How OpenAI Puts ChatGPT to Work

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

OpenAI는 ChatGPT에 업무 맥락과 반복적인 책임을 맡기고, Space에서 협업하며 Dots로 지속 업무를 수행해 사람이 판단과 새로운 일에 집중하는 방식을 소개한다.

📌 핵심 요점

1. 출발점은 업무 병목이다. 이메일·Slack·대시보드를 확인하느라 시간을 소모하는 상황에서, 반복적으로 받는 질문과 직접 수행하지 않아도 될 업무를 찾아 위임한다.
2. 개발자 소셜 담당 Dani는 출시 게시물과 참여 지표 수집, 보고서 갱신, Slack 모니터링을 맡겨 개발자 대응과 커뮤니티 활동에 시간을 쓴다.
3. 경쟁 조사 담당 Adrian은 자신의 조사 방법을 플러그인으로 만들었다. 에이전트가 자료 수집과 가설 검증을 수행하고, 사람이 결론을 검토·승인한 뒤 Compete Corner에 반영한다.
4. 최고인사책임자 Casey의 팀은 연구를 공유 지식 기반으로 모아 리더 코칭 사이트에 연결한다. 페이지 지침으로 정리 방식을 통일하고 새 학습 내용을 코칭에 반영한다.
5. 발표에서 Space는 사람과 에이전트가 공유 페이지에서 협업하는 공간으로, Dots는 클라우드 컴퓨터와 브라우저를 이용해 지속적인 책임을 수행하고 필요할 때 사람에게 연락하는 존재로 설명된다.

🧩 배경과 문제 정의

발표자 Nick과 Danielle은 OpenAI 개발자 경험 팀 소속으로, 이메일·Slack·대시보드를 확인하는 동안 오전 시간이 지나가고 정작 본업은 늦게 시작되는 상황을 문제로 제시한다. 이를 해결하는 방법을 찾기 위해 서로 다른 직무의 ChatGPT 적극 사용자 세 명을 인터뷰했다.

개발자 소셜 담당 Dani, 경쟁 조사 담당 Adrian, 최고인사책임자 Casey의 사례를 통해 반복 업무 위임, 조사 방법의 재사용, 전문성 공유라는 흐름을 설명한다. 이어 Space와 Dots를 소개하며 업무 맥락을 공유하고 지속적인 책임을 맡기는 구체적인 사용 방식을 보여준다.

🕒 시간순 섹션별 상세정리

1. 업무를 시작하기 전에 소모되는 시간

• 이메일·Slack·대시보드를 따라가다 처리할 일이 모두 중요하게 느껴지고, 오전의 상당 부분이 지난 뒤 본업을 시작하는 상황을 제시한다. [01:17]
• 서로 다른 직무의 적극 사용자 Dani·Adrian·Casey를 인터뷰해, 이전에는 어렵게 느껴졌던 업무를 수행하게 된 공통 패턴을 찾는다. [02:25]

2. 목표와 맥락을 주고 책임을 맡기는 방식

• ChatGPT work를 일을 수행하는 에이전트 동료로 설명하며, 원하는 결과와 필요한 맥락을 전달하는 방식을 제시한다. [02:41]
• DevDay 의제를 제공해 참석자의 관심사에 맞는 세션을 추천하는 사이트를 만드는 예를 든다. [02:57]
• 지속 업무를 맡길 수 있다는 설명에 이어, 자신이 병목인 지점과 책임을 넘긴 뒤 새로 할 수 있는 일을 생각해 보라고 권한다. [03:43]

3. Dani의 출시 모니터링과 살아 있는 보고서

• Dani는 출시 게시물의 성과와 개발자 반응을 ChatGPT 사이트에 모아, 경영진의 질문에 갱신되는 보고서로 답한다. [04:44]
• Dot이 소셜 피드를 읽고 게시물을 사이트에 추가하며, 콘텐츠 시트에 게시물별 참여 지표를 축적한다. [05:10]
• 직접 스크롤하며 수집하던 시간을 줄여 개발자 대응 방향을 고민하고, 발견한 내용을 제품·엔지니어링·개발자 경험 담당자에게 전달한다. [05:42]

4. Slack 알림과 예상 질문의 선제 대응

• Dot이 여러 출시 관련 Slack 채널을 모니터링하고, 긴급하거나 Dani의 참여가 필요한 상황을 알린다. [06:06]
• 어떤 질문을 받을지 예상하면 답을 미리 준비하는 업무를 맡길 수 있다는 원칙을 제시한다. [06:35]

