# OpenAI DevDay 2026부터 예측하는 AI가 “조직의 일원”이 되는 조건

> https://bookfactory.kr/board/news/19337
> 게시판: 뉴스
> 작성자: admin
> 작성일: 2026-09-30T20:31:14.750Z

---

![見出し画像](https://assets.st-note.com/production/uploads/images/319322613/rectangle_large_type_2_85209a8c92699a23f8b2ecc7f31b8697.png?width=1280)

2026년 9월 29일 OpenAI DevDay에서 GPT-6.1 Sol뿐만 아니라, 24시간 가동되는 Dots, 공동 작업 공간인 ChatGPT Space, 외부 앱과 연결되는 Plugin Extensions, 그리고 이벤트를 기준으로 자동화를 시작하는 MCP Events 등이 발표되었다.

만약 고객으로부터 불량 보고가 접수되었다고 가정한다면, AI는 그 보고를 읽고 과거의 기록을 조사하여 수정안을 만들고 테스트한 후, 인간의 검토가 필요한 부분만 제시한다. 담당자는 매번 다른 화면에서 프롬프트를 작성하는 것부터 시작하지 않는다. 이 일련의 과정을 가능하게 하는 부품들이 이번에 한 번에 제시된 것일 거라고 생각한다.

여기서 보이는 것은 “챗봇이 더욱 똑똑해졌다”는 이야기보다, 인간, AI, 데이터, 앱, 권한을 연결하는 일의 기반이 형성되기 시작했다는 변화이다. 다만, 발표된 기능의 제공 범위는 일률적이지 않다. 이미 사용 가능한 것, 제한 プレビュー, 향후 예정된 것을 구분하여 고려해야 한다. 2026년 9월 30일 시점의 OpenAI 공식 발표를 기준으로 한다.

## 발표를 “다섯 개의 층”으로 읽겠습니다.

이번 발표를 아래에서부터 순서대로 나열해 보자.

- 외부 세계: 이메일, 고객 데이터, 코드, 웹사이트, 업무 시스템
- ## 연결 및 시작: 플러그인, 플러그인 확장, MCP 이벤트

플러그인과 플러그인 확장은 마인크래프트 자바 에디션에서 게임 기능을 확장하는 데 사용되는 파일 형식입니다. 플러그인은 게임의 핵심 기능을 수정하거나 새로운 기능을 추가하는 데 사용되는 코드 파일로 구성되며, 플러그인 확장은 플러그인의 기능을 더욱 확장하거나 특정 기능을 더 쉽게 사용할 수 있도록 하는 추가 파일입니다.

플러그인과 플러그인 확장은 일반적으로 마인크래프트 서버에서 실행되며, 서버 관리자는 플러그인과 플러그인 확장을 사용하여 서버의 기능을 사용자 정의할 수 있습니다.

MCP 이벤트는 플러그인과 플러그인 확장이 게임의 특정 이벤트에 반응할 수 있도록 하는 메커니즘입니다. MCP 이벤트는 플러그인과 플러그인 확장이 특정 이벤트가 발생했을 때 특정 코드를 실행하도록 하는 데 사용됩니다. 예를 들어, 플러그인과 플러그인 확장은 플레이어가 블록을 파괴했을 때, 플레이어가 새로운 아이템을 얻었을 때, 또는 서버가 시작되었을 때 MCP 이벤트를 사용하여 특정 코드를 실행할 수 있습니다.

MCP 이벤트는 플러그인과 플러그인 확장의 기능을 더욱 강력하게 만들고, 서버 관리자가 서버의 기능을 더욱 정밀하게 제어할 수 있도록 합니다.
- 판단과 실행: GPT-6.1 솔, 의사결정 API, 에이전트 API, 코덱스
- 활성 참여자: Dots, 조직 전문 Dots
- 협업 공간: Space, Pages, Team Tasks, Slack 및 Teams의 @ChatGPT

이는 제품 목록이 아닌, 업무 흐름으로 읽고 이해하기 쉽다. 무언가 발생했을 때 이를 감지하고, 필요한 정보에 연결하며, 판단하고 실행하며, 사건의 경과를 인간과 공유하는 방식이다. 다섯 개의 층 중 하나라도 부족하면, AI는 유용한 단발성 도구로만 남을 수 있다.

