🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 결론

“Why We Switched From Claude Code to Codex”의 핵심은 Codex가 단순 코딩 보조를 넘어, 지식노동자가 여러 업무와 에이전트를 관리하는 새로운 작업 인터페이스로 부상했다는 점이다.

📌 핵심 요점

1. Codex는 초기에는 시니어 엔지니어용 페어 프로그래밍 도구에 가까웠지만, 최근에는 파일·데이터·업무 맥락을 다루는 범용 지식 노동 에이전트로 전환되고 있다.

2. Claude Code는 로컬 코딩 에이전트가 프로그래밍을 넘어 지식 노동 전반을 위임받을 수 있음을 먼저 보여줬고, 이 흐름이 OpenAI의 Codex 방향 전환에 영향을 준 것으로 설명된다.

3. 영상에서는 Codex 데스크톱 앱의 속도, 폴더 기반 맥락 관리, 서브에이전트, Gmail·Slack·Notion·Stripe 연결 흐름이 Claude 계열 도구 대비 강점으로 제시된다.

4. Codex의 가치는 새로운 전략을 “창조”하는 데보다, 이미 회의·Slack·Notion·문서에 흩어진 맥락을 모아 실행 가능한 초안, 계획, KPI 구조, 채용 탐색으로 정리하는 데 있다.

5. 다만 이메일 분류, 매출 지표, KPI 대시보드처럼 오차가 비용으로 이어지는 작업에서는 자동 실행보다 초안 생성, 외부 앱 검토, 사후 감사, 컬럼 단위 검증이 필요하다고 강조된다.

🧩 배경과 문제 정의

• Codex는 몇 달 전까지만 해도 고급 엔지니어의 페어 프로그래밍에 가까운 도구였고, 사용감·응답 태도·정서적 지능 면에서 일반 업무 도구로 쓰기에는 한계가 있었다.
• Anthropic의 Claude Code는 빠르고 똑똑한 로컬 코딩 에이전트가 프로그래밍을 넘어 지식 노동 전반을 위임받을 수 있음을 먼저 보여줬다.
• OpenAI는 ChatGPT와 Codex의 역할을 분리하려 했지만, Claude Code를 중심으로 지식 노동 위임 흐름이 확산되면서 Codex를 범용 에이전트형 업무 도구로 빠르게 전환한 것으로 보인다.
• 핵심 변화는 작업 환경이 “코드를 직접 치는 곳”에서 “에이전트에게 업무를 맡기고 관리하는 곳”으로 이동하고 있다는 점이다.

🕒 시간순 섹션별 상세정리

1. Codex가 범용 지식 노동 도구로 바뀌는 전환점 [00:00]

• Codex는 한때 품질이 낮다는 평가를 받았지만, 최근에는 로컬 컴퓨터 위에서 지식 노동을 수행하는 범용 에이전트로 의미가 커졌다
• 코딩 에이전트가 소프트웨어를 직접 만들 수 있다면, 파일·데이터·업무 맥락을 다루는 다른 지식 노동도 위임할 수 있다는 논리가 드러난다

2. Claude Code의 성공과 OpenAI의 Codex 방향 전환 [00:56]

• Codex는 본래 시니어 엔지니어의 페어 프로그래밍에 초점이 맞춰진 도구였고, 일반 업무용으로 쓰기에는 사용감과 응답 방식에 한계가 있었다
• OpenAI의 초기 구상은 가벼운 바이브 코딩은 ChatGPT에서, 고급 프로그래밍 작업은 Codex에서 처리하는 역할 분리에 가까웠던 것으로 보인다

3. 에이전트 관리 인터페이스가 새 작업 운영체제로 부상 [04:01]

• 데스크톱 앱 형태의 프로그래밍 에이전트가 지식 노동의 새로운 작업 표면으로 떠오른다
• 업무는 개별 앱 안에 갇히기보다, 에이전트 관리 인터페이스를 통해 소프트웨어와 인터넷을 호출하는 방식으로 이동한다

4. 성장 업무에서 Claude Code 경험이 Codex 전환으로 이어짐 [06:10]

