제품

OpenAI Dots 등장, 상주형 Agent는 진짜 흐름일까, Devin의 재탕일까

Hacker News에서 401점·306개 댓글로 뜨거운 논쟁을 일으킨 'Dots'는 OpenAI의 상주형 Agent다. 과거 Devin·AutoGPT가 같은 길을 걸었다는 점에서 회의적인 시각도 만만치 않다.

글자 크기

OpenAI가 지난주 공식 블로그를 통해新产品 Dots를 공개했다. 슬로건은 always-on agent, 즉 상시 가동되는 백그라운드형 AI 어시스턴트. 발표와 동시에 Hacker News 1면에 오르며 401점·306개 댓글을 끌어모았다. 관심도가 상당하다는 뜻이다.

그런데 댓글을 한 바퀴 돌려보면, 흥분과 의심이 거의 반반이다. 이 글에서는 세 가지를 짚어보려 한다. Dots가 정확히 무엇인지, 왜 HN에서 이 정도로 싸움이 붙는지, 그리고 과거의 '상시 가동' Agent들과 무엇이 다른지.

Dots는 정확히 무엇인가

OpenAI 공식 블로그에 따르면, Dots는 ChatGPT의 또 다른 대화창이 아니다. Dots는 상주형 Agent다 — 목표를 던져주면 백그라운드에서 계속 돌아가고, 알아서 진행 상황을 알려준다.

두 형태를 비교하면 차이가 분명하다.

  • ChatGPT 형태: 사용자가 질문 → 모델이 답변 → 종료. 다음 상호작용은 사람이 다시 시작해야 한다.
  • Dots 형태: 사용자가 목표를 설정 → Agent가 백그라운드에서 계속 실행 → 결과를 먼저 푸시 → 사용자가 계속 지켜볼 필요 없음.

쉽게 말해 ChatGPT는 "AI를 부르는 쪽"이고, Dots는 "AI가 부르는 쪽"이다.

공식 블로그에 나온 예시를 보면 이런 식이다. 특정 GitHub 저장소의 issue를 지켜보다가, 누군가가 특정 라벨의 버그를 올리면 자동으로 테스트를 돌리고, 패치를 만들고, 브랜치에 푸시하는 것. 이런 작업은 지금까지 GitHub Actions로 YAML을 한가득 쓰거나, 사람이 Slack을 계속 보고 있어야 했다. 이론적으로는 이제 AI가 24시간 백그라운드에서 대신 보고 있어 줄 수 있다는 얘기다.

듣기에는 화려하다. 그런데 문제는 이런 24시간 상시 AI가 실제로 필요한 사람이 과연 몇이나 되느냐다.

필자의 경험상, 대부분의 Agent 시나리오는 사실 '트리거형'이다 — 필요할 때 한 번 돌리고, 끝나면 종료. 상주형 Agent가 어울리는 건 비동기·장기·외부 이벤트 대기가 필요한 작업이다. 모니터링, 점검, 데이터 파이프라인 같은 것들. 이런 수요는 기업에는 분명히 있지만, 일반 개발자에겐 그리 빈번하지 않다.

왜 이번 HN 논의가 이리 격렬한가

401점, 306개 댓글이라는 숫자는 HN에서도 대형 뉴스에 속한다. 댓글의 주요 의견을 유형별로 정리해봤다.

긍정파(약 40%):

  • "드디어 OpenAI가 제대로 된 Agent 제품을 내고 있다"
  • "ChatGPT 이후 가장 흥미로운 제품"
  • "Operator의 다음 단계"

회의파(약 50%):

  • "또 하나의 Devin?" — 가장 자주 등장한 댓글
  • "Always-on agent이라는 말은 2023년에도 나온 적 있다"
  • "API를 기다리겠다, 오픈소스를 기다리겠다, 벤치마크 결과를 기다리겠다"
  • "OpenAI 제품 출시가 갈수록 키노트 발표처럼 변해간다"

구경꾼(약 10%):

  • 각종 밈과 드립, 그리고 Sam Altman이 언제 8억 달러를 또融资할 거냐는 논의.

한 가지 흥미로운 디테일이 있다: 댓글에서 "Devin"이라는 단어가 20번 넘게 등장한다. 사람들이 Devin을 기준으로 평가한다는 건, 이 카테고리에 대한 시장의 기억이 부정적이라는 뜻이다. Devin 역시 작년 출시 당시 이런 수준의 열기를 받다가, 데모가 조작으로 드러나고 구독자가 대량 이탈, 지금은 거의 언급되지 않는다.

또 다른高频 단어는 'demo'다. 많은 사람이 묻는다: Dots에는 실제로 돌아가는 데모가 있는가? 며칠 동안 정말 '상주'로 돌아간 실제 과제가 있는가? 아니면 또 녹화 영상인가?

Always-on이라는 말, OpenAI가 처음 쓴 게 아니다

이 트랙의 제품들을 되짚어보자.