5. Adrian의 조사 방법과 가설 검증

• 두 명으로 구성된 경쟁 조사 팀의 부담을 설명하고, 조사·패턴 발견·결론 반박까지 포함한 Adrian의 방법을 플러그인으로 옮긴다. [07:34]
• 경쟁사의 빠른 매출 증가가 대형 고객 확보 때문인지 통화·뉴스레터·팟캐스트를 조사했지만, 증거는 그 설명을 지지하지 않았다고 보여준다. [07:57]
• 다른 조사에서는 90일치 영업 통화 기록을 분석해 CRM 요약에 담기지 않은 수주 실패 이유를 찾아, 고객의 경쟁사 선택을 더 자세히 이해한다. [08:18]

6. 검토와 공유로 이어지는 경쟁 정보 흐름

• Compete Corner는 동료가 조사 결과와 출처를 직접 확인하는 사이트다. Dot이 Slack 질문을 조사해 Space에 올리고, 사람이 검토·승인하면 사이트를 갱신한다. [09:03]
• Adrian은 출근길에 발견한 경쟁사 발표를 문자로 전달할 수 있으며, 사무실에 도착하면 검토할 페이지가 준비되는 흐름을 보여준다. [09:28]
• 모델의 성능·비용·지연시간을 비교하는 Model Galaxy를 보여주고, 반복 조사에서 신뢰할 출처와 검증 방법을 전달해 사람이 발견과 대응에 집중하도록 권한다. [10:25]

7. Casey의 지식 기반과 리더 코칭

• Casey의 팀은 조직의 AI 적응 방식을 연구하며 회의록·논문·기사를 하나의 공유 지식 기반에 모은다. [11:00]
• GPT Live 기반 코칭 사이트는 리더가 팀의 병목을 이야기하고, AI에 맡길 일과 팀의 일하는 방식을 탐색하도록 돕는다. [11:17]
• 공유 페이지에 연구 정리 지침을 두고 새로운 학습 내용을 코칭 사이트에 반영하며, 자신의 전문성을 더 많은 사람에게 제공하는 방법을 질문한다. [11:59]

8. Space의 공동 편집과 페이지 지침

• 발표에서 출시를 알린 Space에서는 같은 페이지를 함께 편집하고 출처를 추가할 수 있다. 개인별 대화는 비공개로 유지되며 페이지 수정은 공유된다. [12:55]
• 페이지 지침을 코드베이스의 AGENTS.md에 비유하며, 특정 페이지에서 에이전트가 따라야 할 작업 관행을 적는 방식으로 보여준다. [13:18]
• Space에 파일을 저장할 수 있고 슬라이드·시트 생성은 향후 가능해질 기능으로 소개하며, 팀원과 에이전트가 한곳에서 일하는 방향을 제시한다. [13:36]

9. 대화에서 공유 페이지로 시작하기

• 함께 수행할 업무와 필요한 맥락을 Space에 가져오고, 긴 대화를 현재 작업을 정리한 페이지로 바꾸는 시작 방법을 추천한다. [13:58]
• 에이전트와 대화하며 페이지를 다듬고 갱신한 뒤 팀원을 초대해, 같은 페이지를 동시에 편집하는 흐름을 보여준다. [14:17]

10. Dots의 지속 업무와 연락 방식

• Dots의 출시를 소개하고, Dani의 Dot이 자체 클라우드 컴퓨터와 브라우저로 소셜 피드를 확인하며 콘텐츠 시트를 갱신한다고 보여준다. [14:55]
• Slack 채널에서 관찰하거나 참여하도록 역할을 정할 수 있으며, 상황을 추적하다 사람이 필요할 때 알리는 지속적인 책임을 맡긴다. [15:17]
• 문자·전화·Slack에서 같은 맥락을 가진 Dot에 연락할 수 있고, 클라우드에서 계속 동작하며 필요할 때 질문한다. 노트북을 사용할 때 로컬 파일에 접근하는 기능도 언급한다. [15:48]

