🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

OpenAI는 ChatGPT 메모리가 더 오래, 더 정확하게, 더 관련성 있게 작동하도록 ‘dreaming’ 기반의 새 메모리 합성 아키텍처를 Plus·Pro 미국 사용자부터 배포하기 시작했다.

📌 핵심 요약

• OpenAI는 ChatGPT의 메모리 합성 시스템을 개선해, 수억 명의 사용자와 수년에 걸친 사용 기간에서 발생하는 오래된 정보, 정확성, 확장성 문제를 해결하려 한다고 설명한다.
• ChatGPT의 메모리는 사용자의 선호, 프로젝트, 제약을 기억해 이후 대화가 매번 처음부터 시작되지 않고 공유된 맥락 위에서 이어지도록 돕는 기능으로 자리 잡았다.
• 2024년 4월의 ‘saved memories’는 사용자가 명시적으로 기억하라고 요청한 내용을 저장하는 방식이었지만, 자연스러운 대화 맥락을 충분히 담지 못하고 시간이 지나면 부정확하거나 무관해질 수 있었다.
• 2025년 4월 도입된 첫 번째 ‘dreaming’은 채팅 기록을 참조해 백그라운드에서 메모리를 자동으로 큐레이션하는 방식으로, saved memories를 보완하며 개인화와 최신성 개선에 기여했다.
• 이번 업데이트는 dreaming 위에 더 강력하고 계산 효율적인 메모리 구조를 구축한 것으로, 사용자가 메모리 요약 페이지에서 ChatGPT가 자신에 대해 아는 내용을 검토·수정·보완할 수 있게 한다.

🧩 주요 포인트

1. OpenAI는 ChatGPT의 메모리 합성 시스템을 개선해, 수억 명의 사용자와 수년에 걸친 사용 기간에서 발생하는 오래된 정보, 정확성, 확장성 문제를 해결하려 한다고 설명한다.
2. ChatGPT의 메모리는 사용자의 선호, 프로젝트, 제약을 기억해 이후 대화가 매번 처음부터 시작되지 않고 공유된 맥락 위에서 이어지도록 돕는 기능으로 자리 잡았다.
3. 2024년 4월의 ‘saved memories’는 사용자가 명시적으로 기억하라고 요청한 내용을 저장하는 방식이었지만, 자연스러운 대화 맥락을 충분히 담지 못하고 시간이 지나면 부정확하거나 무관해질 수 있었다.
4. 2025년 4월 도입된 첫 번째 ‘dreaming’은 채팅 기록을 참조해 백그라운드에서 메모리를 자동으로 큐레이션하는 방식으로, saved memories를 보완하며 개인화와 최신성 개선에 기여했다.
5. 이번 업데이트는 dreaming 위에 더 강력하고 계산 효율적인 메모리 구조를 구축한 것으로, 사용자가 메모리 요약 페이지에서 ChatGPT가 자신에 대해 아는 내용을 검토·수정·보완할 수 있게 한다.

🧠 상세 정리

1. 업데이트의 핵심 목표: 최신성, 연속성, 관련성

OpenAI는 이번 글에서 ChatGPT 메모리 합성 방식을 더 능력 있고 확장 가능한 시스템으로 바꾸기 시작했다고 밝힌다. 목표는 메모리가 실제 사용 환경에서 오래되거나 부정확해지는 문제, 그리고 수억 명의 사용자와 수년에 걸친 사용 기간을 감당해야 하는 확장성 문제를 해결하는 것이다. 글은 메모리를 단순한 저장 기능이 아니라, 사용자의 선호와 프로젝트, 제약을 이해해 다음 대화가 이전 맥락 위에서 시작되게 하는 핵심 경험으로 설명한다. 즉 이번 업데이트의 초점은 사용자를 더 잘 알고, 더 오래 도우며, 시간이 지나도 필요한 맥락을 적절히 유지하는 데 있다.

2. ChatGPT에서 메모리가 중요해진 이유

원문은 지난 2년 동안 메모리가 ChatGPT 경험에서 중요한 부분으로 성장했다고 설명한다. 사용자가 반복해서 같은 배경 설명을 하지 않아도 되고, 장기 프로젝트나 개인적 선호를 바탕으로 더 의미 있는 목표를 달성하도록 돕기 때문이다. OpenAI는 이를 ChatGPT가 더 유용해지기 위한 중심 요소로 제시한다. 단순히 과거 정보를 저장하는 것을 넘어, 사용자를 알고, 사용자를 돕고, 사용자를 위해 더 많은 일을 하는 방향으로 제품 경험을 확장하는 기반이라는 설명이다.

