이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
ChatGPT Work는 Codex 하네스 기반의 지식 노동 에이전트로, 클라우드 마이크로VM과 호스팅된 Chrome 브라우저, Plugin Directory를 결합해 사용자가 쓰는 서비스에서 문맥을 모아 완성된 산출물을 생성한다. 각 태스크는 /workspace/scratch에 로컬 작업 상태를 유지하지만 대화·파일·기억의 연속성은 Library와 Personal Context 같은 제품 레이어를 통해 통제된다. 프로액티브한 작업 제안, 스케줄러 기반 자동화, 브라우저를 통한 엔드투엔드 작업 수행이 가능하지만 플러그인 발견 및 클라우드 브라우저 제약 같은 제품적 긴장은 남아 있다.
섹션별 상세
Work는 지식 노동용 에이전트로 설계되어 사용자가 이미 쓰는 도구들(Slack, 이메일, Drive, 캘린더, CRM 등)에 연결해 문맥을 모아 완성된 산출물을 만든다. 내부적으로는 Codex 하네스와 같은 모델·서브에이전트·브라우저 사용 능력을 물려받아 장시간 작업을 수행할 수 있으며, 결과물을 문서·스프레드시트·프레젠테이션·호스팅 사이트 형태로 렌더링해 URL로 공유할 수 있다. 클라우드 모드와 로컬 모드를 제공해 클라우드 마이크로VM에서 실행하거나 사용자의 로컬 컴퓨터에서 직접 파일과 앱을 조작하는 옵션을 선택할 수 있다.
근거
- Work의 클라우드 마이크로VM은 프로 계정에 8 CPU, 20GB RAM, 64GB 디스크를 제공하고 Plus는 14GB RAM을 제공한다. — 본문 'Lives in a cloud computer' 단락의 자원 할당 서술
- 출시 직후 Work와 Codex는 각 1,000만 명을 넘는 사용자를 기록했다는 보고가 있었다. — 도입부의 사용자 및 트래픽 관련 문단
영속성은 각 태스크의 로컬 작업 디렉토리(/workspace/scratch)에 상태를 저장하는 방식과 제품 레이어(예: Library, Personal Context)로 나뉘어 구현된다. 에이전트는 스레드 내에서는 자유롭게 폴더를 만들고 의존성을 설치하며 코드를 실행해 산출물을 생성하지만 다른 스레드의 상태를 자동으로 통합하지는 않으며, 이전 태스크의 문맥이 필요하면 Personal Context 도구를 호출해 관련 발췌를 받아온다. 이 설계로 워크스페이스는 태스크 단위로 일관된 로컬 상태를 유지하면서도 중앙 제품 계층을 통해 공유·버전 관리·동기화를 통제할 수 있게 된다.
Work는 사용자를 대신해 작업을 예측해 제안하는 초기형 프로액티비티를 제공한다. 예컨대 캘린더의 미팅을 감지하고 이메일·기억(profile)을 교차 참조해 회의 요약을 만들도록 미리 프롬프트를 생성하며, 사용자가 실행하면 에이전트가 비동기적으로 문맥을 수집해 회의 브리프를 산출한다. 현재는 제안 후 사용자가 실행해야 작업이 완료되며, 향후에는 사용자가 관여하지 않아도 예측된 작업을 직접 수행하도록 자동화되는 방향으로 진화할 가능성이 높다.
스케줄링은 기존 ChatGPT의 Scheduled Tasks 개념을 확장해 에이전트가 정해진 시점이나 조건에 따라 자동으로 태스크를 실행하도록 만든다. 독립형 스케줄 작업은 저장된 프롬프트에서 새 태스크를 열어 결과를 만드는 반면, 대화 내부에 심긴 스케줄(heartbeat)은 해당 스레드의 문맥을 유지한 채 주기적으로 깨어나서 모니터링·리뷰·폴링 작업을 이어간다. 사용자 인터페이스로는 Scheduled 페이지가 있어 다음 실행 시각과 최근 결과를 한눈에 보고 편집·일시정지·삭제 같은 관리를 할 수 있다.
