Chat 모드와 '마지막 1마일'의 불편함

그동안 우리가 경험한 AI와의 상호작용은 '정답을 찾는 과정'에 머물러 있었다. AI에게 복잡한 업무 방법을 물으면 상세한 가이드를 제공하지만, 그 가이드를 바탕으로 실제 파일을 만들고 내용을 채워 넣는 실행의 영역은 온전히 인간의 몫이었다. 채팅창에 출력된 텍스트를 복사해 워드나 엑셀에 옮기고, 다시 서식을 맞추는 이른바 '마지막 1마일'의 과정은 효율적인 AI 활용 속에서도 여전한 병목 구간이었다.

사용자가 AI에게 진정으로 원했던 것은 정교한 '답변' 그 자체가 아니라, 업무가 끝났음을 의미하는 '완료' 상태였다. 답변을 보고 다시 실행하는 번거로움을 없애고, AI가 직접 결과물을 만들어 가져오는 에이전트의 필요성이 대두된 이유다. 이제 AI는 단순히 말 잘하는 컨설턴트를 넘어, 실제로 일을 처리하는 실무자의 영역으로 진입하고 있다.

컨설턴트에서 실무자로, ChatGPT Work의 정체성 변화

이번에 도입된 ChatGPT Work는 단순한 기능 업데이트가 아니라 AI의 정체성을 '질의응답'에서 '과업 수행'으로 전환한 에이전트 모드다. 사용자는 인터페이스 내의 토글(Toggle)이나 선택 메뉴를 통해 기존의 Chat 모드와 새로운 Work 모드를 자유롭게 전환할 수 있다.

두 모드의 차이는 명확하다. Chat 모드가 질문에 최적화된 답변을 제공하는 일반적인 경험이라면, Work 모드는 사용자가 부여한 과업을 스스로 계획하고 실행하여 최종 결과물을 도출하는 방식이다. 케빈 스트랫버트(Kevin Stratvert)는 이를 두고 "Chat answers questions while work does the whole task and hands you back finished files."라고 정의했다. 이제 사용자는 AI와 대화하며 방법을 고민하는 대신, 완료된 파일을 건네받는 워크플로우를 경험하게 된다.

Plugins와 Skills로 구축하는 개인 맞춤형 자동화

ChatGPT Work가 단순한 텍스트 생성기를 넘어 실무자로 기능할 수 있는 핵심은 외부 연결성과 기억 능력에 있다. 우선 플러그인(Plugins)을 통해 이메일이나 캘린더 같은 외부 앱과 실시간으로 연결된다. 이를 통해 AI는 단순한 정보 조회를 넘어 외부 앱의 데이터를 가져오거나 직접적인 작업을 수행하는 실행력을 갖췄다.

여기에 '스킬(Skills)' 기능이 더해지며 개인 맞춤형 자동화가 가능해졌다. 스킬 기능은 특정 작업에 필요한 지침이나 규칙을 저장해 두었다가 반복적으로 활용할 수 있게 한다. 사용자가 선호하는 보고서 양식이나 업무 처리 규칙을 스킬로 저장해두면, AI는 이를 학습한 맞춤형 에이전트로서 매번 같은 지시를 내릴 필요 없이 일관된 결과물을 만들어낸다. OpenAI는 이에 대해 "Chat is great when I need a thoughtful answer. Work goes a step further: it can bring in information from the apps I already use and help me actually finish the task."라고 설명했다.

텍스트를 넘어 랜딩 페이지 게시까지 확장된 실행력

결과물의 형태 또한 텍스트라는 틀을 완전히 깨뜨렸다. ChatGPT Work는 문서 파일뿐만 아니라 단순한 형태의 웹사이트나 랜딩 페이지를 직접 생성하고, 이를 실제로 게시하는 단계까지 수행한다. AI가 기획안을 짜주는 것에 그치지 않고, 실제로 작동하는 웹 페이지라는 '배포' 결과물을 만들어내는 것이다.

이러한 강력한 실행력은 데스크톱 앱과 웹 브라우저 어디서든 동일하게 이용 가능하다. 사용자는 환경에 구애받지 않고 AI에게 과업을 던지고, AI는 백그라운드에서 계획을 세워 실행한 뒤 최종 산출물을 제출한다. 텍스트 응답에서 파일 제공으로, 그리고 웹 페이지 게시라는 실체적 결과물로 진화한 AI의 수행 능력은 업무의 정의 자체를 바꾸고 있다.

프롬프트 엔지니어링을 넘어선 '과업 설계'의 시대

AI Master는 "Chat is the normal question and answer experience you already know. Work is the agentic mode that plans and executes tasks on its own."라고 분석했다. 이 말은 곧 우리가 AI를 다루는 핵심 역량이 '좋은 질문을 던지는 프롬프트 엔지니어링'에서 '명확한 과업을 정의하는 과업 설계'로 이동하고 있음을 의미한다.

이제 중요한 것은 AI가 어떻게 답하게 만들 것인가가 아니라, 어떤 결과물을 어떤 경로로 도출하게 할 것인가를 설계하는 능력이다. 외부 앱을 연동하는 플러그인과 반복 규칙을 설정하는 스킬을 어떻게 조합하느냐에 따라 AI는 단순한 도구를 넘어 독립적인 수행 주체인 '디지털 노동력'으로 진화한다. 한국의 업무 자동화 시장 역시 이러한 변화에 맞춰, 단순 챗봇 도입을 넘어 실질적인 과업 완결형 에이전트를 구축하는 방향으로 생산성 혁신을 꾀해야 할 시점이다.