OpenAI Ultrafast in Codex: 사고 조사 시간을 몇 시간에서 몇 분으로 단축

OpenAI는 2026년 10월 26일에 내부 사례 연구를 공개하여 자사 엔지니어들이 Codex의 고속 모드인 Ultrafast를 사고 대응의 기본 도구로 사용하는 방법을 설명했습니다. 핵심 주장은 벤치마크 기반이 아닌 운영적입니다: 구조화 및 비구조화 데이터를 수집하는 데 한두 시간이 걸리던 보안 조사가 이제 10~15분 안에 완료되며, 개별 답변은 종종 (약 30초 미만으로) 충분히 빨리 도착하여 엔지니어들이 Codex가 작업하는 동안 컨텍스트 전환을 중단합니다.

TL;DR

Ultrafast는 Codex의 고속 모드이며, OpenAI는 기술 직원이 사고 대응, 보안 조사, 리팩토링 및 일일 계획의 기본으로 설정했다고 보고합니다. 게시물에서 정량화된 주요 결과는 한두 시간이 걸리던 보안 조사가 이제 10~15분, 때로는 거의 실시간으로 걸린다는 것입니다. 이 게시물은 OpenAI가 자사 기술과 API를 사용하는 방법에 대한 내부 사례를 공유하는 시리즈의 일부이며, 이를 게시된 벤치마크 결과가 아닌 예시로 제시합니다.

출처에 따른 Ultrafast란 무엇인가

Ultrafast는 OpenAI의 코딩 에이전트인 Codex 내부의 고속 모드입니다. 게시물은 이 기능을 지연 시간 허용 범위를 중심으로 설명합니다: 프로덕션이 중단되면 엔지니어는 사고가 악화되는 동안 몇 분 동안 답변을 기다릴 수 없으므로 더 빠른 모드를 사용하면 여러 잠재적 원인을 동시에 조사할 수 있습니다.

출처는 Ultrafast에 대한 엔지니어링 사양을 공개하지 않습니다. 토큰 처리량 수치, 모델 버전 식별자, 하드웨어 세부 정보 또는 지연 시간 백분위수 측정값을 명시하지 않습니다. 게시물의 모든 정량적 내용은 OpenAI 직원이 자신의 워크플로우를 설명하는 데서 나옵니다.

사고 대응: 여러 '건초 더미'를 동시에 검색

OpenAI의 사고 워크플로우는 Slack 채널과 문제를 가리키는 Codex 스레드를 중심으로 이루어집니다. OpenAI 기술 직원인 Aaron Friel은 일반적으로 사고를 주도합니다: 사고 대응 Slack 채널을 만들고 Codex가 도착하는 질문을 모니터링, 조사 및 답변하도록 지시합니다.

"모든 사고에는 일반적으로 무엇이 잘못되었을 수 있는지에 대한 여러 단계가 있으며, 올바른 건초 더미에서 올바른 바늘을 찾는 것이 그 채널에 있는 사람들의 주요 임무입니다. Ultrafast를 사용하면 본질적으로 모든 건초 더미를 동시에 검색하고 사고에 훨씬 더 빨리 대응할 수 있습니다."

이 병렬 조사 패턴은 게시물의 핵심 구조적 주장입니다: 엔지니어는 가설을 직렬화하는 대신 Codex가 여러 후보 원인을 동시에 추적하고 사고가 진행되는 동안 보고하도록 합니다.

보안 조사: 12시간에서 1015분으로 단축

게시물에서 가장 구체적인 숫자는 OpenAI의 기술 직원이자 데이터센터 보안 아키텍트인 AJ Trbojevic의 것입니다. 그는 이전의 보안 조사 프로세스가 구조화 및 비구조화 데이터를 수집하고, 정규화하고, 결정을 내리기에 충분한 컨텍스트를 구성하는 데 한두 시간이 걸렸다고 설명합니다.

"이제는 10~15분 안에 완료됩니다. 때로는 거의 실시간입니다."

이것이 게시물의 '몇 시간에서 몇 분' 프레임 뒤에 있는 수치입니다. 이는 실무자가 보고한 워크플로우 비교이지 통제된 벤치마크가 아니며, 출처는 표본 크기, 관련된 사고 유형 또는 측정 방법을 명시하지 않습니다.

30초 임계값

게시물에서 Ultrafast의 실질적 가치는 기계 지표가 아닌 인간의 주의 한계로 정의됩니다. 또 다른 기술 직원인 Jeff Niu는 자신의 규칙을 밝힙니다: AI로 답을 찾는 데 30초 이상 걸리면 Slack으로 전환하거나 동료에게 물어볼 것입니다.

Ultrafast를 사용하면 Niu는 대부분의 작업이 이제 그 임계값 아래에 있다고 보고합니다. 그는 Codex에게 질문하고, 생각하는 동안 다른 일로 전환하고, 생각의 흐름을 잃은 채 돌아오는 이전 패턴을 설명합니다. 그가 강조하는 변화는 대화의 연속성입니다: 교환이 이제 실시간으로 이루어져 현재 작업에 집중할 수 있습니다.

30초 수치는 Niu의 개인적인 전환 임계값이지 Ultrafast에 대한 문서화된 성능 보장이 아닙니다.