3. 초기 saved memories의 방식과 한계

ChatGPT의 메모리는 2024년 4월 ‘saved memories’라는 형태로 처음 출시되었다. 이 기능은 사용자가 ChatGPT에게 특정 정보를 기억하라고 요청하면, 그 정보를 이후 대화로 가져가는 방식이었다. 예를 들어 사용자가 ‘7월에 싱가포르로 여행 간다는 것을 기억해’라고 말하는 식의 강한 신호가 있어야 메모리가 작성되는 구조였다. 원문은 이 방식이 실제로는 몇 가지 메모를 적어 두지만, 적어 두지 않은 것은 잊어버리는 사람과 대화하는 느낌을 줄 수 있었다고 지적한다. 또한 저장된 메모리는 시간이 지나면서 낡아지고, 결국 부정확하거나 관련성이 떨어질 수 있다는 한계도 있었다.

4. dreaming의 도입과 saved memories 보완

2025년 4월 OpenAI는 ChatGPT가 saved memories 목록 밖의 채팅 맥락도 참조할 수 있도록 메모리를 업데이트했다. 이때 첫 번째 버전의 ‘dreaming’이 도입되었으며, 원문은 이를 채팅 기록을 참조해 백그라운드에서 메모리를 자동으로 큐레이션하는 방법이라고 설명한다. saved memories와 달리 dreaming은 여러 대화에서 배운 내용을 활용해 ChatGPT의 메모리 상태를 합성하고, 이후 대화에 더 신선하고 관련성 높은 맥락을 제공하도록 설계되었다. 명시적으로 기억하라는 요청이 없어도 자연스러운 대화 속에서 나온 정보를 메모리에 반영하기 쉬워졌다는 점이 중요한 차이다.

5. 새 아키텍처: 더 강력하고 계산 효율적인 dreaming 기반 메모리

OpenAI는 지난 1년 동안 dreaming이 saved memories를 보완하며 ChatGPT의 개인화 능력을 크게 향상시켰고, saved memories의 오래된 정보 문제도 일부 상쇄했다고 설명한다. 다만 원문은 과거의 dreaming이 독립적인 메모리 시스템으로 충분하지는 않았다고 명시한다. 이번에 출시되는 것은 dreaming 위에 구축된, 훨씬 더 능력 있고 계산 효율적인 메모리 아키텍처다. 즉 기존의 명시적 저장 방식과 보조적 자동 큐레이션을 넘어, 대규모 사용자와 장기적 사용 맥락에 맞게 메모리를 더 잘 합성하려는 구조적 전환으로 제시된다.

6. 사용자가 검토할 수 있는 메모리 요약

새로운 dreaming 기반 메모리는 사용자가 전혀 볼 수 없는 내부 상태로만 남는 것이 아니라, 메모리 요약 페이지를 통해 검토할 수 있도록 제공된다. 사용자는 이 요약에서 ChatGPT가 자신에 대해 알고 있는 핵심 내용을 빠르게 확인할 수 있다. 또한 자신에 관한 정보를 추가하거나 업데이트하고, ChatGPT가 어떤 주제를 언제 꺼내야 하는지에 대한 지시도 줄 수 있다. 특정 영역을 더 자세히 알고 싶을 때는 모델과 대화하면 된다고 설명한다. 이는 자동 메모리 합성과 사용자 통제 사이의 균형을 맞추려는 장치로 읽힌다.

7. 좋은 메모리의 세 가지 기준

원문은 ChatGPT에서 ‘좋은 메모리’가 무엇인지 세 가지 기준으로 정리한다. 첫째, 유용한 맥락을 이어 가야 한다. 사용자가 한 번 말한 정보가 이후 대화에서도 적절히 반영되어야 한다는 뜻이다. 둘째, 선호와 제약을 따라야 한다. 예를 들어 사용자가 채식주의자라고 말하면 이후의 제안이나 행동이 그 선호와 일관되어야 한다. 셋째, 시간이 흐르는 것을 반영해 최신 상태를 유지해야 한다. ‘다음 토요일 생일 파티를 계획 중’이라는 정보는 일요일이 지나면 같은 방식으로 유지되어서는 안 된다는 예시가 제시된다.

