이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
Latent Space는 OpenAI 내부에서 코드 생성 보조 도구인 Codex의 출력 토큰 사용량이 2025년 11월을 기점으로 급격히 증가했다고 보도했다. 2025년 8월까지 평균 직원의 Codex 사용 비중은 10% 미만이었으나 최근 6개월 사이 요청·출력 누적이 늘면서 전체 출력 토큰이 빠르게 상승했다. 부서별로 차등화된 증가가 관찰되어 Research 부서가 가장 큰 폭으로 상승했고 Customer Support, Engineering, Legal 순으로 중앙값 사용량이 늘어났다(본문 수치: Research 약 56x, Customer Support 32x, Engineering 27x, Legal 13x). 첨부된 시계열 차트는 이들 수치를 시각적으로 뒷받침하며 개발자·비개발자 사용자군의 활성화 경로도 함께 제시한다. 이 변화는 내부 무제한 접근이 있었음에도 초기에는 사용이 저조했고, 실제 업무 통합이 시작된 이후에 사용량이 폭발적으로 늘어날 수 있음을 보여준다. 결과적으로 조직은 토큰 기반 비용·거버넌스 정책을 부서별 사용 패턴에 맞춰 설계할 필요가 있으며, 급격한 사용량 증가는 생산성 신호와 비용·운영 리스크를 동시에 발생시킬 수 있다.
섹션별 상세
2025년 8월까지 OpenAI 내부 평균 근로자는 Codex에 쓰는 토큰이 전체의 10% 미만에 불과했으나 이후 6개월간 요청 패턴 변화로 출력 토큰 사용량이 빠르게 늘었다. 직원들이 Codex에 더 많은 프롬프트를 보내고 그에 따른 출력이 누적되면서 플랫폼별 집계에서 출력 토큰 수가 증가했다. 문서의 초기 수치와 시계열 그래프가 이 전후 변화를 보여주며, 이는 내부 도구의 채택이 급속히 확산되었음을 의미한다. 이 변화는 내부 무제한 접근 상황에서도 사용률이 갑작스럽게 상승할 수 있음을 시사한다.
근거
- Through August 2025, the average OpenAI worker spent less than 10% of their tokens on Codex. — 본문 첫 문단: 'Through August 2025, the average OpenAI worker spent less than 10% of their tokens on Codex.'
- Latent Space(섹션 AINews)는 12개 서브레딧과 544개의 트위터 계정을 확인했으며 AINews가 Latent Space의 섹션이 되었다고 보고했다. — 본문 말미: AINews 검증 범위와 편집 통합 관련 문장
부서별로 증가폭이 크게 차이났는데 Research 부서가 가장 큰 폭으로 증가했고 그 외 Customer Support, Engineering, Legal 순으로 상승했다. 원문에 따르면 2026년 6월 기준 Research는 2025년 11월 대비 약 56배, Customer Support는 32배, Engineering은 27배, Legal은 13배의 중앙값 증가가 관측됐다. 제공된 차트는 부서별 누적 출력 토큰 변화를 시계열로 제시하여 각 부서의 채택 속도와 규모를 수치로 뒷받침한다. 이런 분포는 조직 내 작업 유형에 따라 자동화·생성 도구의 활용도가 크게 달라진다는 운영적 함의를 제공한다.
근거
- By June 2026 median Codex output token use rose ~56x in Research, 32x in Customer Support, 27x in Engineering, and 13x in Legal compared to November 2025. — 본문 중간의 수치 열거 및 첨부된 시계열 차트('Change in combined output tokens by department since November 2025').
용어 해설
- 출력 토큰(Output token)
- — 모델이 생성하는 텍스트의 기본 단위로, 요청(프롬프트)에 대해 모델이 반환하는 모든 토큰 수를 합한 값이다. 요청 길이와 응답 길이에 따라 비용·사용량 지표로 직결되며, 조직 내 도구 채택·비용 추적에 핵심 지표로 활용된다.
- 토큰 경제학(Token economics)
- — API 기반 모델의 사용량·비용 구조를 분석하는 관점으로, 토큰 단위 비용과 출력 토큰 증가가 예산·행동 양식에 미치는 영향을 평가한다. 내부 무제한 접근이나 채택 변화가 비용과 생산성에 어떤 영향을 주는지 분석할 때 중요하다.
- 토큰맥싱(Tokenmaxxing)
- — 짧은 기간에 출력 토큰 사용을 극대화하는 관행이나 우려를 가리키는 비공식 용어로, 대량의 자동화·생성 작업이 비용·윤리·운영 리스크를 유발할 수 있다는 논의와 연결된다. 내부 사용 통계는 이러한 논쟁의 근거 자료로 사용된다.
기술
- Codex
활용 사례
- 연구용 자동화(실험 노트·분석 보조)
- 고객지원 자동응답 및 스크립트 생성
- 엔지니어링의 코드·템플릿 생성 보조
- 법무 문서 초안 작성 보조
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 06. 26.수집 2026. 06. 26.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
