OpenAI의 ChatGPT Work 출시 및 Codex와의 공유 에이전트 하네스

TL;DR

OpenAI는 지식 근로자에게 Codex의 에이전트 파워를 제공하기 위해 ChatGPT Work를 출시했으며, 두 경험을 공유 하네스를 통해 통합하여 사용자가 인터페이스 중에서 선택할 필요가 없도록 했습니다. 이 제품은 지속 가능한 컴퓨터, 아티팩트, 사이트, 메모리, 서브‑에이전트를 제공하며, 팀은 구축이 쉬워질수록 아이디어와 취향이 병목이 되고, 진행 상황은 원시적인 움직임이 아닌 품질 높은 ‘at‑bats’로 측정되어야 한다고 주장합니다.

왜 Codex가 OpenAI의 비개발자 사이에서 퍼졌는가

Akshay는 Codex가 내부적으로 출시된 후 전략 재무 및 마케팅과 같은 비개발자 팀이 이를 사용하기 시작했고, 자신들이 사용하고 있다는 사실에 자부심을 느꼈다고 관찰했습니다. 그는 일반적인 반응을 인용했습니다: "이걸 사용해서는 안 되는 것 같은데, 내가 쓰고 있어." 사용자들은 이 경험을 새로운 초능력을 얻는 것과 같다고 설명했으며, 이는 에이전트의 유용성이 소프트웨어 엔지니어를 넘어 확장되었음을 시사했습니다.

ChatGPT Work의 제품 통찰력

통찰력은 다양한 역할에서 Codex 채택을 보고, 기존 ChatGPT 사용 base에게 에이전트의 힘을 제공하면서 탭을 전환하거나 별도의 제품을 배우도록 강요하지 않아야 한다는 인식에서 나왔습니다. 목표는 ChatGPT 인터페이스에 동일한 기능을 가져와서 업무 관련 작업을 수행하는 누구나 이미 사용하고 있는 곳에서 접근할 수 있도록 하는 것이었습니다.

공유 에이전트 하네스와 UX 차이

Akshay는 기본 하네스—플러그인, 컴퓨터 사용, 아티팩트, 샌드박싱을 사용할 수 있게 하는 기능 집합—that은 Codex와 ChatGPT Work에서 동일하다고 확인했습니다. 지식 작업을 위해 이루어진 개선(더 나은 플러그인 지원, 컴퓨터 사용, 아티팩트 품질)은 두 모드 모두에서 사용할 수 있습니다. 차이는 의견에 기반한 UX 선택입니다: Codex 모드에서는 UI가 기본적으로 Git diff와 repo 상태를 표시하지만, Work 모드에서는 이러한 세부 사항을 숨겨서 혼잡을 줄입니다. 샌드박싱 기본값도 다르지만, 핵심 기능은 동일합니다.

왜 OpenAI가 경험을 통합했는가

팀은 AI가 엔지니어링, 디자인, 전략, 운영 간의 경계를 흐리게 하고 있기 때문에 Codex와 ChatGPT Work를 통합했습니다. Akshay는 직책에 기반한 엄격한 경계를 그으면 사용자를 가두게 되며, 통합된 경험은 사용자가 코드를 작성하고, 아티팩트를 만들고, Sites에서 협업하면서 어떤 "모드"에 있는지 결정할 필요 없이 유동적으로 이동할 수 있게 한다고 주장했습니다. 공유 원시(플러그인, 컴퓨터, 파일 시스템)는 이러한 유동성을 가능하게 합니다.

파워 사용자를 위한 모델 구성 조언

OpenAI는 대부분의 사용자에게 가장 잘 작동한다고 생각하는 기본 모델 구성을 선택했습니다. Akshay는 대부분의 사람들이 기본 설정을 유지하고 효율성이나 품질이 부족하다고 느낄 때만 변경하도록 조언했습니다. 파워 사용자를 위해 reasoning을 증가시키는(Ultra), 멀티‑에이전트 설정 사용, 속도와 철저함을 트레이드하는 목표‑기반 슬라이더 조정 등의 옵션이 존재합니다. 그는 대부분의 사용 사례에 대해 기본 설정이 충분하다고 언급했습니다.

