에이전트가 인터넷을 움직이는 시대와 ChatGPT의 다음 단계

원문 제목: OpenAI’s Head of ChatGPT: We’re entering a new era of AI (again) | Tibo Sottiaux
URL: https://www.youtube.com/watch?v=MM-C3JqCXBk
날짜: 2026-10-08
채널: Lenny's Podcast
출연: Lenny Rachitsky, Tibo Sottiaux(OpenAI ChatGPT·Codex 총괄)
영상 길이: 약 37분
원본 대화 공개일: 2026-10-04
Video ID: MM-C3JqCXBk

📌 핵심 질문 / 이 영상이 다루는 핵심 논점

==인터넷에서 일어나는 대부분의 행동이 에이전트에 의해 수행될 미래를 전제로 제품과 업무 방식을 다시 설계해야 한다.== Tibo Sottiaux는 에이전트를 사람이 일일이 조작하는 도구가 아니라 사용자의 목표·취향·피드백을 장기간 학습하는 상시 가동 지능으로 본다.

• 모델은 더 저렴하고 빨라지며, 텍스트·음성·이미지·화면 같은 모달리티가 자연스럽게 통합될 것이다.
• Dots는 모델 선택기와 복잡한 워크플로 설정을 없애고 사용자가 원하는 채널에서 호출하는 개인 에이전트로 출발한다.
• 제품은 사람용 인터페이스만 최적화할 것이 아니라 에이전트가 대규모로 호출할 API·MCP·인프라와 그 경제성을 함께 설계해야 한다.
• 동시에 인간의 취향, 창의성, 판단, 공동 작업과 실제 사람 사이의 관계는 더 중요해진다.
• 안전은 부가 기능이 아니라 주 에이전트를 감시하는 보조 컴퓨트, 가드레일, 별도 하드웨어까지 포함하는 제품의 핵심 계층이다.

Sottiaux가 말하는 새로운 시대는 단순히 더 똑똑한 모델을 출시하는 시대가 아니다. 사용자가 모델 이름, 추론 강도, 멀티에이전트 구성, 반복 루프를 공부하지 않아도 시스템이 목표를 이해하고 필요한 작업을 수행하는 시대다. 이 변화는 ChatGPT·Codex·Work·Dots를 하나의 연속된 지능으로 합치고, 외부 개발자 생태계와 연결하며, 인터넷의 트래픽·비용·보안 구조까지 바꿀 수 있다.

1. 에이전트 중심으로 다시 정의되는 업무

1.1. Sottiaux 자신의 업무 방식: 코드를 쓰는 사람에서 에이전트 팀을 지휘하는 사람으로

1. 손으로 쓰는 코드는 거의 사라졌다

   1. Sottiaux는 여전히 가끔 코드를 머지하지만, 직접 코드를 작성하기보다 Codex가 비즈니스 동향 분석, 기능의 다음 방향 탐색, 이전 출시의 성과 분석 등에 필요한 코드를 작성한다.
   2. 주말에는 치료적 취미처럼 손으로 코드를 조금 작성한다. 실제 업무에서의 수작업 코딩은 거의 남아 있지 않다.

2. 에이전트 병렬 실행 규모는 모델 능력에 따라 팽창하고 수축한다

   1. 과거에는 여러 에이전트를 동시에 돌렸지만, 더 빠른 모델의 돌파구가 나온 뒤에는 하나의 큰 에이전트가 더 많은 작업을 기억하고 처리할 수 있어 다시 몰입 상태를 회복했다.
   2. 프런티어를 밀어붙일 때는 부족한 능력을 보완하기 위해 에이전트 팀을 크게 만든다. 새로운 모델이 나오면 한 에이전트가 팀 전체의 일을 맡을 수 있어 규모를 줄인다.
   3. 이 과정은 확장 → 모델 돌파 → 축소 → 다시 확장의 반복이며, 고정된 최적 에이전트 수가 존재한다기보다 모델 성능이 업무 구조 자체를 바꾼다.

1.2. 루프와 그래프를 넘어 학습하는 시스템으로

1. 수동으로 짠 워크플로의 한계

   1. 사용자가 반복 루프를 설계하고 그래프를 연결하며 어느 순서로 실행할지 계속 조정하는 방식은 현재 과도기에서 흥미롭게 보일 뿐, 장기적인 사용 방식은 아니다.
   2. 사용자는 “정확히 이 루프를 이렇게 돌려야 결과가 나온다”는 실행 절차를 기억할 필요가 없어야 한다.

2. Dots가 지향하는 자동 학습

   1. Dots는 24시간 작동하면서 사용자의 목표와 선호를 이해하고 피드백에서 학습하는 지능으로 설계됐다.
   2. 첫 출시가 완벽하지 않다는 점을 인정하고, 프로 사용자에게 공개한 뒤 실제 사용에서 무엇을 학습해야 하는지 조정한다.
   3. 미래의 핵심은 워크플로를 잘 조립하는 기술이 아니라 시스템이 사용자가 이루려는 바를 관찰하고 스스로 더 나은 절차를 선택하는 능력이다.