• Austin은 성장 책임자로서 Claude Code를 깊게 사용하며, 지식 노동에 에이전트를 붙이는 전환점을 경험했다
• 이후 Codex와 GPT-5.5 기반 워크플로로 대부분의 작업을 옮기면서 업무 방식이 크게 달라졌다

5. Codex 초기 사용 경험과 Claude Code 중심의 작업 흐름 [08:01]

• 전략적 사고, 데이터 분석, 마케팅 카피 작성처럼 하루 업무가 여러 앱과 도구로 흩어지는 상황에서 Codex 사용 권유가 반복됐다
• 개인용 앱을 Codex로 만들어보는 과정에서 결과물은 개선되어 보였지만, Codex의 질문과 추천 방식은 사용자를 위축시키는 경험도 만들었다

6. 새 GPT 모델과 Codex 데스크톱 앱이 일상 업무 중심으로 이동 [09:36]

• 새 GPT 모델 이후 지식 작업에서는 최신 Opus와 최신 GPT 모델이 최소한 비슷한 수준에 도달했다고 평가된다
• 결정적 차이는 모델 성능 자체보다 Codex 데스크톱 앱의 속도와 실행력에 있었고, 이 앱 경험이 업무 도구 선택을 바꿨다

7. 도구 경쟁과 전환 저항 [12:00]

• Anthropic 같은 경쟁사가 몇 주 또는 몇 달 안에 비슷하거나 더 나은 기능을 내놓을 가능성도 나온다
• 장기적으로 각 도구가 별도 생태계로 갈라질 수 있지만, 현재는 Codex와 Claude 계열 도구 사이의 전환이 실무적으로 가능하다고 본다

8. Codex 앱의 폴더 기반 업무 통합 [13:45]

• Codex 앱은 폴더 안에 지속적이고 일관된 채팅을 유지할 수 있어, 업무 맥락을 정리하고 다시 확인하기 쉽다
• KPI 시트 개선 같은 전략·운영 업무와 제품 PR 작성 같은 엔지니어링 작업을 같은 앱 안에서 처리할 수 있다

9. 전략 정렬 폴더와 시작 프롬프트 설계 [16:02]

• 회사 목표와 데이터 정확성에 맞춘 전략 정렬용 폴더를 만들면, 계획 검토를 더 정확한 맥락 안에서 받을 수 있다
• Codex를 처음 시작할 때는 복잡한 기능 탐색보다 추천 프롬프트를 넣고, 모델이 업무 맥락을 이해하게 만드는 방식이 출발점이 된다

10. 업무 도구 연결과 자동화 아이디어 생성 [17:42]

• Codex 플러그인 도구에서 Gmail, Slack, Notion처럼 매일 쓰는 앱을 연결하고, 기존 성장 운영 시스템 폴더를 Codex 프로젝트로 연다
• 사람이 먼저 자동화 아이디어를 설계하기보다, 프런티어 모델이 현재 업무 맥락과 회사 상황을 읽고 유용한 사용법을 제안하게 한다

11. Codex 자동화는 적은 피드백으로 반복 업무에 바로 작동한다 [20:01]

• 데모에서는 세부 피드백이 거의 없었지만, Codex는 사용자의 맥락을 바탕으로 자동화 지시와 실행 조건을 구성한다
• 실행 시간 변경, 추가 인사이트 입력, 다른 도구 연결 등은 조정할 수 있지만, 기본 자동화는 큰 수정 없이 작동한다

12. 최종 검토는 Codex 밖의 실제 업무 앱에서 처리한다 [21:33]

• 청중 질문은 “보내기·게시·보관·수정은 명시적 승인 없이 하지 않는다”는 조건에서 실제 검토가 어디서 이뤄지는지에 집중된다
• 초안 작성은 Codex 안에서 진행되지만, 사람에게 전달되기 전 최종 확인은 Slack이나 Gmail 같은 외부 업무 앱에서 처리된다

13. 이메일 리드 분류의 수익 리스크 [24:13]

• 음악가처럼 클라이언트 문의가 수익으로 이어지는 업무에서는 리드 이메일과 정보성 메일을 정확히 구분하는 일이 중요하다
• 개인화 응답이 필요한 메일을 잘못 분류하거나 자동 응답하면 고객을 잃을 수 있고, 곧바로 금전 손실로 이어질 수 있다

