소규모 사업자용 ChatGPT Work와 GPT-5.6 공개

OpenAI가 모든 구독 플랜의 사업자에게 GPT-5.6 모델 접근 권한을 부여하며 ChatGPT for small businesses program을 출시했다. 소규모 사업 운영자는 자신의 전문 분야 외에도 마케터, 회계사, 영업사원, 운영자, 전략가라는 서로 다른 성격의 역할을 동시에 수행해야 하는 극심한 자원 제약 환경에 놓여 있다. 이번 프로그램은 이러한 개별 전문성을 확장하고 작업 용량을 늘리는 힘의 증폭기(Force Multiplier)로서 소규모 사업자의 실질적인 생산성 확장을 목표로 한다. 최신 모델인 GPT-5.6 탑재를 통해 사업자가 가진 전문 지식을 실제 사업 운영 결과물로 빠르게 전환하며, 제한된 인력으로도 세계적인 수준의 도구를 사용하여 사업적 야심을 달성할 수 있는 환경을 제공한다.

핵심 도구인 ChatGPT Work는 특정 목표를 달성하기 위해 스스로 계획을 세우고 실행하는 에이전트(Agent)다. 에이전트는 사용자가 단순한 질문에 답을 얻는 수준을 넘어 복잡한 다단계 과업을 독립적으로 수행하는 AI 시스템을 의미한다. 기존의 챗봇이 사용자의 입력에 대해 단발성 응답을 내놓는 방식이었다면, ChatGPT Work는 최종 목표를 위해 필요한 세부 단계들을 정의하고 이를 순차적으로 처리하는 경로를 직접 설계한다. 이는 운영자가 직접 처리하기 어려워 외부 업체에 외주로 맡기거나, 시간과 자원 부족으로 인해 우선순위에서 밀려 방치했던 다단계 업무들을 내부에서 직접 처리할 수 있는 기술적 기반이 된다.

ChatGPT Work는 디자인 스튜디오, 기술 스타트업, 비영리 단체 등 사업 형태와 관계없이 실무의 완결성을 높이는 데 집중한다. 어떤 업종이든 결국 업무가 완수되어야 한다는 본질에 집중하여, 사업자가 가진 아이디어나 기술적 전문성이 부족한 운영 관리 영역에서 발생하는 병목 현상을 해결하는 것이 이 도구의 핵심 역할이다. GPT-5.6의 추론 능력을 바탕으로 다단계 과업을 수행함으로써 1인 기업이나 소규모 팀이 겪는 물리적인 인력 부족 문제를 소프트웨어적으로 보완한다. 전문 지식은 있으나 이를 사업화하는 운영 능력이 부족한 소규모 사업자에게 AI가 구체적인 실행력을 제공하는 구조다. 이번 공개를 통해 소규모 사업자는 최신 파운데이션 모델의 성능을 단순 채팅이 아닌 실무 에이전트 형태로 즉시 활용하여 업무의 범위를 확장할 수 있게 되었다.

GPT-5.6의 지능 수준 선택과 자원 최적화 구조

사용자는 수행하려는 과업의 성격에 맞춰 모델의 지능 수준(level of intelligence, 작업 복잡도에 따라 모델의 추론 능력과 연산 자원을 조절하는 설정)을 직접 선택한다. 이 선택지는 결과물의 품질과 응답 속도, 그리고 운영 비용 사이의 균형을 결정하는 실질적인 제어 장치로 작동한다. 예를 들어 단순한 텍스트 요약이나 반복적인 데이터 분류와 같이 정형화된 작업에는 낮은 지능 수준을 설정하여 응답 속도를 극대화하고 토큰 소모 비용을 낮춘다. 반면 고도의 논리적 추론이나 복잡한 코드 설계, 다각도의 분석이 필요한 고난도 작업에는 높은 지능 수준을 할당하여 결과물의 정확도와 품질을 확보한다. 이러한 가변적 구조는 인력이 부족한 소규모 팀이 한정된 예산과 시간 내에서 작업의 우선순위에 따라 연산 자원을 효율적으로 배분하고 운용할 수 있는 유연성을 제공한다.

GPT-5.6 모델은 대기업 환경에서 운용하던 엔터프라이즈급(기업용 고성능 표준) 기술을 소규모 사업자의 운영 규모에 맞게 제공하는 구조를 취한다. 과거의 고성능 모델들은 막대한 컴퓨팅 인프라 비용이나 복잡한 API 설정 체계로 인해 주로 대형 조직만이 혜택을 누리는 구조였다. 이번 구현은 이러한 기술적 격차를 줄여 소규모 사업자도 최신 모델의 추론 능력을 즉각적으로 업무에 도입할 수 있도록 접근성과 비용 효율성을 개선했다. 모든 구독 플랜을 사용하는 사업자에게 GPT-5.6 모델에 대한 접근 권한을 부여함으로써, 기업의 자본 규모가 모델의 지능 수준을 결정하는 제약 요소가 되지 않도록 설계했다. 이는 작은 조직이 대형 랩의 최신 기술을 통해 업무 프로세스를 고도화하고 운영 효율을 높이는 실질적인 수단이 된다.

