[작성자:] kdk796500

내용은 한 글자도 바꾸지 않았어요. 아바타와 카드 위치도 같은 베이스에서 시작했고요. 그런데 아래 두 장은 꽤 다르게 읽힙니다.

두 이미지는 같은 카드 원문과 같은 장면 베이스에서 만들었어요. 전은 정확한 원문을 한 서체로 단순 나열했고, 후는 같은 원문을 PPT 기반으로 정보 위계·색·축·강조·여백까지 기획했어요. 양쪽 글자는 모두 정확합니다. 실제로 바뀐 변수는 시각 기획을 했는가 하나뿐이에요.

무엇을 고정했나

비교가 성립하려면 변수 하나만 남겨야 합니다. 그래서 아래 다섯 가지를 먼저 못 박았어요.

• 카드 원문 전체 — 제목, 세 계층 설명, 하단 운영 조건까지 한 글자도 바꾸지 않음
• 아바타 정체성 — 같은 인물, 같은 표정 방향
• 장면 베이스와 카메라 구도 — 같은 책상, 같은 조명, 같은 앵글
• 카드의 크기와 위치 — 같은 사각형 좌표에 합성
• 채널별 네이티브 비율 — 블로그 4:5, 쇼츠 9:16

내용이 달라서 좋아진 것도 아니고, 잘 나온 결과만 골라 붙인 것도 아니에요. 카드 바깥 영역의 변경 픽셀은 두 채널 모두 0입니다.

기본 텍스트 방식은 이렇게 만들었어요

먼저 만든 쪽은 특별한 처리가 없습니다. 단색 배경에 단일 서체, 좌측 정렬, 위에서부터 아래로 단순 세로 나열이에요. 제목과 소제목에 최소한의 크기 차이만 두고 아이콘·색 체계·구획선·세로축·강조 띠는 전부 쓰지 않았습니다.

중요한 건 이 카드도 오탈자가 없다는 점이에요. 일부러 망가뜨리거나 나쁜 결과를 고른 게 아니라, 그냥 기본 문서 수준으로 정돈된 상태입니다. 많은 자료가 실제로 이 상태에서 멈춰요.

여기에 PPT 기반 기획을 얹으면

같은 원문을 제목 / 세 계층 / 하단 운영 조건의 세 덩어리로 구조화했어요. 그다음 네이비와 황동 두 색으로 체계를 잡고, 세로축과 행 구분선으로 계층을 끊고, 부족한 지점만 강조색으로 올리고, 하단에는 전 계층 공통 조건을 띠로 분리했습니다. 여백도 같은 기준으로 정렬했고요.

무엇이 달라졌나

차이는 세 가지로만 설명할게요. 정보 위계는 제목과 세 계층, 하단 운영 조건의 순서가 보이는가입니다. 시선 흐름은 세로축과 행 구분으로 어디부터 읽을지 보이는가고요. 강조와 분리는 부족한 지점과 공통 운영 조건이 즉시 구분되는가예요.

기본 텍스트 카드에서는 이 세 가지를 독자가 직접 해야 합니다. 전부 읽고, 머릿속에서 묶고, 무엇이 중요한지 스스로 판단해야 해요. 기획된 카드는 그 작업을 만드는 쪽이 미리 끝내둔 상태입니다.

양쪽의 텍스트 정확도는 동일합니다. 그래서 이 글의 결론은 렌더링 성공률이 아니라, 기획된 정보 구조가 읽는 순서를 어떻게 바꾸는가에만 있어요.

왜 제작 흐름 자체를 바꿨나

이 비교를 하게 된 배경이 있어요. 그동안 쌓인 리젝 이미지 51장을 놓고 어디서 어긋났는지 세어봤더니, 실패 지점이 늘 같은 여섯 칸에 몰려 있었습니다. 한글, 여백, 개수, 분량, 내용, 비율이에요.

