제안서를 보냈다면, 다음 수정까지 챙기는 dots
고객에게 제안서를 보냈습니다. 며칠 뒤 사용 인원이 바뀌고, 보안 검토 항목이 추가됩니다. 이제 견적 숫자를 고치고, 담당자에게 물어보고, 아직 답을 받지 못한 항목을 따로 챙겨야 합니다. 제안서 초안을 쓰는 것만큼이나 시간이 드는 일입니다.
OpenAI가 9월 29일 공개한 dots는 이렇게 진행 중인 업무를 맡는 에이전트입니다. GPT-6 Astra를 기반으로 전용 클라우드 컴퓨터와 브라우저에서 작업합니다. 대화가 끝나도 맡은 일을 이어가고, ChatGPT에서 시작한 일을 Slack이나 Teams에서 다시 이야기할 수 있습니다.
어떤 일을 맡기라는 걸까요?
공식 문서는 ‘좋은 답변’보다 업무 자료가 계속 바뀌는 상황을 예로 듭니다. 다음 세 장면이 특히 이해하기 쉽습니다.
영업 · 고객 조건이 바뀐 제안서
제안서와 고객 요구사항을 공유합니다. 인원·계약 조건이 달라지면 수치를 갱신하고, 남은 보안·기술 검토와 다음에 결정할 일을 정리하도록 맡깁니다.
마케팅 · 제품은 바뀌었는데 발표 자료는 그대로일 때
출시 채널과 기획 문서, 발표 자료를 연결합니다. 제품 변경 사항을 보고 수정이 필요한 홍보 문구·슬라이드·발표자 메모를 찾아 고치는 예시입니다.
개발 · 피드백을 수정 초안으로 옮기기
사용자 피드백과 코드 저장소를 바탕으로 문제를 조사하고 수정 초안을 준비합니다. 공식 예시에서도 코드를 바로 합치는 대신, 사람이 검토할 단계까지 가져옵니다.
기억하는 것과, 다시 일을 시작하는 것은 다릅니다
지난 대화를 기억한다고 해서 매일 아침 새 자료를 확인하는 것은 아닙니다. dots의 문서는 대화 맥락과 남겨두는 메모, 진행 중인 작업, 정기 실행 일정을 구분합니다. 작업은 잠시 멈췄다가 이어갈 수 있지만, ‘평일 오전 9시마다 확인’ 같은 요청은 실제 일정으로 저장돼야 합니다. Slack을 연결하기만 하면 모든 대화를 알아서 지켜보는 것도 아닙니다.
그래서 처음 맡길 때는 결과물뿐 아니라 후속 작업도 정해두는 편이 좋겠습니다. ‘이 제안서를 고쳐줘’에 ‘조건이 바뀌면 어느 표를 갱신하고, 어떤 결정은 나에게 물어볼지’까지 덧붙이는 것입니다. 한 번 쓰고 끝나는 문서보다, 여러 번 수정하며 마무리하는 업무에서 이 차이가 잘 드러날 것 같습니다.
클라우드 작업은 내 컴퓨터가 꺼져 있어도 이어갈 수 있습니다. 다만 내 기기의 파일·앱을 쓰려면 기기가 온라인이고 ChatGPT 앱이 실행 중이어야 합니다. dots는 지원되는 Pro 요금제와 Business Premium·Enterprise에 순차 제공되며, 지역·연령·관리자 설정에 따라 이용 가능 여부가 달라집니다.
매출표와 인스타그램을 함께 보는 AI
작은 가게를 운영한다면 상품을 파는 일 외에도 할 일이 많습니다. 홍보 게시물을 올리고, 문의에 답하고, 지난달 지출을 살펴야 합니다. Meta의 발표에는 미국 아이오와에서 식료품점을 운영하는 Tom Mulholland가 등장합니다. 주당 약 65시간 일한다는 그는, 여러 역할을 혼자 감당하느라 정작 가게의 본업에 쓸 시간이 부족하다고 말합니다.
