How Sam Altman Actually Uses Dots to Run OpenAI and His Life

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

샘 알트먼은 Dots에 업무의 긴급성 판단, 흩어진 맥락 연결, 아이디어 구현과 후속 작업을 맡겨 OpenAI 경영과 개인 생활에서 집중할 시간을 확보한다.

📌 핵심 요점

1. Dots는 필요한 순간에 중요한 일을 알려 주는 역할을 한다. 알트먼은 밤사이 회사에서 생긴 문제를 확인하느라 아침의 집중 시간을 잃곤 했다. Dots가 즉시 봐야 할 문제를 판단하고 나머지를 처리하면서 창의적인 작업과 아이들과 보내는 시간을 다시 확보했다고 설명한다.
2. 여러 정보원을 연결하고 실패한 탐색도 이어 간다. Slack에서 읽은 내용을 바탕으로 캘린더에 없는 회의와 항공편 변경의 충돌을 찾아냈다. Codex로 찾지 못했던 자료도 Dot이 탐색을 계속해 스크린샷에서 발견했다. 다만 데모 직전 문제를 경고한 사례에서는 실제 수정까지 수행하지 못했다.
3. 정리되지 않은 생각을 반복 구현과 공동 작업으로 발전시킨다. 산책 중 메모와 음성 기록을 바탕으로 여러 구현안을 만들고, 알트먼은 여유 시간마다 피드백을 줬다. Space에서는 여러 사람의 Dot이 정보를 공유하고 문서를 갱신한다. 개인화된 사업 요약도 Slack의 변화와 알트먼의 관심사를 반영한다.
4. 자동화의 성과를 사람의 창의성과 외부 개발자의 기회로 연결하려 한다. 알트먼은 개발 역량이 늘어도 제품 수요와 품질 기대가 함께 높아지고, 창작자의 정체성도 가치 판단에 영향을 준다고 본다. 앱 생태계와 외부 앱에서의 ChatGPT 구독 활용은 외부 제작자를 지원하려는 방향이며, 창업에서는 여전히 사람들이 원하는 것을 만드는 원칙을 강조한다.
5. 응답 속도와 비용은 작업 효용을 좌우하지만 이용 조건에는 격차가 있다. 알트먼은 모든 프롬프트 작업에 ultrafast를 사용하며 즉각적인 피드백이 제작과 문제 해결을 바꾼다고 설명한다. Decisions API와 추론 시스템 개선은 비용과 지연을 낮추려는 방향이다. 향후 속도 개선과 가격에 관한 발언은 전망이며, 최첨단 성능에는 계속 높은 가격이 붙을 것으로 본다.

🧩 배경과 문제 정의

• AI 코딩 능력이 높아져도 개발 수요와 기대 수준은 함께 커진다. 자동화가 일자리를 대체하는 영역과 사람이 새로운 가치를 만드는 영역을 구분필요가 있다.
• 업무 메시지와 알림을 직접 확인하면 긴급한 문제를 놓치지 않을 수 있지만, 집중력과 창의적인 작업 시간이 줄어든다. Dots의 핵심 가치는 여러 정보원에서 맥락을 모아 필요한 일에 주의를 배분하는 데 있다.
• 기존 소프트웨어는 여러 사람과 각자의 AI가 함께 작업하기에 적합하지 않다. 협업 도구와 앱 생태계, 구독 사용 방식도 AI의 능력에 맞춰 바뀌어야 한다.

🕒 시간순 섹션별 상세정리

1. 코딩 자동화 이후에도 수요와 사람의 중요성은 커진다

• 개발자는 이전보다 많은 일을 할 수 있지만, 사람들이 원하는 제품과 품질의 기준도 높아졌다. 잠재 수요의 규모와 AI 활용에서 사람이 계속 중심에 있다는 점은 알트먼의 예상보다 긍정적이었다. 창의성이 거의 필요 없고 수행자가 누구인지 중요하지 않은 업무는 AI가 맡겠지만, 새로운 일을 할 기회는 충분할 것으로 본다. [01:06]
• 사람들은 기계의 결과물 자체보다 예술·회사·아이디어·제품을 만든 사람에게 관심을 갖는다. 자동화가 늘어도 창작자와 생산자의 정체성이 가치 판단에 영향을 준다는 관점이다. [02:14]