![画像](https://assets.st-note.com/img/1790775980-HciYlNZavg4zwmXtnA7B5qpx.png?width=1200)

모델 면에서는 GPT-6.1 솔이 Astra에 가까운 능력을 표준 입출력 토큰 가격으로는 Astra의 5분의 1로 제공된다고 발표되었다. 고속화 Tier인 Ultrafast도 소개되었지만 9월 30일 기준으로 Astra 버전만 이용 가능하며, 솔 버전은 향후 제공될 예정이다. 모델의 성능과 가격은 끊임없이 가동하는 AI를 운영하는 데 따른 수익성을 변화시킬 수 있지만, 저렴하고 빠르게 생각할 수 있는 것과 안전하게 맡길 수 있는 것은 별개의 문제이다.

## Dots가 변화시키는 위임 단위: 업무에서 책무로

과거 AI 활용에서는 먼저 사람이 업무를 찾아 “이것을 조사해” “이 문서를 수정해줘”와 같이 요청하는 방식이었습니다. 업무의 시작점과 종료점은 사람이 결정했습니다.

Dots는 전용 클라우드 PC와 브라우저를 활용하고 연결된 앱을 사용하여 지속적으로 업무를 수행하는 에이전트로 소개되었다. 고객의 피드백을 통해 작은 결함을 찾아 수정안을 제시하고, 사양 변경에 맞춰 론치 자료를 업데이트하며, 새로운 데이터가 도착하면 분석을 다시 수행하는 등의 사례가 제시되었다. 중요한 것은 일회성 작업량은 아니며, 위임의 단위가 ‘이 작업’에서 ‘이 영역의 상태를 확인하고 변화에 대응하는 것’으로 확장되는 점이다.

다만 “상시 가동”은 “무제한의 자율성”을 의미하지 않는다. OpenAI의 설명에 따르면, 사용자가 앱 접근을 선택하고, 행동에 대한 승인 규칙이나 Auto-review를 설정하며, 민감한 정보가 포함된 일부 작동은 인간에게 남는다. 제품의 능력과 통제는 함께 고려해야 한다.

Specialist Dots는 조직 내에서 특정 책임을 담당하는 에이전트로서 구상되고 있습니다. 자체적인 ID, 인증 정보, 업무 시스템 접근 권한을 갖는 방향입니다. 다만, 현재는 시점을 좁혀 기업 대상의 파일럿 단계에 불과하며, 일반 기업에 널리 적용된 “AI 직원”이라고 표현하는 것은 아직 이르다고 할 수 있습니다.

## 공간은 사람들이 AI와 함께 같은 일을 바라보는 장소가 될 수 있을까요.

노동자 수가 늘더라도, 각자의 전제가 다르다면 조직이 성립될 수 없다. 기획서, 회의록, 데이터, 판단 이력이 흩어져 있다면 AI는 매번 설명을 다시 듣게 될 것이다.

ChatGPT Space와 Pages는 인간, ChatGPT, Codex, Dot이 공유 문맥을 참조하며 작업을 지속하는 장소로 발표되었다. Pages에는 문서 외에 조사, 그래프, 이미지 등을 배치할 수 있다. 여기서 자료는 “회의 전에 누군가 업데이트하는 정적인 파일”에서 “업무 진행과 함께 업데이트되는 공유 상태”로 발전한다.

사회학의 경계 대상(Boundary Object)이라는 개념을 빌려보면 이 가치가 더욱 명확하게 드러난다. 개발, 영업, 경영은 같은 사안을 서로 다른 언어로 捉える. 하지만それでも 공통의 사양서나 로드맵을 지시한다면 협력할 수 있다. Space는 사람과 AI 사이에서 그러한 대상으로 될 수 있다. 다만 공유 장소를 마련하는 것만으로는 충분하지 않다. 어떤 정보가 최신 버전인지, 누가 수정할 수 있는지, AI의 제안과 승인된 결정이 어떻게 구별되는지까지 설계해야만 작동하기 때문이다.

