에이전트가 업무를 변화시키는 방식

에이전트형 AI (Agentic AI)는 지식 노동의 단위를 단일 상호작용에서 위임된 장기적 과업 (long-horizon tasks)으로 변화시킵니다. 챗봇 (Chatbot) 상호작용은 종종 짧고 독립적입니다. 반면, 에이전트 (Agents)는 도구 호출 (tool calls)을 조율하고, 환경과 상호작용하며, 솔루션을 향해 반복 수행하는 동안 몇 분 또는 몇 시간 동안 독립적으로 작동할 수 있습니다. 그 결과, 에이전트는 업무를 위한 가장 강력한 AI 도구로 빠르게 자리 잡고 있습니다.

지난 1년 동안, 우리는 OpenAI에서 이러한 변화를 직접 목격했습니다. Codex가 대중에게 공개된 후 처음 몇 달 동안, ChatGPT는 OpenAI 내부에서 업무를 위한 기본 AI 도구로 남아 있었습니다. 2025년 8월까지 OpenAI 직원의 평균 토큰 사용량 중 Codex에 할당된 비중은 10% 미만이었습니다. 하지만 이제는 법무 (Legal) 및 채용 (Recruiting)과 같은 비기술 부서를 포함한 모든 부서가 Codex를 주요 업무용 AI 도구로 사용하고 있습니다. 이러한 패턴은 에이전트형 도구 (agentic tools)의 확장된 능력과 접근성을 고려할 때, 우리가 믿는 업무의 미래를 반영합니다.

Codex의 도입은 Codex의 역량과 함께 성장했습니다. Codex가 더 강력한 모델과 새로운 제품 기능을 활용함에 따라, 점점 더 확장되는 생산적 과업들을 수행할 수 있게 되었습니다. 개인 사용자 (Individual users), 조직 사용자 (Organizational users), 그리고 OpenAI 직원 전반에 걸쳐, 우리는 지난 1년 동안 네 가지 트렌드를 기록했습니다:

사람들은 더 긴 호흡의 업무(longer-horizon work)를 위해 Codex를 사용합니다. 2026년 5월 기준, 샘플링된 개인 사용자 중 80.6%가 인간의 작업 시간이 최소 30분을 초과할 것으로 추정되는 Codex 요청을 최소 한 번 이상 수행했으며, 70.2%는 한 시간을 초과하는 요청을, 25.6%는 8시간을 초과하는 요청을 최소 한 번 이상 수행했습니다. Codex는 OpenAI의 모든 부서에서 주요 AI 도구가 되었습니다. 엔지니어링 부서가 가장 먼저 움직였으나, 법무(Legal), 재무(Finance), 채용(Recruiting) 부서도 2026년 4월경 Codex를 주요 AI 도구로 사용하기 시작했습니다. 평균적인 OpenAI 직원의 경우, 현재 Codex 사용량이 출력 토큰(output tokens)의 85% 이상을 차지합니다. Codex 사용자는 비사용자보다 더 많은 토큰을 사용하는 경향이 있기 때문에, 전체 토큰에서 차지하는 비중은 훨씬 더 높습니다. Codex는 OpenAI 내부에서 생성되는 주간 출력 토큰의 99.8%를 차지합니다. 비개발자 채택(Non-developer adoption)이 특히 빠르게 성장하며 개발자 채택 속도를 앞질렀습니다. 2025년 8월 이후, 비개발자 사용자는 개인 사용자 기준 137배, 조직 사용자(organizational users) 기준 189배, OpenAI 내부 기준 12배 증가했습니다. Codex는 OpenAI 직원들이 자신의 직무 기술서(job description)를 벗어난 업무를 수행할 수 있게 했습니다. 기술적 사용은 여전히 엔지니어들 사이에서 가장 보편적이지만, 비기술적 사용자들도 자동화(automation), 데이터 변환(data transformation), 툴링(tooling), 디버깅(debugging), 구조적 분석(structured analysis)을 포함한 코딩 또는 기술적 실행 업무를 맡기 위해 정기적으로 Codex를 사용합니다.