14. 에이전트 인터뷰와 사후 감사로 자동화 안전장치 만들기 [24:48]

• Kora 같은 이메일 관리 도구와 Codex의 CLI·API 연결을 활용하면 이메일 필터링 규칙과 사용자의 중요 기준을 에이전트에 전달할 수 있다
• 사용자가 규칙을 처음부터 완벽히 적기보다, 에이전트가 인터뷰를 통해 문제 상황·분류 기준·금지 행동을 파악하는 방식이 더 적합하다

15. 설정 대시보드에서 CLI 기반 에이전트 흐름으로 전환 [28:00]

• Plus One의 초기 구조는 별도 대시보드와 온보딩 경험을 요구했고, 사용자는 많은 버튼과 맥락 입력을 직접 처리해야 했다
• CLI를 통해 Plus One을 Codex나 Claude Code에 노출하면, 사용자는 별도 설정 화면보다 에이전트와 대화하는 방식으로 설정을 진행할 수 있다

16. 특화 에이전트 운영과 go-to-market 계획 정리의 병목 [30:08]

• Slack에 배치된 여섯 개의 에이전트는 실제 업무에 도움이 되지만, 현재의 개인 에이전트와 OpenClaw류 도구는 자주 깨질 수 있다는 전제가 필요하다
• 에이전트가 잘못 작동하면 대화로 설득하기보다, Codex가 문제 대화의 위치를 찾고 에이전트 구조를 수정하게 하는 방식이 더 효과적이다

17. Codex가 내부 맥락을 모아 Go-to-market 초안을 만든다 [32:00]

• 회의 녹취, Slack 논의, 선호하는 Go-to-market 템플릿이 있어 Codex가 활용할 수 있는 사전 맥락은 충분하다
• 처음 기대치는 6~7점짜리 초안이었지만, proof doc 단계에서 출시 일정과 예정 게시물까지 반영되며 계획 구조가 빠르게 압축된다

18. 문서는 사람뿐 아니라 에이전트가 이어서 일할 수 있는 작업 단위가 된다 [34:22]

• Go-to-market 계획은 사람이 읽기 쉬운 문서이면서 에이전트가 섹션별로 참조할 수 있는 통합 작업 자료가 된다
• COO는 전체 계획을 바탕으로 Codex에게 요약, 비즈니스 케이스 정리, 가격 모델링 준비를 맡길 수 있다

19. AI 작성물의 신뢰 기준은 작성 방식보다 책임 여부다 [36:00]

• AI가 사람의 문체를 흉내 내는 것보다, 복잡한 생각을 읽기 쉬운 형식으로 정리한 문서가 협업에 더 유용할 수 있다
• 중요한 기준은 작성자가 문서 내용을 실제로 검토했고, 각 bullet의 의미와 근거를 질문받았을 때 설명할 수 있는지다

20. AI는 이미 끝난 사고를 문서로 바꾸는 시간을 줄인다 [38:04]

• 프로젝트 파일의 규칙은 사용자가 다른 맥락에서 말하지 않은 내용을 문서에 임의로 추가하지 못하게 제한한다
• 컨텍스트가 커질수록 모델이 규칙을 어길 수 있으므로, 사람에게 공유되기 전 Codex를 마지막 검토 단계에 두는 흐름이 안전장치가 된다

21. 에이전트까지 참조하는 KPI 단일 기준점 구축 [40:12]

• 여러 사업 부문에서 나오는 데이터 포인트를 하나의 최신 기준점으로 모으는 일이 핵심 과제다
• PostHog 같은 기존 분석 도구도 일부 데이터 흐름에는 유용하지만, 인간과 에이전트가 동시에 쓰는 통합 KPI 대시보드 역할에는 한계가 있다

22. 정확도 한계와 컬럼 단위 검증의 필요성 [42:02]

• Codex에 API 키와 MRR 측정 방식 같은 맥락을 제공해 KPI 시트를 만들게 했지만, 형식·숫자·프레이밍에서 5~10% 정도 어긋나는 결과가 반복됐다
• MRR 같은 핵심 사업 지표는 3~5% 오차도 허용하기 어렵고, 컬럼 단위 검증이 필요하다