같은 자리에서 반복해서 걸린다는 건 개별 결과물의 운이 아니라 만드는 순서의 문제라는 뜻이었어요. 그래서 결과를 뽑고 고르는 방식에서 구조를 먼저 정하고 만드는 방식으로 흐름을 바꿨습니다. 참고로 서로 다른 내용을 담은 과거 이미지들끼리 비교하는 건 통제 비교가 아니에요. 그건 그냥 다른 그림 두 장입니다.

따라 하실 최소 순서

먼저 카드에 들어갈 원문을 고정합니다. 만들면서 문구를 바꾸기 시작하면 비교도 검증도 불가능해져요. 그다음 장면과 정보 카드를 한 번의 요청으로 같이 해결할지, 분리할지 정합니다. 세 번째로 정확도가 중요한 긴 한글은 결정론적 렌더를 우선합니다. 매번 같은 결과가 나오는 방식이어야 검증이 의미가 있어요. 마지막에 원문 대조·OCR·비율·안전여백을 확인합니다.

쇼츠로 30초 만에 보기

마무리

예쁜 결과를 한 번 얻는 것보다, 같은 내용을 다시 만들어도 확인할 수 있는 흐름이 더 오래 갑니다.

두 카드를 나란히 보셨을 때 가장 먼저 눈에 들어온 차이가 무엇이었는지 댓글로 알려주세요. 만드는 쪽이 의도한 순서와 실제로 읽히는 순서가 얼마나 맞는지가 늘 궁금하거든요.

매번 같은 결과가 나오는 환경이 필요하다면

이 글의 결정론적 렌더는 끄지 않고 돌아가는 고정 실행 환경에서 의미가 커져요. 장비가 결과물의 품질을 올려주지는 않아요. 같은 작업을 같은 조건에서 반복할 수 있게 해줄 뿐이에요. 해당되는 분은 AI 에이전트 실행 환경 구매가이드에서 역할과 조건을 먼저 비교해보세요.

연결된 구매가이드에는 쿠팡 파트너스 링크가 포함돼 있어요. 이 링크로 구매하시면 일정액의 수수료를 받을 수 있어요. 가격·재고·배송·판매자와 정확한 구성은 상품 페이지에서 다시 확인해 주세요.

# AI 에이전트 앱, 하나면 충분할까?

대화형 AI의 답변은 잘 쓰고 있어요. 그런데 반복되는 맥락을 매번 다시 입력하고, 필요한 외부 행동은 결국 직접 마무리하고 있지 않나요? 자리를 비운 동안에는 작업도 멈춰 있고요.

이건 앱을 잘못 고른 문제일 수도 있고, 그 앱이 담당하지 않는 자리가 비어 있는 문제일 수도 있어요. 둘을 구분하지 못하면 앱만 계속 갈아타게 돼요. 결론부터 말하면, 어떤 분에게는 “지금 쓰는 걸 그대로 쓰세요”가 정답이에요.

먼저 알아둘 점 이 글의 ‘두뇌·몸통·손’은 AI 도구를 고르기 쉽게 만든 ABNL의 설명용 편집 모델이에요. 업계 표준 분류는 아니에요.

왜 ‘좋은 앱 하나’로 끝나지 않을까요?

제품 순위형 콘텐츠는 흔히 어떤 앱이 좋은지에 집중해요. 하지만 우리가 AI 앱이라고 부르는 것 안에는 성격이 다른 기능이 섞여 있어요. 모델과 기억, 예약과 권한, 브라우저나 컴퓨터에서 하는 행동, 실행 결과를 확인하는 일까지요. 제품마다 제공하는 조합과 범위도 달라요.

그래서 “A가 B보다 좋다”는 비교가 자꾸 어긋나요. 비교 축이 하나가 아니기 때문이에요. 이 글에서는 순위표 대신, 내 작업에서 비어 있는 자리를 찾는 진단표를 드릴게요.

