OpenAI의 최신 보고서인 'The Next Era of Knowledge Work'는 조용한 분류의 변화로 읽힌다. Codex는 프로그램 작성을 위한 에이전트 (Agent)로서 시작되었다. 새로운 수치들은 그것이 문서, 스프레드시트 (Spreadsheet), 발표 자료, 연구 메모, 계약서, 지표 화면, 승인 작업 속에서 하루를 보내는 사람들을 위한 생산성 계층으로 확장되고 있음을 보여준다. 이는 중요하다. 현대의 지식 노동은 기묘한 한계에 다다르고 있다. 사람은 이전보다 더 많은 파일을 만들 수 있다. 하지만 진정한 마찰 (Friction)은 필요한 맥락 (Context)을 찾고, 흩어진 재료를 판단으로 바꾸며, 다음 확인 단계로 업무를 진행하는 과정에 있다.

중심이 되는 수치는 강력하다. Codex의 주간 유효 이용자는 500만 명을 넘어섰으며, 2월에 데스크톱 버전이 출시된 이후 6배 이상 증가했다. 개발자는 여전히 최대 이용자층이지만, 지식 노동자는 이용자의 약 20%를 차지하며 개발자보다 3배 넘는 속도로 증가하고 있다. 가장 빠르게 성장하는 용도는 자료 분석, 조사, 지식 결과물 작성이다. 여기에는 보고서, 메모, 문서, 계약서, 다매체 자료, PDF, 스프레드시트가 포함된다. 이용자의 60% 이상은 하루 중 어느 시점에 두 개 이상의 Codex 작업을 동시에 실행하고 있다.

이러한 수치들은 새로운 일의 형태를 그려낸다. 관리자는 하나의 에이전트에게 자료군 확인을 맡기고, 다른 에이전트에게 고객용 메모 초안 작성을 맡길 수 있다. 연구자는 하나의 에이전트에게 배경 자료 수집을 부탁하고, 다른 에이전트에게 표 작성을 부탁할 수 있다. 운영 책임자는 일정, 읽지 않은 연락, 기획 메모, 승인 대기 작업을 정리한 아침 요약을 요구받는다. 변화는 미세하지만 깊다. 지식 노동에서 부족했던 자원은 이전에는 첫 초안을 만드는 힘이었다. 앞으로 가치를 갖는 힘은 여러 초안을 조정하고, 평가하며, 현실과 결합하여 오래 사용할 수 있는 성과로 바꾸는 힘이다.

따라서 이 보고서는 제품 업데이트보다 더 큰 이야기를 담고 있는 것으로 보인다. 기존의 생산성 환경은 일을 별개의 앱 (App) 안에 두도록 사람을 길들였다. 전자 연락에는 사실의 일부가 있었고, 문서에는 또 다른 일부가 있었다. 스프레드시트에는 숫자가 있었고, 발표 자료에는 논리가 있었다. 설계 파일에는 시각적 판단이 있었다. 채팅에는 결여된 맥락이 있었다. 일하는 사람은 그것들을 잇는 인간의 다리 역할을 했다. AI 에이전트는 이제 그 다리의 역할을 맡으려 하고 있다. 도구를 넘나들며 맥락을 수집하고, 결과물을 준비하며, 여러 흐름을 동시에 앞으로 나아가게 한다.

기회는 명확하다. 정형적인 통합을 안전하게 맡길 수 있는 지식 노동자는 판단을 위한 여백을 늘릴 수 있다. 시장 조사 초안, 표 확인, 회의 요약, 발표 자료 구성안, 계약 조건의 1차 비교는 작업의 병목이 아니라 출발점이 될 수 있다. 사람은 무엇이 중요한지, 어떤 근거를 신뢰할 수 있는지, 어떤 위험을 제기해야 하는지, 완성 품질이 어떤 모습이어야 하는지를 결정하는 시간을 늘린다.

어려운 질문은 감독 (Supervision)이다. Axios의 보도는 학술 이용 사례를 통해 유용한 경고를 보여주었다. 에이전트는 자료를 수집하고, 분석을 실행하며, 그림을 그리고, 논문 초안을 쓸 수 있다. 그럼에도 수집, 분류, 해석에 오류가 발생하기 때문에 전문가의 확인이 필요하다. 기업에 주는 시사점은 명확하다. 병렬적인 에이전트는 속도를 높인다. 확인 없는 속도는 숨겨진 위험을 키운다. 지식 노동의 다음 시대에는 출처를 감사하고, 중간 단계를 확인하며, 확신도를 측정하고, 책임을 할당하는 더 나은 방법이 필요해질 것이다.

