▶ 쇼츠 영상 보기 Grok Bot 공식 X 계정과 공식 뉴스 글에서, 회사가 자기 영업팀 안에서 쓰는 Shared Bots(공유 봇) 3종을 공개했습니다. 어떤 봇이 무슨 일을 하고, 사람은 어디서 개입하는지 공식 자료만으로 정리했습니다. Shared Bots란? 팀 전체를 위해 정해진 역할을 맡는 공유 봇입니다. 공유 스킬과 회사 내부 자료를 연결해 두고, 규칙이 바뀌면 봇을 한 번만 고쳐도 팀원 모두에게 반영됩니다. 각 사용자의 권한 안에서 움직이며, 민감한 작업에는 추가 제한이 걸립니다. Cursor 팀에 속한 Grok Bot 사용자가 쓸 수 있고, 각자의 대화 내용은 다른 사람이 볼 수 없습니다. 영업팀 봇 3종 Account Intel Bot : 미팅 전 고객 이력 브리핑을 준비하고, 고객 통화가 끝나면 통화 녹취를 읽어 Salesforce(CRM)를 업데이트하고, 후속 메일 초안을 만들어 담당자에게 검토를 맡깁니다. Quote Bot : 상품과 할인 조건이 다른 견적안 여러 개를 나란히 비교할 수 있게 준비하고, 승인된 견적으로 주문서를 만듭니다. Salesforce를 바꾸기 전에는 미리보기를 보여 주고 확인을 받습니다. Deal Bot : 특별 가격이나 표준이 아닌 계약 조건을 회사 정책과 대조해 검토하고, 맞는 승인 담당자에게 넘깁니다. 사람의 판단이 필요한 결정은 추천안을 만들어 전문 담당자의 승인을 받은 뒤 진행합니다. 사람의 역할 회사는 "현재로서는(For now)" 판단 기준을 명확히 정할 수 없는 결정과, 고객에게 나가는 커뮤니케이션은 사람이 검토하도록 하고 있다고 밝혔습니다. 영업 담당자가 Quote Bot으로 자기 할인을 스스로 승인할 수 없도록 권한도 나눠 두었습니다. 알아 둘 점 이 글은 회사가 자기 영업팀에서 쓰는 사례를 소개합니다. 같은 봇 3종이 제품으로 바로 제공된다는 내용은 아닙니다. 영상으로 1분 정리 핵심만 짧게 보고 싶다면 리서처K 쇼츠를 확인해 보세...
OpenAI 공식 가이드 정리
GPT-6 패밀리 실전 사용 가이드: 모델 고르기부터 운영까지
OpenAI가 2026년 10월 2일 공개한 "A model guide for the GPT-6 family"를 바탕으로, 어떤 모델을 쓰고 어떻게 지시하고 비용을 어떻게 관리할지 정리합니다.
GPT-6은 하나가 아니라 세 가지 모델입니다
GPT-6은 작업 성격에 맞춰 고르는 "모델 세트"로 나왔습니다. 토큰(token)은 모델이 글을 읽고 쓸 때 쪼개서 세는 단위이고, 가격은 보통 "입력 100만 토큰당 $얼마"로 표시됩니다.
GPT-6 Astra
가장 어려운 추론 작업용. 입력 $10 / 출력 $50 / 캐시입력 $1 (100만 토큰당)
GPT-6.1 Sol
복잡한 코딩·리서치·컴퓨터 사용(Computer Use)용. Astra에 근접한 지능을 1/5 가격에 제공. 입력 $2 / 출력 $10 / 캐시입력 $0.1
GPT-6 Luna
송장 항목 추출, 요청 분류, 구조화된 요약처럼 반복이 많은 대량 작업용. 입력 $0.1 / 출력 $0.5 / 캐시입력 $0.01
선택 기준
가장 어려운 문제엔 Astra, 코딩·에이전트 작업의 기본값은 Sol, 반복 대량 처리는 Luna로 내려서 비용을 절약합니다.
예시. 사내 고객센터 문의를 매일 5,000건씩 "환불/배송/기타"로 분류하는 작업이라면 Luna가 적합합니다. 반대로 신규 계약서의 법적 리스크를 분석해 조항을 다시 쓰는 작업은 Astra가 맞습니다. 중간 난이도의 코드 리팩터링이나 버그 수정-테스트 반복은 Sol이 가성비가 좋습니다.