두뇌·몸통·손으로 나누면 쉬워져요

답이 아쉬우면 두뇌 쪽을, 이어지지 않으면 몸통 쪽을, 직접 행동이 필요하면 손 쪽을 먼저 살펴보세요. 보완 방법도 계층마다 달라요. 두뇌는 모델 선택과 입력 방식, 몸통은 기억·예약·재시도를 맡는 실행 계층, 손은 브라우저나 데스크톱 조작을 맡는 도구 쪽이에요. 한 계층의 부족은 다른 계층을 강화한다고 자동으로 해결되지 않아요.

권한 경계와 결과 증거는 네 번째 계층이 아니에요. 세 계층 전체에 적용되는 운영 조건이에요. ‘실행 완료’ 표시만으로는 결과가 목적지에 도착했다고 볼 수 없어요. 그래서 무엇을 했는지 확인할 기록도 함께 봐야 해요.

6문항으로 내 환경을 진단해보세요

아래 질문에는 예 또는 아니오로만 답해보세요.

1. 결과 품질 — 결과물의 품질이 자꾸 마음에 걸리나요?
2. 모델 교체 — 작업에 따라 다른 모델을 선택할 필요가 있나요?
3. 기억 연속성 — 어제의 맥락을 오늘도 이어가야 하나요?
4. 예약·반복·실패 복구 — 화면을 보지 않을 때도 일이 진행되고, 실패하면 다시 시도되어야 하나요?
5. 직접 행동 — 브라우저·파일·앱 화면에서 실제 행동이 있어야 일이 끝나나요?
6. 승인과 증거 — 실행 전에 멈출 지점과 실행 후 확인할 기록이 필요한가요?

①②에 답이 몰리면 두뇌 쪽을 먼저 볼 차례예요. 앱 개수를 늘리기 전에 모델 선택과 입력 방식을 먼저 점검해보세요.

③④에 걸리면 계속 굴러가게 하는 쪽이 급해요. 지금 앱이 필요한 기억·예약·복구 범위를 제공하는지 확인하고, 부족할 때 운영 계층을 보완해보세요.

⑤가 예라면 외부 행동이 필요해요. 브라우저 안에서 끝나는 일인지, 일반 데스크톱 조작까지 필요한지 먼저 구분해보세요.

⑥이 예라면 계층과 무관하게 승인 지점과 기록 확인 방법부터 정해두세요. 전부 아니오라면 이 체크리스트 범위에서는 지금 앱으로 충분해요. 이 경우에는 아래 마지막 섹션까지 포함해 새로 살 것이 없어요.

단일 앱과 조합형, 어느 쪽이 맞을까요?

조합형이 더 낫다는 뜻은 아니에요. 단순함은 그 자체로 성능이에요. 관리할 여력이 없다면 단일 앱이 더 오래가요. 필요한 계층을 진단한 뒤, 그 요구를 충족하는 가장 단순한 구조를 고르면 돼요.

접근 범위가 넓을수록 승인부터 정하세요

도구가 읽기와 초안을 넘어 외부 행동까지 맡는다면 성능보다 권한 경계와 실행 증거를 먼저 봐야 해요.

• 자동 허용: 미리 승인한 출처·계정의 민감하지 않은 자료를 읽고, 조회·요약·초안을 만드는 일이에요.
• 조건부 승인: 대상·범위·금액 같은 조건 안에서만 진행하고, 벗어나면 멈춰요.
• 매번 명시 승인: 결제, 외부 전송, 공개 게시, 삭제, 권한 변경처럼 되돌리기 어려운 일이에요.

자격증명을 다루는 일, 신원을 대신하는 일, 허용 범위 밖 계정에 접근하는 일은 안전이 확인되기 전까지 맡기지 마세요. 기밀 자료나 승인하지 않은 계정에 접근하는 일도 자동 허용에서 빼야 해요. 무엇을 했는지 기록이 남는지, 중간에 멈출 수 있는지, 되돌릴 수 있는지를 확인해보세요. 자율성은 제품 기능만으로 정해지지 않아요. 권한·승인·중단·검증을 어떻게 설정하느냐도 함께 작용해요.