브라우저 사용은 별도 호스팅된 Chrome 서비스에 대한 툴 호출로 구현되며, 에이전트는 페이지 검사·클릭·입력·스크롤·스크린샷·탭 관리·파일 이동을 수행할 수 있다. 브라우저는 재생 가능한 타임라인을 기록해 에이전트의 행동을 되짚을 수 있게 하고, 사용자가 실시간으로 브라우저를 인수해 비밀번호를 입력한 뒤 다시 넘겨줄 수 있는 협업 흐름을 제공한다. 다만 클라우드 브라우저는 데이터센터 제약으로 사이트 차단·타임아웃·CAPTCHA 대응 제약이 있어, 일부 작업은 로컬 모드에서만 성공한다는 제한이 존재한다.
플러그인은 앱 연결(도구 노출), 스킬(워크플로우 템플릿과 참조 자료), 앱 템플릿이라는 세 요소로 구성되어 에이전트의 외부 상호작용을 확장한다. Plugin Directory에는 1,000개 이상의 플러그인이 등재되어 있으나 관련 플러그인을 자동으로 권장하거나 제안하는 발견 경험은 약하며, 예시로 항공·숙소 검색을 요청했을 때 설치된 여행 플러그인 대신 웹 검색을 선택하는 일이 관찰되었다. 이 발견 문제는 사용자 편의·개발자 가치·플랫폼 수익성 측면에서 중요한 개선 포인트로 작용한다.
근거
- Plugin Directory에 이미 1,000개가 넘는 플러그인이 등록되어 있으나 제품의 플러그인 발견 경험은 미흡하다. — 플러그인 섹션의 디렉토리 크기와 플러그인 추천 실패 사례 언급
이미지 분석
Screenshot
이미지는 Work의 데스크톱 UI를 보여주며 모델 선택과 프롬프트 입력 흐름, 플러그인·프로젝트 아이콘을 시각적으로 확인할 수 있습니다. 화면 하단의 컨트롤과 재생 가능한 인터페이스는 에이전트가 외부 도구와 상호작용하는 방식과 사용자 제어 지점을 파악하는 데 도움이 됩니다. 스크린샷은 본문에서 논의된 UI 차별화와 모델 구성 관련 기술적 디테일을 시각 근거로 보완합니다.
Work UI 스크린샷으로, 상단에 Work 모드 선택과 중앙의 입력 창, 우측에 모델 선택 '5.6 Sol Ultra'가 보입니다.
용어 해설
- 마이크로VM(MicroVM)
- — Work가 실행되는 격리된 클라우드 컴퓨터의 단위로, 프로 계정에 할당되는 CPU·메모리·디스크 자원을 포함하며 작업별로 워크스페이스를 마운트해 복원하는 방식으로 동작한다.
- 스레드 작업 디렉토리(/workspace/scratch)
- — 각 Work 태스크가 사용하는 임시 작업 디렉토리로 파일 생성, 의존성 설치, 코드 실행이 가능하며 태스크 재개 시 동일한 로컬 상태를 불러와 작업을 이어갈 수 있게 한다.
- ChatGPT 라이브러리(Library)
- — 사용자가 업로드한 파일과 에이전트가 보관하도록 판단한 산출물을 저장하는 중앙 저장소로, 작업별 로컬 복사본과 canonical 파일이 분리되어 관리되는 제품 계층이다.
- 퍼스널 컨텍스트 도구(Personal Context)
- — 과거 대화와 관련 문서를 조회해 압축된 발췌를 반환하는 전용 도구로, 에이전트가 다른 스레드의 대화 기록을 직접 탐색하지 않고 필요한 문맥을 요청할 때 사용된다.
- MCP 서버(MCP server)
- — 플러그인이 외부 서비스의 도구 호출을 노출할 때 쓰는 백엔드로, 검색·전송 같은 명시적 툴 인터페이스를 에이전트에 제공해 서비스 연동을 가능하게 한다.