오늘 제시된 공동 편집 슬라이드는 9월 30일 현재 기준으로 향후 수 주 이내에 제공될 예정입니다. Team Tasks는 비즈니스 및 엔터프라이즈용이며, Meetings는 macOS 데스크톱에서의 베타 버전입니다. 미래 비전과 현재 이용 가능성을 분리하여 검토할 필요가 있습니다.

## AI를 실행하는 것은 인간의 프롬프트만으로 결정되지 않는다.

오늘의 업무는 질문보다 사건들로 시작된다. 고객으로부터 이메일이 도착한다. 버그가 발생한다. 계약 기한이 다가온다. 데이터 값이 급변한다.

MCP 이벤트는 연결된 시스템에서 발생하는 이벤트를 촉매로 자동화를 시작하는 메커니즘이다. OpenAI의 DevDay 발표에서 제안된 MCP 이벤트 사양에 대한 대응과 설명이 이루어지고 있다. 예를 들어 프로젝트 보드에 새로운 작업이 추가되면 관련 자료를 읽고 계획안을 작성한다. 기존의 “인간 → 프롬프트 → AI” 방식과는 달리 “이벤트 → AI → 인간에게 보고”라는 경로가 생성된다.

플러그인 확장 기능은 ChatGPT 내에서 외부 서비스의 사이드바나 대화 패널을 실행할 수 있는 메커니즘으로 발표되었다. Agents API에는 Computer Use 등이 추가되어 기업이 자사의 제품이나 업무에 에이전트를 통합할 수 있는 방안이 확대되었다. Decisions API는 자유롭게 문장을 생성하는 것이 아니라, 정의된 선택지에서 분류나 다음 액션을 선택하는 용도의 제한적인 프리뷰 버전이다.

이러한 것들을 연결하면 기업의 업무는 제어 공학의 폐루프 제어와 유사하게 보입니다.

> 
> 
> 경과를 관찰한다 → 상황을 파악한다 → 행동한다 → 결과를 확인한다 → 다음 판단으로 돌아간다
> 

그러나 “빠르게 반응할수록 좋다”는 것은 무한히 가능하지 않다. 해지 위험이 조금 올라갈 때마다 가격을 인하하고, 이용이 돌아올 때마다 해지한다면 고객 경험과 이익 모두가 요동칠 것이다. 작은 변화에는 반응하지 않는 ‘데드밴드’, 재시도를 기다리는 ‘쿨다운’, 시작과 종료에서 조건을 바꾸는 ‘히스테리시스’가 필요하다. 제어 공학의 비유가 유효한 것은 AI의 판단 정확도뿐만 아니라, 개입의 속도와 빈도를 재고할 수 있기 때문이다. 다만 고객이나 직원은 기계 부품이 아니다. 목적과 권리를 가진 인간을 단순한 제어 대상으로 취급해서는 안 된다.

![画像](https://assets.st-note.com/img/1790776025-2JHoLTUtukAPDQcvrXI9mKEa.png?width=1200)

## 자율화의 전면에 존재하는 “리뷰 부채”

AI에 업무를 맡길수록 인간의 검토가 따라가지 못해 문제가 될 수 있습니다. AI가 하루에 100건의 제안을 만들고, 사람이 20건만 검토할 수 있다면, 미확인된 업무는 매일 80건씩 증가합니다. 생성 능력을 향상시켜도 전체 처리량은 늘어나지 않습니다.

저는 이 상태를 리뷰 부채라고 부르고 싶습니다. 제시된 숫자는 설명의 편의를 위한 가정일 뿐이며, 실제 측정값은 아닙니다. 측정해야 할 것은 제안 수뿐만 아니라, 사람의 개입 없이 안전하게 완료된 비율, 적절한 에스컬레이션 비율, 승인 대기 시간, 사후 수정 비율입니다.

여기 참고할 만한 것이 토요타 생산 방식의 자율화(Jidoka)이다. 이상 발생 시 기계를 멈추고, 인간이 문제를 해결한다. AI이더라도 저위험의 되돌릴 수 있는 작업은 자동 처리하고, 심각한 예외에서는 사람을 호출하는 설계를 적용해야 한다. 다만 정지 조건을 완화하면 인간에게 알림이 쇄도할 수 있다. Human-on-the-loop는 사람을 모든 작업에 완전히 배제하지 않고, 인간이 감독할 수 있는 범위를 권한, 로그, 테스트, 정지 수단으로 구축하는 것이다.