아티팩트, 에이전트 스프레드시트, 그리고 Sites

출시의 주요 추진력은 아티팩트 품질 향상이었습니다—동료와 공유할 수 있을 정도로 높은 충실도의 스프레드시트, 문서 및 기타 출력을 만드는 것이었습니다. Akshay는 라이선스가 필요 없는 Excel처럼 보이는 퇴직 계산 스프레드시트를 보여주었습니다. 또한 Sites를 강조했는데, 이는 어떤 HTML이라도 렌더링하고 실시간 협업을 지원하는 유연한 호스팅 웹페이지로, 데크, 스프레드시트, 전통적인 보고서를 대체할 수 있다고 설명했습니다. 팀들은 이미 슬라이드 데크 대신 월간 보고서에 Sites를 사용하고 있습니다.

지속 가능한 컴퓨터 환경 및 개인 에이전트

OpenClaw와의 내부 실험에서 영감을 얻은 ChatGPT Work는 에이전트가 세션 간에 작업을 계속할 수 있도록 지속 가능한 파일 시스템과 예약된 작업을 제공합니다. Akshay는 자신의 아내가 OpenClaw를 사용하여 가정 캘린더를 관리했으며, 이와 유사한 워크플로우가 이제 ChatGPT Work에서 식사 계획, 운동 추적, 재정 예산 관리에 나타난다고 설명했습니다. 에이전트는 저장된 파일을 시간에 따라 참조할 수 있어 업무와 생활을 결합한 개인 생산성 사용 사례를 가능하게 합니다.

서브‑에이전트 및 Ultra 모드

제품은 서브‑에이전트 사용 시점을 표시하지만, 사용자를 압도하지 않도록 기본적으로 UI에서 세부 사항을 숨깁니다. Akshay는 트레이드‑오프를 설명했습니다: 서브‑에이전트 작업을 표시하면 투명성이 제공되지만 소음이 될 수 있으며, 숨기면 인터페이스가 간단해집니다. 파워 사용자는 보기를 확장하여 서브‑에이전트가 수행 중인 작업을 보고, 더 저렴한 모델로 유도하거나 비용 및 latency 트레이드‑오프를 검사할 수 있습니다. Ultra 모드와 멀티‑에이전트 설정은 altamente 병렬화되거나 깊은 탐색이 필요한 작업에 예약되어 있습니다.

메모리 및 개인화

메모리 및 개인화 ChatGPT Work는 ChatGPT의 V3 메모리 시스템을 상속하여 에이전트가 과거 상호작용을 회상하고 메모리에 다시 쓸 수 있게 합니다. Akshay는 메모리가 개인적으로 느껴지고 에이전트가 관련 컨텍스트를 사전에 surface하도록 도와준다고 언급했습니다. 또한 Chronicle이라는 실험 기능을 언급했는데, 이는 컴퓨터 사용을 기록하여 Slack, 문서, 로컬 파일에서의 통찰력으로 메모리를 풍부하게 하지만 기본적으로 활성화되지 않습니다.

제품 개발 및 팀 역할에 미치는 영향

Akshay는 AI가 제품 관리, 엔지니어링, 디자인, 운영 간의 전통적인 경계를 무너뜨려 개인이 전문성을 가진 제너럴리스트로 행동하기 쉽게 만들었다고 반성했습니다. 거의 누구나 구축할 수 있게 되면서 병목은 아이디어와 취향으로 이동하며, LLMs는 여전히 "새로운 아이디어를 가져와" 라는 지시를 따르는 데 어려움을 겪는다고 주장했습니다. 따라서 생산성 측정은 커밋, 토큰, 풀 리퀘스트와 같은 프록시에서 벗어나 아이디어에서 구축으로 피드백을 받고 검증까지 반복적으로 이동할 수 있는 품질 높은 ‘at‑bats’로 이동해야 한다고 말했습니다. 그는 활동 증가(모션)를 실제 진행과 혼동하지 말 것을 경고하며, 팀이 자신들에게 진행이 무엇인지 신중히 고려할 것을 촉구했습니다.

마무리 생각

ChatGPT Work와 Codex의 합산 사용자 수가 천만 명인 상황에서 Akshay는 이번 출시를 모두에게 유용한 에이전트를 제공하려는 오랜 비전의 정점으로 보고 있습니다. 다음 단계는 사용자 수를 백만 명으로 확장하고, 단순함과 능력 사이의 균형을 계속 다듬어 기본 경험이 강력하면서도 고급 옵션이 필요한 사용자를 위해 보존되도록 하는 것이라고 기대했습니다.