8. 개인 맥락을 기억하는 추천 예시

원문은 카메라 장비 구매 예시를 통해 메모리가 실제 응답 품질을 어떻게 바꾸는지 보여준다. 사용자가 과거에 자신의 카메라 설정을 ChatGPT와 논의했다면, 이후 ‘내 사진 장비에 맞는’ 제품을 물었을 때 일반론이 아니라 실제 장비에 맞춘 답을 받을 수 있다. 첫 번째 응답 예시는 TTL 수중 플래시를 쓰기 위해 카메라, 하우징, 트리거, 케이블, 스트로브의 호환성을 확인해야 한다는 일반적인 설명에 머문다. 반면 두 번째 예시는 Sony A1 II, Nauticam NA-A1II, Backscatter Mini Flash 3, Inon Z-330이라는 사용자 실제 구성을 기억하고, 어떤 트리거가 어떤 스트로브의 TTL에 적합한지까지 구체적으로 구분한다.

9. 선호와 제약을 반영하는 여행 계획 예시

메모리는 사실 정보의 회상뿐 아니라 선호와 제약을 반영하는 데도 쓰인다. 원문은 사용자가 싱가포르 출장을 앞두고 며칠의 자유 시간을 계획하는 상황을 예로 든다. ChatGPT가 과거 여행 계획에서 사용자가 야생동물 사진을 좋아하고, 강한 냉방이 있는 호텔을 선호하며, 붐비는 바보다 조용한 저녁 식사를 좋아한다는 점을 알고 있다면 일정 제안이 달라질 수 있다. 제공된 예시는 7월 싱가포르의 덥고 습한 날씨를 고려해 야외 활동은 이른 아침이나 오후 늦게 배치하고, 한낮에는 박물관, 쇼핑몰, 카페, 호텔 휴식을 넣는 식으로 맥락을 반영한다.

10. 배포 범위와 평가 방향

이번 업데이트는 원문 기준으로 미국의 Plus 및 Pro 사용자에게 먼저 제공되며, 이후 몇 주에 걸쳐 추가 국가와 Free 및 Go 사용자에게 확대될 예정이다. OpenAI는 메모리 개선을 평가할 때 유용한 맥락을 이어 가는지, 선호와 제약을 따르는지, 시간이 지나도 최신 상태를 유지하는지를 기준으로 삼는다고 설명한다. 카메라 장비 예시에서는 모델이 사용자의 관련 사실을 정확히 회상해 응답에 반영할 때 보상을 받는 평가를 구성할 수 있다고 말한다. 원문은 새로운 dreaming 기반 시스템이 이런 평가에서 관련 사실을 회상하는 능력을 개선한다고 제시한다.

🧾 핵심 주장 / 시사점

• 메모리의 핵심 경쟁력은 더 많은 정보를 저장하는 것이 아니라, 시간이 지나도 유효한 정보와 더 이상 맞지 않는 정보를 구분해 대화에 맞게 합성하는 능력에 있다.
• saved memories처럼 명시적 요청에 의존하는 방식은 사용자 통제에는 유리하지만, 실제 대화에서 자연스럽게 드러나는 맥락을 충분히 포착하기 어렵다는 한계가 있다.
• 메모리 요약을 사용자가 검토하고 수정할 수 있게 한 점은 자동 개인화가 유용해지는 동시에, 사용자가 모델이 자신을 어떻게 이해하는지 확인할 수 있어야 한다는 문제의식을 반영한다.

✅ 액션 아이템

• 제품/에이전트 설계에서 메모리를 단순 저장소가 아니라 ‘최신성·연속성·관련성’을 계속 조정하는 합성 계층으로 분리해 설계할 수 있는지 점검한다.
• 사용자에게 메모리 요약을 보여주고 수정·삭제·보완하게 하는 UX가 개인화 품질과 사용자 통제 사이의 균형을 어떻게 바꾸는지 검토한다.
• saved memories처럼 명시적 기억 요청에 의존하는 방식과 dreaming처럼 대화 기록을 백그라운드에서 큐레이션하는 방식을 서비스별로 어떻게 조합할지 비교한다.

❓ 열린 질문

• 장기 메모리를 가진 AI 제품에서 ‘오래된 정보’와 ‘계속 유효한 선호’를 구분하는 기준은 어디까지 자동화할 수 있을까?
• 사용자가 메모리 요약을 검토할 수 있게 하면, AI 개인화에 대한 신뢰와 프라이버시 우려는 각각 어떻게 달라질까?
• 개인화 메모리가 강해질수록 모델 평가는 단일 답변 정확도보다 사용자 맥락 회상·최신성·제약 준수 같은 장기 지표로 이동해야 할까?