OpenAI "컴퓨터 제어 속도, 일반 인간 이미 추월… 초인간적 수준 목전"… 에이전트 이용률은 'YC 수준' 급증
2026년 10월 26일 – a16z 팟캐스트, OpenAI의 아리 와인스타인·제임스 선 인터뷰 (컴퓨터 제어 에이전트 주제)
OpenAI 임원진이 a16z 팟캐스트 인터뷰에서 두 가지 중대 진단을 내놓았다. 첫째, 회사의 컴퓨터 제어(computer-use) 에이전트가 일반 인간 작업자의 속도를 이미 넘어섰으며 전문가 수준의 속도에 근접하고 있다는 것이다. 둘째, 오랜 기간 제한적인 채택 시기를 거친 뒤 최근 몇 달 사이 이용률이 가파르게 가속화되고 있다는 설명이다. OpenAI에서 소비자 제품 중심의 컴퓨터 제어 분야를 담당하는 아리 와인스타인(Ari Weinstein)은 "이제 컴퓨터 제어 기능을 일반 인간이 컴퓨터를 다루는 속도보다 더 빠른 수준까지 끌어올렸다"며 "전문가 수준의 컴퓨터 사용자보다 더 빠른, 이른바 '초인간적(superhuman)' 수준에 아주 근접했다고 본다"고 밝혔다. 그는 이 임계점을 "패러다임의 대전환(sea change)"이라고 칭하며 "인간이 수작업으로 할 수 있는 모든 일을 더 빠르게 수행할 수 있기 때문"이라고 덧붙였다. 이러한 주장은 벤치마크나 구체적인 이용자 수치 없이 자사 내부 평가에 기반한 것이다. 그럼에도 이번 인터뷰는 OpenAI 팀이 자사 제품과 채택 곡선, 그리고 여전히 남아 있는 난관을 어떻게 바라보고 있는지 엿볼 수 있는 유용한 기회를 제공한다.
이용률 급증세 전환, 그러나 여전히 낮은 보급률
와인스타인은 트래젝토리(궤적)에 급격한 변화가 일어났다고 설명했다. 팀이 컴퓨터 제어 제품을 처음 개발하기 시작했을 때만 해도 "이를 사용하는 사람은 극히 드물었다." 그러다 올해 초 기저 모델들이 "갑자기" 이러한 작업에 강해졌고, 지난 몇 달 동안은 "제품이 미친 듯이 성장하고 있다"는 것이다. 다만 그는 현재 OpenAI 전체 사용자 중 "일부 비중"만이 컴퓨터 제어 기능을 사용하고 있다고 한계를 솔직히 인정했다.
지난 1월 아틀라스(Atlas) 브라우저 개발에 합류하기 위해 OpenAI에 입사한 제임스 선(James Sun)은 초기 고군분투에 대해 좀 더 솔직한 소회를 밝혔다. 아틀라스 내의 에이전틱(agentic) 경험은 "실제로는 강력한 세일즈 포인트가 되지 못했다" 왜냐하면 대부분의 사람들이 이를 일반적인 브라우저로 취급했기 때문이다. 제임스 선의 "RIP 아틀라스"라는 언급은 그 후 독립형 브라우저가 더 넓은 제품군으로 흡수되었음을 시사한다. 일단 모델 성능이 향상되자, OpenAI는 이미 에이전틱 사용층을 확보하고 있는 기존 제품들에 브라우저 제어 기능을 통합했으며, 회사는 "와이콤비네이터(YC) 수준의 주간 성장세"를 기록하고 있다고 선은 전했다.
선은 다음 변곡점으로 모바일과 클라우드를 지목했다. 데스크톱 사용은 여전히 "파워 유저들의 전유물"에 가까운 반면, 대다수 소비자들은 스마트폰을 중심으로 생활하기 때문이다. 목표는 모든 챗(chat) 사용자에게 "사용법조차 이해할 필요가 없는 강력한 컴퓨터"를 쥐어주는 것이며, 선은 이를 10억 명의 사용자에게 도달하는 경로라고 설명했다. 두 임원 모두 이 제품이 소비자와 기업 시장에서 동시에 "스케일링(확장) 순간"을 맞이하고 있다고 믿는다고 입을 모았다.
