니다.

OpenAI는 이 스택의 일부 요소를 갖추고 있습니다. ChatGPT apps는 외부 소스를 연결합니다. Work는 승인을 지원합니다. Codex는 구조화된 작업 실행을 제공합니다. Enterprise controls는 사용자가 접근할 수 있는 리소스를 제한합니다.

제품상의 공백은 이러한 요소들을 프로젝트, 사람, 그리고 변화하는 조건 전반에서 지속되는 신뢰할 수 있는 관계로 결합하는 데 있습니다.

google news를 통해 유입된 독자들은 세 번째 시대라는 표현을 전략적 지도로 받아들여야 합니다. 범용 디지털 동료가 이미 도착했다는 증거는 아닙니다.

OpenAI는 동료 인터페이스의 주도권을 놓고 경쟁하고 있습니다

핵심 경쟁은 지속형 AI 협업과 고립된 작업 기반 에이전트라는 현재 모델 사이에서 벌어지고 있습니다.

OpenAI의 가장 가까운 경쟁자는 특정 한 회사가 아닙니다. 사용자가 도구를 열어 하나의 작업을 맡기고, 결과를 검토한 뒤, 다시 처음부터 시작하는 지배적인 상호작용 방식입니다.

이 방식은 자율성을 제한하지만, 실패를 억제합니다. 에이전트는 일시적인 맥락을 제공받고, 제한된 세션 안에서 작동하며, 대개 답변이나 산출물을 제공한 뒤 멈춥니다.

지속성은 이러한 경계 일부를 없앱니다. 에이전트는 더 많은 시간, 더 많은 맥락, 그리고 잠재적으로 더 많은 접근 권한을 갖게 됩니다. 이러한 추가 요소는 유용성을 높일 수 있지만, 실수의 비용도 키웁니다.

OpenAI는 채팅, 지식 업무, 코딩을 연결하는 제품을 통해 지속성을 관리 가능하게 만들려 합니다. Seshan은 Chat, Work, Codex를 서로 다른 활동을 위한 별개의 모드로 설명했습니다.

Chat은 여전히 검색, 분석, 대화에 유용합니다. Work는 더 폭넓은 지식 업무 과제를 처리합니다. Codex는 소프트웨어 개발과 기술적 실행에 집중합니다.

지속형 동료는 결국 이러한 모드를 오갈 수 있습니다. Chat에서 목표를 논의하고, Work를 통해 분석을 구축한 뒤, Codex에 이를 뒷받침할 자동화를 만들도록 요청할 수 있습니다.

이 통합 경로는 OpenAI에 중요한 이점을 제공합니다. 회사는 널리 사용되는 대화형 인터페이스를 에이전트 실행, 개발자 도구, 직장 데이터와 연결할 수 있습니다.

하지만 Anthropic도 유사한 장기적 행동을 추구하고 있습니다. Claude 제품군은 세션 간 메모리, 장기 작업, 코딩 에이전트, 엔터프라이즈 워크플로에 초점을 맞춥니다.

Anthropic은 Claude Opus 4.7이 세션 간 맥락을 유지하고 여러 날에 걸친 프로젝트를 관리할 수 있다고 말합니다. OpenAI의 주장과 마찬가지로, 이 설명은 공급업체의 주장에 기반하며 특정 환경에서의 평가가 필요합니다.

Microsoft 역시 애플리케이션, 엔터프라이즈 ID, Copilot 에이전트를 통해 시장에 접근합니다. Microsoft 365 전반에 걸친 배포는 문서, 회의, 이메일, 조직 권한에 즉각 접근할 수 있게 합니다.

이 경쟁은 단순히 모델 점수에 관한 것이 아닙니다. 직장의 조정 계층이 되는 회사는 에이전트가 데이터를 확인하고, 승인을 요청하며, 산출물을 만드는 방식을 중재할 수 있습니다.

신뢰는 순수한 자율성보다 더 중요할 수 있습니다. 엔터프라이즈 구매자는 기존 ID, 보존 정책, 규제 의무, 부서 간 분리를 반영하는 통제 장치가 필요합니다.

맥락의 품질도 중요합니다. 광범위한 접근 권한을 가진 모델이라도 잘못된 문서를 선택하거나 기록되지 않은 회의에서 내려진 결정을 놓칠 수 있습니다.