2. ChatGPT·Codex·Work·Dots를 하나의 상시 지능으로 합치기

2.1. 기술에서 벗어난 영구적이고 능동적인 지능

1. 클라이언트보다 지능의 지속성이 중요하다

   1. Dots라는 이름의 제품이 최종 형태인지와 무관하게, 핵심은 사용자가 특정 노트북이나 앱에 붙잡히지 않고 필요할 때 어디서든 같은 지능을 불러오는 것이다.
   2. 회의실에 들어가면 회의에 참여해 메모하고, 이메일에서 이어서 작업하며, 필요하면 문자로 호출하는 식으로 화면과 클라이언트 사이를 이동한다.
   3. 사용자가 필요로 하지 않을 때는 물러나고, 필요할 때만 나타나는 것이 상시 가동의 의미다. 기술을 들고 다니는 것이 아니라 기술이 사용자를 위해 일해야 한다.

2. 음성·멀티모달·공동 작업 표면이 다음 변화를 만든다

   1. 현재 기술은 음성, 멀티모달 입력·출력, 공동 작업을 어느 정도 지원하지만 여전히 어딘가 어색하다.
   2. 자연스러운 대화처럼 말을 걸고, 시스템이 과거 맥락을 완벽하게 기억하며, 아이디어를 말하면 협업 화면에 스케치하는 수준이 목표다.
   3. ChatGPT Space는 공유 화이트보드에서 사람과 에이전트가 함께 작업하는 미래의 시작점으로 제시된다. 대화창이라는 형식도 장기적으로는 넘어설 대상이다.

2.2. 복잡성을 줄이는 ChatGPT 통합

1. Chat과 Work 토글을 합친다

   1. 사용자는 Work의 기능을 좋아하면서도 더 빠르고 편한 Chat을 쓰고 싶을 때가 있어 두 모드 사이를 오가야 했다.
   2. OpenAI는 두 경험을 합쳐 기능과 속도의 장점을 한곳에서 제공하고, 모드 선택의 부담을 줄이려 한다.

2. Dots의 기능을 ChatGPT에 편입한다

   1. 장기적으로 Dots가 할 수 있는 모든 기능을 ChatGPT에도 넣어 12억 명의 사용자에게 능력의 최저선을 끌어올릴 계획이다.
   2. Dots는 모델 선택기가 없다. 사용자는 어떤 모델을 고를지, 추론 강도를 얼마나 높일지, 멀티에이전트와 단일 에이전트 중 무엇을 쓸지 결정하지 않고 대화하면 된다.
   3. 초기 설정에서 사용자가 정해야 하는 것은 어떤 채널로 Dots와 소통할지 정도다.

2.3. SF의 상상이 실제 제품 형태가 되는 과정

1. 《Her》보다 오래된 SF의 영향

   1. Sottiaux는 영화 《Her》를 한 번 봤지만, 특정 영화보다 30~40년 전 SF의 비전에서 더 큰 영향을 받았다고 말한다.
   2. William Gibson의 《Neuromancer》와 오리지널 《Star Trek》을 자주 떠올린다.

2. Star Trek식 유용한 컴퓨터

   1. Star Trek의 컴퓨터는 말로 요청하면 일을 수행하고, 우주선은 선원과 대화한 뒤 움직인다.
   2. 말로 지시하고 어디서든 유용한 시스템이라는 상상이 이제 현실의 제품 설계로 들어오고 있으며, Sottiaux는 이를 “그 시대에 들어가고 있다”고 표현한다.

3. 커뮤니티와 개방형 생태계가 만드는 Dots

3.1. 제품은 출시 전 완성되는 것이 아니라 사용 속에서 발견된다

1. 커뮤니티와 함께 만들어야 하는 이유

   1. 사람들이 실제로 무엇을 만들고 어떻게 사용하는지는 제품팀이 미리 전부 예측할 수 없다.
   2. 커뮤니티와 대화하면 예상하지 못했던 사용 방식과 삶의 영향이 드러난다. 이런 피드백은 겸손함과 영감을 주며, 인간에게 진짜 유용한 제품을 만들기 위해 필수적이다.
   3. “비전을 이미 완성했다”고 가정하는 대신, 출시 후 나타나는 사용 사례를 제품의 일부로 받아들여야 한다.

2. 개발자 커뮤니티와의 공개 소통

   1. Sottiaux는 X에서 하루 약 30분을 스크롤하고, 말할 만한 생각이 떠오르면 즉석에서 글을 쓰거나 답한다.
   2. 아직 여러 Dots를 만드는 기능은 공개되지 않았지만, 그는 자신의 X 활동을 맡기는 별도 Dot을 이미 구상하고 있다.