최신 모델과 에이전트의 사용 환경은 데스크톱과 모바일 기기 모두를 지원하여 작업 공간의 제약을 없앴다. 사용자는 책상에 앉아 고도의 집중력이 요구되는 깊은 작업(deepest work)을 수행할 때 데스크톱 환경에서 모델의 성능을 최대한으로 끌어올려 활용한다. 이와 대비하여 교대 근무 사이의 짧은 휴식 시간이나 외부 이동 중인 모바일 환경에서는 기동성과 빠른 응답에 최적화된 형태로 모델을 호출하여 즉각적인 의사결정을 내린다. 장소와 기기의 변화와 상관없이 동일한 지능 수준 선택 기능을 일관되게 사용할 수 있어 업무의 맥락이 끊기지 않는 연속성이 유지된다. 결국 사용자는 작업의 물리적 환경과 과업의 난이도라는 두 가지 핵심 변수를 동시에 고려하여 시스템 자원을 최적화하는 실질적인 제어권을 행사한다.

파일·앱 연동을 통한 외주 업무의 내부 자동화 전환

단순한 텍스트 생성을 넘어 비즈니스 파일과 외부 애플리케이션을 연동하느냐에 따라 AI 에이전트가 처리하는 과업의 범위가 결정된다. 이번 기능은 사업자가 실제로 사용하는 비즈니스 파일과 외부 앱의 데이터 접근을 지원한다. 에이전트가 내부 데이터에 직접 접근하면 단순한 일반론적 답변이 아니라 실제 기업 내부 수치와 문서에 기반한 결과물을 생성한다. 이는 AI가 단순한 채팅 도구를 넘어 실무 데이터에 접근 권한을 가진 가상 작업자로 기능하는 구성이다. 사용자는 파일을 일일이 업로드하는 대신 연동된 앱에서 필요한 정보를 AI가 스스로 찾아 쓰게 만든다.

사용자의 사고방식과 문체 그리고 구체적인 작업 방식을 기억하는 메모리 기능이 탑재되었다. 메모리(Memory, 사용자의 과거 상호작용과 선호도를 저장해 다음 작업에 반영하는 기술)는 매번 동일한 제약 사항이나 지침을 입력해야 하는 반복 작업을 없앤다. 에이전트는 사용자가 선호하는 보고서의 구조나 이메일의 톤앤매너를 학습해 일관된 결과물을 내놓는다. 예를 들어 특정 고객사에게 보내는 정중한 말투나 내부 보고용의 간결한 요약 방식을 기억해 적용한다. 개별 사업자가 가진 고유한 업무 처리 논리가 AI의 출력값에 그대로 반영된다.

데이터 연동과 기억 능력의 결합은 복합 프로젝트를 엔드투엔드(End-to-End, 시작부터 끝까지 전 과정을 중단 없이 처리하는 방식)로 수행하는 기반이 된다. 기존에는 여러 단계의 확인과 수정이 필요해 외부 전문 업체에 외주를 맡겼던 다단계 업무를 내부에서 처리할 수 있다. 에이전트는 목표 설정부터 세부 계획 수립 그리고 실행과 검토까지 이어지는 일련의 흐름을 스스로 관리한다. 데이터 수집과 분석 그리고 최종 결과물 작성까지 이어지는 과정에서 인간의 개입은 최종 승인 단계로 줄어든다. 인력 부족으로 인해 우선순위에서 밀려 누락되었던 세부 과업까지 자동화 범위에 포함된다.

외부 업체와의 소통 비용과 외주 단가를 고려했을 때 내부 자동화의 효율은 더 높아진다. 에이전트가 내부 데이터를 직접 다루므로 정보 유출 위험을 관리하며 업무 속도를 높일 수 있다. 복잡한 워크플로우를 외부에 설명하고 검수하는 시간 대신 AI의 실행 결과물을 조정하는 방식으로 작업 방식이 바뀐다. 이는 단순 반복 업무의 자동화를 넘어 판단과 실행이 결합된 프로젝트 단위의 내부 수행을 가능하게 한다.

소규모 팀은 기존에 외주로 처리하거나 포기했던 복합 업무를 AI 에이전트로 내부화하여 운영 비용을 절감할 수 있다.