ChatGPT Work 기반 장시간 자율 에이전트 운영 아키텍처

대화 응답에서 완성된 업무 산출물로

OpenAI는 2026년 7월 22일 Presence와 Frontier를 공개하면서 원시 모델 접근 제공에서 관리형 에이전트 운영 체계로 전략을 옮겼다. 그보다 앞선 7월 9일 출시된 ChatGPT Work는 GPT-5.6의 Sol·Luna·Terra를 기반으로, 사용자가 입력한 목표를 따라 연결된 앱을 넘나들며 수 시간 동안 작업하고 스프레드시트·슬라이드·문서·공유 가능한 웹앱을 만든다.

이 환경의 중심은 대화 결과가 아니라 완성된 산출물의 전달이다. 목표를 세부 작업으로 나눈 뒤 앱, 파일, 브라우저, 데스크톱, 예약 작업을 횡단해 실행하며, 팀의 지식과 프로세스를 담은 공유 에이전트도 무인 실행할 수 있다. 코딩 도구에서 출발한 에이전틱 시스템은 Codex 통합을 통해 데스크톱 앱으로 병합됐고, 조직이 정한 권한과 정책 안에서 동작한다.

GPT-5.6 프런티어 계열은 Sol이 최고 성능, Luna가 속도 최적, Terra가 균형형 역할을 맡는다. 모델 선택은 장시간 실행의 비용과 성능을 조정하는 운영 판단이 된다.

계획·실행·검증이 반복되는 실행 구조

장시간 자율 실행은 한 번의 툴 호출로 끝나지 않는다. 에이전트는 목표를 계획으로 분해하고, 단계별로 툴을 호출하며, 중간 결과가 요구사항에 맞는지 확인한 후 필요하면 다시 계획한다. 작업이 위험한 액션에 이르면 사람의 가이던스나 승인을 요청하는 흐름도 여기에 포함된다.

앱 커넥터는 Slack, Microsoft Teams, Google Drive, SharePoint, 이메일, 캘린더, CRM, 프로젝트 트래커 같은 내부 시스템을 연결한다. 에이전트는 함수 호출, 브라우저 조작, 파일 읽기쓰기, Codex 기반 코드 실행을 오케스트레이션한다. 장시간 세션의 컨텍스트와 팀 지식은 상태·메모리로 유지되고, 체크포인트를 통해 재개할 수 있다.

에이전트별 신원을 부여하고 IAM을 적용하면 직원과 AI 동료를 같은 접근통제 체계로 다룰 수 있다. 모든 상호작용은 명시적 권한과 감사 가능한 액션으로 기록되며, Presence의 정책·표준운영절차(SOP)·시뮬레이션·평가 계층이 가드레일 역할을 맡는다.

⤢✕

플랫폼을 연결하기 전에 정할 운영 경계

처음부터 전사 업무를 연결하기보다 리포트 취합이나 자료 정리처럼 반복적이고 규칙 기반인 장시간 업무를 파일럿 범위로 삼는다. 이후 부서 확장, 전사 공유 에이전트 순으로 넓히고 KPI 기반 성과 검증을 거쳐 승격한다.

권한은 앱마다 읽기전용과 쓰기 범위를 나눠 최소 권한 원칙으로 설정한다. 민감 데이터는 분류한 뒤 에이전트 접근 등급과 매핑하고 DLP와 연계한다. 액션 로그는 중앙 수집해 SIEM으로 보내고, 이상 행위 탐지 규칙을 마련해야 한다.

장시간 실행에는 체크포인트와 재개 메커니즘, 타임아웃·재시도 정책, 실패 시 롤백 설계가 필요하다. 외부 발송·결제·삭제처럼 위험이 큰 액션에는 사람 승인 게이트를 넣는다. 비용은 토큰과 실행 시간 기반 과금, Sol·Luna·Terra의 모델 계층 선택을 함께 고려해 조정한다.

