챗GPT 만드는 회사에 직접 가봤습니다. 직원들은 ''이렇게'' 쓰고 있었습니다.

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

OpenAI 직원 벤지는 ChatGPT와 에이전트에 정보 정리와 반복 업무를 맡기면서, 최종 판단과 품질 검토는 직접 수행한다.

📌 핵심 요점

1. AI에 맡기는 범위가 요약에서 실행으로 넓어진다. 벤지는 이미지 합성으로 인테리어를 비교하고, AI로 선택지와 고려 사항을 정리한다. 다만 영향이 크거나 되돌리기 어려운 결정은 직접 내린다.
2. 반복 업무는 지속적으로 실행하는 에이전트로 줄인다. Slack·이메일·파일을 바탕으로 주간 보고 초안을 만들고 직접 수정한다. 벤지의 설명에 따르면 약 60분 걸리던 보고 작업이 5~10분으로 줄었다.
3. 위임은 단계별 승인과 함께 확대한다. 일정 접근, 이메일 작성, 발송처럼 행동을 나누어 승인하고, 익숙해진 단순 작업부터 승인 일부를 자동화한다. 업무를 맡기는 속도와 범위는 사람마다 다르다.
4. AI 숙련도의 기준은 생산량과 품질을 함께 높이는 능력이다. 결과물을 많이 만드는 것만으로 가치는 보장되지 않는다. 호기심, 문제를 나누는 능력, 좋은 결과를 판별하는 판단력과 잘못된 접근을 수정하는 태도가 중요하다.
5. 구매 검토가 ChatGPT로 모이면서 광고 접점도 달라진다. 벤지는 선택지를 비교하는 순간의 광고 가치를 강조한다. 동시에 답변 독립성, 대화 내용의 광고주 비공유, 광고 표시와 사용자 통제를 신뢰 유지의 원칙으로 제시한다.

🧩 배경과 문제 정의

• AI의 활용 범위가 정보 요약에서 추론과 행동 실행으로 넓어지면서, 업무를 얼마나 위임하고 어떤 판단을 사람이 맡아야 하는지가 중요해졌다.
• 결과물 생산이 쉬워진 만큼, 생산량과 함께 품질을 높이는 판단력·문제 정의 능력·학습 태도가 핵심 역량으로 부각된다.
• 구매 검토 과정이 대화형 AI로 모이면서 새로운 광고 기회가 생기지만, 개인적인 대화를 나누는 서비스에서 광고와 사용자 신뢰를 양립시켜야 하는 과제가 따른다.

🕒 시간순 섹션별 상세정리

1. 생활 속 시각화 활용과 점진적인 정보 공유

• 벤지는 욕실 설계 이미지에 구매 후보 벽등 사진을 합성해 인테리어를 비교한다. 과거에는 수주가 걸리거나 구현하기 어려웠던 시각적 검토를 몇 초 만에 반복하지만, 실제 공사는 아직 끝나지 않아 최종 결과는 확인하지 못했다 [00:37]
• ChatGPT에 공유하는 정보는 가족, 진행 중인 프로젝트, 재정 관련 내용까지 점차 늘어났다. 처음부터 모두 제공하기보다 편안하게 느끼는 정보부터 시작해 도구의 가치와 통제 장치를 이해하면서 공유 범위를 넓힌다 [02:01]

2. 요약에서 추론과 행동 실행으로 확장되는 AI

• 벤지는 OpenAI 입사 후 약 1년 동안 활용 가능성이 크게 달라졌다고 평가한다. 초기의 요약 중심 기능에서 여러 단계를 거쳐 문제를 풀고, 사용자의 의도를 확인하는 질문을 하는 추론 기능으로 발전했다 [03:17]
• 다음 변화는 사용자를 대신해 실제 행동을 수행하는 능력이다. 정보를 정리하는 수준을 넘어 추론 결과를 실행으로 연결하는 가능성이 열리고 있다 [03:58]