3.2. 한 개의 기본 Dot에서 가상 팀으로

1. 기본 Dot의 역할

   1. 초기에는 모든 사용자에게 하나의 primary Dot을 제공한다.
   2. primary Dot은 문자로도 대화할 수 있고 사용자의 선호를 가장 깊이 학습하는 중심 에이전트다.
   3. 실제 사용을 관찰하며 시스템을 조정하는 것이 한 개로 시작한 이유다.

2. 여러 Dot과 역할 분담

   1. 곧 두 번째, 세 번째, 네 번째 Dot을 추가해 필요한 만큼 가상 팀을 만들 수 있게 한다.
   2. 특정 Dot에 X 모니터링 같은 역할을 맡길 수 있다. Sottiaux는 어떤 업무는 한 사람의 하루치에 가까운 노력이 필요하므로 하나의 Dot 전체를 배정할 만하다고 설명한다.
   3. 역할별 에이전트가 항상 필요한 것은 아니지만, 장기간 지속적으로 감시하거나 전문적 맥락을 유지해야 하는 업무에는 유용하다.

3.3. 가장 과소평가된 출시: 개방형 생태계

1. Sign in with ChatGPT와 16개 파트너

   1. Dots가 가장 눈에 띄는 출시라면, Sottiaux가 “잠자는 대형 성공작”으로 꼽은 것은 생태계를 개방하는 전략이다.
   2. Pi와 OpenCode의 창작자들과 대화하던 중 Codex 로그인으로 인증하고 사용량을 연결하자는 아이디어가 나왔고, 처음에는 서로 신뢰하는 방식으로 시작했다.
   3. 이 방식이 인기를 얻자 OpenAI는 이를 공식 기능으로 만들었고, 당시 16개 파트너와 Sign in with ChatGPT를 제공했다.

2. 플러그인 배포와 수익 공유

   1. 외부 개발자는 ChatGPT의 인프라와 플러그인 확장을 활용해 12억 사용자에게 도달할 수 있다.
   2. 사용자가 ChatGPT의 구독 사용량을 Notion·Figma 같은 플러그인이나 연결된 제품에서 소비하면, OpenAI는 파트너와 경제적 가치를 공유한다.
   3. 인기와 사용량이 높은 플러그인은 수익의 일부를 받는다. OpenAI는 단순한 앱 목록을 넘어 배포와 경제성이 연결된 생태계를 만들려 한다.

3. 발견은 홍보량보다 지속적 효용으로 결정된다

   1. 플러그인이 추천되려면 사람들이 실제로 계속 사용하고, ChatGPT가 하지 못하던 일을 가능하게 해야 한다.
   2. 추천 시스템은 유지율(retention), 성공률, 품질, 실질적 효용을 본다.
   3. 검색 최적화나 언론 노출량으로 일시적으로 관심을 얻는 것보다 사용자가 남아 반복해서 쓰는 제품이 큰 사용자 집단에 노출된다. 품질이 낮아지면 추천도 중단된다.

4. Dots를 가능하게 한 연구·안전·아키텍처

4.1. 장기 작업과 기억의 누적

1. 2년 이상 이어진 연구

   1. 오래 지속되는 장기 작업(long-horizon task)과 지속성, 기억의 일관성을 유지하는 연구는 2년 넘게 진행됐다.
   2. Codex Cloud가 1년 전 보여준 애니메이션과 개념은 이후 Grok Bot 같은 제품의 영감이 됐다. 여러 팀과 제품이 같은 연구 흐름 위에서 발전했다.

2. ChatGPT의 기억이 주는 사용자 경험

   1. 사용자는 ChatGPT가 과거 대화에서 자신에게 관련된 세부 사항을 기억하는 경험을 강하게 인식한다.
   2. Sottiaux는 아팠던 사용자가 손의 화상 원인을 이전 대화의 라임, 데킬라, 햇볕에 그을린 상황과 연결해 설명받았다는 일화를 들었다.
   3. 중요한 것은 모든 정보를 무차별적으로 저장하는 것이 아니라 사용자의 목표에 관련된 기억을 오래 일관되게 유지하는 것이다.

4.2. Codex 하네스, 24시간 실행, Astra

1. Dots의 기술적 결합

   1. 장기 기억 시스템 위에 Codex 하네스와 24시간 생산성 있게 작업하는 실행 능력이 결합됐다.
   2. 이 조합이 단순한 대화 모델이 아니라 계속 일하고 결과를 축적하는 Dots의 기반이 됐다.

2. 안전한 모델로 시작한 이유

   1. Dots는 OpenAI의 가장 안전하고 정렬된 모델인 Astra와 함께 출시됐다.
   2. 에이전트가 오래 작동하고 외부 시스템과 연결될수록 안전·보안·권한 통제가 더 중요해진다. 따라서 제품 기능을 먼저 확장하기보다 위험을 줄이는 연구가 출시 일정의 중요한 부분을 차지했다.

