ChatGPT Work with GPT 6 Astra just blew my mind

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

발표자는 GPT 6 Astra를 탑재한 ChatGPT Work가 이메일·영상 편집·게임 테스트를 병렬로 처리하면서, 자신의 지식노동을 맡길 만큼 유용해졌다고 평가한다.

📌 핵심 요점

1. 달라진 평가의 중심은 컴퓨터 조작 능력이다. 이전에는 직접 처리하는 편이 낫다고 느꼈지만, 이제는 AI가 화면을 조작하며 실제 업무를 수행하는 속도와 활용성을 높게 평가한다. 다만 사람이나 경쟁 모델보다 우수하다는 주장은 개인 경험에 기반한다.
2. 가장 구체적인 사례는 협찬 업무의 연결 처리다. 과거 이메일·첨부 대본·새 브리프를 검토하고, 화면에 보여줄 내용까지 포함한 대본을 작성해 승인 요청 메일을 보냈다고 설명한다. 이 사례에서 약 4시간을 절약했다는 것이 발표자의 추산이다.
3. 활용의 기초는 플러그인·프로젝트·루틴이다. 플러그인으로 업무 데이터에 접근하고, 프로젝트로 업무별 맥락을 구분하며, 루틴으로 이메일 확인과 답장 초안 작성 같은 반복 작업을 실행한다.
4. 핵심 사용법은 여러 업무를 맡기고 사람이 결과를 확인하는 것이다. 게임 테스트와 이메일 확인을 동시에 지시한다. 일상적인 이메일 운영에서는 초안을 만든 뒤 본인이 읽고 발송하는 방식을 선호한다고 밝힌다.
5. 도구 선택은 업무별로 조정한다. 복잡한 지식노동에는 ChatGPT Work를, 기존 다중 에이전트 구성이 익숙한 단순 확인 업무에는 전사상 ‘Grockbot’을 사용하며, 현재 작업 비중을 대략 절반씩 나눈다고 설명한다.

🧩 배경과 문제 정의

발표자는 이전에도 ChatGPT Work를 사용했지만 이메일 업무를 맡길 만큼 유용하다고 느끼지는 못했다고 설명한다. 질문에는 일반 ChatGPT를, 코딩에는 Codex를 사용했으며, 컴퓨터 조작은 직접 하는 편이 낫다고 판단했다. 이번 영상은 GPT 6 Astra를 사용한 뒤 그 평가가 바뀐 이유를 업무 사례와 설정 방법으로 풀어낸 개인 사용기다.

문제는 두 가지다. 이메일·Slack·영상 편집 같은 반복 업무가 시간을 소모하고, 범용 AI 도구를 열어도 무엇을 맡길지 떠올리지 못해 활용이 멈춘다는 것이다. 발표자는 데이터 연결과 업무별 맥락, 정기 루틴을 갖추고 하루의 작업을 적극적으로 위임하는 방식으로 이를 해결하자고 제안한다. 아래 내용은 제공된 전사의 주장과 시연 설명을 정리한 것이며, 독립적인 성능 검증 결과는 아니다.

🕒 시간순 섹션별 상세정리

1. GPT 6 Astra로 달라진 첫인상

• 발표자는 ChatGPT Work와 Astra 6의 조합을 현재 가장 강력한 도구라고 평가하며, 앞서 높게 평가했던 Grockbot과의 차이 및 활용 방법을 설명하겠다고 예고한다. [00:37]
• 약 20개 작업을 진행 중이라고 말하며, DaVinci Resolve에서 다음 영상의 편집과 색상 변경을 수행하는 사례를 보여준다. [00:58]

2. 협찬 대본 작성부터 승인 요청까지

• HubSpot 협찬 업무를 예로 들어, 받은편지함에서 과거 협찬 이력과 대본을 읽고 새 브리프와 제품을 확인한 뒤 새 대본을 작성하도록 지시했다고 보여준다. [01:35]
• AI가 이메일과 첨부파일을 검토하고 화면에 보여줄 항목까지 정리한 대본을 만든 뒤, 승인을 받기 위한 이메일도 자율 발송했다고 드러낸다. [02:12]
• 이 작업 하나로 약 4시간을 아꼈다고 추산하며, 자신의 협찬 사례를 다른 종류의 업무에도 적용해 볼 수 있다고 강조한다. [02:30]

3. 이메일 관리와 시각자료 제작의 병렬 처리

• 받은편지함을 매시간 확인하고 처리할 사항을 알려주며, 메일 발송 여부를 묻는 방식으로 이메일 부담을 줄이고 있다고 보여준다. [02:54]
• 영상 편집으로 약 2시간을 절약하고, 로컬 AI 교육용 이미지와 시각자료 제작으로 약 1시간을 아꼈다고 드러낸다. 이러한 작업이 동시에 진행된다는 점을 강조한다. [03:21]
• 개발 중인 게임의 이미지 생성도 맡기고 있으며, 이전에는 질문에는 일반 ChatGPT, 코딩에는 Codex를 사용해 Work의 별도 가치를 크게 느끼지 못했다고 돌아본다. [03:57]