OpenAI의 GDPval 연구도 같은 방향을 가리키고 있다. GDPval은 미국 경제의 9개 주요 분야와 44개 직업에 걸친 실제 경제적 작업으로 모델 성능을 평가한다. 과제는 경험 있는 전문가의 대표적인 업무를 바탕으로 만들어졌으며, 사람의 감독이 작업 흐름에 포함될 때 최첨단 모델은 많은 영역에서 전문가에 가까운 성과 품질에 다가가고 있다. 이것이 전문성이 낡아진다는 의미는 아니다. 전문성은 더욱 중심이 된다. 전문가는 과제를 정의하고, 근거를 확인하며, 결여된 맥락을 알아차리고, 결과가 사용할 수 있는 수준에 도달했는지 판단하는 사람이 된다.

따라서 가장 유용한 AI 업무 흐름은 편집 가능성 (Editability)을 핵심 조건으로 다룬다. 조직은 ChatGPT로 연구 계획을 구체화하고, Miss Formula로 이미지 내의 수식을 복원하며, Editable Figure로 AI가 생성한 논문 도표를 편집 가능한 벡터 도표로 변환할 수 있다. 공통된 축은 제어 (Control)이다. 일하는 사람은 결과를 확인하고, 수정하고, 인용하고, 재사용하며, 모델에게 전체를 처음부터 다시 생성하게 하지 않고도 더 큰 작업으로 통합할 수 있어야 한다.

같은 이유로, 미래의 직장에는 새로운 운영 습관이 필요할 것이다. 위임된 모든 작업에는 명확한 목적, 출처의 경계, 예산, 확인 지점(checkpoints)이 필요하다. 기밀 정보에는 작업과 함께 이동하는 권한 규칙이 필요할 것이다. 에이전트(Agent)가 만든 표에는 추적 가능한 전제 조건이 필요하다. 메모에는 출처로의 연결이 필요하다. 발표 자료에는 인간 소유자(human owner)가 필요하다. 연구 요약에는 불확실성이 보이는 지점이 필요하다. 에이전트형 생산성은 작업을 빠르게 하고, 추론의 흐름을 확인하기 쉽게 만들 때 가치를 지닌다.

인간 측면의 문제도 있다. 여러 에이전트를 동시에 구동하는 것은 강력하게 느껴지지만, 새로운 피로를 유발한다. 사람은 단순히 하나의 도구가 끝나기를 기다리는 것에 그치지 않게 된다. 빠르게 움직이는 여러 작업 흐름을 감독하며, 각각으로부터 승인, 설명, 수정을 요구받게 된다. 뛰어난 조직은 차분한 위임의 형태를 설계할 것이다. 어떤 작업이 자동화할 가치가 있는지, 어떤 작업이 인간의 직접적인 주의를 필요로 하는지, 어떤 작업이 더 나은 맥락을 기다려야 하는지를 결정할 것이다.

보고서는 실무적인 미래를 보여준다. 지식 노동자는 작은 전문 에이전트들의 편집자, 조사자, 확인자, 조정자가 된다. 가치는 문제를 구성하고, 근거를 선택하며, 판단력을 연마하고, 신뢰를 유지하며, 불확실성 속에서 결정하는 방향으로 이동한다. 결과물은 더 빠르게 전달될 수 있다. 하지만 업무의 의미는 더욱 엄격해질 것이다.

지식 노동의 다음 시대는 AI의 속도를 신뢰할 수 있는 판단으로 바꿀 수 있는 사람과 조직에 보답할 것이다. Codex의 성장은 에이전트가 이미 개발자의 책상을 넘어 넓은 직장으로 진입하고 있음을 보여준다. 승리하는 쪽은 맥락, 편집 가능성, 확인, 소유권을 둘러싼 강력한 습관을 만드는 조직이다. AI는 더 많은 초안을 만들 수 있다. 진정한 우위는 어떤 초안이 결정이 될 자격이 있는지를 아는 사람에게 있다.

Discussion