아스트라 모델이 바꾸는 것들
이번 인터뷰의 중심은 OpenAI의 최신 모델인 아스트라(Astra)였다. 와인스타인은 컴퓨터 제어에 미치는 영향에 대해 절제된 평가를 내리며, OpenAI의 컴퓨터 제어 모델들은 "이미 아스트라 이전에도 매우 뛰어났다"고 언급했다. 그의 경험에 따르면, 아스트라는 세 가지 측면에서 제품을 "주변부부터 다듬어" 성능을 향상시킨다. 우선 동일한 작업을 수행할 때 더 적은 '사고 토큰(thinking tokens)'을 사용하기 때문에 평균 속도가 더 빠르다. 두 번째로, 음성 지시만으로 마이크로소프트 페인트(Microsoft Paint)에 그림을 그려낸 출시 데모처럼 창의적인 작업에서 더 뛰어난 모습을 보인다. 마지막으로 신뢰성이 높아졌는데, 그는 이를 97%와 99%의 신뢰성 차이에 비유하며 "인식하기는 어렵지만 정말로 중요한 부분"이라고 평가했다.
선은 아스트라가 OpenAI의 "가장 정렬된(aligned) 모델"이라고 덧붙이며, 시스템 카드(system card)를 인용해 프롬프트 인젝션(prompt injection)에 대한 저항력이 훨씬 강해졌고 의도하지 않은 행동도 줄어들었다고 설명했다. 조달이나 공급업체 및 고객과의 커뮤니케이션을 수반하는 기업 업무의 경우, 이로 인해 배포가 훨씬 더 안전하게 느껴질 것이라는 주장이다. 선은 또한 내부 테스트에서 아스트라가 비디오 게임에서 이전 5.6 모델을 매번 압도했으며, 약 30시간 만에 <폴아웃(Fallout)>을 클리어했다는 공개 게시물을 인용하기도 했다. 다만 이것이 상업적으로 어떤 의미를 갖는지에 대해서는 확신하지 못한다고 덧붙였다.
와인스타인은 OpenAI의 위상을 "가장 빠르고, 가장 저렴하며, 가장 신뢰할 수 있는 컴퓨터 제어 제품"을 보유한 것으로 규정했다. 이는 검증된 결과라기보다는 주장에 가깝다. 그는 또한 회사가 다양한 품질과 가격대의 모델을 계속해서 선보일 것이며, 더 저렴한 모델들의 컴퓨터 제어 성능도 향상되고 있다고 밝혔다. 앞으로 어떤 모델이 어떤 작업에 사용될지에 대해 더 많은 변용이 생겨날 것으로 기대하고 있다.
기업용 제어 장치: 샌드박스, 승인 절차, 그리고 자동 검토 시스템
에이전트가 이를 감독하는 인간의 속도를 추월함에 따라 제어 문제가 핵심으로 부상하고 있다고 선은 지적했다. "에이전트가 수행하는 모든 작업을 더 이상 관찰하고 감사(audit)할 수 없는 시점에 도달했을 때, 특히 기업과 비즈니스에 휴먼 인 더 루프(human-in-the-loop)의 개입 정도와 감사 가능성을 제어할 수 있는 권한을 어떻게 부여할 것인가 하는 문제다."
OpenAI는 두 가지 계층으로 구축된 기업용 제어 기능을 출시했다. 첫 번째는 결정론적(deterministic) 방식이다. 관리자는 에이전트를 승인된 애플리케이션과 웹사이트로 제한하는 샌드박스(sandbox)를 설정할 수 있으며, 다운로드, 업로드, 신규 사이트 방문 등 특정 작업에 대해 인간의 승인을 요구할 수 있다. 두 번째는 회사가 가디언(Guardian) 또는 자동 승인(auto-approve)이라고 부르는 모델 기반 검토 시스템으로, 에이전트가 수행하는 각 작업의 안전성과 정렬 상태를 평가한다. 소비자는 아무런 승인도 거치지 않기를 선호할 수 있는 반면, 기업은 어떤 유형의 작업을 자동으로 진행할지 결정할 수 있다.