오늘은 한 계층만 보완해보세요

지난 2주 동안 AI에게 맡겼다가 직접 마무리한 일 다섯 개를 적어보세요. 각 일을 두뇌·몸통·손 중 하나로 표시하고, 가장 많이 나온 한 계층만 먼저 보완해보세요. 한꺼번에 모든 것을 바꾸면 무엇이 실제로 좋아졌는지 확인하기 어려워요.

마지막 질문은 하나면 충분해요. 내가 원하는 것이 더 나은 판단인지, 끊기지 않는 지속인지, 직접 하는 행동인지 골라보세요. 셋 중 하나로 답할 수 있으면 다음에 무엇을 볼지도 정해져요.

상시 운영 환경은 ④가 ‘예’인 분만 보세요

④ 예약·반복·실패 복구가 필요하고, 그 환경을 직접 마련하려는 분에게만 해당해요. 상시로 무언가를 돌리려면 꺼지지 않는 실행 환경이 필요해요. 장비가 AI의 답을 더 똑똑하게 만들지는 않아요. 끊기지 않게 도와줄 뿐이에요.

해당되는 분은 AI 에이전트 실행 환경 구매가이드에서 역할과 조건을 먼저 비교해보세요. 연결된 구매가이드에는 쿠팡 파트너스 링크가 포함돼 있어요. 이 링크로 구매하시면 일정액의 수수료를 받을 수 있어요. 가격·재고·배송·판매자와 정확한 구성은 상품 페이지에서 다시 확인해 주세요.

참고한 자료와 작성 기준

• Computerworld, “Cloudflare wants to provide the operating system for the AI-first enterprise”, 2026-08-07: https://www.computerworld.com/article/4206390/cloudflare-wants-to-provide-the-operating-system-for-the-ai-first-enterprise-2.html
• SiliconANGLE, “Menlo Security targets real-time AI agent security with MARS platform”, 2026-08-07: https://siliconangle.com/2026/08/07/prompt-injection-technology-blackhat/
• The Hacker News, “Atlassian Rovo Can Be Tricked Into Sending Jira and Confluence Data to Attackers”, 2026-08-08: https://thehackernews.com/2026/08/atlassian-rovo-can-be-tricked-into.html
• 두뇌·몸통·손 분류와 실행 완료·전달 확인의 구분은 ABNL의 2026-08-10 운영 기록을 바탕으로 정리한 편집 모델이에요. 업계 표준 분류나 특정 제품의 우열을 뜻하지 않아요.

오전에는 척척 맞추던 AI가 오후부터 아까 고친 내용을 또 틀려요. 이미 폐기한 방침을 다시 꺼내고, 블로그 글을 쓰던 말투가 어느새 딱딱한 보고서로 바뀌기도 해요.

이럴 때 우리는 먼저 프롬프트를 의심해요. 하지만 원인이 하나는 아니에요. 프롬프트가 모호했을 수도 있고, 모델 업데이트나 일시적인 서비스 상태가 영향을 줬을 수도 있어요. 대화 안에 오래된 지시와 새 지시가 함께 쌓인 상태도 점검할 후보예요.

그래서 이 글은 “긴 대화는 나쁘다”라고 단정하지 않아요. 대신 지금의 대화를 한 번 더 고칠지, 핵심 맥락만 챙겨 새 대화로 옮길지 판단할 수 있는 관찰 기준을 정리해볼게요.

핵심은 답이 마음에 드는지가 아니라, 내가 한 정정이 이 대화에 제대로 붙어 있는지를 보는 거예요.

대화가 길다고 무조건 문제가 되진 않아요

언어모델이 한 번에 다룰 수 있는 대화 입력과 출력의 범위, 즉 컨텍스트 윈도우는 유한해요. Anthropic 문서도 한계에 가까운 대화를 위한 압축·컨텍스트 편집 전략과 세션 간 복구를 위한 상태 기록 방식을 설명해요.[1]

긴 입력을 언제나 안정적으로 활용하는 것은 아니라는 연구도 있어요. Lost in the Middle 연구에서는 테스트된 모델의 성능이 관련 정보가 긴 입력의 어디에 놓였는지에 따라 달라질 수 있었어요.[2] 다만 이는 가능한 긴 맥락 활용 한계를 보여주는 근거이지, 모든 최신 모델과 모든 긴 대화가 반드시 나빠진다는 뜻은 아니에요.