Meta가 9월 8일 공개한 Muse는 Muse Spark 모델과 전용 가상 컴퓨터를 사용하는 개인 에이전트입니다. 앱이나 WhatsApp으로 대화하며 여행 준비나 이메일 처리 등을 맡기는 제품입니다. 9월 29일에는 사업자용 활용을 확장한 Muse for Small Business를 발표했습니다.
‘홍보 글 써줘’ 앞에 빠져 있던 자료들
Muse에는 Instagram 전문 계정의 분석 자료, Facebook 페이지, 광고 계정과 여러 업무 도구를 연결할 수 있습니다. Canva의 브랜드 템플릿을 활용해 편집 가능한 홍보 자료를 만드는 기능도 소개됐습니다. Meta의 예시 중 세 장면을 골랐습니다.
다음 주에 무엇을 알릴지 정하기
성과가 좋았던 광고·콘텐츠와 최근 흐름을 살펴 다음 주 캠페인 초안을 만듭니다. 지난 반응을 모으는 일과 새 게시물을 기획하는 일을 연결합니다.
매출과 홍보를 함께 돌아보기
연간 매출, 캠페인, 소셜 미디어 자료를 묶어 다음 해 성장 계획을 세우는 예시입니다. 각각의 앱에서 자료를 꺼내 한 문서에 모으던 일을 맡기는 셈입니다.
지출 내역에서 확인할 항목 찾기
월간 재무 자료를 검토하고 눈에 띄는 지출을 짚습니다. 숫자를 읽기 좋게 요약하는 데서 한 걸음 더 나아가, 사업자가 살펴볼 항목을 추립니다.
좋은 홍보 문구보다, 상품을 고른 이유가 궁금합니다
예를 들어보겠습니다. 조회수가 가장 높은 상품과 실제로 잘 팔리는 상품이 다르다면, 다음 게시물에는 무엇을 담아야 할까요? 재고가 적은 상품을 더 알리는 게 맞을까요? 문장을 잘 쓰는 능력만으로는 답하기 어렵습니다. 판매 내역과 재고, 지난 반응을 함께 봐야 하는 이유입니다.
이런 초안을 받는다면 ‘왜 이 상품인가’와 ‘어떤 자료가 빠졌나’를 함께 물어보면 좋겠습니다. 광고 클릭과 매출이 같이 늘었어도 할인이나 재입고의 영향일 수 있습니다. 자료를 연결하는 것과 원인을 알아내는 것은 다른 일이니까요.
Muse는 이메일 발송이나 구매 같은 행동 전에 확인을 받도록 안내합니다. 현재 공식 제공 지역은 미국·캐나다입니다. 국내 독자라면 바로 도입하기보다, 원문의 데모에서 내 업무에 함께 연결할 자료들을 찾아보는 편이 현실적입니다.
AI가 일하는 곳도 달라지고 있습니다
Aside, AI가 내가 쓰던 브라우저에서 일한다면
dots와 Muse를 보며 이런 생각이 들 수 있습니다. ‘내가 로그인해 둔 업무 사이트에서도 일해주면 좋을 텐데.’ Aside의 Threads 안내는 바로 이 지점을 다룹니다. Muse·Grok bot·ChatGPT dots에서 Aside 브라우저를 사용할 수 있으며, Settings > Channels에서 활성화할 수 있다고 소개했습니다.
Aside는 사람이 쓰는 브라우저를 에이전트도 함께 쓰도록 만든 제품입니다. 공식 문서는 현재 페이지를 작업에 붙이고, 허용된 로그인 정보와 방문 기록을 활용하는 방식을 설명합니다. 예를 들어 지난번 열어본 후보자 페이지를 찾아 면접 준비를 돕는 식입니다. AI에게 자료를 매번 복사해 주는 대신, 일을 하던 곳에서 필요한 맥락을 가져오려는 접근입니다.