지시는 더 구체적일수록 좋은 게 아닙니다
OpenAI의 설명에 따르면 모델이 뉘앙스와 모호함을 다루는 능력이 좋아져서, 지나치게 세세한 지시가 오히려 결과를 방해할 수 있습니다. 매 단계를 일일이 지시하기보다, 모델이 스스로 좋은 판단을 내릴 수 있는 "환경"을 설계하는 쪽으로 방향이 바뀌고 있습니다.
가이드가 권장하는 프롬프트 구성 요소는 다음 네 가지입니다.
예시 프롬프트 구조.
목표: 결제 모듈의 타임아웃 버그를 재현하고 고친다 맥락: 관련 로그, DB 스키마, 최근 배포 기록을 첨부한다 제약: 결제 API 계약은 변경하지 않는다 승인 경계: DB 스키마 변경은 사람 승인 전까지 보류한다 완료 기준: 재현 테스트 통과 + 회귀 테스트 전체 통과
프롬프트·스킬·저장소 안내 문서(예: AGENTS.md)는 쌓아두지 말고 다듬어야 합니다. Astra처럼 지시를 충실히 따르는 모델일수록, 오래되거나 서로 충돌하는 규칙이 실패의 원인이 될 수 있다고 가이드는 경고합니다.
오래 걸리는 작업은 "방치"가 아니라 "관제"가 필요합니다
작업이 한 번의 응답을 넘어 길게 이어질 때 쓰는 세 가지 장치입니다.
미드턴 스티어링(mid-turn steering)
모델이 작업하는 도중에 수정 지시를 끼워 넣어 방향을 바꿀 수 있습니다.
비동기 툴 호출(async tool calling)
느린 작업(빌드, 외부 API 호출 등)이 끝나길 기다리는 동안 다른 독립적인 일을 계속 진행합니다.
위임(delegation)
GPT-6.1 Sol은 Responses API에서 멀티 에이전트 워크플로(베타)를 지원해, 하위 작업을 다른 에이전트에 맡길 수 있습니다.
컴퓨터 사용(Computer Use)
Astra·Sol·Luna 모두 API가 없는 웹사이트·데스크톱 앱도 화면을 보고 클릭·입력해 조작할 수 있습니다.
가이드는 "API나 연결된 툴로 바로 처리할 수 있으면 그것을 쓰고, 화면을 읽거나 버튼을 눌러야 할 때만 컴퓨터 사용을 쓰라"는 원칙을 제시합니다. 즉 컴퓨터 사용은 최후의 수단이지 기본값이 아닙니다.
운영 비용은 캐싱과 압축(compaction)으로 관리합니다
프롬프트 캐싱은 반복해서 보내는 동일한 맥락(시스템 지시, 긴 문서 등)을 모델이 다시 처리하지 않고 재사용하는 기능입니다. 가이드에 따르면 캐시된 입력 토큰은 모델에 따라 캐시되지 않은 입력보다 최대 95% 저렴합니다.
압축(compaction)은 대화가 길어졌을 때 오래된 맥락을 요약·정리해 토큰 사용량을 줄이는 기능입니다. 둘을 같이 쓰면 장시간 작업의 비용과 응답 속도를 동시에 관리할 수 있습니다.
추론 강도(reasoning effort)는 API에서 낮음(low)부터 매우 높음/최대(extra high, max)까지 조절할 수 있고, 대화 중간에 바꿔도 캐시가 끊기지 않습니다. 응답 속도가 중요하면 Fast 모드, Astra에는 Ultrafast 옵션도 있습니다.
운영 체크리스트. ① 작업과 맞는 모델·추론 강도 고르기 ② 캐싱·압축으로 맥락 관리 ③ 성공률과 지연 시간을 실제로 측정하기 ④ 모니터링과 데이터 통제 계획 세우기.
실제로 적용한 회사들
가이드는 Astra를 실무에 적용한 사례로 법률 리서치·작성의 Harvey, 소프트웨어 테스트의 Cognition, 비즈니스 분석의 Hex, 영상 편집의 Invideo를 소개합니다. Invideo는 색 보정(color grading) 작업에서 약 3배의 성공률 향상을 보고했습니다.
정리
이 가이드가 말하는 핵심은 하나입니다. "AI에게 무엇을 할지 묻는 일"은 GPT-6 덕분에 더 쉬워졌지만, "AI가 어디까지 스스로 결정해도 되는지, 결과가 비용만큼 가치가 있었는지를 판단하는 시스템을 만드는 일"은 오히려 더 어려워지고 있습니다. 모델을 잘 고르는 것만큼, 그 모델을 둘러싼 지시·승인·비용 구조를 설계하는 역량이 중요해졌습니다.
댓글
댓글 쓰기