2. 늘어난 개발 역량을 상시 에이전트와 개방형 생태계로 연결한다

• 이번 DevDay의 신규 발표는 진행자의 집계로 22개이며, 지난해 약 9개와 그 전 해 4~5개보다 많다. 50분 발표에 맞추느라 제외한 항목도 있다. OpenAI 역시 생산성 향상을 주장하는 만큼 자체적으로 더 많은 제품을 만들어야 한다는 입장이다. [03:05]
• 시스템에 연결돼 백그라운드에서 24시간 작동하고 선제적으로 일을 수행하는 에이전트는 중요한 탐색 방향이다. 다만 여기서 놀라운 결과가 나올 것이라는 기대는 전망이다. [03:59]

3. AI의 목표를 기계 중심의 자동화보다 인간의 가능성 확장에 둔다

• 르네상스는 사람, 산업혁명은 기계가 중심이었다는 비유를 사용한다. 산업혁명은 세계에 큰 이익을 줬지만, 일부 개인은 극도로 전문화된 일을 하는 기계의 부품처럼 되어 삶의 풍부함과 멀어졌다는 한계도 있다. [06:29]
• 인간에게 역할이 없어지고 AI가 보상과 행동을 결정하는 미래에 동의하지 않는다. 과학 발견·예술·창업이 확대되고, 사람들이 경제 성장의 이익과 함께 자신의 삶과 시간을 통제할 능력을 얻기를 희망한다. [07:13]

4. Dots의 긴급성 판단으로 아침의 집중 시간을 되찾는다

• 아침은 원래 깊고 복잡한 작업을 하기 좋은 시간이었지만, 회사에서 밤사이 생긴 문제를 확인하려고 휴대전화를 보면 다른 업무가 머릿속을 채웠다. 반대로 확인을 한 시간 미루면 실제 위기가 더 커질 때도 있었다. [08:59]
• Dots가 즉시 생각해야 할 문제를 판단하고 나머지를 처리하도록 맡기면서, 창의적인 작업이나 아이들과 보내는 시간을 다시 확보했다. 알트먼에게 이는 일상에서 의미 있는 개선이었다. [09:35]

5. 선제적 경고는 가능하지만 문제 해결 능력에는 한계가 있다

• DevDay 데모 5분 전, Thibault의 Dot은 일정과 발표 자료의 맥락을 연결해 운영 환경의 문제가 데모를 방해할 가능성을 경고하고 수정을 제안했다. 당시에는 고치지 못했으며, 다음 버전이 직접 해결할 수 있으리라는 말은 가능성에 대한 기대다. [10:13]
• 연속된 일정으로 평소 업무를 처리하지 못한 상황에서도 알트먼의 Dot은 짧은 휴식 시간에 반드시 확인해야 할 한 가지를 짚었다. 스스로는 찾지 못했을 중요한 일을 알려 주면서, 누락을 계속 걱정해야 하는 부담이 줄었다. [10:59]

6. 여러 정보원의 맥락을 합치려면 충분한 모델 지능이 필요하다

• Dots는 두 사람 모두에게 기본적인 채팅 사용 방식이 됐지만, 초기 베타에는 버그와 한계가 있다. 모바일과 자체 클라우드 컴퓨터 등 여러 사용 환경을 다듬어야 하며, 빠른 개선을 기대하더라도 안정화에는 시간이 필요하다. [11:38]
• 항공편을 변경할 때 캘린더에 없는 회의와의 충돌을 Slack에서 읽은 내용으로 찾아낸 사례가 있다. 생활 전반에 흩어진 맥락을 연결하면 주의 깊은 사람도 놓치기 쉬운 관계를 발견할 수 있다. [12:13]