4. 컴퓨터 조작 능력과 시간 사용의 변화

• 평가가 달라진 이유로 컴퓨터 조작 능력을 든다. 자신의 편집 작업을 빠르게 수행한다는 경험을 바탕으로 사람보다 컴퓨터를 잘 쓴다고 주장하지만, 비교 측정 자료는 제시하지 않는다. [04:49]
• 시간 절약과 하기 싫은 일의 감소를 핵심 효용으로 제시하며, 이메일·Slack 확인과 영상 편집 부담을 덜었다고 보여준다. [05:45]
• 확보한 시간을 Henry Intelligent Machines와 새 게임 제작 등 좋아하는 창작 활동에 썼다고 말한 뒤, 설정 방법으로 넘어간다. [06:22]

5. 플러그인으로 실제 업무 데이터 연결

• 대본 작성과 메일 확인을 위해 Gmail 연결을 먼저 권한다. 자신도 개인정보 우려 때문에 연결을 미뤘지만, 업무 기회 누락을 줄이고 시간을 절약하는 효용이 크다고 판단했다고 보여준다. [07:34]
• 업무용·개인용 복수 계정을 연결했다고 말하며 Slack 연결도 권한다. OpenAI developers 연결은 API 키 생성과 사용에 도움이 된다고 보여준다. [08:14]
• Unity는 게임 제작, Linear와 Notion은 프로젝트 관리, GitHub는 코드 가져오기와 수정에 활용한다고 설명하며 업무가 이루어지는 곳을 연결하라고 강조한다. [08:45]

6. 프로젝트로 맥락을 나누고 루틴으로 반복 실행

• 사업과 개발 중인 앱 등 영역별 프로젝트를 만들어 관련 맥락을 구분한다. 같은 프로젝트의 에이전트가 적절한 정보를 바탕으로 일하게 하는 것이 목적이라고 보여준다. [09:32]
• 루틴을 정기 실행 작업에 비유하며, 매일 아침 업무 메일을 확인해 긴급 항목을 알리고 답장 초안을 작성하는 예시를 제시한다. [09:50]
• 일상 이메일은 아직 자율 발송시키지 않고 초안 폴더에서 직접 읽고 발송하거나 삭제한다고 드러낸다. 반복 업무에 맞춰 루틴을 요청하라고 권한다. [10:26]

7. 루틴 발굴과 Work 모드 사용

• 어떤 루틴을 만들지 모르겠다면 자신의 상황을 충분히 설명한 뒤, 그 정보를 바탕으로 유용한 루틴을 추천해 달라고 요청하는 방식을 제안한다. [10:44]
• AI가 먼저 루틴을 제안하는 사용자 경험을 원한다고 드러낸다. 이는 현재 기능 설명이 아니라 발표자가 바라는 개선 방향이다. [11:02]
• 새 대화에서 Work 탭을 선택해야 플러그인과 데이터 소스를 적극적으로 활용한다고 보여준다. 클라우드 컴퓨터와 자신의 컴퓨터 조작 사례를 언급하며 프로젝트·플러그인·루틴 구성을 다시 정리한다. [11:50]

8. 무엇을 맡길지 모르는 문제를 해결하는 하루 실험

• 무엇이든 할 수 있는 빈 화면 앞에서 오히려 아무것도 하지 못하는 상황을 ‘빈 캔버스 증후군’이라고 부르며, 도구만큼 활용 태도가 중요하다고 강조한다. [12:30]
• 하루를 정해 이메일, 온라인 정보 확인, 문서 작성, Slack 답장, 발표자료 제작 등 컴퓨터 작업을 모두 ChatGPT Work를 통해 시도해 보라고 제안한다. [13:10]
• 자신은 사흘 전 이 실험을 했고 매우 생산적이었다고 평가한다. 이는 개인 체험에 대한 진술이다. [13:17]

9. 게임 테스트와 이메일 확인을 동시에 위임

• 개발 중인 게임 Null District의 무기 작동과 시각 요소를 확인해 달라고 지시한다. 게임이 재미있는지는 직접 플레이해 판단할 필요도 있다고 덧붙인다. [14:06]
• 게임 테스트를 맡긴 상태에서 별도 에이전트에 업무 메일 확인을 요청하며, 한 작업을 위임한 뒤 다음 작업을 시작하는 사용 방식을 보여준다. [14:25]
• OpenAI가 컴퓨터 조작에 집중한 전략이 성과를 내고 있다고 평가하고, 이메일 확인과 게임 테스트가 동시에 진행되는 모습을 보여준다. 경쟁사 훈련 방향과 출시 시점에 대한 언급은 발표자의 주장이다. [15:58]