4.3. 주 에이전트와 보조 모니터링의 분리

1. 가드레일이 있는 실제 시스템 접근

   1. Sottiaux의 Dot은 일부 프로덕션 시스템에 접근하지만, 전문화된 Dot에는 추가 가드레일과 모니터링이 적용된다.
   2. 일부 전문화된 에이전트는 별도의 하드웨어에서 실행되며 Mac mini가 그 예로 언급됐다.

2. 에이전트가 여러 기기를 연결하는 구조

   1. Dots의 실행 하네스가 사용자의 기기에서 직접 돌아가는 것이 핵심은 아니다. Dot은 자신의 컴퓨터를 갖고 필요하면 사용자의 노트북에 연결된다.
   2. 장기적으로는 여러 기기를 동시에 연결해 마치 문어처럼 각각을 제어할 수 있다.
   3. 따라서 권한·기기 경계·감시 범위를 명확히 설계해야 하며, 단순히 채팅창에 비밀키를 붙이는 문제가 아니다.

5. 인간의 가치가 이동하는 방향

5.1. 인간은 사라지는 것이 아니라 더 많은 것을 만드는 쪽으로 이동한다

1. 취향과 의지가 기술의 중심에 남는다

   1. OpenAI가 지향하는 설계는 인간을 대체하는 것이 아니라 인간의 의지와 취향을 확장하는 것이다.
   2. 창의적 아이디어를 실제 결과물로 확장하는 능력이 좋아질수록 AI는 예술적 도구처럼 작동한다.
   3. 코더의 수는 줄어들 수 있지만 빌더의 수는 오히려 늘어날 수 있다. 인간은 다른 인간이 무엇을 만들었는지 보고 배우고 대화하려는 존재이기 때문이다.

2. 관계와 공동 경험의 인간성

   1. Sottiaux는 인터뷰에서 Dot이 아니라 Lenny와 대화하고 있다. 이런 인간 대 인간의 교류는 오랫동안 남을 것이라고 본다.
   2. 에이전트가 생산물을 많이 만들수록 무엇을 만들 가치가 있는지, 어떤 결과가 좋은지 판단하는 취향이 더 중요해진다.

5.2. 에이전트 피로·외로움·주의력 과잉

1. 현재의 부작용

   1. 엔지니어는 여러 에이전트와 대화하며 맥락을 자주 전환하고, 하루 종일 사람 대신 에이전트와 상호작용할 수 있다.
   2. 에이전트가 많아질수록 위임하는 일도 늘어나며, 설정 피로와 혼자 하는 모험 같은 고립감이 생긴다.
   3. 생산성이 올라간다는 이유로 30개 에이전트를 동시에 돌리고 더 많이 출시하라는 압박도 커진다.

2. Sottiaux가 상상하는 해결책

   1. 설정을 줄이고, 여러 에이전트의 결과를 하나의 자연스러운 경험으로 합치며, 에이전트가 혼자 일하는 것이 아니라 사람들 사이의 대화에 참여하게 해야 한다.
   2. 이상적인 환경은 물리적 공간에서 사람과 AI가 함께 대화하고, 종이에 아이디어를 적으면 AI가 뒤에서 만들고, 다른 아이디어가 떠오르면 또 다른 결과를 만드는 방식이다.
   3. 화면에 붙어 프롬프트를 계속 입력하는 대신 공동 화면과 음성으로 협업하면 인지적 피로가 줄어든다.

3. AI의 약속은 프롬프트 처리량이 아니다

   1. 휴가 중 일주일 완전히 연결을 끊으면 더 창의적으로 생각하게 된다는 경험을 통해, 휴식과 집중의 가치가 드러난다.
   2. AI는 회의와 알림을 더 늘리는 도구가 아니라 중요도 낮은 일을 걸러내고, 주의를 쓰고 싶은 곳에 집중하게 해야 한다.
   3. 더 적은 회의와 더 나은 휴식이 오히려 생산성을 높일 수 있다. “초당 프롬프트 하나 더”가 AI의 약속이 되어서는 안 된다.

6. 놀라운 실제 사용 사례와 에이전트의 판단

6.1. 라이브 데모를 5분 앞두고 프로덕션 장애를 감지한 Dot

1. 상황 인식과 시점 판단

   1. DevDay 라이브 데모 직전에 ChatGPT 프로덕션이 다운됐다.
   2. Sottiaux의 Dot은 그가 DevDay에 있다는 사실, 라이브 데모가 예정되어 있다는 사실, 데모가 프로덕션 시스템을 사용할 가능성, 장애가 5분 뒤 행사에 영향을 줄 수 있다는 사실을 연결했다.
   3. Dot은 “프로덕션이 다운됐다”고 5분 전에 알리고, 직접 고쳐볼지 물었다.