이는 에이전트가 행동하기 전에 개인 및 팀 정보를 정리하는 지식 시스템에 기회를 제공합니다. 신뢰할 수 있는 AI 워크플로에는 더 긴 프롬프트만이 아니라 명확한 소스와 검토 지점이 필요합니다.

OpenAI의 제품 전략은 구체적인 상업 조건을 논하지 않더라도 전통적인 소프트웨어 가격 책정 및 사용 모델에도 도전합니다. 소프트웨어는 흔히 인간 사용자에게 좌석 단위로 판매되어 왔습니다. 지속형 에이전트는 지속적으로 리소스를 소비하며 여러 애플리케이션에 걸쳐 작업할 수 있습니다.

공급업체는 에이전트를 사용자, 통합, 자동화 또는 새로운 범주 중 무엇으로 볼지 결정해야 합니다. 고객은 그 산출물을 누가 소유하는지와 기반 활동 비용을 어느 부서가 부담할지를 정해야 합니다.

문화적 경쟁도 존재합니다. 작업 기반 에이전트는 확립된 위임 습관에 잘 맞습니다. 지속형 동료는 팀이 소프트웨어를 계속되는 책임을 가진 참여자로 대하도록 요구합니다.

이러한 변화에는 새로운 관리 관행이 필요합니다. 팀은 범위를 지정하고, 산출물을 검토하며, 결정을 기록하고, 책임이 바뀌면 접근 권한을 제거해야 합니다.

OpenAI는 인터페이스를 제공할 수 있지만, 고용주는 이를 중심으로 운영 모델을 재설계해야 합니다. 조직이 최종 책임자가 누구인지 설명할 수 없다면 도입은 정체될 것입니다.

승리하는 접근 방식은 지속성을 통제 가능하게 느끼게 할 것입니다. 사용자는 진행 중인 작업을 검토하고, 가정을 수정하며, 권한을 제한하고, 프로젝트 전체를 다시 시작하지 않고도 오류를 복구할 수 있어야 합니다.

이는 인상적인 데모를 만드는 것보다 더 높은 기준입니다. 일상적이고 복잡하며 적대적인 직장 환경 전반에서의 신뢰성이 필요합니다.

지속성은 역량과 위험을 모두 확대합니다

AI 동료를 더 유용하게 만드는 모든 기능은 실수와 공격이 확산될 시간도 더 많이 제공합니다.

채팅 오류는 보통 하나의 응답에 영향을 미칩니다. 지속형 에이전트의 오류는 시스템이 잘못된 결론을 저장하고, 검색하며, 이를 바탕으로 후속 작업을 수행할 수 있기 때문에 이후의 결정까지 좌우할 수 있습니다.

잘못된 메모리는 한 가지 우려입니다. 에이전트는 예비 결정을 최종 결정으로 보존하거나, 오래된 고객 정보를 유지하거나, 지시를 잘못된 프로젝트와 연결할 수 있습니다.

접근 권한은 또 다른 문제를 만듭니다. 이메일, 문서, 캘린더, 내부 데이터베이스 전반에서 보고서를 준비하는 동료에게는 폭넓은 가시성이 필요합니다. 권한 범위가 부실하게 설정되면 이러한 가시성은 민감한 자료를 노출할 수 있습니다.

행동 권한은 위험을 한층 더 높입니다. 고객 기록을 읽는 일과 수정하는 일은 다릅니다. 이메일 초안을 작성하는 일과 발송하는 일은 다릅니다. 코드를 준비하는 일과 배포하는 일도 다릅니다.

지속형 동료는 신뢰할 수 없는 콘텐츠도 소비합니다. 이메일, 웹사이트, 문서, 메시지에는 간접 프롬프트 인젝션을 통해 에이전트를 조작하도록 설계된 텍스트가 포함될 수 있습니다.

NIST는 에이전트 하이재킹을 에이전트가 처리하는 데이터 안에 악의적인 지시가 나타나는 공격으로 설명합니다. 그러면 시스템은 사용자의 작업을 완료한다고 믿으면서 의도하지 않은 행동을 수행할 수 있습니다.