눈여겨볼 것은 새 비서가 하나 더 생겼다는 점보다, 이미 쓰는 비서와 브라우저가 연결된다는 점입니다. AI가 답을 잘해도 업무 사이트에 들어가지 못하면 결국 사람이 자료를 옮겨야 하니까요. 연결한 봇이 어떤 페이지를 읽고 어디까지 조작할 수 있는지는 확인해야 하지만, 에이전트를 고를 때 ‘얼마나 똑똑한가’와 함께 ‘내가 일하는 곳에 연결되는가’도 봐야 할 이유가 생겼습니다.
Gemini agent, 개인 비서에서 팀의 업무 담당자로
Google Cloud는 10월 8일 Gemini at Work에서 Gemini agent를 발표했습니다. 지난 호의 Gemini 모델 소식과는 달리, 이번에는 문서 작성·분석·코드 실행을 이어서 맡는 제품 이야기입니다. 그중 눈에 띄는 것은 자기 이메일, 캘린더, Drive를 가진 팀 전용 ‘coworker agent’입니다.
공식 예시는 제품 출시 준비입니다. 팀 채팅에서 에이전트에게 준비 문서를 맡기고, 완성된 문서의 댓글에서 다시 불러 수정 요청을 합니다. 수정과 답변은 에이전트 자신의 이름으로 남습니다. 개인 대화창에서 만든 답을 사람이 복사해 옮기는 대신, 팀이 이미 쓰는 문서 안에서 함께 작업하는 구성입니다.
에이전트와 모델을 구분하는 점도 흥미롭습니다. Google은 Gemini뿐 아니라 Claude 모델도 활용한다고 설명합니다. 무엇으로 추론할지와, 어느 계정·문서·도구에서 일할지를 나누는 것입니다. 실제 도입 시에는 회사 계약과 관리자 설정에 따른 제공 범위를 확인해야 합니다.
Copilot Studio, 모든 일을 대화창에서 할 필요는 없으니까요
Microsoft가 10월 7일 정리한 Copilot Studio의 9월 업데이트에서는 앱·워크플로·에이전트를 한곳에서 만드는 방향을 제시했습니다. 자연어로 설명하면 업무용 앱 초안을 만드는 Apps 기능은 공개 미리보기 단계입니다. 에이전트만 만드는 도구에서, 사람이 사용할 화면과 정해진 처리 절차까지 함께 만드는 도구로 범위를 넓혔습니다.
공식 예시는 신입 구성원 온보딩입니다. 필요한 정보는 앱 화면으로 입력하고, 반복되는 등록 절차는 워크플로로 처리하며, 질문이나 예외 상황은 에이전트가 맡습니다. 직원 정보를 매번 채팅으로 입력하는 것보다 양식이 편한 경우도 있죠. AI가 모든 화면을 대체하기보다 필요한 단계에 들어가는 모습입니다.
이번 업데이트에는 평가 항목도 추가됐습니다. Task Completion은 의도한 일을 끝냈는지, Tool Accuracy는 적절한 도구와 입력값을 사용했는지 살핍니다. 온보딩이라면 ‘등록했다고 친절하게 답했는가’와 ‘실제로 올바른 정보를 등록했는가’를 따로 보게 되는 셈입니다. 업무용 AI를 고를 때 함께 살펴볼 만한 변화입니다.
네 제품을 같은 ‘AI 비서’로 묶기 어려운 이유
dots·Muse·Gemini agent·Copilot Studio를 보면 비슷한 AI 비서가 늘어나는 것처럼 느껴질 수도 있습니다. 하지만 각 발표가 보여주는 업무의 시작점은 꽤 다릅니다. Aside의 소식은 여기에 ‘그 AI를 내가 쓰는 브라우저와 어떻게 연결할까’라는 질문을 더합니다.
dots · 개인이 맡긴 일을 계속 이어가기
수정 중인 제안서처럼, 며칠에 걸쳐 달라지는 조건을 따라가는 일에 초점을 맞춥니다.
Muse · 흩어진 사업 자료를 함께 보기
판매·홍보·재무 자료를 연결해 다음 행동을 준비하는 사업자의 업무 장면을 보여줍니다.
Gemini agent · 팀의 문서 안에서 함께 일하기
개인의 대화창을 넘어, 여러 사람이 같은 에이전트를 불러 작업을 이어가는 구성이 눈에 띕니다.
