리처드 호 오픈AI 하드웨어 총괄 부사장은 인공지능(AI) 에이전트가 단순히 질문에 답하는 도구를 넘어 실제 업무를 맡아 수행하는 단계로 진화하고 있다고 밝혔다. 이 과정에서 목표를 정하고 결과를 검증하는 사람의 역할은 오히려 중요해진다고 강조했다.

호 부사장은 30일 서울 서초구 삼성전자 서초사옥에서 열린 '삼성 AI 포럼 2026' 오프닝 키노트에서 '챗봇에서 에이전틱 워크플로로'를 주제로 발표하며 이같이 말했다.

그는 챗봇이 질문을 받을 때마다 답하는 방식이라면 에이전트는 하나의 목표를 받은 뒤 필요한 도구를 활용해 여러 단계의 작업을 수행하고 중간 결과에 따라 접근법도 스스로 수정한다고 설명했다.

호 부사장은 "사람은 여전히 목적을 정하고 필요한 의사결정 지점을 통제한다"며 "달라진 점은 그런 결정 사이의 실행 업무를 에이전트가 훨씬 더 많이 담당할 수 있게 됐다는 것"이라고 말했다.

기업 현장에서는 이런 변화가 빠르게 진행되고 있다고 소개했다. 오픈AI 기업 고객의 챗GPT와 코덱스 합산 출력 토큰 중 코덱스 비중은 64%에 달했다.

월간 활성 사용자 1인당 출력 토큰이 상위 10%인 기업은 중간 수준 기업보다 에이전트 사용량이 2.6배 높았으나 지난 6월에는 격차가 8.3배 이상으로 벌어졌다.

에이전틱 워크플로는 개발을 넘어 법무, 영업, 채용, 마케팅 분야로 확산하고 있다. 2월 이후 기업의 주간 활성 코덱스 이용자는 법무에서 108배, 영업과 채용에서 각각 41배, 마케팅에서 26배 늘었다.

다만 실행을 AI에 맡길수록 검증 체계와 사람의 판단은 더 중요해진다고 강조했다. 호 부사장은 약 1만 개의 에이전트가 동시에 협업한 나비에-스토크스 연구 사례를 들며 "탐색은 매우 광범위할 수 있지만 결과를 받아들이는 조건은 매우 구체적이어야 한다"고 말했다.

오픈AI의 첫 자체 개발 칩 '할라페뇨' 개발도 같은 원칙을 적용한 사례로 제시했다. 오픈AI는 지난 6월 브로드컴과 협력해 개발한 할라페뇨를 공개했다.

설계 단계에서 AI가 제안한 회로 변경안을 기존 반도체 설계 도구로 반복 검증했다. 그 결과 일부 연산 블록의 면적을 8~10% 줄였다고 호 부사장은 설명했다.

소프트웨어 최적화에서는 AI로 초기 구현 대비 성능을 약 287배 높여 이론적 최대 성능을 88.94%까지 끌어올렸다고 설명했다.

호 부사장은 "에이전트를 실행시키는 것만으로는 부족하다. 무엇을 해냈을 때 제대로 끝난 것인지 알려줘야 한다"며 "기계가 더 많은 실행을 맡더라도 목표를 선택하고 무엇을 근거로 받아들일지는 사람이 책임져야 한다"고 말했다.

shushu@news1.kr