서진호

5 분 소요

이번 주 오픈AI에서 개최한 DevDay 2026 Seoul 행사들의 기술 세션에 대해 하나씩 정리해 보도록 하겠다. 첫 시간으로 OpenAI의 아시아·태평양 지역 응용 AI 아키텍처 책임자로 앨버트 입(Albert Yip)이 발표했다.

1. dots - 나의 개인 비서

dots는 사용자의 목표와 업무 맥락을 기억하고 여러 앱에서 작업을 이어가는 개인 AI 에이전트이다. 지난 샌프란시스코에 개최한 DevDays 에서 dots를 공개했다. GPT-6 Astra를 기반으로 자체 클라우드 컴퓨터와 브라우저를 사용하며, 사용자가 연결한 앱에서 자료를 찾고 작업을 수행한다. 목표와 판단 기준을 알려주면 작업을 진행하고 결과를 가져와 검토받는 방식이다.

그림 1. Dots

dots는 소프트웨어 개발에서 고객 피드백을 살펴 개선할 부분을 찾고, 코드를 수정하고 테스트한 뒤 개발자가 검토할 수 있도록 변경 사항을 준비한다. 콘텐츠 제작에서는 인터뷰 기록을 바탕으로 소개 글과 SNS 게시물 초안을 작성한다. 자료 분석에서는 새 데이터가 들어오면 분석 결과와 도표를 갱신하고 달라진 내용을 보고한다. 영업 지원에서는 고객 요구사항을 제품 자료와 비교해 제안서와 검증 계획을 업데이트한다.

그 이후로 dots는 계속해서 업그레이드 되었는 데, dots의 모바일 사용과 업무 연동 기능이 강화됐다. iOS와 Android 앱에서 dot을 만들고 이름과 외형, 플러그인을 설정할 수 있게 됐으며, ChatGPT를 실행하면 dot과의 대화가 바로 열리도록 설정할 수 있다.

Codex에서는 새로운 개발 작업을 시작하거나 기존 스레드의 작업을 이어서 진행할 수 있다. 이 과정에서 ChatGPT 대화와 Codex 스레드, 자동화 정보를 참고해 관련 작업을 연결한다. ChatGPT Work에 등록된 예약 작업을 확인하고 변경하는 기능도 추가됐다.

사용성도 개선됐다. 클라우드 브라우징과 사이드바의 로딩 속도가 빨라졌고, 불필요한 알림이 줄었다. 코드 블록과 첨부파일 표시가 개선됐으며, Outlook 연결 과정에서 발생하던 문제도 수정됐다.

2. Specialist dots — 조직의 특정 업무를 담당하는 에이전트

Specialist dots는 기업이나 조직에서 특정 업무를 지속적으로 맡도록 구성하는 전문 AI 에이전트다. 회사가 업무 목표와 책임 범위를 정하고 필요한 자료와 시스템에 접근할 권한을 제공하면, 에이전트는 해당 업무를 수행하고 결과를 사람에게 검토받는다. DevDay에서는 회계, 이메일 마케팅, 법률 및 계약 분석, 고객 문의와 지원 요청 처리를 대표적인 활용 분야로 제시했다.

그림 2. Specialist dots

개인용 dot이 사용자의 여러 일을 돕는다면, Specialist dot은 조직 안에서 정해진 역할과 책임을 맡는다. 이를 운영하려면 담당 업무와 사용할 도구, 시스템 접근 범위, 사람의 검토 및 승인 절차를 명확히 해야 한다. 업무를 수행하는 동안 새로운 정보와 팀의 피드백을 반영하며 결과를 개선해 나간다.

OpenAI는 DevDay 발표 당시 Specialist dots를 기업과 함께 역할과 운영 방식을 설계하는 파일럿 단계로 소개했다. 따라서 각 분야의 완성된 제품보다는 회사의 업무 환경과 요구사항에 맞춰 구성하는 전문 에이전트로 이해하는 것이 적절하다. Specialist dots를 조직 안에서 정해진 책임을 맡는 에이전트로 설명한다. 회사는 각 에이전트의 신원과 인증 수단을 설정하고, 담당 업무에 필요한 시스템에 접근할 수 있도록 권한을 부여한다.