2. 신뢰는 능력보다 단계적으로 쌓인다

   1. Sottiaux는 아직 Dot이 고칠 단계는 아니라고 판단해 거절하고 엔지니어링팀과 직접 문제를 확인했다.
   2. 하지만 단순 알림을 넘어 상황의 중요도와 시간적 긴급성을 추론했다는 점은 인상적인 발전으로 평가했다.
   3. “Dot이 나를 감동시키려고 일부러 장애를 고쳤다”는 식의 더 극적인 이야기는 아니지만, 실제 업무에 유용한 선제적 맥락 판단의 사례다.

7. AI 시대에 가치가 오르는 역량과 OpenAI의 인재상

7.1. 타이핑 속도에서 취향과 사용자 이해로

1. 하락하는 역량: 빠른 타이핑

   1. 코드와 문장을 직접 입력하는 시간이 줄어들면서 타이핑 속도는 더 이상 중요한 경쟁력이 아니다.

2. 상승하는 역량: 좋은 취향과 사용자 연결

   1. 어떤 결과가 좋은지 알고 사용자를 깊이 이해하며, 만들려는 대상과 청중을 연결하는 능력이 중요해진다.
   2. 전직 창업자와 반복 창업자가 OpenAI에서 특히 강한 이유는 중요한 것을 만들려는 에너지와 “좋은 것의 기준”을 갖고 있기 때문이다.
   3. OpenAI에는 전직 YC 창업자가 120명 이상 있으며, Sottiaux는 회사를 거대한 스타트업처럼 묘사한다.

3. 역할의 경계가 흐려진다

   1. 디자인만 하거나 엔지니어링만 하면서 다른 영역을 불편해하던 사람도 AI로 빠르게 보완할 수 있다.
   2. PM처럼 무엇을 만들지 결정하고 결과를 평가하며 반복 개선하는 역할은 AI 시대에 더 강해질 수 있다는 Lenny의 관점에 Sottiaux도 동의한다.

7.2. 주니어에게 필요한 태도: Ahmed Ibrahim 사례

1. 출발점보다 흡수 속도가 중요하다

   1. Sottiaux가 “다음 Tibo”로 소개한 Ahmed Ibrahim은 OpenAI에 신입으로 들어왔다.
   2. 현재 Applied 조직의 전체 컴퓨트 플릿과 Codex 하네스의 상당 부분을 책임질 정도로 성장했다.

2. Ahmed의 성장 요인

   1. 매우 친절하고 협업을 잘하며, 자신을 앞세우기보다 정말 중요한 문제를 해결한다.
   2. 스펀지처럼 배우고 모든 것을 빠르게 흡수하며, 최신 기술을 학습에 사용한다.
   3. 불과 몇 달과 1년 사이의 발전 폭이 매우 컸고, 이제 OpenAI의 가장 중요한 출시를 맡길 수 있는 신뢰를 얻었다.
   4. 젊은 세대는 기존 업무 방식에 덜 묶여 AI 변화를 먼저 받아들이고 빠르게 학습하는 이점이 있다.

7.3. OpenAI의 바텀업 문화와 높은 품질 기준

1. 작은 실험이 제품이 되는 경로

   1. Decisions API는 Luna 모델을 좋은 모델로 판단하고 제약 샘플링을 적용해 Responses API와 다른 형태로 제공하자는 아이디어에서 시작됐다.
   2. 처음에는 네 명이 주말에 해킹하듯 만들었고, Slack 채널에서 논의가 커졌다.
   3. 회사 전체에 공개하자 사람들이 기능을 사용하고 시각 입력을 더하면 좋겠다는 아이디어를 보태며 빠르게 발전했다.

2. 자율성 뒤의 품질 통제

   1. 아이디어는 비정형적으로 흘러가도 출시 전에는 높은 품질 기준을 적용한다.
   2. 당일 DevDay에 내놓을 수 있었던 기능도 이미 출시량이 많다고 판단하면 보류하고 다음 주나 그다음 주로 나눈다.
   3. 자율적인 사람들이 생산적인 방향으로 역할을 맡아 아이디어를 출시 가능한 제품으로 전환한다.

8. 자율성, 실수, 그리고 빠른 학습

8.1. 신뢰를 주되 결과는 직접 책임진다

1. OpenAI식 자율성

   1. 구성원은 좋은 판단을 할 것이라는 신뢰를 받고 큰 자율성을 얻는다.
   2. 문제가 생기면 빠르게 고치고 실수에서 배워야 한다. 자율성은 승인 절차를 생략하는 특권인 동시에 결과를 떠안는 책임이다.
   3. Sottiaux가 X에서 직접 말하고 필요하면 제품의 리셋을 누를 수 있는 것도 이런 문화의 결과다.

