DevRev delivers autonomous self-service with GPT-6.1 Sol
🖼️ 인포그래픽
🖼️ 4컷 인포그래픽
💡 한 줄 요약
DevRev는 GPT‑6 Astra와 GPT‑6.1 Sol을 기업 지식·권한·행동 통제 체계와 결합해 Computer와 Operator를 구축하고, 더 복잡한 고객·직원 요청까지 자율적으로 해결하는 셀프서비스를 지향한다.
📌 핵심 요약
- DevRev의 Computer와 Operator는 실시간 데이터를 바탕으로 추론하며 고객·직원 요청의 완료를 지원하도록 설계됐다. 답변은 출처를 제시하고, 행동은 되돌릴 수 있다.
- DevRev는 기업 맥락 제공, 권한 적용, 행동 통제 소프트웨어와 모델을 함께 평가한다. CTO Ahmed Bashir는 Enterprise-Bench 평가에서 GPT‑6.1 Sol이 좋은 성능을 보이며 추론 능력·신뢰성·응답 지연·비용 사이의 균형을 이룬다고 평가한다.
- Ahmed에 따르면 DevRev 엔지니어링팀 전체가 여러 코딩 도구를 탐색한 뒤 Codex로 전환했고 Cursor 라이선스를 정리했다. 세일즈 엔지니어는 GPT‑6 Astra로 국제 콘퍼런스 부스용 데모도 제작한다.
- Operator는 문제를 이해하고 승인된 행동을 수행하거나 Computer로 연결해 담당자의 대응을 준비할 수 있다. Ahmed는 Decisions API와 Ultrafast를 활용할 가능성을 보며, 모든 단계에서 깊은 추론을 수행하지 않고 워크플로를 분이 아닌 초 단위로 완료하기를 원한다.
- DevRev의 다음 목표는 Operator가 더 길고 까다로운 고객·직원 요청을 처리하도록 확장하면서 행동의 추적 가능성, 권한 통제, 되돌릴 수 있는 특성을 유지하는 것이다.
🧩 주요 포인트
- 기업 맥락·권한·행동 통제를 모델과 함께 평가 → GPT‑6.1 Sol의 적합성은 추론 성능뿐 아니라 실제 업무의 신뢰성·응답 지연·비용을 함께 고려하는 문제다.
- 엔지니어링팀 전체의 Codex 전환과 GPT‑6 Astra 데모 제작 → DevRev 내부의 개발 및 세일즈 업무에도 OpenAI 도구 활용이 확산됐다.
- 단계별로 필요한 추론 수준을 선택하고 행동 통제를 유지 → 초 단위 처리와 더 복잡한 셀프서비스 요청의 완결성을 함께 추구한다.
🧠 상세 정리
1. 기업 맥락과 통제를 결합한 에이전트
DevRev는 서비스·운영팀이 어려운 고객·직원 요청도 끝까지 처리하도록 돕기 위해 Computer와 Operator를 만들었다. CTO Ahmed Bashir에 따르면 두 제품은 실시간 데이터를 바탕으로 추론하도록 설계됐으며, 행동은 되돌릴 수 있고 답변은 근거 출처를 제시한다. DevRev는 GPT‑6 Astra와 GPT‑6.1 Sol 등 OpenAI 모델을 기업 지식을 연결하고 에이전트의 행동 범위를 통제하는 자체 실행 체계와 결합한다. 모델은 추론·계획·도구 선택을 담당하며, Agent Studio에서는 사용자가 AI와 대화해 도구의 동작을 설명하고 일부 행동을 고정 규칙으로 정의할 수 있다. Enterprise-Bench는 여러 버전의 데이터, 시스템 간 정보 분산, 역할별 접근 권한이 있는 환경에서 모델과 주변 소프트웨어가 함께 작동하는지를 평가한다. Ahmed는 이 평가에서 GPT‑6.1 Sol이 좋은 성능을 보인다며, 요청의 미묘한 차이를 이해하는 능력과 빠른 응답, 기업이 감당할 수 있는 비용 사이의 균형을 높이 평가한다.