한 NIST 평가에서는 반복 시도가 선별된 공격 전반의 평균 성공률을 57%에서 80%로 끌어올렸습니다. 이 결과는 모든 배포된 에이전트가 아닌 특정 실험 환경에서 나온 것입니다.

그럼에도 이 발견은 지속성의 문제를 드러냅니다. 장기 실행 시스템은 짧고 고립된 대화보다 더 많은 콘텐츠를 접하고 공격자에게 더 많은 기회를 제공합니다.

NIST의 에이전트 보안 작업은 간접 프롬프트 인젝션, 데이터 오염, 명세 게이밍, 적대적 입력 없이 발생하는 유해 행동을 강조합니다. 이 기관은 단일 에이전트 및 다중 에이전트 시스템을 위한 지침을 개발하고 있습니다.

ID와 권한 부여는 핵심 방어 수단이 됩니다. 각 에이전트에는 식별 가능한 역할, 제한된 권한, 그리고 누구의 권한 아래 어떤 행동을 했는지를 보여 주는 기록이 필요합니다.

지속형 동료가 감독자가 보유한 모든 권한을 물려받아서는 안 됩니다. 할당된 책임에 필요한 최소한의 접근 권한만 받아야 합니다.

승인 체크포인트에도 맥락이 필요합니다. 제안된 행동, 대상, 관련 데이터, 하류 영향이 숨겨져 있다면 모호한 확인 상자는 사용자를 보호할 수 없습니다.

OpenAI는 ChatGPT Work가 사용자가 중요한 행동을 승인할 수 있도록 한다고 말합니다. 이는 의미 있는 통제 장치이지만, 회사는 모든 중대한 직장 행동이 올바르게 분류될 것이라고 입증하지는 않았습니다.

인간 검토에도 한계가 있습니다. 품질이 낮은 승인 요청이 빈번하면 피로가 생깁니다. 특히 에이전트가 앞선 여러 단계를 올바르게 수행했을 때 사용자는 행동을 자동으로 승인할 수 있습니다.

긴 워크플로는 평가를 복잡하게 만듭니다. 최종 문서는 정확해 보일 수 있지만, 몇 시간 전에 도입된 잘못된 가정에 의존할 수 있습니다. 검토자에게는 완성된 산출물뿐 아니라 중간 결정의 출처 추적 정보도 필요합니다.

지속성은 개인정보 보호 문제도 제기합니다. 유용한 메모리에는 보존이 필요하지만, 불필요한 보존은 노출을 늘립니다. 팀에는 삭제, 수정, 만료, 프로젝트 간 분리를 위한 통제 장치가 필요합니다.

멀티플레이어 모델은 또 하나의 층을 더합니다. 한 에이전트의 산출물이 다른 에이전트의 입력이 될 수 있어, 원래의 오류를 찾기 어려운 연쇄가 만들어집니다.

따라서 조직은 지속형 동료를 모델이 아니라 시스템으로 평가해야 합니다. 테스트는 커넥터, 권한, 메모리, 인간 승인, 감사 가능성, 복구 행동을 포괄해야 합니다.

OpenAI는 엔터프라이즈 배포를 위한 보안 및 거버넌스 통제 장치를 설명해 왔습니다. 하지만 폭넓은 세 번째 시대 비전은 아직 일반적인 조직 전반에서 독립적인 검증을 받지 못했습니다.

신중한 결론은 지속형 에이전트가 사용할 수 없다는 것이 아닙니다. 지속성은 생산성 모델만큼이나 위험 모델도 바꾼다는 것입니다.

google news의 헤드라인은 목적지를 강조합니다. 엔터프라이즈 도입은 그 경로에 신뢰할 수 있는 통제 장치, 측정 가능한 실패율, 명확한 책임성이 포함된다는 증거에 달려 있습니다.

세 번째 시대의 도래를 보여 줄 세 가지 신호

OpenAI의 세 번째 시대 논지는 실제 배포 환경에서 지속성, 멀티플레이어 조정, 통제된 자율성이 나타날 때에만 신뢰를 얻습니다.

첫 번째 신호는 사용자가 맥락을 다시 구축하도록 강요하지 않고 며칠에 걸쳐 프로젝트 상태를 유지하는 제품입니다. ChatGPT Work는 이미 장기 작업을 이어가지만, 지속 가능한 동료 행동에는 그 이상이 필요합니다.