2. 실수의 구체적 사례

   1. 초기 Codex 시절 복잡성을 낮추기보다 계속 복잡하게 만드는 방향으로 팀을 이끌었고, 일부 팀을 충분히 고무하지 못했다고 돌아본다.
   2. OpenAI에 입사한 지 3일 만에 프로덕션을 다운시킨 경험도 있다.
   3. 그래도 계속 고용됐고, 그 경험에서 교훈을 얻었다. 조직은 실수 자체보다 복구 속도와 학습을 중요하게 본다.

9. 에이전트가 인터넷의 주된 사용자가 될 때의 제품 전략

9.1. 사람들이 아직 과소평가하는 세 가지

1. 인터넷 행동의 주체 변화

   1. 인터넷에서 일어나는 행동의 대부분이 에이전트에 의해 수행될 가능성이 높다.
   2. 모델은 놀라운 속도로 더 저렴하고 빨라질 것이다.
   3. 모든 모달리티가 매끄럽게 통합되어 지금의 화면·텍스트 중심 사용 방식은 크게 달라진다.

2. 1년 뒤 10배를 상정한 제품 설계

   1. 현재 성능만 기준으로 제품을 만들면 일 년 뒤의 비용·속도·능력 변화를 놓친다.
   2. “일 년 뒤 지금보다 대략 10배 좋아진다”고 진지하게 상상하면 사람이 클릭하는 화면보다 에이전트가 호출하고 조합할 수 있는 구조를 먼저 만들게 된다.

9.2. 에이전트용 제품은 규모와 경제성을 다시 계산해야 한다

1. Notion MCP 사례

   1. OpenAI는 Notion과 긴밀하게 협력했고, Notion의 MCP가 공개되자 수많은 에이전트가 Notion에서 실제 작업을 수행할 수 있게 됐다.
   2. 그 결과 Notion에 에이전트 트래픽이 크게 유입되어 시스템에 상당한 부하가 걸렸다.

2. 제품팀이 풀어야 할 문제

   1. 에이전트 호출은 사람이 한 번 클릭하는 것보다 훨씬 높은 빈도와 규모로 발생할 수 있으므로 API와 인프라의 확장성을 처음부터 설계해야 한다.
   2. 에이전트가 작업하는 것을 열어줄수록 서버 비용, 호출량, 사용량 과금, 권한과 보안을 함께 계산해야 한다.
   3. 인터페이스를 계속 유지할지 에이전트 접근을 우선할지는 당분간 긴장 관계에 있지만, 에이전트가 주 사용자가 되는 흐름은 피할 수 없다.

3. 사람을 위한 경험도 동시에 투자해야 한다

   1. 에이전트가 대신할 수 없는, 인간의 오래된 감각과 모달리티를 활용하는 즐거운 경험은 오히려 과소투자되어 있다.
   2. 에이전트용 API와 사람용 제품을 서로 대체 관계로만 보지 말고, 에이전트가 반복 작업을 맡는 동안 사람이 직접 즐기고 판단하는 경험을 더 풍부하게 만들어야 한다.

10. 빠르게 바뀐 믿음과 AI 안전의 운영 원칙

10.1. Sottiaux가 바꾼 생각

1. 모델 능력의 도달 시점

   1. 현재 Astra 수준의 능력에 도달하려면 1~2년이 걸릴 것으로 예상했지만 실제 진전은 그보다 빨랐다.

2. 음성의 중요성

   1. 음성이나 받아쓰기를 이렇게 많이 쓰게 될 줄 예상하지 못했다.
   2. 직접 타이핑하는 것보다 에이전트를 부르고 말로 지시하는 경험이 훨씬 자연스럽고 몰입을 회복시킨다는 사실이 생각을 바꿨다.

3. 젊은 인재의 잠재력

   1. 젊은 세대가 변화를 먼저 받아들이고 얼마나 빠르게 학습하는지 과소평가했다.
   2. 채용 전략에서도 세대의 적응력과 흡수 속도를 더 중요하게 보게 됐다.

10.2. 안전은 주 시스템보다 크게 투자해야 한다

1. 프런티어를 늦추는 의미

   1. 프런티어를 조절하는 것은 단순히 모델 출시를 미루는 것이 아니라, 정렬·안전·보안·가드레일에 예상보다 훨씬 많은 선행 투자를 하는 것이다.
   2. OpenAI는 주 에이전트가 작업하는 데 쓰는 컴퓨트와 별도로 주 에이전트를 감시하는 보조 컴퓨트도 점점 더 많이 사용한다.

2. 보조 모니터의 역할

   1. 보조 시스템은 주 에이전트가 지나치게 위험한 행동을 하려는지 감시한다.
   2. 프롬프트 인젝션을 당했을 가능성이 있거나 개입이 필요한 상황이면 주 에이전트를 중단하거나 행동을 조정한다.
   3. API 스택 투자에서 큰 비중이 안전 스택으로 들어간다. 사용량을 늘리는 것보다 위험을 감지하고 막는 능력이 먼저다.

