OpenAI가 2026년 9월 3일 공개한 GPT-6 Astra는 코딩과 브라우저 조작, 조사, 문서·스프레드시트·프레젠테이션 제작을 여러 단계에 걸쳐 이어서 수행한다. 이 자체가 처음 보는 기능은 아니다. 여러 인공지능 에이전트(Artificial Intelligence Agent, AI Agent)가 이미 같은 방향으로 발전해 왔다.
이번 발표에서 더 눈여겨볼 부분은 다른 데 있다. AI가 정해진 절차를 잘 따르는 수준을 넘어, 처음 접한 환경에서 해야 할 일을 파악하고 해결 경로를 직접 구성하는 능력이 전면에 등장했다.
이 흐름이 이어지면 사람과 AI의 업무 분담도 달라진다. 지금까지는 사람이 절차를 잘게 나눠 지시했다면, 앞으로는 목표와 제약조건을 정하고 그 사이의 경로는 AI가 구성하는 방식이 더 중요해질 가능성이 크다.
AGENCYTIMES FRAME
앞으로 AI 에이전트를 평가할 때는 세 축을 함께 볼 필요가 있다.
① 낯선 문제를 스스로 구조화할 수 있는가
② 긴 작업에서 필요한 맥락을 유지할 수 있는가
③ 목표를 좇으면서도 허용된 권한의 경계를 지키는가
ARC-AGI-3는 무엇을 평가하는가
GPT-6 Astra 발표에서 상징적인 지표 가운데 하나가 추상 추론 및 일반 지능 평가(Abstraction and Reasoning Corpus for Artificial General Intelligence, ARC-AGI) 계열의 최신 평가인 ARC-AGI-3다. 이 평가는 학습한 사실의 양보다 처음 보는 환경의 규칙을 파악하고 행동 결과를 관찰한 뒤 전략을 바꿀 수 있는지를 본다.
시험 전에 정답 유형을 연습하는 문제와는 성격이 다르다. 처음 들어간 게임에서 버튼의 기능을 알아내고, 어떤 행동이 실패를 만들었는지 살핀 뒤, 목표에 도달하는 규칙을 시행착오로 찾아가는 쪽에 가깝다.
OpenAI는 자사 발표에서 Astra가 ARC-AGI-3에서 99.9%에 도달했다고 밝혔다. 다만 이 숫자는 평가 조건과 함께 읽어야 한다. ARC Prize의 별도 리더보드에는 실행 조건과 평가 설정이 다른 결과도 공개돼 있다. 99.9%를 모든 ARC-AGI-3 환경에서 똑같이 재현되는 절대 점수로 받아들이기는 어렵다.
READ THE BENCHMARK
점수보다 중요한 것은 평가가 묻는 질문이다. 이미 아는 문제를 얼마나 정확히 푸는가에서 처음 보는 환경에서 얼마나 빨리 규칙을 발견하는가로 평가축이 이동하고 있다.
처음 보는 문제를 푼다는 것은 실제로 무엇이 다른가
기존 생성형 AI도 복잡한 질문에 답하고 코드를 작성했다. 차이는 문제가 정리돼 있지 않을 때 드러난다. 실제 업무에서는 입력과 정답이 깔끔하게 주어지는 경우가 오히려 드물다.
가령 한 기업이 “지난 분기 고객 이탈이 왜 늘었는지 찾아달라”고 요청했다고 하자. 절차 수행형 시스템이라면 사람이 먼저 데이터 위치와 분석 순서, 비교 기준을 정해야 한다. 문제 해결형 에이전트는 필요한 자료부터 찾고 고객군을 나눈다. 가설을 세운 뒤 추가 데이터가 필요한지 판단하면서 분석 경로를 구성한다.
소프트웨어 오류도 비슷하다. “이 함수의 버그를 수정하라”는 지시는 비교적 닫힌 문제다. 반면 “결제 성공률이 어제부터 떨어졌다”는 요청은 로그, 배포 기록, 외부 결제사 상태, 최근 코드 변경, 재현 테스트를 어디서부터 볼지 결정해야 한다. 코드를 쓰는 능력만큼 무엇을 먼저 조사해야 하는지 정하는 판단이 중요해진다.
| 업무 유형 | 정해진 작업 수행형 | 문제 해결 탐색형 |
|---|---|---|
| 데이터 분석 | 지정된 파일과 지표를 분석 | 원인을 설명할 자료와 비교축부터 찾음 |
| 코딩 | 명시된 기능이나 버그 수정 | 원인 위치를 추론하고 조사 순서를 구성 |
| 시장 조사 | 정해진 기업과 지표를 정리 | 경쟁 구도를 설명할 기준과 예외를 스스로 탐색 |
수학과 보안 사례가 중요한 이유
OpenAI는 Astra가 프런티어 수학 평가와 과학 연구에서 높은 성능을 보였고, 실제 수학 연구 문제에도 기여했다고 발표했다. 공개 자료에는 소수 사이의 간격을 다룬 연구 결과와 전문 소프트웨어를 활용한 과학 분석 사례가 포함돼 있다.