23. 매출 지표 기준 설정과 오래된 시트의 한계 [44:02]

• 월요일까지 준비할 수 있다는 확신이 나오지만, 실제 핵심은 매출과 성장률을 어떤 기준으로 정의하고 측정할지 정하는 데 있다
• MRR 같은 지표는 하나의 절대적인 계산법보다, 매번 같은 기준을 일관되게 적용하는 것이 더 중요하다고 압축된다

24. Codex를 활용한 리크루팅 후보 탐색과 참석자 크레딧 안내 [44:51]

• Codex는 L&D 책임자 채용 과정에서 General Assembly 출신 중 이후 AI 분야로 이동한 인물을 찾는 용도로 활용된다
• General Assembly는 2010년대 뉴욕에서 기술·프로그래밍·디자인 교육 경험을 쌓은 인재 풀이 형성된 곳으로 나온다

25. 제한된 Notion 혜택과 기존 사용자 적용 문제 [48:01]

• Notion 100달러 혜택은 250명 한정으로 제공되며, 현재 참여 인원과 거의 맞물려 여유 수량이 많지 않은 상황이다
• 이후 혜택 조건이 신규 사용자 전용으로 정정되면서, 기존 플랜 사용자는 바로 적용받기 어렵다는 점이 확인된다

26. compound engineering의 지식 업무 적용과 compound knowledge 포크 [49:09]

• 질문의 핵심은 compound engineering을 기본 플러그인 그대로 사용하는지, 코드 생성 외 업무에는 어떤 조정이 필요한지에 있다
• 기본 compound engineering은 지식 업무에도 유용하지만, 리뷰 단계가 엔지니어링 기준에 맞춰져 있어 문서 작업에는 별도 조정이 필요하다고 드러난다

27. 세션 학습을 팀 지식과 자동화 skill로 축적하는 방식 [52:01]

• 작업 세션에서 얻은 배움은 Notion의 팀 공용 데이터베이스로 보내져, 조직 전체가 참고할 수 있는 지식으로 축적된다
• Codex나 Claude Code 세션이 끝날 때 학습 내용을 저장할지, 해당 워크플로를 skill로 만들지 확인하는 흐름도 함께 포함된다

28. AI 실험 문화와 실제 업무 실행 사이의 균형 문제 [53:02]

• AI 워크플로를 도입하는 팀은 회의 전후로 실험 시간을 따로 확보해야 하는지, 바쁜 일정 속에서 학습을 어떻게 병행할지가 고민이다
• 도구 제작과 실험에 시간이 지나치게 쓰이면, 실제 비즈니스 실행 과제가 뒤로 밀릴 수 있다는 우려도 함께 제기된다

29. 새로운 도구 실험을 위한 조직적 시간 확보 [56:02]

• 기존 업무 방식에만 맞춰 빠르게 움직이는 전략에는 한계가 있으며, 새로운 도구와 워크플로에 먼저 적응한 사람이 더 유리해질 수 있다
• 실험 시간은 단기적으로 비생산적으로 보일 수 있지만, 장기적으로는 작업 수준과 문제 해결 방식을 끌어올리는 투자로 드러난다

30. 에브리 구독 요청과 AI 변화의 파도에 함께 올라타기 [56:56]

• 마무리에서는 에브리가 AI 최전선의 변화를 따라갈 수 있도록 돕는 구독 서비스라는 점을 강조하며, 주변 사람에게 구독을 권해 달라고 요청한다
• 현재 시점은 AI 변화의 큰 파도를 함께 타며 배우고 적응할 수 있는 역사적 전환점으로 압축된다

🧾 결론

• 이 영상은 Codex 전환을 단순한 “Claude Code 대체”가 아니라, 지식노동 운영 방식이 앱 중심에서 에이전트 관리 중심으로 바뀌는 사례로 설명한다.

• Codex가 강하게 평가되는 지점은 모델 성능만이 아니라, 실제 업무 폴더·데이터 소스·자동화·검토 흐름을 하나의 작업 표면 안에 묶는 실행력이다.