에이전트는 더 어려운 과업을 위해 더 오랜 시간 작업합니다

전체 Codex 요청의 거의 4분의 1은 사람이 완료하는 데 한 시간 이상이 걸리는 과업을 위한 것입니다1. Codex의 독립적인 긴 문맥 작업(long-context work) 능력이 향상됨에 따라, 사용자들은 짧은 상호작용에서 더 긴 호흡을 가진 더 어려운 과업으로 전환했습니다.

아래 차트는 네 가지 인간 시간 임계값(human-time thresholds)을 넘어서는 개별 사용자들의 비중을 추정합니다: 사람이 수행할 경우 30분 이상, 1시간 이상, 4시간 이상, 그리고 8시간 이상이 소요되는 작업들입니다. 2025년 12월부터 2026년 5월까지, 사람이 30분 이상 소요될 것으로 추정되는 작업을 요청한 사용자 비중은 80.6%로 상승했습니다. 1시간 이상 소요될 작업을 요청한 비중은 70.2%로 상승했습니다. 8시간 이상 소요되는 작업을 요청하는 비중은 낮은 기저(low base)로부터 가장 빠르게 성장했습니다.

에이전트적 사용(agentic usage)의 성장은 일일 Codex 실행 시간(runtime)에서도 확인할 수 있습니다. OpenAI의 일일 활성 사용자(DAU) 중 헤비 유저들은 단 하루 동안 Codex에게 수 시간 분량의 에이전트 작업을 수행하도록 요청합니다. 2026년 6월까지, 상위 1%(99th percentile) 사용자들은 여러 개의 병렬 에이전트(parallel agents)에 분산하여 하루에 60시간 이상의 Codex 에이전트 턴(agent turns)을 정기적으로 생성했습니다. Codex가 더욱 강력해지고 병렬화(parallelizable) 가능해짐에 따라, 사용자들은 한 번에 하나의 답변만을 Codex에 요청하던 방식에서 하루 동안 점차 여러 에이전트 작업들을 오케스트레이션(orchestrating)하는 방식으로 이동했습니다.

도입은 엔지니어를 넘어 OpenAI의 나머지 구성원들로 계속 확산 중

OpenAI의 엔지니어들이 가장 먼저 Codex를 점진적으로 도입하기 시작했습니다. 회사의 평균적인 엔지니어는 2025년 12월까지 OpenAI 제품 사용량의 대부분을 Codex로 전환했습니다. 오늘날 평균적인 엔지니어는 출력 토큰(output tokens)의 99%를 ChatGPT가 아닌 Codex를 통해 생성합니다. 법무(Legal), 재무(Finance), 채용(Recruiting) 부서는 그보다 늦은 2026년 4월경에 Codex를 주로 사용하는 단계로 넘어갔으나, 이들의 전환 속도는 훨씬 빨랐습니다. 현재 OpenAI의 평균적인 변호사나 채용 담당자는 출력 토큰의 85% 이상을 Codex에서 생성하고 있습니다.

지난 6개월 동안 OpenAI 내에서 Codex 사용은 더욱 심화되고 강화되었습니다. 활성 내부 사용자들 사이에서 부서 전반에 걸친 결합 출력 토큰(combined output tokens)의 변화가 급격히 증가했습니다. 연구(Research) 부서가 가장 큰 폭으로 상승했습니다. 2026년 6월 기준, 중간값(median) 사용량은 2025년 11월보다 56배 더 높았습니다. 고객 지원(Customer Support)은 32배, 엔지니어링(Engineering)은 27배 증가했으며, 법무(Legal)는 더 완만하게 성장했지만 여전히 11월 수준의 13배에 도달했습니다.

이 두 가지 패턴은 Codex가 OpenAI가 생산적인 업무를 수행하기 위해 AI를 사용하는 방식을 어떻게 변화시켰는지를 함께 보여줍니다. 회사 전반에 걸쳐 사용자들은 AI와의 주요 상호작용 형태를 챗봇(chatbots)에서 에이전트(agents)로 전환하고 있으며, 기하급수적으로 증가하는 양의 에이전트적 노동(agentic labor)을 배치하고 있습니다.