2. Codex를 선택한 개발팀과 데모 제작
Ahmed에 따르면 DevRev 엔지니어링팀 전체는 Codex를 사용하며, 이러한 도입은 엔지니어들이 여러 코딩 도구를 탐색하는 과정에서 자발적으로 확산됐다. 인터뷰 시점에는 Codex로 완전히 전환했고 Cursor 라이선스도 정리한 상태였다. Ahmed는 개발자들이 가장 좋은 도구를 찾으며 쉽게 설득에 넘어가지 않는다고 설명하고, 엔지니어들이 Codex를 계속 사용하고 싶다는 의사를 분명히 밝혔다고 전한다. 그는 Codex가 단연 가장 좋은 경험을 제공한다고 평가하지만, 원문은 이를 뒷받침하는 정량적 비교 결과를 제시하지는 않는다. 개발팀 외에도 DevRev의 세일즈 엔지니어들은 GPT‑6 Astra를 활용해 국제 콘퍼런스의 회사 부스에서 사용할 데모를 제작한다.
3. 요청을 초 단위로 끝내기 위한 추론 선택
고객이나 직원의 요청을 처리하려면 Operator가 문제를 이해하고 승인된 행동을 수행하거나, Computer로 연결해 적절한 담당자가 대응하도록 준비해야 할 수 있다. Ahmed는 이러한 워크플로를 빠르게 완료하는 데 Decisions API와 Ultrafast가 도움이 될 가능성을 보고 있다. 이는 모든 단계에서 깊은 추론을 수행해야 하는 것은 아니라는 관점에 기반한다. 특히 판단의 근거가 되는 정보가 계속 변하면 일부 의사결정 논리를 고정 규칙으로 정의하기 어렵고 비용도 많이 들 수 있다고 설명한다. 그는 개발자가 더 많은 논리를 대화로 설명하고 과제마다 적절한 종류의 지능을 선택하기를 바라며, 작업이 분 단위가 아니라 초 단위로 스스로 실행되고 완료돼야 한다고 강조한다.
4. 더 복잡한 셀프서비스로의 확장
DevRev의 다음 목표는 Operator가 더 길고 까다로운 고객·직원 요청까지 맡도록 하는 것이다. 이때 행동을 추적할 수 있어야 하고, 권한에 따라 실행되며, 되돌릴 수 있어야 한다는 조건도 유지하려 한다. Ahmed는 지식 기반에서 답변 찾기, 요금제 업그레이드, 환불과 같은 익숙한 지원 업무를 셀프서비스의 출발점으로 본다. 그의 지향점은 이러한 개별 작업을 넘어 셀프서비스의 약속을 실현하는 데 있다. DevRev는 OpenAI의 최첨단 모델과 기업 지식, 행동 통제 체계를 바탕으로 Computer와 Operator가 사람을 대신해 더 복잡한 요청을 해결까지 이끌도록 개발하고 있으며, 이는 앞으로 확대하려는 방향으로 제시된다.
🧾 핵심 주장 / 시사점
- DevRev 사례에서 에이전트의 신뢰성은 모델의 추론 능력과 함께 출처 제시, 권한 적용, 행동의 가역성을 결합하는 방식으로 설명된다.
- Ahmed의 평가는 GPT‑6.1 Sol의 단일 성능보다 기업 맥락에서의 추론 품질, 응답 지연, 지속 가능한 비용 사이의 균형에 초점을 둔다.
- 더 복잡한 셀프서비스로 확장하려면 요청을 끝까지 처리하는 능력과 단계별 추론 선택, 통제 가능한 행동을 함께 발전시켜야 한다는 방향이 드러난다.
✅ 액션 아이템
- GPT‑6.1 Sol을 기업 맥락·권한·행동 통제와 결합한 조건에서 평가하고, 추론 능력·신뢰성·응답 지연·비용의 균형 확인.
- Operator와 Computer의 요청 처리 단계에서 깊은 추론이 필요한 구간을 구분하고, 초 단위 완료를 위한 Decisions API와 Ultrafast의 활용 가능성 검토.
- Operator의 더 길고 까다로운 고객·직원 요청 처리 확대 시 추적 가능성, 권한 통제, 행동을 되돌릴 수 있는 특성의 유지 여부 확인.
❓ 열린 질문
- Enterprise-Bench에서 GPT‑6.1 Sol의 추론 능력·신뢰성·응답 지연·비용 사이의 균형을 보여주는 구체적인 평가 결과는 무엇인가?
- Operator와 Computer의 요청 처리 과정에서 Decisions API와 Ultrafast는 어떤 단계의 초 단위 완료에 기여할 수 있는가?
- Operator가 더 길고 까다로운 고객·직원 요청을 처리할 때 추적 가능성, 권한 통제, 행동을 되돌릴 수 있는 특성을 어떻게 유지할 것인가?