7. 정리되지 않은 아이디어를 여러 구현안으로 반복 발전시킨다

• 설명하기 어렵고 구현 방식도 확신할 수 없던 기능에 대해, 알트먼은 산책 중 떠오르는 생각 등을 Dot에 계속 메모했다. Dot이 5~6개 버전을 만들면서 여유 시간마다 결과를 보고 피드백을 주는 반복 작업이 가능해졌다. [13:16]
• 불확실하거나 구현 비용이 커서 포기했을 아이디어도 원시적인 메모와 지속적인 피드백으로 발전시킬 수 있다. 잠들기 전 긴 음성 메모를 남기면 다음 날 구현뿐 아니라 후속 일곱 단계까지 진행된 결과를 얻는 경험이 새로운 표현 방식으로 이어졌다. [13:56]

8. 실패한 검색을 이어 가는 에이전트가 정보와 주의력의 부담을 줄인다

• 알트먼은 Slack에서 봤다고 기억한 자료를 Codex로 10~20분 찾다가 실패해 포기했다. 다음 날 Dot이 탐색을 계속해 자료를 찾아냈으며, 기억 속의 텍스트는 실제로 스크린샷이었다. 이미지와 스크린샷까지 살핀 것이 검색 실패를 해결했다. [14:28]
• Slack과 이메일의 방대한 내용을 모두 읽기보다, 축적된 맥락에서 필요한 정보를 적절한 시점에 받는 방식이 유용하다. 에이전트의 가치는 검색 요청에 답하는 데서 끝나지 않고 놓친 필요를 계속 추적하는 데까지 확장된다. [15:27]

9. Space의 살아 있는 문서는 여러 사람과 AI의 공동 작업을 지원한다

• 기존 소프트웨어는 사람이 직접 쓰거나 AI가 대신 사용하는 데는 활용할 수 있지만, 여러 사람과 각자의 AI가 긴밀히 협업하면 기존 설계 방식이 맞지 않는다. Space는 이 문제를 탐색하려는 시도다. [17:08]
• 알트먼은 새로운 아이디어를 생각할 때 여전히 직접 글을 쓰고, 후속 작업은 자신이나 다른 사람의 Dot에 맡긴다. 사람들의 상호작용과 외부 변화에 따라 자동 갱신되는 문서에서는 일곱 사람의 Dot이 정보를 공유하며, 각자의 머릿속에 부분적으로 있던 생각을 새로운 공동 결과물로 발전시킬 수 있다. [18:04]

10. 개인화된 대시보드는 관심사의 변화까지 반영한다

• 공동으로 보던 회사 대시보드 대신, 자신의 관심사에 맞춰 바뀌는 사업 요약을 사용한다. Slack 메시지를 살피고 내용을 계속 갱신하기 때문에 고정된 지표판보다 살아 있는 문서에 가깝다. [18:53]
• 최근 관심은 안전·정렬·보안 과제에 있으며, 6개월 전에는 매출·성장 같은 전통적인 사업 지표의 비중이 더 컸다. Dot이 매일 무엇을 가장 중요한 관심사로 판단했는지 수년간 시각화하고 싶지만, 아직 만족스러운 방법을 얻지 못했다. [19:25]

11. Decisions API는 흔한 작업의 비용과 지연을 더 낮추려는 방향이다

• Luna 사용자들이 가장 많이 원한 것은 이미 좋아하는 모델을 더 싸고 빠르게 사용하는 것이었다. Decisions API와 관련된 아이디어는 이전부터 검토해 왔으며, Diogo의 생각과 Jev에 대한 반응이 이 방향의 우선순위를 높이는 데 영향을 줬다. [20:39]
• 앞으로도 흔한 사용 사례에서 기술을 매우 빠르고 낮은 비용으로 제공하는 여러 방법을 추진하려 한다. 이는 향후 방향이며, 특정 성능이나 가격을 보장하는 수치는 없다. [21:23]

12. 구독을 외부 앱에 가져가면 개발 비용과 사용 경험의 제약이 달라진다

• 플러그인 확장과 ChatGPT 구독 사용량을 외부 앱에 가져가는 방식은 개발자의 비용 계산을 바꾼다. AI 사용량을 제한하거나 저렴한 모델로 경험의 질을 낮추는 대신, 사용자가 자신의 구독 범위에서 원하는 모델을 쓰게 할 수 있다는 것이 진행자의 기대다. [22:24]
• OpenAI 내부보다 외부에 좋은 아이디어가 훨씬 많다는 믿음이 앱 생태계를 여는 이유다. 어떤 앱이 가장 유용할지는 아직 모르지만, 지금 내부에서 확신 있게 상상하지 못하는 제품이 나올 것으로 기대한다. [23:03]