3. 의사결정 준비는 AI가 돕고 최종 판단은 사람이 맡는다

• AI는 정보를 탐색하고 선택지와 고려 사항을 정리하는 데 유용하지만, 영향이 크거나 되돌리기 어려운 결정에는 인간의 판단이 필수적이라는 입장이다. 벤지도 실제 결정 자체는 대체로 위임하지 않는다 [04:22]
• 치과에서 권한 검사를 이해하고 대안을 조사하는 일을 미루면 개인적으로 두세 달 또는 서너 달이 걸리곤 했지만, ChatGPT로 정보를 정리하면 두세 분 또는 서너 분으로 줄일 수 있다고 보여준다. 빨라지는 것은 결정 준비 과정이며, 최종 선택과 진료는 여전히 본인의 몫이다 [05:05]

4. 채용에서 중요한 것은 호기심과 낯선 문제에 적응하는 능력이다

• 비슷한 경력의 지원자 사이에서는 지적 호기심과 질문하려는 태도를 중요하게 본다. 과거 직장의 방식을 그대로 적용하기보다 경험에서 얻은 교훈 중 현재 문제에 맞는 것을 골라 기본 원리부터 해법을 구성해야 한다 [06:10]
• 관심사와 취미를 탐구하는 방식, 처음 만난 업무 문제를 작은 단위로 나누어 해결한 경험이 평가 근거가 된다. 정답을 항상 아는 것보다 잘못된 접근에서 빠르게 배우고 수정하는 능력을 기대한다 [07:09]

5. AI 숙련도는 생산량과 품질을 함께 높이는 능력으로 드러난다

• 짧은 면접만으로 AI 활용 능력을 판단하기는 어렵다. AI로 결과물의 양을 10배 늘리는 것 자체는 쉬워졌지만, 그것만으로 결과물의 가치가 보장되지는 않는다 [08:13]
• 뛰어난 활용자는 생산량을 크게 늘리면서 품질을 유지하거나 개선한다. 무엇이 필요하고 어떤 결과가 좋은지 모델에 맡기지 않고 직접 사고하고 판단하는 것이 차이를 만든다 [09:01]

6. 반복 작업이 줄수록 문제 정의와 판단력의 가치가 커진다

• Excel과 PowerPoint에서 익히는 정보 구조화, 분석, 이야기 구성 능력은 여전히 유효하다. AI가 반복 작업을 덜어주면 무엇을 질문하고 문제를 어떻게 분해할지 결정하는 고차원적 사고가 더 중요해진다 [09:38]
• 더 많은 결정을 더 빠르게 내릴 수 있을수록 올바른 선택을 하는 판단력의 중요성도 커진다. 모델은 의사결정을 가속하지만 최종 판단을 대체하는 역할로 보지 않는다 [10:18]

7. 지속적으로 실행하는 에이전트가 정보 누락과 보고 부담을 줄인다

• Dots의 핵심 차이는 행동 실행과 지속성이다. 작업을 예약해 반복 수행할 수 있어, 빠르게 쌓이는 Slack·이메일·공유 문서 속에서 필요한 정보를 추적하는 데 활용한다 [11:49]
• 벤지는 수면이나 회의 중에도 Slack을 살펴 누락한 내용과 우선순위를 알려주는 작업을 설정했다. 정보 누락에 대한 걱정이 줄었다는 개인적 효과를 보여준다 [12:47]

8. 단계별 승인을 통해 자동화에 대한 신뢰를 쌓는다

• 벤지는 Codex가 행동 전에 승인을 요청하는 방식을 신뢰 형성에 도움이 되는 장치로 평가한다. OpenAI 내부에서도 도구에 업무를 위임하는 속도와 편안하게 느끼는 범위는 사람마다 다르다고 본다 [14:20]
• 일정 변경 알림으로 받은편지함이 복잡해지는 문제를 해결하려고, 매시간 알림을 정리하고 6시간마다 변경 내용을 요약하는 자동화를 만들었다. 50~60건의 변경을 네 줄 정도로 압축하는 사례다 [14:52]

9. 현재 도구의 실행 통제와 미래 모델의 통제 문제에는 답변 범위가 다르다

• AI가 제도보다 빠르게 발전하거나 권력을 집중시키고, 사람이 이해하거나 통제하지 못하는 결정을 내릴 수 있다는 우려가 제기된다. 핵심 쟁점은 모델을 인간의 통제 아래 둘 수 있다는 확신을 어떻게 확보하느냐이다 [15:58]
• 벤지는 해당 분야를 담당하지 않아 구체적인 답변에는 한계가 있다고 밝혔다. 현재 도구에서는 승인 절차와 실행 내용 확인을 신뢰 근거로 들었으며, 이를 미래 시스템에 관한 우려와는 다른 맥락으로 구분했다 [16:42]