10. ChatGPT Work와 Grockbot의 역할 분담

• 하루 동안 Work 모드로 작업을 위임해 보라는 제안을 반복한 뒤, 기존에 쓰던 Grockbot과 언제 구분해서 사용할지 보여준다. [16:31]
• 복잡한 지식노동에는 Astra 6를 활용하고, PR 확인·리뷰와 다른 에이전트 상태 확인 등 자신이 단순하다고 보는 작업에는 익숙한 Grockbot 구성을 더 활용한다고 드러낸다. 현재 비중은 대략 절반씩이라고 보여준다. [17:16]
• 자신의 구분을 그대로 따르기보다 선호하는 인터페이스와 업무별 적합성에 맞춰 선택하고, 도구 성능이 바뀌면 사용 방식도 조정하라고 권한다. [17:51]

11. 개인적 추천과 후속 안내로 마무리

• ChatGPT Work와 Astra에 대한 만족을 다시 표현하며, 이번 영상은 협찬 영상이 아니라고 드러낸다. [17:58]
• 구독과 알림 설정을 요청하고, 향후 일주일 동안 Astra 관련 가이드를 무료 AI 뉴스레터로 제공하겠다고 안내한 뒤 영상을 마친다. [18:15]

🧾 결론

• 영상의 핵심은 답변을 얻는 데서 나아가, 연결된 업무 환경에서 실제 작업을 위임하는 사용 방식이다.
• 발표자가 제안하는 도입 순서는 데이터 연결, 프로젝트별 맥락 정리, 반복 루틴 구성, 실제 업무 실험이다.
• 절약한 시간의 가치는 이메일·편집처럼 하기 싫은 일을 줄이고, 게임 개발 등 선호하는 창작 활동에 집중하는 데 있다고 설명한다.
• 모든 업무를 한 도구로 통일하기보다 자신의 작업 결과와 선호에 맞춰 도구별 역할을 계속 조정하라는 조언으로 마무리한다.

📈 투자·시사 포인트

• 업무 수행 능력이 제품 선택 기준으로 부상한다. 발표자의 평가를 바꾼 요인은 대화 품질만이 아니라 실제 컴퓨터 조작과 작업 완료 능력이었다. 업무용 AI를 비교할 때 살펴볼 지점이다.
• 데이터 연결과 맥락 구성이 활용도를 좌우한다. 이메일 이력, 기존 대본, 프로젝트 정보가 연결될수록 여러 단계를 묶은 업무를 맡길 수 있다는 사례를 제시한다.
• 생산성은 검토 시간을 포함해 판단해야 한다. 영상의 절감 시간은 개인 추산이므로, 실제 도입에서는 초안 수정과 결과 확인까지 포함한 순절감 시간을 측정필요가 있다.
• 경쟁 우위와 투자 수익을 단정할 근거는 부족하다. OpenAI의 컴퓨터 조작 전략을 높게 평가하지만, 경쟁사 비교 실험이나 가격·수익성 자료는 제시하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• ‘가장 강력하다’, ‘사람보다 컴퓨터를 잘 쓴다’, ‘사람이 컴퓨터로 하는 일을 모두 할 수 있다’는 표현은 발표자의 평가다. 전사에는 이를 일반화할 비교 실험이나 성공률 자료가 없다.
• 협찬 대본 약 4시간, 영상 편집 약 2시간, 교육용 시각자료 약 1시간의 절감 효과는 자체 추산이다. 설정·검토·수정 시간과 결과물 품질은 별도로 제시하지 않는다.
• 초반에는 협찬 메일을 자율 발송했다고 설명하지만, 이후 일상 이메일은 아직 자동 발송하지 않고 초안을 검토한다고 말한다. 개별 위임 사례와 기본 운영 방식의 차이를 구분해야 한다.
• 자막 기반 정리: 타임스탬프가 있는 자막을 기준으로 정리했으며, 고유명사·수치·인용은 원문 확인 필요 시 별도 검증한다.
• 영상 속 주장: 발표자의 해석·전망·비교는 확인된 외부 사실이 아니라 영상 속 주장으로 분리해 읽는다.
• 검증 필요: 수치, 기업 실적, 정책·시장 전망은 발행 전 최신 자료로 별도 검증이 필요하다.

✅ 액션 아이템

• 반복 업무 가운데 이메일 확인·자료 검토·초안 작성처럼 결과를 확인하기 쉬운 작업을 골라 현재 소요 시간을 기록한다.
• 필요한 데이터 연결 기능과 접근 범위를 확인하고, 해당 업무에 필요한 이메일·문서·협업 도구를 연결한다.
• 사업·앱 개발 등 업무 영역별 프로젝트를 만들고, 기존 결과물과 작업 목적을 맥락으로 제공한다.
• 매일 아침 업무 메일에서 긴급 항목을 추리고 답장 초안을 저장하는 루틴을 시험한다. 발송 전에는 내용을 읽고 승인한다.

❓ 열린 질문

• 발표자의 작업 환경 밖에서도 같은 수준의 시간 절감과 결과물 품질이 재현되는가?
• 이메일 초안 검토, 게임의 재미 판단처럼 사람이 맡아야 하는 평가와 자동화할 수 있는 검증의 경계는 어디인가?
• 여러 에이전트가 동시에 컴퓨터를 조작할 때 작업 간 충돌이나 실패를 어떻게 발견하고 복구하는가?