리팩토링 및 기술 부채

더 빠른 응답은 엔지니어가 시작하려는 작업을 변화시킵니다. Niu는 Ultrafast 덕분에 기존 코드를 재작업하는 데 시간이 덜 걸리기 때문에 대규모 리팩토링을 더 기꺼이 수행한다고 말합니다.

"기술 부채는 이전보다 훨씬 쉽게 상환할 수 있습니다. 코드는 저렴하고 이제 매우 빠르게 생산할 수 있습니다. 많은 비용이 들던 리팩토링이 거의 즉시 발생합니다."

여기서 주장은 재정적이기보다는 행동적입니다: 상호 작용 지연 시간이 낮을수록 큰 변경을 시작하는 인지 비용이 낮아져 지연된 정리 작업이 완료됩니다.

지속적인 일일 코파일럿으로서의 Codex

Codex가 작업을 수행하고, 명령을 실행하고, 도구를 사용할 수 있게 하는 코드를 구축하는 핵심 에이전트 팀의 Adam Perry와 Sayan Sisodiya는 두 가지 일상 패턴을 설명합니다.

Perry는 자신이 비서라고 부르는 상설 Codex 스레드를 유지합니다. 매일 아침 회의를 보고하고 응답을 잊었을 수 있는 메시지를 알려줍니다.

"이미 요약을 작성하기 위해 모든 데이터를 살펴보았기 때문에 후속 질문을 할 때 추가 데이터를 가져오기 위해 기다리지 않습니다. 실제 비서처럼 같은 대화에서 계속 질문할 수 있습니다."

Sisodiya는 양식 작성과 같은 브라우저 기반 수동 작업에 Codex를 사용하며, 이전에는 너무 느려서 피했던 작업입니다.

"브라우저를 열고 5초 동안 생각하고, 무언가를 클릭하고, 다시 앉아 있었습니다."

그는 이 작업을 위임하려는 의지의 변화를 최신 모델의 컴퓨터 사용 개선과 Ultrafast의 속도 덕분이라고 생각합니다.

"이제 브라우저를 클릭하게 하는 것이 완전히 괜찮고, 직접 하지 않아도 시간을 잃지 않을 만큼 빠릅니다."

엔지니어가 Codex를 자신과 병렬로 실행하지 않는 이유

Ultrafast 이전에는 엔지니어가 Codex를 제때 반환할 수 없는 백그라운드 작업으로 취급했습니다. Perry는 이전 행동을 직접 설명합니다:

"이전에는 Codex에게 무언가를 조사하라고 요청한 다음, 충분히 빠르지 않을 것을 알았기 때문에 동시에 직접 조사하곤 했습니다. 이제 Ultrafast를 사용하면 Codex가 충분히 빨라서 주의를 분산하는 대신 집중할 수 있습니다."

Sisodiya는 사고 중 로그 분석 외에도 Codex를 사용하여 Slack에서 의심스러운 변경 사항에 대한 참조나 작업 공간의 다른 곳에서 유사한 증상을 보고하는 사람들을 검색한다고 설명합니다.

"사고 중 로그를 파헤치는 것 외에도 Codex를 사용하여 Slack을 검색하여 의심스러운 변경 사항에 대한 참조나 다른 곳에서 유사한 증상에 대해 이야기하는 사람들을 찾습니다."

다섯 엔지니어 모두에게 반복되는 주제는 작업을 위임할지 여부를 결정한 것은 능력이 아니라 지연 시간이라는 것입니다. 게시물의 결론은 Ultrafast가 "OpenAI 기술 직원이 질문 속도에 맞춰 Codex와 작업할 수 있게" 하여 답변에 대한 후속 조치를 취하거나 생각의 흐름을 잃지 않고 다른 접근 방식을 시도할 수 있게 하고, 수행할 작업에 대한 의지를 변화시킨다는 것입니다.

게시물이 주장하는 것과 주장하지 않는 것

출처에 명시된 내용:

Ultrafast는 Codex의 고속 모드입니다.
OpenAI 엔지니어는 사고 대응의 기본으로 사용합니다.
보안 조사는 AJ Trbojevic에 따르면 "한두 시간"에서 "10~15분"으로, 때로는 거의 실시간으로 단축되었습니다.
30초 답변 임계값은 Jeff Niu가 AI를 계속 사용할지 Slack이나 동료로 전환할지를 결정합니다.
더 빠른 응답은 Jeff Niu에 따르면 대규모 리팩토링을 수행하려는 의지를 증가시킵니다.
Codex는 일일 계획 요약 및 브라우저 기반 양식 작성에 사용되며, 최신 모델의 컴퓨터 사용 개선이 그 변화의 일부로 언급됩니다.

출처에 명시되지 않은 내용:

벤치마크 점수, 지연 시간 백분위수, 처리량 수치 또는 모델 버전 식별자가 없습니다.
Ultrafast가 기술적으로 어떻게 구현되는지에 대한 설명이 없습니다.
시간-분 비교에 대한 측정 방법론이 없습니다.
Ultrafast에 대한 가격, 가용성 또는 출시 정보가 없습니다.

게시물은 OpenAI가 자사 기술과 API를 사용하는 방법에 대한 내부 사례를 공유하는 시리즈의 일부로 명시적으로 구성되어 있으며, 제품 발표나 평가가 아닌 팀 전반의 사용 사례를 지원하는 최첨단 AI의 예시로 제시됩니다.