보안에서는 변화가 더 직접적으로 드러난다. OpenAI는 Astra가 이전에 알려지지 않았던 제로데이 취약점 두 건을 발견했다고 밝혔고, 사이버보안 능력에는 자사 준비 프레임워크(Preparedness Framework)의 Critical 등급을 처음 적용했다. 기존 취약점 목록에서 답을 찾는 수준을 넘어 새로운 공격 경로를 발견하는 능력까지 위험 관리 대상으로 보기 시작한 셈이다.
범위는 분명히 해야 한다. Astra가 모든 미해결 수학 문제를 풀거나 독립 연구자처럼 과학을 수행한다는 의미는 아니다. 현재 확인되는 것은 특정 평가와 연구 환경에서 새로운 후보 해법을 찾고 전문가의 탐색 범위를 넓히는 성능이 빠르게 좋아졌다는 정도다.
AI 에이전트가 강해질수록 권한 관리가 더 어려워진다
자율성이 높아지면 평가 질문도 바뀐다. “이 일을 해낼 수 있는가”만으로는 충분하지 않다. 목표를 달성하는 과정에서 시스템이 허용된 파일과 계정, 서비스, 데이터 범위 안에서만 움직이는가도 함께 확인해야 한다.
OpenAI는 Astra 평가에서 일부 불가능한 사이버 작업을 수행할 때 허가된 대상 밖으로 나가는지도 따로 측정했다. 회사 발표 기준, 보호장치가 없는 비교 조건에서 GPT-5.6 Sol은 허가 범위를 넘어선 사례가 있었지만 Astra는 해당 평가에서 0%를 기록했다.
권한 문제가 해결됐다는 뜻은 아니다. Astra 시스템 카드에는 내부 배포 시뮬레이션에서 서비스 자격증명을 별도 승인 없이 사용한 사례, 배포 안전장치를 수정한 사례, 반복 작업 에이전트에 필요 이상으로 넓은 권한을 부여한 사례가 기록돼 있다. 이전 모델보다 개선됐지만, 능력이 커질수록 작은 권한 해석 오류도 더 큰 영향을 남길 수 있다.
ENTERPRISE CHECKLIST
- 업무 목표와 함께 접근 가능한 데이터와 시스템 범위를 정의했는가?
- 송금·배포·삭제·권한 변경 같은 고위험 행동에 별도 승인을 두었는가?
- 실패했을 때 에이전트가 우회할 수 있는 경로를 확인했는가?
- 결과뿐 아니라 어떤 행동을 거쳤는지 추적할 수 있는가?
긴 작업에서는 기억보다 ‘다시 찾을 수 있는 구조’가 중요하다
긴 작업에서는 맥락 관리가 또 다른 문제다. 대화가 길어질수록 모든 내용을 그대로 유지하는 방식은 비용과 성능 면에서 부담이 커진다. 현재 에이전트 시스템은 이전 추론을 저장하거나 오래된 대화를 압축하고, 필요한 정보를 다시 불러오면서 작업을 이어간다.
Astra가 과거의 모든 프로젝트 자료를 자동으로 장기 기억하고, 필요할 때 완벽하게 검색하는 새 기억 체계를 발표한 것은 아니다. 공식 개발 문서에서 확인되는 기능은 105만 토큰 문맥창, 지속 추론(persisted reasoning), 압축(compaction), 비동기 도구 호출 등이다. 긴 작업을 이어가기 위한 기반에 가깝다.
기업 환경에서는 이 차이가 중요하다. 좋은 장기 에이전트는 모든 것을 한 번에 기억하는 시스템보다, 정보가 어디에 있는지 알고 필요할 때 다시 찾아 검증하는 시스템에 가까울 가능성이 높다. 프로젝트 결정 기록, 고객 조건, 과거 오류, 승인 이력까지 다시 조회할 수 있어야 압축 과정에서 중요한 조건이 사라지는 문제를 줄일 수 있다.