기술
- ChatGPT 플랫폼과 그 제품 primitives인 Conversations, Memory, Library, Personal Context를 전제로 합니다. Work는 이들 제품 계층을 통해 문맥을 동기화하고 권한·공유·요약을 통제하는 방식으로 운영됩니다. 따라서 ChatGPT 제품 아키텍처에 대한 이해가 기술 해석에 필수적입니다.
- Codex 하네스와 Codex 데스크톱 앱은 Work의 실행 방식과 권한 모델에 직접적인 영향을 줍니다. Codex가 제공해온 장시간 연산·서브에이전트·브라우저 제어 역량을 Work가 계승하면서도 UI를 단순화한 점이 핵심 설계 선택입니다. 이 때문에 Codex의 실행 모델과 Work의 제품 계층 통합 차이를 비교할 필요가 있습니다.
- 호스팅된 Chrome 브라우저 서비스는 페이지 조작·스크린샷·탭 관리 등 원격 UI 자동화를 가능하게 합니다. 브라우저 인스턴스는 프로파일을 유지해 새 태스크가 이전 로그인·설정을 물려받도록 하지만 에이전트는 자격증명을 직접 보지 못하게 설계되어 보안 경계가 유지됩니다. 이 구성은 웹 작업 자동화의 능력과 한계를 동시에 결정합니다.
- 플러그인 아키텍처와 MCP 서버는 서비스별 툴을 에이전트에 노출하는 표준 경로입니다. 플러그인은 앱, 스킬, 앱 템플릿을 조합해 복잡한 도메인별 워크플로우를 캡슐화하며 디렉토리 등록을 통해 배포됩니다. 이 기술들은 Work가 외부 서비스를 안전하고 모듈식으로 제어할 수 있게 합니다.
- 제품 차원의 스케줄러와 자동화 엔진은 Scheduled Tasks와 heartbeat를 통해 반복·조건 기반 실행을 구현합니다. 이 모듈은 저장된 프롬프트를 주기적으로 실행하거나 대화 문맥을 유지한 채 태스크를 재개하는 두 가지 작동 모드를 지원합니다. 스케줄러는 결과 기록과 관리 UI를 통해 운영 가시성을 제공합니다.
활용 사례
- 회의 준비용 브리프 자동 작성은 Work의 대표적 활용 사례입니다. 캘린더 이벤트를 감지하고 이메일·프로필을 교차 참조해 미리 요약을 생성한 뒤 사용자가 확인하면 완성된 브리프를 제공하는 플로우가 가능했습니다. 이 기능은 반복 회의 준비 시간을 줄이고 핵심 포인트를 빠르게 정리하는 데 유용합니다.
- 데이터 분석 결과를 포함한 문서·차트·프레젠테이션 생성 작업도 Work의 대상입니다. 에이전트가 로컬 작업 디렉토리에서 데이터를 처리하고 차트와 슬라이드를 만들며 결과를 인터랙티브 뷰어로 렌더링해 공유 URL을 생성할 수 있습니다. 팀 간 협업이나 보고서 작성 워크플로우를 자동화하는 데 적절합니다.
- 웹 기반 자동화와 통합을 통한 예약·검색·폼 작성 같은 엔드투엔드 작업 수행 사례가 있습니다. 브라우저 툴을 통해 로그인·폼 입력·파일 전송을 수행하므로 단순 웹 검색으로는 해결하기 어려운 예약·조달 업무를 완수할 수 있습니다. 다만 클라우드 브라우저의 제약으로 일부 사이트는 로컬 모드에서만 성공하는 점을 고려해야 합니다.
- 정기 모니터링·리포트 자동화에는 Scheduled Tasks와 heartbeat가 쓰입니다. 주기적 데이터 수집, 서비스 상태 점검, 기간별 요약 보고서 생성처럼 사람의 개입을 줄이는 반복 업무에 적합하며, 결과는 Scheduled 페이지에서 관리·감사할 수 있습니다. 이로써 지속적 관찰이 필요한 운영 업무의 부담을 낮출 수 있습니다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 05.수집 2026. 08. 05.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.