선은 기업들의 망설임이 대개 모델의 역량이 아닌 책임감과 안전성에 대한 느낌에서 비롯되며, 결정론적 계층이 "모델이 대다수 사람들보다 인젝션 방어 능력이 뛰어남에도 불구하고 기업들에게 큰 안도감을 준다"고 말했다. OpenAI는 또한 내부 및 제3자 정렬 평가 결과를 관리자들에게 제시하고 있다. 소비자 측면에서는 눈에 띄는 애니메이션 커서나 새로운 애플리케이션에 대한 권한 프롬프트 같은 디자인 선택들이 신뢰를 구축하고 사용자들이 기기에서 '통제를 벗어난 상황(runaway stuff)'을 두려워하지 않도록 고안된 것이라고 와인스타인은 설명했다.
기업들이 에이전트를 배치하고 있는 영역
선은 기업용 유스케이스가 "상당히 명확하다"고 말했다. 대기업들은 15~20년이나 된 구형(legacy) 소프트웨어를 구동하고 있으며, 이는 MCP 도구조차 갖추지 않고 있어 인간 사용자에게도 다루기 까다롭기 때문이다. 일부 기업들은 모델이 이러한 시스템을 조작하는 법을 가르치기 위해 '스킬(skills)'을 구축하기도 했다. 그는 유스케이스를 두 가지 범주로 분류했다. 첫 번째는 ERP나 CRM 같은 기록 시스템(systems of record) 전반에 걸친 지루하지만 가치 있는 자동화다. 그가 예로 든 것은 조달(procurement) 업무로, 현재 연간 장비 주문은 팀 스프레드시트에서 운영 팀을 거쳐 조달 소프트웨어로, 다시 공급업체로 전달되는 과정을 거친다. API가 없는 여러 장부를 가로지르는 월말 재무 조정이나, CRM 및 아웃리치 도구에 데이터를 공급하는 영업 발굴(prospecting)도 그 예다. 시장 조사 역시 이 범주에 속한다.
두 번째 범주는 향상된 시각 능력을 바탕으로 구현되는 더욱 야심 찬 창의적·기술적 작업으로, 회로 설계, 건축, 하드웨어 엔지니어링, 게임 디자인 등이 포함된다. 선은 기업들이 아직 단순한 기회들에 집중하고 있어 이러한 영역까지는 고민하고 있지 않지만, 고객들이 모델의 역량을 알게 됨에 따라 해당 분야에서도 활용도가 높아질 것으로 예상했다.
와인스타인은 DMV(차량등록사업소) 양식 작성, 이메일 구독 취소, 개인 재무 및 식단 관리 스프레드시트 유지 관리 등 소비자용 유사 사례들을 언급했다. 그는 또한 컴퓨터 전체를 음성으로 제어하는 기능을 자신이 "가장 기대하는" 범주로 꼽았다.
닷(Dot)과 능동형 에이전트로의 이동
임원진은 각 에이전트에 완전한 웹 브라우저가 장착된 자체 클라우드 컴퓨터를 할당하여 물품 구매와 예약이 가능하게 만드는 OpenAI의 제품인 '닷(Dot)'에 상당한 시간을 할당해 설명했다. 선은 닷의 주된 차별점이 능동성(proactivity)에 있다고 밝혔다. 닷은 캘린더에 아직 등록되지 않은 외부 미팅 초대장을 포착하고, 고수준의 지시를 활용해 보고 체인 내에서 슬랙(Slack)을 모니터링하여 중요한 피드백을 찾아낸다. 또한 로컬 브라우저와 클라우드 머신을 모두 구동해 센트리(Sentry) 로그를 추출하고 분석한 뒤 보고할 수도 있다. 그는 닷이 "매번 동일한 형태가 아닌, 능동적이고 장기적으로 실행되는 작업"에 가장 적합하다고 주장했다.
와인스타인은 다음 단계가 사용자와 에이전트 간의 실시간 협업이라고 말했다. 오늘의 제품은 백그라운드 중심 성격이 강한데, 그는 이를 장점이자 한계라고 규정했다. 그는 사용자가 에이전트에 맞추는 것이 아니라 에이전트가 "사용자에게 적응하는" 형태의 에이전트를 원한다.
해결되지 않은 개방형 웹(Open-Web) 경제학
선은 개방형 웹에서의 상업적 문제에 대해 직설적으로 언급했다. 기업이 승인한 소프트웨어 내부에서는 에이전트 자동화가 환영받는다. 그러나 인터넷상에서 광고주들과 광고 기반 퍼블리셔들은 "에이전트가 우리 제품을 사용하는 방식과 일치하지 않는" 비즈니스 모델을 가지고 있으며, 에이전트의 광고 노출은 "실제 매출로 실제로 집계되지 않는다"는 것이다. 그는 OpenAI가 파트너십 팀과 함께 이 문제를 해결해 나가는 중이며 아직 결론이 나지 않았다고 밝혔다.