3. 출시하지 않은 모델도 안전의 성과다

   1. OpenAI는 Astra보다 한 단계 높은 능력의 모델을 아직 공개하지 않았다.
   2. Astra와 비슷한 지능이지만 훨씬 효율적인 버전은 출시했지만, 더 강한 6.1 Astra는 출시하지 않았다.
   3. 12억 명에게 제품을 제공하는 조직이므로 기술적으로 가능하다고 곧바로 배포하지 않는 것이 책임 있는 운영이라고 Sottiaux는 설명한다.

11. 결론 및 실용적 시사점

1. 제품을 1년 뒤의 능력으로 설계한다: 현재 모델이 할 수 있는 클릭 흐름이 아니라 1년 뒤 비용·속도·멀티모달 능력이 10배 좋아졌을 때 에이전트가 어떤 방식으로 제품을 사용할지를 먼저 그린다.
2. 수동 루프를 제품의 핵심 가치로 만들지 않는다: 사용자가 그래프와 반복 절차를 조립해야 한다면 과도기적 해법일 가능성이 높다. 목표·선호·피드백을 학습하는 시스템으로 이동한다.
3. API와 MCP의 에이전트 트래픽을 감당할 경제성을 계산한다: 에이전트 호출은 인간 클릭보다 훨씬 큰 규모가 될 수 있으므로 확장성, 비용, 과금, 권한을 함께 설계한다.
4. 사용자 인터페이스보다 사용자의 목표를 중심에 둔다: Chat, Work, 모델 이름, 추론 강도 같은 내부 구조를 사용자에게 떠넘기지 말고 하나의 자연스러운 지능으로 통합한다.
5. 인간의 취향과 판단을 경쟁력으로 키운다: 빠르게 입력하는 능력보다 무엇이 좋은지 알고 누구를 위한 것인지 이해하는 능력이 중요하다.
6. 에이전트의 생산성 압박을 경계한다: AI의 가치는 초당 프롬프트 수나 동시 실행 에이전트 수가 아니라, 주의를 덜 빼앗기고 더 중요한 일에 집중하게 만드는 데 있다.
7. 인간의 공동 경험을 보존한다: 에이전트가 일을 많이 할수록 사람과 사람의 대화, 물리적 공간에서의 협업, 인간이 직접 즐기는 경험을 의도적으로 설계한다.
8. 자율성에는 빠른 복구 의무가 따른다: 승인 단계를 줄이되, 실수하면 숨기지 않고 즉시 수정하며 학습한 내용을 다음 출시와 구조에 반영한다.
9. 안전 모니터링을 주 기능만큼 투자한다: 에이전트가 외부 시스템에 접근할수록 독립적인 감시 컴퓨트, 가드레일, 권한 분리, 프롬프트 인젝션 대응이 제품의 본체가 된다.
10. 더 강한 모델을 배포하지 않는 결정도 제품 전략이다: 능력의 발전 속도가 안전 검증 속도를 앞서면 공개를 보류하고, 더 안전하고 효율적인 단계부터 제공한다.

부록: 광고 구간과 진행 흐름

• WorkOS 광고: WorkOS는 SSO, SCIM, RBAC, 감사 로그 같은 엔터프라이즈 필수 기능을 API로 제공하며, OpenAI·Anthropic·Cursor·Replit·Sierra·Clay 등 성장 기업이 사용한다고 소개됐다. Lenny는 자신이 투자한 스타트업이 엔터프라이즈 시장으로 확장할 때 WorkOS를 선택한다고 말했고, WorkOS를 엔터프라이즈 기능을 위한 Stripe에 비유했다.
• DX 광고: AI를 이미 도입한 조직은 도입 여부보다 실제 성과와 병목을 측정해야 한다는 메시지가 제시됐다. DX는 제품 수명주기 전반에서 AI의 개발 생산성 효과, 공급업체·라이선스 비용, 에이전트의 제한 요인을 측정하며 Snowflake·Sony·BNY 등이 사용한다고 소개됐다.
• 진행 흐름: Lenny는 DevDay에서 20개가 넘는 제품을 출시한 직후의 Sottiaux에게 수면 상태를 묻고, 엔지니어로서 여전히 코드를 작성하는지 질문했다. 마지막에는 현재 앱에서 가장 성가신 문제를 물었고, Sottiaux는 모델 선택기와 추론 강도, 멀티에이전트·Ultrafast 선택을 사용자가 공부해야 하는 복잡성을 가능한 한 빨리 없애고 싶다고 답했다.

주요 발언 모음

“인터넷에서 일어나는 행동의 대부분은 에이전트가 수행하게 될 것이다.”

“사용자는 결과를 얻기 위해 정확히 이 방식으로 루프를 돌려야 한다고 생각하고 싶어 하지 않는다. 시스템이 학습하기를 원한다.”