그림 3. Albert Yip

이 날 앨버트는 chatGPT에 업무 목표와 맥락, 필요한 도구를 제공해 특정 영역의 일을 지속적으로 맡길 수 있도록 하겠다고 말했다. 예를 들어 회계 업무를 맡은 에이전트는 회사 자료와 업무 시스템을 활용해 관련 작업을 수행하는 방향으로 구성된다. OpenAI는 내부에서 시험한 업무로 송장 처리, 구매, 이메일 마케팅, 고객 지원, 상업 계약 등을 제시했다.

이를 실제 업무에 적용하려면 에이전트의 책임과 작업 범위를 먼저 정해야 한다. 어떤 결과를 만들어야 하는지, 어떤 자료와 시스템을 사용할 수 있는지, 사람이 언제 결과를 검토하고 승인할지를 명확히 해야 한다.

이제 가상의 팀 동료인 Specialist dots는 기업과 함께 이러한 구성을 설계하는 파일럿 단계를 넘어서 4가지 업무는 곧바로 구매할 수 있는 개별 제품 목록보다 전문 에이전트를 적용할 수 있는 대표적인 업무 영역이다.

3. Decisions API — 작업 도중 필요한 판단을 빠르게 처리하기

Decisions API는 앱과 AI 에이전트가 작업 중 반복적으로 내려야 하는 판단을 빠르게 처리하도록 설계된 API다. 개발자가 질문과 허용할 답의 범위를 정하면, 모델이 입력 정보를 분석해 판단 결과를 반환한다. 대표적인 용도는 입력 분류, 요청 전달 경로 선택, 다음 행동 결정이다.

그림 4. Decisions API의 작업 완료 시간

위의 사진에서 Decisions API의 작업 완료 시간이 150ms, 즉 0.15초로 표시돼 있다. GPT-6 Luna API는 약 1.6초로 제시돼 있다. 가로축은 초당 생성하는 토큰 수가 아니라 작업을 완료하는 데 걸린 시간이다. 약 10배의 속도 차이가 난다.

고객 지원 업무를 예로 들면, 고객의 문의를 읽고 결제, 기술 지원, 계약 중 어느 부서로 전달할지 판단하는 데 사용할 수 있다. 애플리케이션은 반환된 판단 결과에 따라 문의를 해당 부서로 전달한다. 여러 단계에서 이런 판단이 반복되면 대기 시간이 누적되므로 개별 판단에 걸리는 시간을 줄이는 것이 전체 서비스의 반응성을 높이는 데 도움이 된다.

그림 5. Decisions API

사진 속 슬라이드에는 ‘Public beta’라고 적혀 있지만 지난주 OpenAI에서 Decisions API의 정식 출시를 발표했다. 정식 서비스는 GPT-6 Luna를 기반으로 하며, OpenAI는 Responses API로 같은 모델을 사용하는 경우보다 제한된 답변 범위의 판단을 최대 10배 빠르게 처리한다고 설명했다.

베타 이후에는 GPT-Live와의 기본 통합, 반복 사용하는 맥락을 재활용하는 프롬프트 캐싱, 미국과 EU 내 추론 처리가 추가됐다. JSON을 입력으로 직접 전달하고 질문 지침에 이미지를 포함할 수 있게 됐으며, 요청당 질문 수는 기존의 두 배인 최대 400개로 늘었다. 아시아 여러 지역의 처리 용량을 추가하는 등 응답 지연을 줄이는 개선도 진행됐다.

정식 서비스에서 지원하는 판단 결과는 조건이 참일 확률을 추정하는 predicate, 미리 정한 선택지 중 하나를 고르는 choice, 정해진 평가 기준에 따라 점수를 산출하는 score다. GPT-Live와 연결하면 실시간 음성 대화 중 추가 질문을 할지, 요청을 다른 경로로 전달할지 등을 판단하는 데 활용할 수 있다. 이때 판단 결과를 바탕으로 실제 행동을 실행하는 역할은 애플리케이션이 담당한다.