11. Dot 설정과 첫 위임 업무 찾기

• Dot에 이름과 외형을 정하고, 원하는 책임과 자신에게 연락할 방법을 알려주는 설정 과정을 보여준다. [16:15]
• 메시징은 곧 제공될 기능으로 언급한다. 처음부터 모든 것을 정할 필요는 없으며, 함께 일하면서 작업 방식과 선호를 학습한다고 보여준다. [16:30]
• QR 코드로 ChatGPT를 열면 업무를 묻거나 추론해 처음 맡길 일을 제안하고, 그 과정에서 Space와 Dots가 어디에 쓰일지 안내한다고 보여준다. [17:09]

12. 위임으로 확보한 시간을 어디에 쓸 것인가

• Dani는 개발자 커뮤니티에, Adrian은 경쟁 정보 전달의 확장에, Casey는 대화마다 직접 참여하지 않는 전문성 공유에 더 집중하게 됐다고 정리한다. [17:48]
• Nick은 기술 온보딩 업무의 상당 부분을 ChatGPT로 자동화해 개발자 경험 업무로 이동한 개인 사례를 소개하며, 익숙한 일을 바꾸고 새로운 일을 위한 여지를 만드는 경험을 이야기한다. [18:34]
• 주의를 어디에 쓸지는 자신이 선택한다는 메시지와 함께 무엇을 넘기고 무엇을 새로 시작할지 질문한다. 감사 인사와 발표 후 질문 안내로 마무리한다. [19:32]

🧾 결론

• 세 사례의 공통점은 원하는 결과와 필요한 맥락, 반복할 업무 방식을 에이전트에게 전달한다는 것이다.
• 경쟁 조사 사례에서는 자료 수집부터 게시까지 연결하되, 결론 검토와 승인에 사람이 참여한다.
• 발표가 강조하는 성과는 확보한 시간을 커뮤니티 활동, 새로운 분석 도구, 전문성 공유처럼 더 하고 싶은 일에 쓰는 것이다.

📈 투자·시사 포인트

• 업무용 AI를 평가할 때는 답변 생성 능력과 함께 모니터링·조사·공유 자료 갱신을 지속적으로 수행하는 흐름을 살펴볼 필요가 있다.
• 경쟁 조사 사례는 소규모 팀이 조사 범위와 정보 전달 방식을 확장하는 가능성을 보여준다. 다만 비용 절감이나 생산성 향상의 수치는 제시되지 않는다.
• 공유 지식 기반과 페이지 지침은 개인의 전문성을 조직이 반복적으로 활용하는 장치로 소개된다. 업무 맥락과 조사 기준을 정리하는 일이 도입의 핵심 과제가 된다.
• Model Galaxy는 모델의 성능·비용·지연시간을 함께 비교한다. 업무에 사용할 모델을 평가할 때 여러 기준을 함께 살펴보는 사례로 읽을 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• 사례는 OpenAI 내부의 적극적인 사용자 인터뷰와 발표자 경험에 기반한다. 절감 시간, 오류율, 운영 비용, 다른 조직에서의 재현성은 수치로 검증되지 않는다.
• 발표는 Space와 Dots의 출시를 언급하지만, 슬라이드·시트 생성과 메시징 일부는 향후 제공으로 설명한다. 이용 대상, 요금, 실제 제공 범위는 이 자료만으로 확정할 수 없다.
• 클라우드 브라우저, Slack, 로컬 파일 접근이 소개되지만 권한 설정, 접근 제한, 기록 관리의 구체적인 방식은 설명되지 않는다.
• 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

• 반복해서 받는 질문과 매일 수행하는 수집·모니터링 업무를 적고, 먼저 위임할 책임 하나를 고른다.
• 해당 업무의 목표, 필요한 자료, 신뢰할 출처, 좋은 답변의 기준과 결론을 반박해야 하는 조건을 정리한다.
• 긴 대화에서 축적한 내용을 공유 페이지로 정리하고, 팀원이 함께 수정할 수 있도록 업무 맥락을 모은다.
• 새 자료를 정리할 방식과 일관된 작성 규칙을 페이지 지침으로 남긴다.

❓ 열린 질문

• 내 업무에서 미리 답을 준비할 수 있는 반복 질문은 무엇이며, 어떤 자료를 계속 갱신해야 하는가?
• 에이전트가 수집·검증한 결과 중 사람이 반드시 검토하거나 승인해야 하는 부분은 어디인가?
• 반복 업무를 맡긴 뒤 확보한 시간을 어떤 판단, 관계 형성, 새로운 프로젝트에 사용할 것인가?