기업 AI가 보조에서 업무 실행으로 이동하는 방식

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

OpenAI가 공개한 두 연구는 기업 AI가 질문에 답하는 보조 도구에서 정보를 모으고 파일을 만들며 업무를 끝까지 수행하는 에이전트로 이동하고 있음을 보여줍니다. 6월 기준 Codex는 기업 고객의 Codex·ChatGPT 합산 출력 토큰 중 64%를 차지했고, 선도 기업의 활성 사용자당 출력 토큰은 일반 기업의 8.3배로 1월보다 격차가 커졌습니다. 선도 기업은 Plugins와 skills를 더 자주 사용하며 법무·영업·채용·마케팅으로 Codex 활용을 넓히고 있습니다. 연구는 모델 접근권만으로 충분하지 않으며 기업 데이터와 도구 연결, 권한 관리, 사람의 검토, 직원 학습과 공유 워크플로가 깊은 도입을 좌우한다고 봅니다.

빠른 이해

새로운 점

기업 AI 도입의 차이를 모델 접근권보다 에이전트 연결 수준과 조직 내 반복 가능한 워크플로 구축 속도로 측정합니다.

핵심 메커니즘

기업 사용자가 질문을 입력하는 데서 그치지 않고 Codex나 ChatGPT Work에 기업 데이터와 도구를 연결하면 에이전트가 여러 출처의 정보를 수집하고 파일과 초안을 생성한 뒤 사람의 검토로 넘깁니다. Plugins는 재사용 가능한 skills와 CRM 같은 업무 시스템을 하나의 워크플로로 묶어 입력된 조직 맥락을 처리 가능한 작업으로 변환합니다. OpenAI는 활성 사용자당 출력 토큰과 기능 사용률로 활용 깊이를 비교했으며, 선도 기업의 출력량이 일반 기업보다 8.3배 높고 Plugins 사용률도 21% 대 9%로 나타났습니다.

핵심 수치

Codex 기업 출력 토큰 비중: 64%- 6월 기준 Codex와 ChatGPT의 합산 출력 토큰 중 Codex 비중
선도 기업과 일반 기업의 출력 토큰 격차: 8.3×; 1월 2.6×- 활성 사용자당 출력 토큰 기준, 선도 기업은 월별 상위 10%, 일반 기업은 45~55백분위
Plugins 주간 사용률: 선도 기업 21%; 일반 기업 9%; OpenAI 내부 95%- 주간 활성 사용자 기준
skills 주간 사용률: 선도 기업 19%; 일반 기업 3%- 주간 활성 사용자 기준
직무별 주간 활성 Codex 사용자 증가: 법무 108×; 영업 41×; 채용 41×; 마케팅 26×; 엔지니어링 5×- 2월 이후 증가 폭
초기 경력 직원의 주간 메시지 차이: 임원보다 13개 많음- AI 도입 6개월 후 수백만 건 대화의 행정 데이터 기준

섹션별 상세

기업 AI가 실행 업무로 이동

기업의 AI 활용은 질문에 답하는 보조 단계에서 정보를 모으고 파일을 만들며 검토용 결과물을 완성하는 실행 단계로 이동하고 있습니다. ChatGPT Work와 Codex는 도구를 사용하고 파일을 생성해 사람이 처음부터 업무를 수행하는 대신 여러 단계를 맡길 수 있게 합니다. 6월 기준 기업 고객의 Codex 출력 토큰은 Codex와 ChatGPT를 합친 출력 토큰의 64%를 차지했습니다. 에이전틱 워크플로는 긴 다단계 작업을 수행하므로 이 수치는 Codex의 사용 빈도뿐 아니라 업무당 생성량까지 반영하며, 기업 AI 도입의 깊이가 커지고 있음을 나타냅니다.

근거

6월 기준 기업 고객의 Codex 출력 토큰은 Codex와 ChatGPT를 합친 출력 토큰의 64%를 차지했습니다. — 본문의 ‘Enterprise use is becoming more agentic’ 및 ‘Enterprises are shifting from asking to doing’ 단락

선도 기업과 일반 기업의 격차

OpenAI는 매월 활성 사용자당 출력 토큰으로 기업 고객을 순위화하고 상위 10%를 선도 기업, 45~55백분위 기업을 일반 기업으로 구분했습니다. 6월 선도 기업의 활성 사용자당 출력 토큰은 일반 기업의 8.3배로, 1월의 2.6배에서 격차가 세 배 커졌습니다. 이 차이는 산업과 기업 규모를 가리지 않고 나타나 기술 기업만 AI를 집중 활용한다는 해석과 거리가 있습니다. 미국 상장사를 비교한 연구에서는 AI 도입 기업이 비도입 기업보다 자산과 직원 수가 많고 R&D 투자도 높았지만, 보고서는 접근 권한만으로 확산이 보장되지는 않으며 직원 학습·공유 워크플로·데이터 인프라·거버넌스가 함께 필요하다고 봅니다.

근거

6월 선도 기업의 활성 사용자당 출력 토큰은 일반 기업의 8.3배로, 1월의 2.6배에서 격차가 커졌습니다. — 본문의 ‘The frontier gap is widening’ 단락과 선도 기업 정의

Plugins와 skills를 통한 업무 연결

에이전트가 실제 업무를 처리하려면 기업 맥락과 도구에 접근해야 하며, Plugins는 재사용 지침인 skills와 기업 데이터·앱·행동을 묶어 특정 워크플로를 수행하게 합니다. 영업 Plugin은 팀의 playbook과 CRM을 연결해 현재 고객 정보와 과거 제안서를 바탕으로 맞춤형 응답을 작성한 뒤 사람의 검토로 넘길 수 있습니다. 주간 활성 사용자 기준 Plugins 사용률은 선도 기업 21%, 일반 기업 9%였고 skills 사용률은 각각 19%와 3%였습니다. OpenAI 내부에서는 주간 활성 사용자의 95%가 Plugins를 사용해, 외부 선도 기업의 활용률도 아직 확장 여지가 있음을 나타냅니다.