  • Devin(2024년 초): Cognition AI가 내놓은 '최초의 AI 소프트웨어 엔지니어'. 24시간 자율 코딩을 표방했다. 데모는 화려했고, 기업 가치는 20억 달러까지 뛰었다. 그런데 데모가 녹화였다는 사실이 드러나고, 실제 성능이宣传에 한참 못 미치자 구독자가 대거 이탈, 사실상 침몰.
  • Replit Agent(2024년 하반기): IDE에서 출발한 Agent로, 웹앱 개발을 독자적으로 수행 가능. 24시간 상주는 아니지만 백그라운드 작업은 가능. 지금은 살아남았지만, 포지션이 'AI 코딩 어시스턴트' 쪽으로 다시 수렴하고 있다.
  • AutoGPT(2023년): 'autonomous agent'라는 슬로건을 가장 먼저 외친 제품. 스스로 목표를 세우고, 작업을 쪼개고, 실행까지 했으나, 신뢰성 부족·실행暴走·악용 등의 이유로 지금은 GitHub star만 남은 상태.
  • Claude Computer Use(2024년 말):Anthropic가 출시한 기능으로, AI가 컴퓨터를 직접 조작. 형태는 '대화형 트리거'이지 상주는 아니지만, Agent가 GUI를 다루는 능력의 상한선을 보여준 사례다.

이 제품들의 공통점은 하나다: 모두 always-on 또는 그 비슷한 형태를 시도했다가, 결국 '사람이 주도하고 AI가 보조'하는 방식으로 회귀했다.

Dots는 도대체 뭘 믿고 성공할 수 있다고 판단한 걸까? 블로그에서는 명확한 해답을 찾지 못했다. 아마 OpenAI의 자신감은 아래와 같은 기술 자산에서 비롯된 것일 수 있다.

기술적으로 Dots는 어떻게 구현될 가능성이 있는가

상주형 Agent는 단일 모델로 해결되는 문제가 아니다. 여러 시스템의 협조가 필요하다. OpenAI의 기존 제품 매트릭스를 바탕으로 추측컨대, Dots는 아래 네 가지 능력의 조합일 가능성이 크다.

1. O3 추론 모델 — 복잡한 의사결정, 작업 분해, 예외 처리를 담당.
2. Operator 브라우저 에이전트 — 웹 조작이 필요한 작업을 실행.
3. Memory 기억 시스템 — 세션과 작업을 관통하는 장기 기억을 담당.
4. Codex 코드 에이전트 — 코드 관련 서브태스크를 처리.

이 네 가지를 합치면 대략 이런 실행 메커니즘이 된다.

# 추측에 기반한 Dots 아키텍처 (의사코드)
class DotsAgent:
    def __init__(self):
        self.planner = O3()           # 추론 + 계획
        self.executor = Operator()    # 브라우저/도구 실행
        self.memory = MemoryStore()   # 장기 기억
        self.coder = Codex()          # 코드 서브태스크
        self.triggers = TriggerSystem() # 백그라운드 트리거

    async def run_forever(self, goal):
        while True:
            # 이벤트 트리거 대기 (폴링 / webhook / 스케줄)
            event = await self.triggers.wait()
            # O3로 작업 분해
            plan = self.planner.decompose(goal, event)
            # 실행
            for step in plan:
                result = await self.executor.run(step)
                self.memory.record(step, result)
                if needs_code(step):
                    await self.coder.run(step)
            # 결과 푸시
            self.notify(plan, result)

핵심 난관은 모델 능력이 아니라 백그라운드 가동의 신뢰성, 비용 통제, 장애 복구, 그리고 '사람이 어떻게 신뢰할 수 있느냐'다.

상주형 Agent가 하룻밤 사이에暴走해서 API 비용 몇십 달러를 태워버리면, 다음 날 청구서를 본 사용자는 반쯤 미쳐버린다. 조용히 실패해서 작업이 안 돌아간 걸 일주일 뒤에야 발견하는 경우도 마찬가지다. 이 두 문제가 해결되지 않으면, always-on은 영원히 데모에 머문다.

편집자의 판단

필자의 판단은 이렇다: Dots는 진심이다. 다만 'always-on'은 과대평가된 요구다.

진심인 부분은? OpenAI가 Operator, Memory, Codex 같은 개별 제품을 묶어 하나의 통일된 형태로 내놓았다는 건, 내부적으로 이 트랙에 베팅을 걸고 있다는 뜻이다. 단순한 PPT 마케팅은 아니다.

과대평가된 부분은? 지난 2년간 Devin, AutoGPT, Claude Computer Use가 한 번씩 시장을 교육한 결론은 이거다 — 대부분 사람이 사실 24시간 상시 AI 어시스턴트가 필요하지 않다는 것. 필요한 건 트리거가 확실하고, 가격이 싸고, 사람이 언제든 끼어들 수 있는 Agent다. 상주는 트리거 방식 중 하나일 뿐, 유일한 답은 아니다.

ChatGPT 플러그인이나 GPTs와 비교하면, 그때 실패의 원인은 '개발자 동기 부족, 사용자 시나리오 부족'이었다. Dots는 이번에 '비동기 장기 작업'이라는 더 좁지만 더刚需인 시나리오를 노렸으니, 방향성은 더 맞다고 본다.

가장 큰 불확실은 이것이다: OpenAI가 Dots의 핵심 능력을 API로 진짜로对外开放 할 것인가. ChatGPT 안의 새 기능으로만 남으면 천장도 ChatGPT 사용자 수만큼이다. API로 풀면 개발자가 자기만의 상주형 워크플로우를 얹을 수 있어 비로소 상상력이 열린다.

필자는 전자를 건다. 빚진다면 그때 가서 자백하겠다.

출처: https://openai.com/index/introducing-dots/