• 영상 속 주장은 Codex가 일부 업무에서 Claude Code보다 약 30~40% 더 낫게 느껴질 수 있다는 체감 평가를 포함하지만, 이는 발표자의 사용 경험에 기반한 판단이며 일반 성능 우위로 확정할 수는 없다.

• 안전한 활용의 핵심은 “에이전트에게 맡기되, 사람에게 전달되기 전 최종 검토는 사람이 한다”는 운영 원칙이다.

• 검증이 필요한 내용으로는 OpenAI의 실제 제품 전략 의도, 각 도구의 최신 기능 우위, 혜택 제공 조건, 특정 기업 인수·제품 출시 관련 언급 등이 있으며, 제공된 transcript만으로는 확정 사실로 단정하기 어렵다.

📈 투자·시사 포인트

• AI 도구 시장의 경쟁축은 단순 모델 성능에서 데스크톱 앱, 로컬 파일 접근, 업무 도구 연결, 에이전트 관리 UX로 이동하고 있다.

• Codex·Claude Code류 도구는 개발자 도구를 넘어 마케팅, 채용, 전략 기획, KPI 관리 같은 고부가 지식노동 시장으로 확장될 가능성을 보여준다.

• 기업 입장에서는 “AI가 쓴 문서” 자체보다, 작성자가 내용을 검토하고 책임질 수 있는지, 그리고 에이전트가 후속 작업에 재사용할 수 있는 구조인지가 더 중요한 평가 기준이 된다.

• 자동화 도입 시 수익 리드 이메일, MRR, KPI처럼 오차 비용이 큰 영역은 완전 자동화보다 초안 생성·승인·감사 중심으로 설계해야 한다.

• 투자 관점에서는 모델 기업뿐 아니라 업무 데이터 연결, 에이전트 운영체제형 인터페이스, 검증·감사·권한 관리 계층을 제공하는 도구 생태계가 중요해질 수 있다.

⚠️ 불확실하거나 확인이 필요한 부분

• OpenAI가 Claude Code의 확산 때문에 Codex를 “최근 약 3개월 동안” 범용 업무 에이전트로 전환했다는 해석은 영상 속 추론에 가깝고, OpenAI의 공식 전략 변화로 확인된 사실은 아니다.
• Codex 앱이 Claude Desktop보다 “30~40% 더 낫다”, 또는 특정 업무에서 더 빠르고 강력하다는 평가는 발표자의 체감과 워크플로 기준이며, 일반화하려면 별도 비교 기준이 필요하다.
• 최신 Opus와 최신 GPT 모델이 지식 작업에서 비슷한 수준이라는 판단은 영상 속 사용 경험에 기반한 평가로 보이며, 작업 유형·프롬프트·도구 연결 상태에 따라 달라질 수 있다.
• 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

• Codex나 Claude Code를 업무에 적용할 때, 먼저 “초안 작성만 허용 / 발송·게시·보관은 금지” 같은 안전 규칙을 명시한다.
• Gmail·Slack·Notion 등 실제 업무 도구와 연결하기 전, 자동화가 접근해도 되는 데이터 범위와 금지 행동을 문서화한다.
• 이메일·리드·고객 문의처럼 수익 손실 가능성이 있는 업무는 자동 처리보다 초안 생성과 인간 검토 중심으로 설계한다.
• KPI·MRR·성장률 같은 핵심 지표는 에이전트에게 맡기기 전에 컬럼별 정의와 계산 기준을 사람이 먼저 확정한다.

❓ 열린 질문

• Codex가 지식 노동의 중심 인터페이스가 될 경우, 기존 업무 앱들은 독립적인 작업 공간으로 남을지, 에이전트가 호출하는 백엔드 도구처럼 바뀔지?
• Claude Code, Codex, Cursor, Google 계열 에이전트가 장기적으로 서로 다른 생태계로 분리될 경우, 조직은 어떤 기준으로 주력 도구를 선택해야 할지?
• AI가 작성한 문서에 대해 “작성자가 전부 책임진다”는 문화가 작동하려면, 팀 내부에 어떤 검토 절차와 신뢰 기준이 필요할지?