핵심 요약

  • John Lindquist는 Jev를 글을 생성하는 챗봇보다 정해진 선택지 중 결정을 내리는 모델로 설명했다. 분류, 점수 산정, 도구 선택에 활용한다.
  • 그의 시연에서는 음성 할 일 앱, 데이터 중복 제거, 앱 라우팅, 체스 분석 등이 등장했다. 23차례 개발 실행에 든 비용은 총 73센트였다고 밝혔다.
  • Kath Korevec는 ChatGPT Sites로 Slack·Notion의 실시간 데이터를 연결해 방문자마다 다른 정보를 보여주는 내부 도구를 시연했다.
  • Claire는 DevDay 발표 중 Spaces의 공동 작업 방식과 Sites의 권한 처리에 주목했다. Dots에 대해서는 유용한 사례를 경험했지만 제품 간 관계가 아직 혼란스럽다고 평가했다.

Jev는 정해진 선택지에서 결정을 내린다

개발자이자 교육자인 John Lindquist는 Jev를 자유로운 답변을 쓰는 도구보다 조건문에 가까운 도구로 다뤘다. 개발자가 가능한 경로나 동작을 정해두면, Jev가 자연어 입력을 분류해 알맞은 결과나 함수 호출을 반환하는 방식이다. 그가 제시한 활용처에는 음성으로 조작하는 할 일 앱과 입력 내용에 따라 기능을 고르는 명령창이 있다.

John은 한 번의 분류에 모든 판단을 맡기기보다 결과를 다음 분류의 입력으로 넘기는 방식을 자주 쓴다고 설명했다. 호출 비용이 낮아 분류 단계를 추가하기 쉽고, 실제 사용 데이터가 쌓이면 단계를 합칠 수도 있다는 주장이다.

속도와 비용이 바꾸는 작업 범위

John의 시연에는 대규모 데이터의 중복 제거, 체스 분석, 여러 에이전트의 경로 조정도 포함됐다. 그는 23차례 개발 실행에 73센트를 썼다고 밝혔고, Claire가 5GB의 JSON을 처리하는 데에는 40센트가 들었다고 전했다.

체스 사례에서 Jev는 한 게임 전체를 1초 이내에 분석했다. 소개된 비교에서는 추론 강도를 낮춘 기존 LLM보다 10배 빠르고 비용은 4분의 1이었으며, 정확도도 떨어지지 않았다. John은 결정 한 번이 빠르고 저렴하다면 가능한 수를 폭넓게 평가하는 방식도 실용적일 수 있다고 봤다. 다만 선택 가능한 행동이 정해져 있어야 한다. 창의적 사고, 열린 형태의 분석, 브레인스토밍, 이미지 해석에는 기존 LLM이 더 적합하다고 구분했다.

방문자에 맞춰 달라지는 ChatGPT Sites

OpenAI의 Kath Korevec는 ChatGPT Sites로 만든 사고 대응 도구를 시연했다. 이 사이트는 Slack과 Notion에 연결하고, 방문자가 접근할 수 있는 채널을 바탕으로 소속 팀을 파악해 관련 사고와 대응 절차만 보여준다. 연결 서비스의 인증을 활용하므로 방문자별 표시 내용을 위한 별도 로직을 작성할 필요가 없다고 설명했다.

Kath에 따르면 Sites에는 D1 저장소, R2 버킷, MCP 플러그인 호스팅, 공동 편집자 지원이 포함된다. 팀은 OpenAI DevDay 기조연설에 사용한 슬라이드에도 이를 활용했다. Claire는 Sites 앱에 Snowflake 같은 연결 도구를 묶어 공유하더라도 사용자별 기존 데이터 권한을 유지할 수 있다는 점에 주목했다.

짧게 쓰는 도구와 사람이 맡는 결정

Kath는 출장 한 번을 위해 개인화한 사이트를 만들어 일주일간 쓰고 버리는 사례를 들었다. 또 매주 월요일 컴퓨터 조작 기능으로 Reddit의 인기 플레이리스트를 찾고 새 Spotify 플레이리스트를 만드는 음악 탐색 도구를 소개했다. 방의 크기와 조작 방식 등을 정의한 스킬을 공개해 다른 사람이 공동 던전 게임에 방을 추가하도록 한 사례도 있었다.

그는 Codex를 조사, 사고 정리, 초안 작성에 쓰지만 자신의 이름으로 이메일이나 메시지를 보내는 일에는 승인을 요구한다고 밝혔다. 도구를 빠르게 만들 수 있는 것과 대외 소통을 자동으로 실행하는 것은 별개의 판단이라는 사용 원칙이다.

Claire가 본 DevDay 발표의 가능성과 한계

Claire는 Dots가 쇼핑과 코딩을 돕고 자녀의 수영 일정 충돌을 먼저 발견했다고 전했다. 다만 Dot의 작업 흐름과 ChatGPT 대화, Codex의 관계가 혼란스러워 최종 평가는 유보했다. 사람과 에이전트가 문서와 슬라이드 등을 함께 다루는 Spaces에는 높은 관심을 보였다.

그는 시각 정보를 처리하는 Decisions API로 영상 프레임 100개를 살펴 썸네일에 쓸 만한 장면을 약 10초 만에 골랐다고 밝혔다. Astra Ultrafast로 자녀들과 실시간 SVG 스케치패드와 자연어 기반 3D 게임도 만들었지만, 해당 세션 비용은 약 97달러였다. 비용을 중시하는 팀을 위해 GPT-6.1 Sol의 가격을 입력 100만 토큰당 2달러, 출력 100만 토큰당 10달러로 소개하고 Astra의 10달러·50달러와 비교했다. Claire 자신은 여전히 Astra의 추가 비용을 지불한다고 했다.

세 편의 사례는 빠른 분류 모델과 연결된 내부 도구가 이미 여러 작업에 쓰이고 있음을 보여준다. 동시에 각 도구의 효용은 선택지의 범위, 데이터 접근 권한, 실행 비용, 사람의 승인 경계에 따라 달라진다.