10. 구매 검토가 ChatGPT로 모이면서 마케팅 접점이 달라진다

• 제품을 인지하고 평가한 뒤 구매하는 기본 단계는 유지되지만, 친구·영상·리뷰·잡지 등에 분산돼 있던 선택지 비교와 판단 기준 수립이 ChatGPT로 모이고 있다는 관점이다 [17:22]
• 벤지는 주간 이용자가 10억 명을 넘는다는 수치를 근거로, 소비자가 구매를 검토하는 순간에 광고주가 도움을 줄 수 있는 대규모 채널이 생겼다고 주장한다. 실제 구매 실행은 초기 단계이며, 에이전트 발전에 따라 확대될 것으로 예상한다 [18:15]

11. 광고 도입의 경제적 목적과 사용자 신뢰를 지키기 위한 원칙

• 광고는 개인적인 정보를 공유하는 신뢰 높은 환경에 긴장을 만들 수 있어 신중하게 접근한다는 입장이다. 동시에 비용을 지불할 여력이나 의사가 없는 사람에게도 AI를 제공하려면 광고 같은 재원 모델이 필요하다는 논리를 제시한다 [20:16]
• 광고 원칙 중 답변 독립성은 광고비로 답변에 제품을 넣을 수 없다는 뜻이며, 벤지는 답변과 광고가 서로 소통하지 않는 별도 모델이라고 보여준다. 대화의 사생활 보호 원칙에 따라 대화 내용은 광고주에게 공유하지 않는다고 명시한다 [22:20]

12. 광고는 대화 뒤에 후원 표시와 함께 구분해 노출한다

• 무료 또는 Go 이용자에게 보이는 광고는 대화 뒤에 회색 구분선과 직사각형 상자로 나타난다. 작은 이미지와 문구, ‘sponsored’ 표시로 비용을 지불한 광고임을 알린다 [23:45]
• 광고 내용은 현재 대화와 관련될 수 있으며, 활성화된 기능에 따라 사용자가 ChatGPT에 공유한 다른 정보와 연결될 수도 있다 [24:19]

13. 광고주에게 중요한 접점은 선택지를 비교하는 순간이다

• ChatGPT 이용자는 발견부터 최종 구매 직전까지 여러 단계에 있지만, 벤지는 특히 대안을 비교하고 장단점을 따지는 검토 단계의 가치를 강조한다. 브랜드는 소비자의 선택 기준에 자사 제품이 어떻게 부합하는지 보여줄 기회를 얻는다 [24:41]
• 총예산 500달러인 소규모 커피 로스터의 광고 효과 판단도 사업 성과를 어떻게 측정하는지에서 출발한다. 제공된 구간에서는 그 측정 방식을 광고 시스템에 반영해야 한다는 원칙까지만 확인되며, 구체적인 지원 수단은 이어지지 않는다 [25:28]

14. 광고 성과 측정과 정책 준수를 위한 이중 통제

• Pixel과 서버 간 연결 방식인 CAPI는 사이트에서 발생한 구매나 잠재고객 등록을 광고 노출과 연결한다. 광고를 본 사람이 실제로 어떤 행동을 했는지 확인해 사업에 미친 영향을 측정하는 구조다 [25:43]
• 미성년자 대상 광고, 건강·정신건강·정치 관련 광고, 정치 캠페인·로비용 사용에 대한 제한이 신뢰 문제와 연결된다. 워싱턴포스트의 유료 ChatGPT 정치 광고 제작 보도는 ChatGPT 내부 광고와는 별개 사례지만, 제한을 우회할 가능성과 광고 정책 준수 여부를 어떻게 확인할지에 대한 의문을 낳는다 [26:10]