13. 스타트업의 기회는 외부 창업자의 아이디어와 실행력에 있다

• 모델 회사가 모든 시장을 차지할 것이라는 우려와 달리, 알트먼은 중요한 신규 기업과 제품이 계속 등장하고 스타트업이 매우 빠르게 성공하는 시기라고 평가한다. 다시 투자자가 되고 싶을 만큼 창업 환경을 낙관적으로 본다. [24:21]
• 투자 기준은 특정 제품 분야보다 창업자에 가깝다. 야심 찬 프로젝트를 추진하는 뛰어난 창업자를 찾고, 그들과 큰 위험을 감수하는 것이 기존 투자 방식이었다. [25:17]

14. 고객이 원하는 것을 만든다는 원칙과 소규모 팀의 생산성을 구분한다

• 사람들이 원하는 것을 만들어야 한다는 창업 원칙은 유지된다. 에이전트가 원하는 제품이라는 가능성이 끼어들더라도, 현재의 이해에서는 결국 사람의 수요와 연결돼야 한다. [27:01]
• 한두 사람이 해낼 수 있는 작업량은 크게 달라졌다. 공동창업자나 기존 비용 구조를 전제로 한 관행을 포함해, 실리콘밸리의 표준적인 창업 방식에는 이 변화에 대한 재검토가 충분하지 않다는 판단이다. [27:19]

15. 제작의 마찰이 줄면서 경영자도 직접 제품을 출시할 가능성이 커진다

• 알트먼은 제작 과정의 마찰을 조금만 줄여도 사람들이 훨씬 많이 만든다고 본다. Dots를 사용하면서 짧은 여유 시간이나 긴 작업 시간에 상호작용하며 더 많은 일을 처리하는 효과를 직접 느꼈다. [28:02]
• 이전의 Codex 개인 프로젝트를 넘어, 새로운 것을 실제로 대중에게 출시하고 싶다는 목표가 생겼다. 처음에는 플러그인 확장을 염두에 뒀고, 실제 OpenAI 제품을 만들 가능성도 언급했지만 구체적인 제품은 정하지 않았다. [28:21]

16. AI의 개발 지원과 초고속 응답이 높이는 작업 효용

• 이번 Dev Day의 결과물은 AI의 도움 없이는 모두 만들 수 없었을 만큼 규모가 커졌다. 현재 방식이 효과를 낸다면 내년에는 팀과 더 많은 개인이 참여해 다양한 결과물을 만들거나, 하나의 뛰어난 결과물에 집중할 수 있다. 기대하는 성과는 세상에 제공하는 총효용의 증가다. [29:35]
• 샘 알트먼은 모든 프롬프트 작업에 ultrafast를 사용한다. 그러나 이런 사용 환경이 도구 위에서 개발하는 일반 사용자들의 현실과 멀어질 수 있다고 우려하며, 모두가 항상 초고속 응답을 이용할 수 없다는 점을 인정한다. 자신도 느린 환경으로 돌아가기는 어렵다고 느낀다. [30:02]

17. 응답 속도의 대중화와 고가의 최첨단 성능이 공존하는 방향

• OpenAI는 지금까지 더 유능한 모델을 제공하면서 수개월 또는 매년 가격을 크게 낮추는 데 집중해 왔다. 이제 속도도 중요한 투자 축이 되었으며, 자체 칩과 모델을 활용한 연구·추론 시스템 개선이 빠른 추론을 널리 제공하는 데 기여할 것으로 기대한다. 지능의 접근성을 높였듯 속도의 접근성에도 투자해야 한다는 판단이다. [31:53]
• ultrafast는 현재도 비용을 지불하면 이용할 수 있지만, 대화 상대는 감당하기 어렵다고 답한다. 알트먼은 머지않은 미래에 8배 속도를 좋은 가격으로 제공할 수 있을 것으로 예상하면서도, 그때에는 100배 더 빠른 성능이 등장할 것이라는 전망을 덧붙인다. [32:09]