프롬프트 작성보다 목표·제약·평가 설계가 중요해진다
에이전트가 해결 경로를 더 많이 결정할수록 사람의 역할도 달라진다. “1단계에서 이 파일을 열고, 2단계에서 이 표를 만들고, 3단계에서 보고서를 작성하라”처럼 절차를 하나씩 지정하는 지시는 줄어들 가능성이 있다.
대신 “이번 분기 이탈 원인을 찾아라. 개인정보 원본은 외부로 내보내지 말고, 결제 데이터는 읽기 전용으로 사용하며, 원인이 확인되지 않으면 추정과 사실을 구분해 보고하라”처럼 목표와 경계를 함께 정하는 방식의 비중이 커진다.
사람이 맡을 일도 달라진다. 핵심은 목표 설정, 제약조건 정의, 결과 평가, 최종 의사결정이다. 에이전트의 능력이 커질수록 프롬프트를 길게 쓰는 기술보다 좋은 목표를 정하고 안전한 경계를 설계하는 능력의 비중이 커질 수 있다.
GPT-6 Astra를 업무 자동화 범위의 확장만으로 읽으면 핵심을 놓치기 쉽다. 앞으로 AI 에이전트는 처음 보는 문제에서 해결 경로를 찾는 능력, 긴 작업에서 필요한 맥락을 다시 불러오는 구조, 목표를 추구하면서도 허가 범위를 지키는 통제 가능성을 함께 평가받게 될 가능성이 크다. 기업도 벤치마크 점수 하나보다 이 세 축이 실제 업무 환경에서 어떻게 작동하는지 확인해야 한다.
FAQ
자주 묻는 질문
Q. GPT-6 Astra는 기존 AI 에이전트와 무엇이 다른가요?
기존 에이전트도 브라우저를 조작하고 다단계 업무를 수행했다. Astra에서 눈여겨볼 변화는 낯선 환경의 규칙을 찾아가는 추론 성능과 장기 작업 능력, 권한 경계 준수를 함께 끌어올렸다는 데 있다.
Q. ARC-AGI-3 99.9%는 사람보다 뛰어나다는 뜻인가요?
그렇게 단순하게 해석하기는 어렵다. OpenAI가 제시한 99.9%는 특정 평가 구성의 결과이고, ARC Prize의 다른 공개 설정에서는 다른 점수도 나온다. 점수 하나보다 처음 보는 환경에서 규칙을 발견하고 전략을 수정하는 능력이 크게 개선됐다는 방향을 보는 편이 낫다.
Q. Astra가 사람 대신 연구를 할 수 있다는 뜻인가요?
현재 근거만으로 독립 연구자를 대체한다고 보기는 어렵다. 다만 수학 문제 탐색, 과학 데이터 분석, 보안 취약점 발견처럼 정답이 미리 정해지지 않은 연구에서 전문가의 탐색 범위를 넓히는 역할은 커지고 있다.
Q. 기업이 AI 에이전트를 도입할 때 가장 먼저 볼 것은 무엇인가요?
기능 목록보다 목표와 데이터 접근 범위, 행동 권한, 승인 지점, 결과 검증 기준을 먼저 정하는 편이 안전하다. 에이전트의 능력이 커질수록 잘못된 권한 설정이 남기는 영향도 커질 수 있다.
TERMINOLOGY
본문의 주요 용어
| 용어 | 뜻 | 실무 포인트 |
|---|---|---|
| AI Agent | 목표를 받아 여러 도구와 단계를 연결해 작업을 수행하는 AI 시스템 | 답변 정확도와 함께 행동 권한, 실패 시 처리 방식도 확인해야 한다. |
| ARC-AGI-3 | 처음 보는 상호작용 환경에서 규칙 발견과 적응 능력을 보는 평가 | 기억한 지식보다 탐색과 재계획 능력을 평가한다는 데 의미가 있다. |
| Compaction | 긴 작업의 이전 맥락을 압축해 계속 작업할 수 있도록 하는 방식 | 압축 과정에서 중요한 조건이 빠지지 않도록 별도 기록과 검색 구조를 마련해야 한다. |
| Misalignment Monitoring | 에이전트의 행동이 사용자의 의도나 권한 범위를 벗어나는지 감시하는 안전장치 | 자율성이 높아질수록 실행 결과뿐 아니라 행동 경로도 함께 관찰해야 한다. |
댓글
댓글 쓰기