비개발자가 가장 빠르게 성장하는 사용자 그룹입니다

OpenAI, 조직(organizational), 개인 사용자 등 모든 사용자 그룹을 통틀어, Codex 사용은 코딩 도구로 시작된 제품의 자연스러운 타겟 오디언스인 개발자들로부터 시작되었습니다. 그러나 Codex가 더 일반적인 지식 업무(knowledge work)로 확장됨에 따라, 비개발자들 사이의 채택 속도는 훨씬 더 빨라졌습니다. 아래의 사용자 성장 차트에서 보여주듯이, 개인, 조직 및 OpenAI 인구 집단 모두에서 주간 비개발자 사용자 수가 개발자 사용자 수보다 더 빠르게 증가했습니다. 2026년 6월 초 기준, 비개발자 개인 사용자는 2025년 8월 이후 137배로 증가했습니다. 비개발자 조직 사용자는 189배 증가했으며, 비개발자 OpenAI 사용자는 12배 증가했는데, 이는 이 그룹이 이미 평균을 훨씬 상회하는 시작점에서 출발했기 때문일 가능성이 높습니다.

이러한 변화가 모든 비개발자가 엔지니어와 동일한 방식으로 Codex를 사용한다는 것을 의미하지는 않습니다. 오히려 더 많은 비개발자가 일종의 에이전트적 업무(agentic work)를 위해 Codex를 사용하고 있음을 의미합니다.

Codex는 잠재적인 생산적 업무의 지평을 넓히고 있습니다

Codex는 기술적 전문 지식으로 인해 병목 현상이 발생했던 워크플로 (workflows)를 비기술 부서에서도 가속화할 수 있게 해줍니다. 아래의 히트맵 (heat map)은 OpenAI 내부에서 추론된 직업군과 Codex 출력물에 나타난 업무 유형을 비교합니다. 데이터 과학 (data science) 및 연구 (research) 분야에서는 엔지니어링 (engineering)과 코딩 (coding)이 가장 큰 범주로 나타나는 반면, 금융 (finance), 비즈니스 운영 (business operations), 마케팅 (marketing), 운영 (operations) 및 기타 부서에서는 지식 노동 (knowledge work)이 가장 큰 범주로 나타납니다.

그럼에도 불구하고, 에이전트 도구 (agentic tools)는 개별 작업자가 할 수 있는 일을 확장할 수 있습니다. 예를 들어, 비즈니스 기능 (business functions) 담당자들이 Codex를 사용하여 수행한 업무의 4분의 1 이상이 엔지니어링 또는 코딩이었습니다. 에이전트는 작업 경계를 넘나드는 비용을 낮출 수 있으며, 작업자가 이전에는 더 전문적인 기술 지원이 필요했던 인접 업무 (adjacent work)를 수행할 수 있도록 도울 수 있습니다.

직업 vs. Codex로 수행된 업무

업무 범주
통합된 추론 부서
...

이것이 에이전트의 경제적 잠재력에 의미하는 바

엔지니어가 아닌 직원들의 에이전트 도구 사용 증가은 이들이 할 수 있는 일의 경계를 확장합니다. 이는 워크플로를 어떻게 재설계할지 결정하는 기업, 어떤 기술이 더 가치 있어질지 배우는 직원, 그리고 AI가 노동 시장을 어떻게 변화시키는지 이해하려는 정책 입안자 및 연구자들에게 중요한 의미를 갖습니다.

우리의 논문은 최첨단 사용자 (frontier users)들이 유능한 에이전트 도구를 어떻게 채택하는지를 보여줍니다. 우리의 결과는 사람들이 유능한 에이전트 도구에 대해 폭넓고 마찰이 적은 접근 권한을 가질 때 어떤 일이 벌어지는지를 입증합니다. 즉, 도구가 개선됨에 따라 사람들은 더 길고, 더 복잡하며, 더 다기능적인 (cross-functional) 업무에 도구를 사용하게 됩니다. 시간이 흐름에 따라, 이것이 미래 업무 (future of work)의 모습이 될 가능성이 높습니다.