🧾 결론

• Dots의 핵심 효용은 긴급한 일과 나중에 볼 일을 가려 주고, 필요한 맥락을 적절한 순간에 전달해 주의력 부담을 줄이는 데 있다.
• 사람은 아이디어를 제시하고 판단하며 피드백을 주고, Dot은 탐색·구현·후속 작업을 이어 간다. 알트먼도 새로운 아이디어를 생각할 때는 여전히 직접 글을 쓴다.
• 개인의 업무 보조에서 여러 사람과 AI의 공동 작업으로 범위가 넓어지고 있다. Space와 자동 갱신 문서는 이러한 협업 방식을 탐색하는 사례다.
• 소개된 경험에는 실제 사용 사례, 초기 베타의 한계, 향후 기능에 대한 기대가 함께 들어 있다. 경고와 검색의 성공을 모든 문제의 자율 해결 능력으로 확대해 해석해서는 안 된다.

📈 투자·시사 포인트

• 에이전트 제품을 평가할 때는 필요한 정보를 제때 전달하는지, 중단된 작업을 이어 가는지, 사용자의 집중 시간을 얼마나 확보하는지 살펴볼 만하다. 이는 대화에서 반복적으로 드러난 사용 가치다.
• 외부 앱에서 ChatGPT 구독을 활용하는 방향은 개발자의 모델 비용 계산과 사용자의 앱별 가입 부담을 바꿀 가능성이 있다. 실제 적용 범위와 조건을 확인해야 사업성 판단에 반영할 수 있다.
• 알트먼은 소규모 팀의 작업량이 크게 달라졌다고 평가한다. 창업 기회를 검토할 때는 제작 능력의 증가와 함께 고객 수요, 창업자의 아이디어와 실행력을 확인필요가 있다.
• 빠른 응답은 아이디어를 반복 발전시키는 과정에 영향을 준다. 서비스의 비용 대비 가치를 판단할 때 모델 능력뿐 아니라 응답 속도와 실제 이용 가격도 함께 비교필요가 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• Dots는 초기 베타이며 버그와 사용 환경의 한계가 언급됐다. 소개된 개인적 경험만으로 일반 사용자의 안정성이나 생산성 향상 폭을 판단할 수는 없다.
• 데모 문제를 미리 경고했지만 당시 수정하지 못했다. 다음 버전의 직접 해결 능력과 상시 에이전트의 놀라운 성과는 기대이며, 검증된 결과로 제시되지 않았다.
• Decisions API의 구체적인 성능·가격 보장 수치는 없다. 향후 8배 속도를 좋은 가격에 제공할 수 있다는 예상과 100배 더 빠른 성능에 대한 언급도 확정된 제공 조건이 아니다.
• 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

• 현재 업무에서 아침 집중을 끊는 메시지와 반드시 즉시 확인해야 하는 문제를 구분해, 에이전트에 맡길 우선순위 판단 범위를 정리한다.
• 도구를 검토할 때 긴급 알림의 정확성, 누락된 중요 업무, 검색 완료 여부, 확보한 집중 시간을 기록해 실제 효용을 비교한다.
• 일정 충돌과 자료 검색처럼 여러 정보원을 연결해야 하는 작업을 골라, 캘린더 밖의 정보와 이미지·스크린샷까지 탐색하는지 확인한다.
• 미완성 아이디어 하나를 메모로 남기고 구현안에 반복 피드백을 주면서, 사람이 판단해야 할 부분과 에이전트가 이어 갈 작업을 정리한다.

❓ 열린 질문

• Dots의 긴급성 판단은 중요한 일을 놓치는 경우와 불필요하게 사용자를 방해하는 경우를 얼마나 줄일 수 있을까?
• 선제적 경고에서 직접 문제 해결로 넘어가려면 어떤 능력과 시스템 개선이 더 필요할까?
• 여러 사람의 Dot이 함께 문서를 갱신할 때 서로 다른 정보와 관심사를 어떻게 일관된 결과물로 발전시킬 수 있을까?