근거

주간 활성 사용자 기준 Plugins 사용률은 선도 기업 21%, 일반 기업 9%였고 skills 사용률은 각각 19%와 3%였습니다. — 본문의 ‘Advanced capabilities like Plugins and skills are more common at frontier firms’ 단락

지식 노동 전반으로 확산되는 Codex

에이전틱 AI는 초기에는 소프트웨어 엔지니어링에서 빠르게 자리 잡았지만 이제 법무·영업·채용·마케팅으로 확산되고 있습니다. 2월 이후 주간 활성 기업 Codex 사용자는 법무에서 108배, 영업과 채용에서 각각 41배, 마케팅에서 26배 늘었고 엔지니어링에서는 5배 증가했습니다. Virgin Atlantic에서는 엔지니어링 팀이 레거시 코드 리팩터링을 2주에서 30분으로 줄였으며, 제품 팀은 수주가 걸리던 경쟁 조사를 몇 시간 안에 끝내 5년 디지털 전략 수립에 활용했습니다. Enterprise Signals는 1,000만 건이 넘는 메시지 표본을 바탕으로 산업과 직무별 확산 양상을 조사합니다.

근거

2월 이후 주간 활성 기업 Codex 사용자는 법무에서 108배, 영업과 채용에서 각각 41배, 마케팅에서 26배 늘었고 엔지니어링에서는 5배 증가했습니다. — 본문의 ‘Agents are spreading across knowledge work’ 단락
Virgin Atlantic의 엔지니어링 팀은 레거시 코드 리팩터링 시간을 2주에서 30분으로 줄였고, 제품 팀은 수주가 걸리던 경쟁 조사를 몇 시간 안에 끝냈습니다. — 본문의 Virgin Atlantic 사례 단락

초기 경력 직원의 높은 활용

수백만 건의 대화에 기반한 행정 데이터에서는 경영진보다 초기 경력 직원의 AI 사용량이 더 높게 나타났습니다. 도입 6개월 뒤 초기 경력 직원은 임원보다 주당 13개의 메시지를 더 보냈으며, 사용량은 직급이 높아질수록 낮아졌습니다. 이 결과는 직급이 높은 사람이 항상 AI 활용을 주도한다는 설문 결과와 다른 방향이며, 조직 안에서 효과적인 사용 습관을 가진 직원을 찾아내는 접근을 가능하게 합니다. 리더는 개인이 만든 유용한 워크플로를 공유 가능한 방식으로 정리해 특정 직무나 직급에 머무르지 않도록 확산시킬 수 있습니다.

근거

도입 6개월 뒤 초기 경력 직원은 임원보다 주당 13개의 메시지를 더 보냈습니다. — 본문의 ‘Early-career employees use AI more’ 단락

기업이 격차를 줄이는 운영 조건

같은 모델에 접근하더라도 선도 기업은 에이전틱 워크플로를 엔지니어링 밖으로 확장하고 개인의 성공 사례를 반복 가능한 조직 절차로 바꾸는 속도가 더 빠릅니다. 이를 위해 에이전트를 기업 맥락과 도구에 연결하고, 업무별 권한을 제한하며, 거버넌스와 사람의 검토 절차를 함께 두어야 합니다. 조직은 먼저 실제 업무에 필요한 데이터와 도구를 연결한 뒤 효과가 검증된 사용 사례를 공유 워크플로와 지속적인 직원 학습으로 전환할 수 있습니다. OpenAI는 Enterprise 고객이 선도 기업과의 비교를 확인할 수 있도록 맞춤형 benchmark를 요청할 수 있다고 안내합니다.

용어 해설

에이전틱 AI(Agentic AI): — 사람의 질문에 답하는 수준을 넘어 외부 도구와 기업 데이터를 연결하고 여러 단계를 거쳐 실제 업무 결과물을 완성하는 AI 방식입니다. 권한과 검토 절차를 함께 설계해야 안정적인 업무 자동화가 가능합니다.
활성 사용자당 출력 토큰(Output Tokens per Active User): — 활성 사용자 한 명이 일정 기간 동안 생성한 출력 토큰의 양으로, 기업이 AI를 얼마나 자주 쓰는지뿐 아니라 한 번의 사용에서 얼마나 긴 업무를 맡기는지도 가늠하는 지표입니다.
Plugins: — AI 에이전트가 특정 업무를 수행하도록 재사용 가능한 skills와 기업 데이터·도구·행동을 연결하는 기능 묶음입니다. 예를 들어 영업 Plugin은 팀의 업무 지침과 CRM 정보를 결합해 검토용 고객 응답을 만들 수 있습니다.
skills: — 에이전트가 반복 업무를 수행할 때 따를 수 있도록 정리한 재사용 가능한 지침입니다. Plugins 안에서 기업 앱과 데이터 연결 기능과 결합되며, 개인이 만든 효과적인 업무 방식을 조직의 반복 가능한 절차로 바꾸는 데 쓰입니다.
선도 기업(Frontier firms): — 매월 활성 사용자당 출력 토큰을 기준으로 기업 고객을 순위화했을 때 상위 10%에 해당하는 기업입니다. 이 글에서는 일반 기업과 비교해 AI를 더 깊고 광범위하게 활용하는 집단으로 정의합니다.

기술

Codex
ChatGPT Work
Plugins
skills
CRM

언급된 리소스

문서원문 링크