운영 정책에는 AI 에이전트 사용 원칙, 책임을 위한 RACI, 모델 변경 관리(change management) 프로세스를 포함한다. OWASP 에이전틱 AI 10대 리스크를 기준으로 프롬프트 인젝션과 과도 권한에 대응하는 통제도 설계 대상이다.

단발 자동화와 RPA 사이의 선택 기준

비교 항목	장시간 자율 에이전트	단발 프롬프트 자동화	RPA / 자체 구축
실행 시간	수 시간 지속·다단계	단일 응답	규칙 스크립트 즉시
작업 분해	자율 계획-재계획	수동 체이닝 필요	사전 정의 플로우
앱 통합	커넥터 기반 동적 연동	제한적	화면 좌표·API 고정
산출물	완성 문서·슬라이드·웹앱	텍스트 조각	데이터 이동 중심
예외 처리	LLM 추론 적응	취약	UI 변경 시 파손
거버넌스	IAM·감사·가드레일 내장	별도 구축	직접 구현 필요
구축 비용	낮음(플랫폼 구독)	낮음	높음(개발·유지보수)
통제 성숙도	높음(정책·승인 게이트)	낮음	조직 역량 의존

다단계 지식 업무에서는 자율 에이전트가 단발 자동화보다 업무 완결성에서 우위에 있다. 앱 커넥터는 RPA의 화면 스크래핑과 비교해 API 안정성과 유지보수성 측면의 이점이 있다.

엔터프라이즈 플랫폼은 거버넌스 기능을 내장한 반면, 자체 구축은 유연하지만 총소유비용(TCO) 부담이 따른다. 따라서 접근통제, 데이터 거버넌스, 감사 요건을 기본 기능으로 충족해야 하는 환경인지가 구축 판단의 기준이 된다.

에이전트 운영에 편입되는 정보관리 통제

장시간 에이전트는 리포트와 분석 산출물을 생산하는 지식 근로 자동화의 수단이지만, 자율성이 높아질수록 통제 대상도 넓어진다. ISO 27001·NIST 기반 최소권한과 직무분리(SoD)는 에이전트 신원까지 확장해야 하며, 데이터 분류·계보(lineage)·품질 관리 체계에도 에이전트의 데이터 접근을 포함해야 한다.

감사 가능한 액션 로그는 SOC 2, 개인정보보호법, GDPR의 추적성(traceability) 확보에 연결된다. 오작동, 환각, 권한 오남용 리스크를 평가하고 완화 통제를 설계하는 일도 운영 구조의 일부다.

조직 차원에서는 AI 동료 도입에 따라 업무 프로세스와 역할을 재정의하고, 인적 승인이 필요한 지점을 분명히 해야 한다. 에이전트 오케스트레이션은 EA(전사 아키텍처) 표준과 보안 참조모델에 편입하며, 자동화율·처리시간·오류율 KPI로 투자 대비 효과(ROI)를 평가한다.

관리형 에이전트 플랫폼으로 향하는 흐름

2026년에는 원시 API 판매보다 Presence·Frontier 같은 관리형 에이전트 운영 플랫폼의 경쟁이 심화될 전망이다. OWASP 에이전틱 AI 리스크 대응과 Microsoft Agent Governance Toolkit 같은 런타임 보안 거버넌스도 확산될 것으로 보인다.

IAM에는 AI 동료의 신원이 편입되고, 인간과 에이전트를 함께 관리하는 IGA가 부상한다. 승인 게이트는 줄고 자율 실행은 확대되겠지만, 이를 뒷받침할 시뮬레이션과 평가 체계가 필요하다. 팀 공유 에이전트 간 협업과 오케스트레이션, 에이전트 마켓과 레지스트리의 등장도 예상된다.

비용 측면에서는 실행 시간과 성과 기반 과금(outcome-based pricing) 논의가 본격화될 수 있다. 자율 에이전트의 책임 소재와 설명 가능성(explainability)을 다루는 규제 프레임워크 정비 역시 병행될 전망이다.