15. AGI가 확장할 창작 능력과 더 중요해질 인간의 판단

• AGI의 혜택을 인류 전체에 제공한다는 목표를 달성한다면, 아이디어를 현실로 만드는 시간이 크게 짧아지고 창작 활동이 폭발적으로 늘어나는 미래를 기대한다. 도구가 인간의 능력을 확장해 창의성·판단력·사려 깊음을 더 높은 수준으로 발휘하게 한다는 조건부 전망이다 [27:59]
• 판단력·창의성·장인정신처럼 인간을 인간답게 만드는 요소는 미래에도 유지되며 오히려 더 중요하고 두드러질 것으로 본다. 이는 단순히 변하지 않기를 바라는 소망보다, 앞으로의 세계에 대한 자신의 예상에 가깝다 [28:41]

🧾 결론

• 이 사례에서 AI가 크게 줄이는 것은 정보 수집, 결정 준비, 반복 보고에 드는 시간이다. 최종 선택과 결과물 검토는 사람이 맡는다.
• 업무 위임은 도구의 효용과 실행 내용을 확인하면서 점진적으로 확대하는 과정이다. 현재 도구의 승인 절차가 미래 AI의 통제 문제까지 해결한다는 의미는 아니다.
• 반복 작업이 줄어들수록 무엇을 해결할지 정하고 결과의 가치를 판단하는 능력이 더 중요해진다는 것이 인터뷰의 일관된 관점이다.

📈 투자·시사 포인트

• 업무용 AI의 가치를 평가할 때는 생성량보다 실제 절약 시간, 검토 부담, 최종 품질을 함께 봐야 한다. 주간 보고 자동화는 이를 살펴볼 수 있는 구체적인 사례다.
• 대화형 AI가 구매 대안 비교의 접점으로 자리 잡는다면 브랜드의 정보 공개와 선택 기준에 맞춘 설명이 중요해질 수 있다. 영상은 GEO·AEO의 구체적인 노출 공략법까지 제시하지는 않는다.
• 광고 사업의 확장 가능성은 사용자 신뢰와 연결된다. 답변과 광고의 구분, 데이터 통제, 민감한 대화 제외 원칙이 실제로 작동하는지 살펴볼 필요가 있다.
• 광고 성과는 노출 자체보다 구매·잠재고객 등록 등 사업 결과와 연결해 평가해야 한다. 영상은 Pixel·CAPI를 설명하지만 광고 수익성이나 기업 가치 판단에 필요한 실적 자료는 제공하지 않는다.

⚠️ 불확실하거나 확인이 필요한 부분

• 보고 시간 단축과 정보 누락에 대한 걱정 감소는 벤지의 개인 사례다. 다른 직무나 조직에서도 같은 효과가 나는지는 확인되지 않았다.
• 주간 이용자 10억 명 초과 수치와 광고 제공 대상·표시 방식·정책은 영상 속 설명이다. 수치의 기준 시점과 적용 범위, 실제 이용 환경에서의 조건은 별도 확인이 필요하다.
• 답변 독립성, 대화 내용 비공유, 민감한 대화 제외는 인터뷰에서 제시된 원칙과 통제 방식이다. 제공된 자료만으로 실제 준수 수준이나 우회 차단 효과를 검증할 수는 없다.
• 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 보고나 알림 정리 중 한 가지를 골라 AI로 초안을 만들고, 도입 전후의 소요 시간과 최종 품질을 비교한다.
• 정보 탐색·초안 작성·외부 실행을 구분하고, 영향이 크거나 되돌리기 어려운 행동에는 직접 확인하는 단계를 둔다.
• 편안하게 공유할 수 있는 정보부터 사용하고, 도구의 효용과 데이터 통제 장치를 이해한 뒤 공유 범위를 조정한다.
• AI 결과물을 평가할 때 생산량과 함께 정확성, 목적 적합성, 수정에 드는 시간을 점검한다.

❓ 열린 질문

• 에이전트가 더 많은 행동을 수행할수록 어떤 작업까지 승인을 줄이고, 어떤 결정에는 사람의 확인을 유지해야 할까?
• AI로 생산량을 늘리면서 품질도 유지하거나 개선했다는 사실을 채용과 업무 평가에서 어떻게 확인할 수 있을까?
• 대화에 관련된 광고를 제공하면서 답변 독립성과 개인 정보 통제를 실제로 얼마나 일관되게 지킬 수 있을까?