특정 서비스의 현재 컨텍스트 용량, 자동 압축 시점, 요금제별 차이는 제품마다 바뀔 수 있어 여기서 하나의 숫자로 묶지 않을게요. 개별 사례의 실제 원인이 프롬프트인지, 모델이나 서비스 상태인지, 대화 상태인지도 확인이 필요해요.

그래서 토큰 수나 메시지 개수보다 내가 직접 확인할 수 있는 증상으로 판단하는 편이 실용적이에요.

신호 1. 확정한 결정이 정정 후에도 다시 무시돼요

예를 들어 “이 글은 초보자를 대상으로 하고, 전문용어는 풀어서 써줘”라고 확정했는데 답변이 다시 전문가용 보고서처럼 바뀌는 경우예요.

한 번의 누락은 단순 오류일 수 있어요. 중요한 것은 그 결정을 다시 알려준 뒤에도 같은 제약이 재차 빠지는지예요. 정정이 현재 작업 상태에 제대로 반영되는지 확인하는 기준으로 쓸 수 있어요.

창작 예시 사용자: “독자는 AI 초보자야. 이 조건은 유지해줘.” 다음 답변: 설명 없이 전문 용어와 내부 약어를 다시 사용함.

지금 할 일은 간단해요. 먼저 핵심 제약을 한 문장으로 다시 적고, 다음 답에서 반영됐는지 확인하세요.

신호 2. 끝낸 옛 지시가 다시 등장해요

초기에는 카드뉴스형으로 만들기로 했다가, 중간에 생활 장면 중심의 편집 화보로 방향을 바꿨다고 해볼게요. 그런데 다음 결과에서 폐기한 카드뉴스 구조가 다시 나타나요.

이때 “과거 맥락이 원인”이라고 바로 단정하면 안 돼요. 오래된 지시가 영향을 줬을 수도 있어요. 모델이 비슷한 오류를 새로 만들었을 가능성도 있고요. 한 번 되물어 구분하는 과정이 필요해요.

창작 예시 사용자: “아래쪽 설명 패널은 폐기했어. 실제 장면 중심으로 가자.” 다음 결과: 고정된 하단 설명 패널을 다시 제안함.

폐기한 방침을 사용하지 말 것 목록으로 짧게 다시 적어보세요. 그래도 같은 형태가 돌아온다면 새 대화를 검토할 근거가 돼요.

신호 3. 목표나 대상 독자가 다른 방향으로 흘러요

처음에는 “직장인이 바로 써먹는 실용 블로그”를 만들고 있었는데, 대화가 길어지며 어느새 개발자용 기술 문서나 광고 문구로 바뀌는 경우예요.

문장 하나가 어색한 정도와는 달라요. 글의 목적, 독자, 행동 유도가 함께 다른 방향으로 움직이는지가 핵심이에요.

창작 예시 확정 목표: “AI 초보자가 오늘 바로 적용할 체크리스트.” 현재 결과: “전문 개발팀이 시스템을 구축하는 아키텍처 가이드.”

이때는 현재 답을 다듬기 전에 목표 / 독자 / 결과물 형태 세 줄부터 다시 대조하세요.

신호 4. 맥락 수리비가 대화 이사비보다 커질 때

실용적인 마지막 기준은 시간이에요. 오래된 지시를 지우고, 새 결정을 다시 설명하고, 빠진 근거를 복구하는 데 드는 노력이 아래의 6항목 인계문(목표·결정·근거·제약·미완료·다음 행동을 각각 한 줄로 적는 메모)을 새로 쓰는 노력보다 커졌다면 옮길 시점일 수 있어요.