관리자 직무 또한 변화하고 있다. 에이전트에게 세세한 절차만 전달하는 것은 환경이 바뀌면 움직일 수 없기 때문이다. 명확하게 해야 할 것은 목표, 기대 성과, 우선순위, 금지 사항, 권한, 사람을 호출하는 조건 등이다. 이는 미션 커맨드(Mission Command)의 의도 공유와도 유사하다. 다만 군사 조직의 지휘를 기업에 그대로 옮기는 것이 아니라, 목표를 공유하면서 분산된 현장 판단을 가능하게 하는 한정적인 활용이다.

## 회사와 SaaS의 경계는 어떻게 변화할 것인가

코즈의 기업 이론에서는 상대방을 찾고, 협상하고, 계약하고, 감시하기 위한 거래 비용이 기업의 내부와 외부를 구분하는 중요한 요소가 된다. 에이전트가 탐색, 조정, 정형화된 감시 비용을 절감한다면 소규모 회사가 다기능적인 구조를 갖출 수 있다. 반면 대기업 또한 내부 조정 비용을 절감할 수 있다. 따라서 “회사는 반드시 작아진다”는 단선적인 예측과는 달리, 소규모 회사와 대규모 회사가 모두 강화될 수 있으며, 중간 규모 조직일수록 독점적인 가치를 창출할 가능성이 있다. 이는 가설이며, 향후 실증 연구가 필요하다.

SaaS도 마찬가지로 “소멸되지 않는다”고 할 수 없다. 인간이 매일 화면을 여는 대신, AI가 API나 플러그인을 통해 조작하는 방식으로 바뀌어도 고객 마스터, 거래 기록, 권한, 감사 로그는 남아있다. 가치의 중심이 아름다운 운영 화면뿐만 아니라, 시스템 오브 레코드(정본이 되는 기록), 실행 권한, 데이터 품질, 연결성에 머무는 관점이 더 정확할 것이다.

이 시점에서 기업은 인간을 위한 SEO뿐만 아니라, 에이전트가 이해하고 활용할 수 있도록 구조화된 데이터, 명확한 조건, API, 권한 설계를 고려할 수 있을 것이다. 일종의 ‘에이전트 최적화’라고 할 수 있다. 하지만 에이전트에게 유리하게 선택될 경우 공정한 경쟁으로 이어질 것이라고 단정할 수 없으며, 특정 플랫폼의 추천이나 수수료가 유통을 좌우할 가능성도 존재한다.

ChatGPT와 일부 파트너를 통해 ChatGPT 사용량을 외부 서비스에서 활용할 수 있는 메커니즘을 제시하고, OpenAI Marketplace는 대상 기업 고객이 계약 약정의 일부를 승인된 파트너 제품에 사용할 수 있는 메커니즘으로 발표되었다. 모델, ID, 앱, 사용량, 유통이 연결된다는 의미에서 ChatGPT는 “AI의 운영체제(OS)”에 가까워진다. 하지만 OS는 비유이며, 현재는 모든 앱이나 결제를 지배하고 있는 것은 아니다.

## 일하는 사람들에게 무엇이 남고 무엇이 달라지는가

개발, 조사, 회의록 작성, 정형 분석, 초기 대응 업무는 우선 개별 작업 묶음(Task Bundle)으로 분해된다. 직종 전체가 한 번에 대체되는 것은 아니다. 정보 수집이나 초고는 AI가 담당하고, 사람은 문제 설정, 이해관계 조정, 예외 판단, 고객과의 신뢰 형성 등에 비중을 두는 방식으로 변화할 수 있다. 그러나 이를 “사람은 창의적인 업무만 하면 되니”라고 미화해서는 안 된다. 기초 업무는 육성 입구이기도 하며, 그 축소가 다음 세대의 전문가를 어떻게 키울 것인가라는 문제를 야기할 수 있다.