에이전트를 수용하고자 하는 사이트들을 위해 그는 OpenAI의 앱 브라우저가 지원하는 표준인 WebMCP를 지목했다. 이를 통해 인간과 에이전트는 사이트를 함께 이용할 수 있으며, 에이전트가 지루한 단계를 처리하고 인간이 브라우징이나 결제를 위해 이어받는 식이다. 선은 이 모델이 사이트를 API로 축소하는 대신 사이트 자체를 인터페이스로 유지해 준다고 설명했다.
소프트웨어 폼팩터와 스타트업의 기회
레거시 소프트웨어와 AI 네이티브 애플리케이션 중 어느 쪽이 승리할 것인지 묻는 질문에 와인스타인은 두 형태 모두 존속할 것이라고 답했다. 10년에서 40년 전에 작성된 레거시 시스템은 금방 사라지지 않을 것이며, 컴퓨터 제어 기능은 "모든 소프트웨어가 기본적으로 에이전트와 연동될 것이기 때문에 기업들이 소프트웨어를 에이전트와 더 잘 작동하도록 개선해야 한다는 압박을 가중시킬 수 있다"는 것이다. 선은 저렴한 소프트웨어 제작이 품질을 위로 끌어올릴 것이라며, 인터넷이 '얼굴 없는(faceless)' 에이전트 대 에이전트 간 트래픽으로 변모하는 미래를 거부했다. 그는 아내를 위한 맞춤형 트레이닝 도구를 직접 만든 경험을 설명하며 "100명 혹은 단 한 명을 위해" 설계된 소프트웨어를 예측했다. B2B 영역에서도 사용자들은 여전히 감사 로그와 제어를 위한 인터페이스가 필요할 것이며, "우리가 어째서 나쁜 소프트웨어에 안주해야 하는가?"라고 반문했다.
전직 창업가이기도 한 두 임원은 OpenAI의 광범위한 행보에도 불구하고 스타트업들에 대해 여전히 건설적인 입장을 유지했다. 선은 OpenAI 팀들이 직면한 문제들에 비해 여전히 "역량이 빠듯하게 분산되어 있다(stretched thin)"고 말했다. 그는 식당 창고를 촬영하고, 예상 트래픽에서 수요를 예측하며, 조달 소프트웨어를 통해 식자재를 주문하고, ERP에서 인력을 조정하는 수직적 예시를 들었다. 많은 중소기업들이 AI 도구를 이해, 연동, 배포 및 관리하는 데 어려움을 겪고 있으며, 이는 규제, 시장 진출(go-to-market), 특정 산업의 고객 서비스를 이해하는 전문가들에게 여전히 여지를 남겨둔다고 그는 설명했다.
제품의 일관성(Coherence)이 당면한 과제
선은 불편한 제품적 현실을 시인했다. 현재 사용자들은 자체 비밀번호를 사용하는 크롬 확장 프로그램, 별도의 쿠키와 로그인을 가진 앱 내 데스크톱 브라우저, ChatGPT 내의 클라우드 브라우저, 그리고 닷 내부의 또 다른 클라우드 컴퓨터를 마주하고 있으며, 이들 중 어느 것도 상태를 공유하지 않는다. "왜 서로 대화도 안 되는 이 4가지의 서로 다른 브라우저를 내가 써야 하는 거지?"라고 일반 소비자는 물어볼 것이라고 그는 말했다. 그는 컴퓨터 제어가 개념상 "가장 이해하기 쉬운 AI 제품"이지만, 구현의 복잡성이 사용자에게 그대로 새어나오고 있다고 평가했다. 경험을 일관되고 소비자 등급(consumer-grade)으로 만드는 것이 다음 분기의 최우선 과제이며, 그는 에이전트와 애플리케이션이 개별 웹사이트 전용 에이전트로 단편화되는 대신 컨텍스트를 교환할 수 있도록 하는 "공유 지능 계층(shared intelligence layer)"에 대해 설명했다.