여기서 수리비와 이사비는 실제 비용이 아니라 작업 부담을 비교하는 비유예요. 새 대화를 열면 모든 문제가 해결된다는 뜻도 아니에요. 다만 계속된 복구가 작업 자체보다 커졌다면 더 가벼운 상태에서 다시 시작할 선택지가 생겨요.

판정 규칙: 정정 후에도 재발하면 이동을 검토하세요

아래 기준은 검증된 보편 임계치가 아니라, 멀쩡한 대화를 너무 빨리 버리지 않기 위한 운영 경험칙이에요.

• 한 번의 오류라면 먼저 짧게 재지시해요.
• 정정한 뒤에도 같은 문제가 재발하면 새 대화를 검토해요.
• 서로 다른 신호가 함께 나타나면 이동 쪽에 무게를 둬요.

이 규칙의 기준점은 횟수가 아니라 내가 명시적으로 정정했는가예요. 답이 마음에 들지 않는다는 느낌만으로 대화를 버리는 것을 줄이면서, 정정이 실제로 반영되는지 확인할 수 있어요.

물론 이 기준은 보수적이에요. 새 대화를 조금 늦게 열 수도 있어요. 대신 일관되게 잘 작동하는 대화를 습관적으로 초기화하는 낭비를 줄여요. 이 네 신호가 유일한 정답도 아니에요.

그대로 유지하는 편이 나은 경우도 있어요

과제가 아직 일관되고, 필요한 자료가 현재 대화 안에 살아 있으며, 큰 지시 충돌이 없다면 굳이 옮길 필요가 없어요. 한 번의 실수는 짧게 바로잡고 이어가는 편이 더 빠를 수 있어요.

새 대화도 만능 해결책은 아니에요. 모델 업데이트, 일시적인 서비스 상태, 내 지시의 모호성처럼 다른 원인이 남아 있을 수 있어요. 새 대화에서 같은 문제가 바로 반복된다면 대화 상태 외의 원인을 다시 확인해야 해요.

새 대화에는 이 6항목만 챙겨가세요

새 대화를 못 여는 진짜 장벽은 “지금까지 쌓은 맥락을 잃지 않을까?”라는 불안일 수 있어요. 모든 대화를 복사하는 대신, 아래 여섯 항목을 한 줄씩 정리해보세요.

1. 지금의 목표:
2. 확정된 결정:
3. 필수 근거·사실:
4. 제약 및 바꾸면 안 되는 것:
5. 미완 작업:
6. 정확한 다음 행동:

새 대화 첫 메시지에 이 내용을 붙이고 “6번부터 시작해줘”라고 말하면 돼요. 특히 4번은 비우지 않는 편이 좋아요. 새 대화에서 빠지면 결과가 크게 달라질 수 있는 조건을 적는 자리거든요.

작성 예시

1. 지금의 목표: 다음 주 팀 회의용 신제품 제안서 초안을 완성한다.
2. 확정된 결정: 대상 독자는 비개발 부서 팀장, 분량은 A4 2장, 말투는 보고서체로 간다.
3. 필수 근거·사실: 사내 3분기 판매 데이터와 경쟁사 공개 가격표만 근거로 쓴다.
4. 제약 및 바꾸면 안 되는 것: 확인 못 한 수치는 쓰지 않는다. 가격은 단정하지 말고 확인 필요로 남긴다.
5. 미완 작업: 결론 문단, 예상 질문 대비표.
6. 정확한 다음 행동: 결론 문단부터 세 문장으로 써줘.

프로젝트와 메모리는 이렇게 구분하세요

ChatGPT 프로젝트를 사용하는 환경이라면 관련 대화, 파일, 프로젝트 지시를 한곳에 두고 그 안에서 여러 대화를 운영할 수 있어요.[3] 이 경우 프로젝트를 버리는 것이 아니라 프로젝트 안의 작업 창만 새로 여는 방식으로 생각할 수 있어요.

모든 AI 서비스가 같은 프로젝트 구조를 제공하는 건 아니에요. 프로젝트 기능이 없는 환경이라면 위의 6항목 인계문이 그 역할을 대신해요.