Copilot Studio · 회사의 처리 절차에 AI 넣기
완성된 비서를 쓰는 제품이라기보다, 앱·자동화·에이전트를 조합해 업무를 만드는 도구에 가깝습니다.
그래서 우리 팀에 도입한다면, 제품보다 먼저 자주 넘겨받는 일 하나를 고를 것 같습니다. ‘마케팅을 자동화하자’보다 ‘매주 월요일, 지난주 판매와 게시물 반응을 모아 다음 주 홍보 초안을 만들자’처럼요. 그래야 필요한 자료와 끝났다고 판단할 기준이 보입니다.
그리고 첫 결과만 보지 않고 조건을 한 번 바꿔보면 좋겠습니다. 일정이 밀리거나 고객 요청이 바뀌었을 때, 기존 문서에 새 내용을 덧붙이기만 하는지, 이제 틀린 내용까지 찾아 고치는지 보는 것입니다. 사람이 매번 처음부터 다시 설명해야 한다면, 아직 그 업무를 넘겨줬다고 보기는 어렵습니다.
주간 보고서를 맡겼다가, 일정 하나를 바꿔보세요
새 에이전트를 구독하기 전에, 지금 쓰는 AI의 같은 대화에서 해볼 수 있는 작은 연습입니다. 아래 가상 기록을 차례로 건네보세요. 실제 회사 자료는 필요 없습니다.
먼저, 보고서 초안을 맡깁니다
‘로그인 오류 수정은 월요일 배포 완료. 새 결제 화면은 목요일 검토, 금요일 오전 출시 예정. 검토 승인이 나야 출시할 수 있어. 완료한 일·예정된 일·확인할 일로 주간 보고서를 정리해줘.’
같은 대화에서, 조건을 하나 바꿉니다
‘결제 화면 검토가 금요일 오후로 밀렸어. 출시 일정은 아직 변경되지 않았어. 기존 보고서를 갱신하고, 이전 계획에서 함께 손봐야 할 부분을 알려줘. 정해지지 않은 일정은 임의로 정하지 마.’
세 가지가 함께 반영됐는지 봅니다
이미 끝난 로그인 수정은 완료 상태로 유지하고, 결제 화면의 검토와 출시 순서가 뒤집힌 점을 짚어야 합니다. 새 출시일을 지어내는 대신, 검토나 출시 중 어느 일정을 조정할지 확인 항목으로 남겼는지도 보세요.
이 연습만으로 에이전트의 자동 실행 능력을 평가할 수는 없습니다. 다만 우리가 어떤 결과를 기대하는지는 분명해집니다. ‘검토가 늦어졌다’는 요약에서 끝나는 대신, 그 변경 때문에 기존 계획의 무엇이 맞지 않게 됐는지 찾아주는 것입니다. 실제 도입 때도 같은 업무를 며칠 맡겨보며 확인할 만한 지점입니다.
에이전트를 실제 업무에 연결한 두 가지 기록
플래드랩스에서는 서버 상태 확인과 장애 분석을 AI에 연결한 과정을 글로 남겼습니다. 범용 비서 대신 특정 업무를 맡는 봇을 만든 사례입니다. 필요한 자료를 어디서 모으고, 결과를 어느 업무 화면으로 전달했는지 두 글에서 살펴볼 수 있습니다.
24시간 인프라 지킴이 AI 봇을 만들었습니다
Slack에서 부르면 서버와 Kubernetes 상태를 확인하는 Plaiddy. OpenClaw와 Teleport를 연결하고 운영 문서를 작업 맥락으로 만든 과정을 소개합니다.
구축 과정 읽기 →
Prometheus, Loki, LiteLLM, Langfuse로 만든 AI 기반 장애 분석 시스템
장애 알림에 로그·메트릭·Kubernetes 상태를 모아 1차 진단을 붙입니다. 진단 결과가 Slack으로 전달되기까지의 연결 구조를 설명합니다.
구축 과정 읽기 →