“기술에서 벗어나, 모든 것을 알고 필요할 때 어디서나 사용할 수 있는 영구적이고 능동적인 지능을 만들고 싶다.”

“코더는 더 적어질지 모르지만, 빌더는 그 어느 때보다 많아질 것이다.”

“타이핑을 빠르게 하는 능력은 하락하는 기술이다. 좋은 취향과 사용자를 생각하는 능력은 상승하는 기술이다.”

“AI의 약속은 초당 프롬프트를 하나 더 처리하는 것이 아니다.”

“일 년 뒤 모든 것이 지금보다 대략 10배 좋아진다고 상상하면, 제품을 다른 방식으로 만들게 된다.”

“모델 선택기를 이해하려면 박사 학위가 필요한 것 같다. 가능한 한 빨리 그 모든 것을 없애고 싶다.”

핵심 데이터 & 수치

• 1.2 billion users: 장기적으로 Dots의 기능을 ChatGPT에 편입해 능력의 최저선을 높이려는 대상 사용자 규모로 언급됐다.
• 16개 파트너: 당시 Sign in with ChatGPT에 참여한 파트너 수다.
• 120명 이상: OpenAI에 재직 중인 전직 YC 창업자 수다.
• 2년 이상: 장기 지속 작업, 장기 기억, 장기 에이전트 연구가 이어진 기간이다.
• 5분 전: Dots가 DevDay 라이브 데모를 앞두고 ChatGPT 프로덕션 장애를 알린 시점이다.
• 3일째: Sottiaux가 OpenAI 입사 후 프로덕션을 다운시킨 시점이다.
• 24/7: Dots가 목표와 선호를 이해하며 상시 작동하는 방식이다.
• 10배: 빌더가 일 년 뒤 모델의 비용·속도·능력이 지금보다 크게 좋아진다고 가정해야 한다는 사고 실험의 배율이다.

20줄 핵심 요약

1. Tibo Sottiaux는 인터넷에서 일어나는 행동의 대부분이 에이전트에 의해 수행될 것이라고 전망한다.
2. 모델의 가격과 속도는 빠르게 개선되고 텍스트·음성·이미지·화면은 하나의 경험으로 통합될 것이다.
3. 제품팀은 현재의 클릭 흐름보다 일 년 뒤 능력이 열 배 좋아진 에이전트의 사용 방식을 먼저 설계해야 한다.
4. 수동으로 루프와 그래프를 조립하는 방식은 사용자가 목표와 절차를 직접 관리해야 하는 과도기적 해법이다.
5. Dots는 사용자의 목표와 선호를 기억하고 피드백에서 학습하는 상시 가동 지능을 지향한다.
6. OpenAI는 Chat과 Work를 합치고 장기적으로 Dots의 기능을 ChatGPT에 편입하려 한다.
7. Dots는 모델 선택기와 복잡한 설정을 없애고 사용자가 원하는 채널에서 같은 지능을 호출하게 한다.
8. 음성 대화와 공동 작업 화면은 노트북과 채팅창에 묶인 현재의 업무 방식을 넘어설 기반이 된다.
9. 하나의 primary Dot은 깊은 개인화를 담당하고 여러 Dot은 X 모니터링 같은 역할별 업무를 맡게 된다.
10. Sign in with ChatGPT와 플러그인 수익 공유는 Dots보다 장기 파급력이 큰 개방형 생태계 전략이다.
11. 플러그인 추천은 홍보량보다 유지율과 품질, 사용자가 실제로 얻는 효용에 따라 결정된다.
12. Dots는 장기 기억 연구와 Codex 하네스, 24시간 실행 능력을 결합해 만들어졌다.
13. Dots는 Astra와 추가 가드레일, 독립 모니터링, 별도 하드웨어를 통해 안전을 우선한다.
14. DevDay 직전 Dot은 프로덕션 장애와 라이브 데모의 연결을 추론해 5분 전에 Sottiaux에게 알렸다.
15. AI 시대에는 빠른 타이핑보다 좋은 취향, 사용자 이해, 무엇이 좋은지 판단하는 능력이 중요해진다.
16. OpenAI의 전직 창업자와 젊은 인재는 빠른 학습과 바텀업 실행력으로 새로운 역할을 만든다.
17. 에이전트가 늘수록 맥락 전환과 외로움, 더 많이 해야 한다는 생산성 압박을 줄이는 설계가 필요하다.
18. Notion MCP 사례는 에이전트 트래픽이 인프라 부하와 사용량 경제성을 근본적으로 바꾼다는 점을 보여준다.
19. OpenAI는 주 에이전트를 감시하는 보조 컴퓨트에 투자하고 더 강한 모델의 출시를 보류하는 방식으로 안전을 관리한다.
20. AI의 궁극적 가치는 프롬프트 처리량이 아니라 인간의 주의력과 창의성, 공동 경험을 더 중요한 곳에 쓰게 하는 데 있다.