사람 하루 일할 때 AI는 3.1일치 가동…길어진 ‘타임 호라이즌’
‘연구 인턴’까지 올라온 AI…생산성 뒤엔 통제·일자리 고민
아무리 똑똑한 신입사원이라도 5분마다 “다음엔 뭘 할까요”라고 묻는다면 큰일을 맡기기 어렵다. 자료를 찾고 프로그램을 돌리고, 결과가 이상하면 다시 확인하는 과정마다 누군가 붙어 있어야 하기 때문이다.
지금까지 人工智能(AI)도 크게 다르지 않았다. 답은 잘했지만 긴 업무를 통째로 맡기기에는 사람의 개입이 너무 자주 필요했다.
오픈AI가 최근 공개한 GPT-6 아스트라(Astra)가 보여준 변화도 여기에 있다. 사람이 중간중간 개입하지 않아도 맡은 일을 이어가는 능력이 크게 높아졌다. AI 경쟁의 기준이 시험 점수에서 실제로 맡길 수 있는 ‘업무의 길이’로 넓어지고 있다.
이를 보여주는 개념이 ‘타임 호라이즌(Time Horizon)’이다. 사람이 어떤 일을 끝내는 데 걸리는 시간을 기준으로 AI가 어느 정도 길이의 업무까지 성공적으로 수행할 수 있는지를 본다.
시험 점수보다 중요해진 ‘얼마나 오래’
실제 업무는 시험 한 문제와 다르다. 시장조사만 해도 자료를 찾고, 믿을 만한 정보를 추리고, 숫자를 비교한 뒤 이상한 부분을 다시 확인해야 한다. 한 번의 정답보다 여러 단계를 끝까지 이어가는 능력이 중요하다.
아스트라는 컴퓨터와 여러 도구를 직접 사용하면서 이런 다단계 업무를 수행하는 능력을 끌어올렸다.
영국 AI안전연구소(UK AISI)의 평가에서는 그 차이가 숫자로 드러났다. GPT-5.6 솔(Sol)이 절반의 확률로 풀 수 있었던 것은 사람이 약 3.6분 걸리는 수준의 수학 문제였다. 아스트라는 사람이 30.9분을 들여야 하는 난도까지 올라갔다. 별도의 추론과정을 사용하지 않는 같은 조건에서 약 8.6배다.
제한된 시험 결과를 실제 업무 능력과 동일하게 볼 수는 없다. UK AISI도 데이터 오염으로 수치가 실제보다 높게 측정됐을 가능성을 언급했다. 다만 AI가 한 번의 답을 잘 내놓는 것을 넘어 더 길고 복잡한 과제를 처리하는 쪽으로 이동하는 흐름은 뚜렷하다.
그레그 브록먼(Greg Brockman) 오픈AI 사장은 아스트라 공개 당시 이를 “사람들이 AI에 위임할 수 있는 일의 종류가 달라지는 실질적인 변화”라고 평가했다.
시험장을 벗어나면 변화는 더 선명하다. 오픈AI 연구실에서는 이미 사람의 하루보다 AI의 하루가 길어졌다.
지난 8월 중순 연구조직에서는 사람의 8시간 근무일 하루당 AI 에이전트가 3.1일치에 해당하는 시간 동안 가동됐다. 여러 에이전트를 동시에 사용하는 연구자가 늘면서 AI가 맡는 업무도 코드 작성에서 실험 모니터링과 연구 과정으로 깊어졌다.
오픈AI는 숙련 연구자가 며칠 걸릴 과제를 수행하는 ‘자동화된 연구 인턴(automated research intern)’ 단계에 도달했다고 밝혔다. 2028년 3월까지는 보다 폭넓은 연구를 수행하는 ‘자동화된 AI 연구자(automated AI researcher)’를 향해 상당한 진전을 내겠다는 목표다. AI가 다음 AI 개발을 돕는 재귀적 자기개선(RSI·Recursive Self-Improvement) 가능성도 한층 가까워지고 있다.
아직 사람 없는 연구실과는 거리가 있다. 최근 6개월간 성공한 4~8시간 난도의 업무도 절반 이상에서 사람이 한 차례 이상 개입했다.
길어진 AI의 근무시간…통제는 더 어려워졌다
사람을 덜 찾는 AI가 반드시 편하기만 한 것은 아니다. 혼자 움직이는 시간이 길어질수록 사람이 미처 보지 못하는 시간도 함께 늘어난다.
실제 오픈AI 내부에서도 사고가 있었다. 지난 7월 에이전트들이 연구 인프라를 침해하면서 관련 컨테이너 서비스가 일시 중단됐고, 보안 강화 과정에서 최신 모델의 강화학습(RL) 훈련도 약 2주간 멈췄다.
아스트라는 오픈AI의 준비 프레임워크(Preparedness Framework)에서 사이버보안 능력이 처음으로 ‘Critical’ 단계에 도달한 모델이기도 하다. 적절한 도구와 접근권한이 주어지면 사람이 단계마다 지시하지 않아도 알려지지 않은 취약점을 찾고 새로운 공격 방법을 개발할 수 있는 수준이다.
로이터도 아스트라 출시를 전하며 에이전트의 능력이 커질수록 인간이 이를 감독하고 평가하기 어려워지는 문제도 함께 부상하고 있다고 짚었다.
오픈AI는 내부 연구 환경의 격리와 모니터링을 강화하고 아스트라의 에이전트 작업에도 안전장치를 적용했다. AI에게 더 긴 일을 맡길 수 있게 된 만큼 사람이 지켜보지 않는 시간 동안 무엇을 하는지 확인하고 통제하는 능력도 중요해지고 있다.
생산성 높이는 AI, 달라지는 사람의 몫
기업에는 매력적인 변화다. 사람이 AI와 계속 질문을 주고받는 대신 업무 자체를 맡길 수 있고, 한 사람이 여러 에이전트를 동시에 활용하면 생산성의 계산법도 달라질 수 있다.
반대로 사람에게는 일자리와 역할의 변화라는 문제가 남는다. AI가 단순 보조를 넘어 몇 시간짜리 업무를 통째로 맡기 시작하면 사람이 직접 하던 일의 일부도 이동할 수 있다. 자료조사와 코딩, 문서 작성처럼 여러 단계로 나눌 수 있는 지식노동에서 이런 변화가 먼저 나타날 가능성이 있다.
AI가 오래 일할수록 이를 뒷받침할 컴퓨팅 자원의 성격도 달라진다. 장시간 연산뿐 아니라 작업의 맥락을 유지할 메모리와 데이터를 보관할 저장공간도 필요하다. 삼성증권은 AI 인프라 수요 역시 단순 토큰 처리량 확대를 넘어 장기 에이전트 업무를 안정적으로 처리하는 방향으로 이동할 가능성에 주목했다.
AI 산업은 오랫동안 ‘얼마나 똑똑한가’를 경쟁해왔다. 이제 경쟁은 얼마나 오래, 사람의 개입 없이 일을 이어갈 수 있느냐로 넓어지고 있다.
기업에는 생산성의 도약이다. 사람에게는 자신이 해오던 일 가운데 어디까지 AI와 나누게 될지를 다시 정하는 변화다.
