AI 에이전트 도입은 사용률보다 위임의 깊이를 봐야 한다

제일 먼저 든 생각

AI 에이전트를 조직에 넣을 때 자주 묻는 질문은 “몇 명이 쓰는가”다. 그런데 이 논문을 읽고 나면 질문이 조금 바뀐다. 중요한 것은 로그인 수가 아니라, 사람들이 어느 순간부터 일을 “물어보는 것”이 아니라 “맡기는 것”으로 바꾸는지다.

Johnston 등은 OpenAI의 Codex 사용 데이터를 개인 사용자, 외부 조직 계정, OpenAI 내부 근로자라는 세 집단으로 나누어 본다. 논문이 흥미로운 지점은 “에이전트형 AI가 빠르게 확산된다”는 큰 문장이 아니라, 깊게 쓰는 사람들의 작업 모양이 달라진다는 관찰이다. 여러 에이전트를 동시에 돌리고, 반복 가능한 스킬을 쓰고, 하루 이상 걸릴 수 있는 복잡한 과업을 맡기기 시작한다.

논문이 관찰한 핵심은 “대화형 사용”에서 “위임형 작업 시스템”으로 넘어가는 경계다.

사용률보다 먼저 봐야 할 것

논문은 Codex의 주간 활성 사용자가 2026년 상반기에 5배 이상 늘었다고 보고한다. 하지만 이 수치만으로는 조직의 변화가 설명되지 않는다. 더 중요한 것은 사용의 성격이다. 논문은 OpenAI 내부에서는 Codex가 업무용 ChatGPT 사용을 거의 대체했고, 외부 조직에서도 에이전트형 도구로 이동하는 흐름이 보이지만, 그 깊이는 아직 고르지 않다고 말한다.

내가 밑줄 친 문장은 이쪽이다.

“에이전트형 AI에서 중요한 경계는 사람이 도구를 쓰느냐가 아니라, 어떤 일을 위임하고, 시스템이 얼마나 실행하며, 사용자가 반복·병렬 위임을 중심으로 작업을 다시 조직하느냐다.”

“For agentic AI, the important margins are not only whether a person uses the tool, but what work they delegate, how much execution the system performs, and whether users begin to organize workflows around repeated or parallel delegation.”

이 문장은 AI 도입 지표를 다시 생각하게 한다. “월간 활성 사용자”, “프롬프트 수”, “토큰 사용량”은 시작점일 수 있지만, 업무설계 관점에서는 부족하다. 적어도 다음 네 가지를 같이 봐야 한다.

• 사용자가 한 번에 하나의 답을 받는가, 아니면 여러 흐름을 병렬로 맡기는가
• 매번 새로 설명하는가, 아니면 재사용 가능한 지시·스킬·템플릿을 축적하는가
• 에이전트가 산출물을 만들고 파일·코드·문서를 실제로 바꾸는가
• 사람의 역할이 작성자에서 위임자·검토자·조율자로 이동하는가

내부 선도 조직을 그대로 일반화하면 위험하다

논문은 OpenAI 내부 데이터를 함께 보여주지만, 그 자체가 일반 조직의 평균은 아니라고 분명히 선을 긋는다. 내부 구성원은 모델과 도구에 익숙하고, 사용량 제약이 낮고, 서로 사용법을 공유하며, 많은 업무가 AI 시스템 개발과 가까이 붙어 있다. 그러니 “OpenAI에서는 거의 이렇게 쓴다”를 “우리 회사도 곧 이렇게 된다”로 곧장 옮기면 과장이다.

다만 선도 조직의 데이터는 좋은 조기 신호가 된다. 특히 논문은 깊게 쓰는 사람들을 단순한 고빈도 사용자로 보지 않는다. 이들은 더 긴 런타임, 더 높은 작업 복잡도, 더 많은 동시 실행, 더 많은 스킬 사용을 보인다. 말하자면 AI를 잘 쓰는 사람은 프롬프트를 예쁘게 쓰는 사람이 아니라, 여러 작업 흐름을 안전하게 맡기고 회수하는 운영 방식을 만든 사람에 가깝다.

첫 페이지 초록은 성장률보다 “workflow substantially changed”라는 표현을 눈여겨보게 한다.

Deciflow식으로 가져올 작은 실험

이 논문을 바로 조직 전체 생산성 주장으로 쓰기보다는, 작은 관찰표로 가져오는 편이 좋겠다. 예를 들어 한 팀에서 2주 동안 AI 에이전트 사용을 기록한다면 “썼다/안 썼다”가 아니라 다음 항목을 본다.

1. 위임한 과업의 단위: 10분짜리 질의인가, 반나절짜리 산출물인가
2. 사람의 검토 지점: 중간 로그를 봤는가, 마지막 결과만 봤는가
3. 재사용 자산: 스킬, 체크리스트, 저장된 지시문이 생겼는가
4. 병렬성: 동시에 여러 에이전트를 돌렸는가, 그 결과를 사람이 조율했는가
5. 실패 처리: 잘못된 결과를 발견했을 때 되돌리는 절차가 있었는가

성과 측정도 “시간을 줄였다” 하나로 끝내면 약하다. 에이전트가 늘어날수록 사람에게 남는 일은 더 고급 판단일 수도 있지만, 반대로 검토·감사·책임 소재가 더 복잡해질 수도 있다. 이 논문이 보여주는 것은 에이전트 도입이 생산성 도구 하나를 추가하는 문제가 아니라, 작업 단위와 감독 단위를 다시 자르는 문제라는 점이다.

오늘 남길 질문

우리 팀에서 AI 에이전트 사용을 평가한다면, 첫 대시보드는 사용량 차트가 아니라 “어떤 일이 위임 가능한 단위로 바뀌었는가”를 보여줘야 하지 않을까. 다음 주 한 가지 업무만 골라, 사람의 역할을 작성자·검토자·조율자로 나누어 기록해보면 좋겠다.

원문 정보

• 제목: The Shift to Agentic AI: Evidence from Codex
• 저자: Drew Johnston, David Holtz, Alex Martin Richmond, Christopher Ong, Prasanna Tambe, Aaron Chatterji
• 연도/게시일: 2026
• 게재/출처: arXiv
• arXiv: 2606.26959v1
• PDF: https://arxiv.org/pdf/2606.26959

원문 논문: The Shift to Agentic AI: Evidence from Codex