시스템이 무엇을 기억하는지, 어떤 소스가 계속 권위 있는지, 저장된 맥락이 언제 만료되는지에 관한 명시적 통제 장치를 주시해야 합니다. 수정 사항은 책임성에 필요한 이력을 지우지 않으면서 전파되어야 합니다.

OpenAI가 가시적인 출처 추적과 함께 이러한 통제 장치를 출시한다면 세 번째 시대 주장은 힘을 얻습니다. 지속성이 대화 기록과 광범위한 검색에 머문다면 현재 어시스턴트와의 차이는 약하게 남습니다.

두 번째 신호는 진정한 멀티플레이어 인터페이스입니다. Seshan은 여러 사람이 여러 에이전트 그룹을 조종하는 모습을 설명했지만, 대부분의 상업적 상호작용은 여전히 한 사람과 하나의 활성 에이전트에 집중되어 있습니다.

설득력 있는 구현은 공동 소유권, 역할 기반 지시, 충돌 해결, 에이전트 ID, 검토 대기열을 보여 줄 것입니다. 또한 두 에이전트가 서로의 작업을 조용히 덮어쓰는 일도 막아야 합니다.

이 인터페이스는 통제된 데모 밖에서도 작동해야 합니다. 팀은 어떤 사람이 방향을 바꾸었는지, 어떤 에이전트가 행동했는지, 어떤 산출물이 승인된 결과인지 확인할 수 있어야 합니다.

성공적인 멀티플레이어 조정은 AI가 동료가 되고 있다는 OpenAI의 주장을 강화할 것입니다. 실패한다면 에이전트는 개별 계정에 연결된 개인 도구로 남아 있음을 시사할 것입니다.

세 번째 신호는 신뢰성과 보안에 관한 독립적인 증거입니다. 공급업체 사례 연구는 제품이 무엇을 할 수 있는지 보여 주지만, 구매자에게는 현실적인 조건에서의 실패율이 필요합니다.

프롬프트 인젝션, 오래된 메모리, 상충하는 지시, 철회된 권한, 중단된 워크플로 이후의 복구를 포함하는 평가를 살펴봐야 합니다. 감사는 작업 완료율뿐 아니라 중대한 오류를 측정해야 합니다.

규제 및 표준 활동도 도입에 영향을 미칠 것입니다. NIST는 에이전트 ID, 권한 부여, 모니터링, 보안 통제를 검토하고 있습니다. 명확한 표준은 고객이 공통된 기준으로 시스템을 비교하는 데 도움이 될 것입니다.

세 가지 신호 모두에서 경쟁사의 대응도 중요합니다. Anthropic과 Microsoft는 OpenAI가 통합 비전을 완성하기 전에 더 신뢰할 수 있는 메모리, 거버넌스 또는 조정을 제공함으로써 OpenAI의 입지를 약화시킬 수 있습니다.

OpenAI의 강점은 제품 표면의 폭입니다. 과제는 Chat, Work, Codex, apps, enterprise controls를 하나의 일관된 관계로 전환하는 것입니다.

지식 노동자에게 실질적인 질문은 AI가 ‘동료’라는 칭호를 받을 자격이 있는지가 아니다. 더 나은 질문은 감독이 실행보다 더 어려워지지 않으면서 어떤 책임을 맡길 수 있는지다.

반복 가능하고 검토할 수 있는 워크플로부터 시작해야 한다. 정보 출처, 권한, 승인 지점, 책임자를 정의하라. 그런 다음 반복 실행을 거치며 수정 시간, 누락된 맥락, 중대한 오류를 측정하라.

이 과정은 google news 주장에 담긴 실질을 검증한다. 지속형 AI 동료가 실수를 그대로 보존하지 않으면서 맥락을 유지할 수 있을 때에만 제3의 시대를 대표하게 될 것이다.

이들은 책임 소재를 흐리지 않으면서 조율하고, 권한을 넘어서지 않으면서 행동해야 한다. 이런 조건이 입증되기 전까지 OpenAI의 제3의 시대는 완료된 업무 환경 전환이 아니라 진지한 제품 가설로 남는다.