메모리도 모든 세부사항이 보장되는 백업으로 보기는 어려워요. OpenAI의 Memory FAQ는 메모리가 유용한 맥락을 유지할 수 있지만 그 요약이 모든 내용을 포함하지는 않는다고 설명해요.[4] 중요한 결정과 제약은 메모리에만 맡기지 말고 인계문에 직접 적는 편이 안전해요.

대화를 버리는 게 아니라 작업 창을 갈아 끼우는 거예요

AI가 갑자기 이상해졌다고 느껴질 때 모델부터 단정하지 마세요. 먼저 네 가지를 확인해보세요.

1. 정정한 결정이 다시 무시되는가?
2. 폐기한 옛 지시가 다시 등장하는가?
3. 목표나 독자가 다른 방향으로 흐르는가?
4. 맥락을 고치는 일이 6항목을 옮기는 일보다 커졌는가?

한 번의 오류는 짧게 바로잡고, 정정 후에도 같은 문제가 재발하면 이동을 검토해요. 프로젝트 기능이 지원되는 환경이라면 프로젝트는 그대로 두고 작업 대화만 새로 열고, 그렇지 않다면 6항목 인계문으로 이어가세요.

지금 열려 있는 무거운 대화에 이 네 신호를 한번 대입해보세요. 새 대화를 연다면 4번, 바꾸면 안 되는 것부터 적어보면 돼요.

출처

1. Anthropic, Context windows, 2026-08-04 KST 확인: https://docs.anthropic.com/en/docs/build-with-claude/context-windows
2. Liu et al., Lost in the Middle: How Language Models Use Long Contexts, TACL 2023 / arXiv v3 2023-11-20, 2026-08-04 KST 확인: https://arxiv.org/abs/2307.03172
3. OpenAI Help Center, Using projects in ChatGPT, 2026-08-04 KST 확인: https://help.openai.com/en/articles/10169521-using-projects-in-chatgpt
4. OpenAI Help Center, Memory FAQ, 2026-08-04 KST 확인: https://help.openai.com/en/articles/8590148-memory-in-chatgpt-remembering-what-you-chat-about

회의록을 정리하다가 문득 이상할 때가 있어요. 이건 원래 누구 일이었을까요?

계약서 문구를 다듬고, 슬라이드 색을 고르고, 채용 공고를 쓰고, 간단한 데이터를 정리해요. 어느 것도 내 직무기술서의 중심은 아니었지만, AI를 켜면 일단 직접 해볼 수 있게 됐어요.

OpenAI가 2026년 7월 27일 공개한 분석은 이 낯선 감각에 숫자를 붙였어요. 미국 ChatGPT 사용자의 업무 관련 메시지 80만 건 이상을 분석했더니, 직업 특정 메시지의 43.5%가 다른 직업과 연관된 업무를 다루고 있었어요.

먼저 정확히 짚을 부분이 있어요. 이 43.5%는 내 업무시간의 비율도, 자동화율도, 사라질 일자리의 비율도 아니에요. 미국 사용자가 ChatGPT에 보낸 메시지를 분류한 관찰값이에요.

43.5%보다 먼저 봐야 할 숫자, 16.8%

같은 공식 자료에는 16.8%도 나와요. 두 숫자는 분모가 달라요.

• 업무 관련 메시지 전체 기준: 16.8%
• 글쓰기·요약·일정관리처럼 여러 직업에 공통적인 일을 제외한 직업 특정 메시지 기준: 43.5%

즉, 큰 숫자 하나만 떼어 내 일의 절반이 다른 사람의 일이었다고 말하면 과장이 돼요. 정확한 뜻은 직업의 고유한 업무와 관련된 ChatGPT 메시지 가운데 상당수가 사용자의 직업 밖 업무와 연결돼 있었다는 거예요.

어떤 직군에서 경계가 더 많이 열렸을까

일반적인 업무를 제외한 직업 특정 메시지에서, 다른 직업과 연관된 업무 비율은 다음과 같았어요.