필자는 이미 decisions api 베타 버전이 나올 때 부터 실습 예제를 사용해 보고 다음과 같이 작성했다.

4. Agents API — 에이전트에게 컴퓨터와 작업을 제공하기

이제 Agents API에서 GPT-6 Astra의 Computer Use를 사용할 수 있다. 개발자가 웹사이트와 소프트웨어의 화면을 조작하며 작업을 수행하는 AI 에이전트를 만들 수 있다. GPT-6 Astra가 화면에 표시된 내용을 파악하고 다음 행동을 판단하면, 에이전트는 클릭과 텍스트 입력과 페이지 이동 등을 수행하며 작업을 이어 간다. 이를 활용하면 웹사이트에서 정보를 수집하거나 웹 애플리케이션의 동작을 테스트하는 과정을 자동화할 수 있다.

Agents API는 이러한 작업에 필요한 브라우저를 OpenAI가 호스팅하는 환경에서 실행한다. 개발자의 애플리케이션은 세션을 생성하고 작업을 전달한 뒤 진행 상황과 결과를 받아 처리한다. GPT-6 Astra는 브라우저에서 관찰한 내용을 바탕으로 다음 행동을 결정하며, 웹사이트 접근 승인이나 로그인이 필요한 경우에는 애플리케이션이 해당 절차를 처리하도록 구성한다.

예를 들어 “개발자 문서 사이트에서 Agents API 시작 안내를 찾아 제목과 주소를 알려 달라”고 요청하면 에이전트가 브라우저를 탐색하고 찾은 결과를 반환하는 방식이다. GPT-6 Astra가 작업을 판단하는 역할을 맡고, Agents API가 실행 환경과 작업 세션을 제공하는 구조로 이해하면 된다.

그림 6. Agents API

사진 속 설정 이 설정이 뜻하는 것
client.beta.agents.sessions.create(...) 작업을 수행할 에이전트 세션 생성
model: "gpt-6-astra" 사용할 모델 지정
tools: [{ type: "computer_use" }] 컴퓨터 화면을 조작하는 도구 제공
type: "openai_hosted" OpenAI가 제공하는 실행 환경 사용
desktop: { enabled: true } 화면을 사용하는 환경 활성화
input: "Test the signup flow ... and report any bugs." 회원가입 과정을 시험하고 버그를 보고하도록 작업 지시

위의 사진에서 보듯이 입력 지시는 “지정한 테스트 사이트에서 회원가입 흐름을 검사하고 발견한 버그를 보고하라”이다. 주소에 쓰인 staging.example.com은 예시 주소이다. 이 소스 코드는 모델·도구·실행 환경·작업 지시를 묶어 실제 웹사이트에서 일하는 에이전트를 시작하는 방법을 보여준다. OpenAI의 Agents API Computer use 문서도 사진과 동일하게 computer_use, openai_hosted, desktop.enabled 설정을 설명한다.

회원가입 테스트라는 지시를 동작으로 풀면, 에이전트는 페이지를 열고 화면을 확인한 뒤 필요한 입력과 클릭을 수행하며 그 결과를 다시 관찰해 다음 행동을 결정하게 된다. 다시 말해, 관찰 → 행동 → 결과 확인을 반복하면서 작업을 진행한다. 공식 문서를 읽어보니 이 기능의 용도로 웹사이트 테스트, 정보 수집, 웹 애플리케이션 조작을 제시한다.

이때 Agents API가 제공하는 가치는 실행 관리에도 있다. 공식 Agents API 개요에 따르면, OpenAI가 세션, 작업 조율, 길어진 문맥의 압축, 복구를 관리한다. 개발자는 사용할 도구와 환경을 정하고, 작업을 전달하며 진행 이벤트와 결과를 받는 구조이다. 따라서 이 그림은 “Astra의 컴퓨터 사용 능력을 개발자의 서비스에 연결하여 사이트를 직접 시험하거나 UI를 조작하는 작업을 맡길 수 있다”고 정리할 수 있다.

5. 참고자료

댓글남기기