SIer, 컨설, BPO는 단순히 “얼마나 많은 인원을 얼마나 많은 기간 투입했는지”만으로는 가치를 설명하기 어려워진다. AI를 결합한 업무 설계, 평가, 예외 처리, 권한과 책임의 경계 설정이 상품이 될 수 있다. 반면, 현장을 잘 아는 사람들의 암묵지나 어려운 고객 대응은 단순한 자동화 지표로 환원할 수 없으며, 종사자들에 대한 존경심을 잃은 “인월 불필요론”은 전환의 어려움을 간과한다.

개인의 능력 또한 프롬프트 엔지니어링부터 컨텍스트 엔지니어링, 워크플로우 엔지니어링, 에이전트 엔지니어링으로 확장된다. 그리고 최상위에는 사람과 AI를 어디에 배치할 것인지, 즉 조직 엔지니어링이 존재한다. 무엇을 맡기고 어디까지 멈출 것인지, 누가 책임 주는지에 대한 질문은 프롬프트 한 줄의 훌륭함과 그렇지 않은 것보다 훨씬 조직적인 문제이다.

## 강력한 에이전트일수록 강력한 권한 관리 체계가 필요하다.

전문가 Dot이 자체 ID를 보유하는 방향이라면, 관리 대상은 인간 직원뿐만 아니라 AI와 서비스 계정까지 확대된다. 필요한 것은 최소 권한, 인증 정보의 보관, 감사 로그, 행동 모니터링, 중단 수단, 폐지 관리이다. AI의 능력이 향상될수록 오작동으로 인한 피해 범위 또한 넓어질 수 있다.

여기서 조직론의 원주민-대리인 문제가 문자 그대로 나타난다. 위임하는 측과 실행하는 측의 목적, 지식, 감시 가능성의 불일치가 발생한다. AI는 인간과 같은 사적 이익을 반드시 가지지 않지만, 지시의 오해, 외부 정보에 의한 유도, 평가 지표에 대한 과적응은 발생할 수 있다. 따라서 책임, 권한, 관찰 가능성, 최종 책임을 명문화해야 한다. 의료, 신용, 송금, 고용 등 비가역성 및 권리에 미치는 영향이 큰 영역에서는 성능만을 이유로 자동화해서는 안 된다.

OpenAI는 Private Intelligence의 일부로서 제로 데이터 보존 환경에서의 Private 안전 처리 방식을 소개했지만, Private 추론은 2026년 가을을 목표로 한 프리뷰 예정이므로, “안전한 시스템이 발표되었다”와 “모든 업무에서 안전성이 실증되었다”를 혼동하지 않으시기 바랍니다.

## 마지막으로: AI를 확대하는 것보다 업무의 책임을 설계하는 것이 더 중요합니다.

DevDay 2026 발표를 하나씩 살펴보면 모델, 에이전트, 플러그인, 워크스페이스 업데이트처럼 보입니다. 이들을 종합하면 외부의 사건을 받아 AI가 지속적으로 작동하고, 사람과 협력하여 판단하며 업무를 변화시키는 시스템이 드러납니다.

그러나 제품 데모가 보여주는 것은 가능성일 뿐이며, 실제 사회 적용 결과와는 다릅니다. 도입 기업의 비용 대비 효과, 사고율, 노동자에게 미치는 영향, 고객의 선택권은 앞으로 측정하여 평가해야 합니다.

기업에게 던져야 할 질문은 “얼마나 많은 에이전트(AI)를 고용할 수 있는가”가 아니라, 무엇을 맡기고 무엇을 맡기지 않고, 실수를 했을 때 누가 멈추고 다시 바로잡을 수 있는가 하는 것이다. AI가 업무의 일부를 담당하는 시대일수록 인간이 목적과 책임을 명확하게 하지 않으면 안 된다.

이 글은 소속 조직과는 관련 없는 개인적인 견해입니다.

**출처:** [note 원문](https://note.com/masa1992/n/n5a136ec6c03c)

*번역: Gemma 3(.44) 초벌 + 교정 42청크*

[원문 보기](https://note.com/masa1992/n/n5a136ec6c03c) | 출처: note.com