• 고객경험: 77%
• 디자이너: 75%
• 인사: 69%
• 법무: 56%
• 마케팅: 53%

이건 위험 순위도, 해고 가능성도 아니에요. 해당 직군의 ChatGPT 사용 메시지에서 다른 직업의 업무와 닿아 있는 비율이에요. 한국의 같은 직군에서도 같은 순서와 비율이 나오는지는 확인이 더 필요해요.

이건 역량 확장일까, 업무 전가일까

같은 숫자도 조직 안에서는 전혀 다르게 보일 수 있어요.

1. 역량 확장

예전에는 다른 부서에 요청해야 했던 초안이나 기초 분석을 직접 시작할 수 있어요. 작은 조직이나 혼자 일하는 사람에게는 특히 유용할 수 있어요.

2. 업무 전가

반대로 전문가에게 맡기던 일이 조용히 내 책상으로 넘어온 것일 수도 있어요. 업무를 할 수 있게 된 것과 업무 총량이 적절하다는 것은 다른 문제예요. AI가 초안을 빠르게 만든다고 해서 검토와 수정 시간이 사라지는 것도 아니에요.

3. 품질과 책임의 공백

가장 중요한 질문은 누가 최종 판단하는가예요. 계약 문구, 민감한 인사 표현, 재무 해석처럼 결과가 틀렸을 때 영향이 큰 일은 초안을 만들 수 있다는 이유만으로 책임까지 넘어오면 안 돼요.

원자료는 역량 확장, 업무 전가, 품질 리스크 중 하나가 정답이라고 결론 내리지 않아요. 그래서 내 조직의 실제 상황을 따로 봐야 해요.

이 데이터가 증명하지 않는 것

이 연구만으로는 아래 내용을 말할 수 없어요.

• 한국에서도 같은 비율이 나온다.
• 실제 업무시간의 43.5%가 다른 직업의 일이다.
• AI가 일자리를 줄였다.
• 생산성이 43.5% 높아졌다.
• AI에 물어본 업무를 실제로 수행했고, 결과도 전문가 수준이었다.
• AI 때문에 직무 경계가 바뀌었다는 인과관계가 확정됐다.

또한 OpenAI가 자사 제품의 사용 데이터를 분석해 발표한 연구예요. 자사 연구라는 이유만으로 결과가 틀렸다는 뜻은 아니지만, 독립적으로 재현된 노동시장 통계와는 구분해서 봐야 해요.

다음 주에 한 가지만 기록해보세요

일주일 동안 원래 내 일이 아니었지만 AI로 직접 시도한 업무를 세 개만 적어보세요.

빈칸이 많다면 문제는 AI를 썼다는 사실보다 책임의 합의가 없다는 것일 수 있어요. 그중 하나만 팀에서 공식 업무로 인정할지, 전문가에게 되돌릴지 정해보세요.

일의 선이 흐려질수록 책임은 더 선명해야 해요

일자리가 사라지는지는 이 데이터만으로 알 수 없어요. 다만 80만 건이 넘는 대화에는 사람들이 기존 직무 밖의 일을 AI로 시도하고 있다는 흔적이 남아 있어요.

직업의 경계가 흐려질 때 가장 먼저 놓치기 쉬운 건 직업명이 아니라, 누가 검토하고 누가 책임지는가에 대한 합의예요.

AI 이후 새로 직접 하게 된 일 하나를 떠올려보세요. 그 결과가 틀렸을 때, 누가 알아채고 누가 최종 결정을 내리나요?

출처와 범위

• OpenAI, How AI is expanding what people do at work, 2026-07-27
• https://openai.com/index/how-ai-is-expanding-what-people-do-at-work/
• https://cdn.openai.com/pdf/work-at-the-frontier-report.pdf
• 미국 ChatGPT 사용자 메시지 80만 건 이상 기반
• OpenAI 자체 연구·메시지 기반 분류이며 한국 동일 적용과 고용·생산성 인과는 확인 필요