OpenAI DevDay 2026 총정리: Dots부터 Codex까지

📅2026년 10월 1일 12:46 PM

#OpenAI#DevDay2026#Dots#ChatGPTSpace#GPT6.1Sol#Codex#AgentsAPI#DecisionsAPI

💡이 글의 요약

53분 키노트의 20여 개 발표를 시간순으로 정리하고, Dots·Space·GPT-6.1 Sol·Decisions API·Codex가 하나의 에이전트 운영체제로 연결되는 이유를 분석합니다.

OpenAI의 2026년 DevDay 키노트는 53분 동안 20개가 넘는 발표를 쏟아냈다. 이름만 나열하면 Dots, ChatGPT Space, GPT-6.1 Sol, Ultrafast, Decisions API, Agents API, Codex Cloud, 플러그인 확장, Sign in with ChatGPT까지 서로 다른 제품처럼 보인다. 하지만 전체 영상을 끝까지 보면 하나의 설계도가 드러난다. OpenAI는 더 좋은 채팅 모델 하나를 발표한 것이 아니라, AI가 사람의 일을 계속 맡아 수행하는 데 필요한 운영체제 전체를 세우려 했다.

이 글은 OpenAI DevDay 2026 전체 키노트를 기준으로 발표 순서와 데모를 재구성하고, OpenAI 공식 제품 문서와 독립 보도를 교차 확인해 무엇이 지금 쓸 수 있는 기능이고 무엇이 아직 약속에 가까운지 구분한다. 각 주요 구간에는 영상을 바로 확인할 수 있는 타임코드 링크를 붙였다.

핵심 요약

이번 키노트의 주인공은 모델이 아니라 지속성이다. Dots는 대화를 끝내도 멈추지 않고, 전용 클라우드 컴퓨터와 브라우저에서 24시간 책임을 수행하는 에이전트다.
ChatGPT Space와 Pages는 그 에이전트가 팀과 함께 일할 장소다. 문서, 댓글, 차트, Slack 맥락, 코드 작업이 하나의 협업 표면으로 모인다.
GPT-6.1 Sol과 Ultrafast는 에이전트 경제성을 담당한다. 전자는 Astra에 가까운 성능을 낮은 가격에, 후자는 높은 가격을 감수하고 실시간에 가까운 반응 속도를 제공한다.
Decisions API는 생성 대신 제한된 선택에 집중한다. 정해진 답 중 하나를 빠르게 고르게 해 라우팅·분류·다음 행동 선택을 일반 소프트웨어 안에 넣는다.
Agents API와 Codex Cloud는 Dots의 기반을 개발자에게 판매한다. 멀티 에이전트, 도구 호출, 컨텍스트 압축, 컴퓨터 사용, 클라우드 실행이 제품화된다.
플러그인과 Sign in with ChatGPT는 배포 전략이다. OpenAI는 12억 주간 사용자와 그들의 구독·권한을 외부 앱의 유통망으로 만들려 한다.
다만 무대 위 지연과 오류는 현재 수준을 정확히 보여줬다. 방향은 선명하지만, 신뢰성·승인 경계·비용·관찰 가능성이 실제 도입의 성패를 가른다.

53분 키노트 시간표
Dots: 프롬프트가 아니라 책임을 맡기는 AI
ChatGPT Space와 Pages: 에이전트가 일할 공동 작업면
GPT-6.1 Sol과 Ultrafast: 지능의 가격과 속도를 분리하다
Decisions API: 생성형 AI를 선택 엔진으로 좁히다
AI 연구 인턴과 장기 작업의 확대
Agents API·컴퓨터 사용·Private Intelligence
Codex Cloud: 코딩 도구에서 작업 실행망으로
플러그인·Sites·MCP Events·로그인: 배포망의 완성
라이브 데모가 보여준 현실적인 한계
개발자가 지금 읽어야 할 신호
결론: 챗봇 다음은 AI 운영체제 경쟁이다

53분 키노트 시간표

00:23 오프닝과 Codex 개선 사항
02:26 Dots 공개
08:17 ChatGPT Space 소개
09:27 Dottie와 Blossom Music 라이브 데모
17:45 기업용 Specialist Dots
19:27 GPT-6.1 Sol과 Ultrafast
22:13 Decisions API
23:26 AI 연구 인턴과 연구 자동화
27:39 개발자 플랫폼, Codex Cloud, Agents API
31:47 Codex·Ultrafast·컴퓨터 사용 데모
44:12 Sign in with ChatGPT와 플러그인 생태계
52:32 ‘산업혁명보다 르네상스’라는 마무리

1. Dots: 프롬프트가 아니라 책임을 맡기는 AI

Sam Altman은 키노트 시작 2분 만에 Dots를 꺼냈다. 핵심은 “무엇을 물어볼까”가 아니라 “무슨 책임을 넘길까”다. 하나의 Dot은 GPT-6 Astra를 기반으로 자신의 클라우드 컴퓨터와 브라우저를 가지고, 사용자가 연결한 앱과 플러그인을 통해 장기 목표를 수행한다. 대화창을 닫아도 작업이 계속되고, 진행 중인 일을 다시 열어 보거나 방향을 바꿀 수 있다.

무대에서 제시한 예시는 단순한 일정 예약을 넘어섰다. 버그 제보를 감시하고, 의존성을 추적해 코드를 수정하고, 테스트를 실행한 뒤 검토 가능한 풀 리퀘스트를 만드는 식이다. 사람은 단계별 명령을 쓰는 대신 목표·권한·승인 규칙을 설정한다. 즉 Dots의 제품 단위는 대화가 아니라 지속되는 위임 관계다.

사용 접점도 ChatGPT에 묶이지 않는다. OpenAI는 Slack·Teams, 문자, 음성 통화로 Dot과 대화하는 흐름을 제시했다. 공식 문서에 따르면 4,000개가 넘는 앱 연결을 활용할 수 있으며, 백그라운드의 ‘proactive research’는 읽기 전용 도구로 제한된다. 외부 계정이나 정보에 영향을 주는 행동은 규칙과 자동 검토를 거쳐 승인 여부가 결정되고, 비밀번호 변경처럼 민감한 일은 사용자에게 남는다.

출시 범위는 넓어 보이지만 실제 초기 접근은 제한적이다. Dots는 지원 시장의 Pro와 Business Premium에서 제공되고, Enterprise·Edu·Healthcare는 관리자가 켜야 하는 베타다. 그러므로 지금은 모든 ChatGPT 사용자의 기본 경험이라기보다, 높은 비용과 운영 책임을 감수할 의지가 있는 초기 사용자에게 배치된 제품에 가깝다.

Meta의 Muse와 비교하지 않을 수 없다. Muse 역시 전용 보안 VM과 브라우저, 장기 기억, 앱 연결, 선제적 제안을 내세운다. 두 회사가 거의 같은 시기에 비슷한 형태를 내놓았다는 사실은 우연한 기능 복제가 아니라 업계의 인터페이스 수렴을 보여준다. 프론티어 모델 경쟁의 다음 화면은 빈 채팅창이 아니라, 이름과 기억과 권한을 가진 상시 에이전트다.

2. ChatGPT Space와 Pages: 에이전트가 일할 공동 작업면

항상 켜진 에이전트가 있다면 그 결과가 쌓이고 사람과 합의되는 장소가 필요하다. OpenAI가 Dots 직후 Space를 발표한 이유다. Space는 팀원, ChatGPT, 각자의 Dot이 공유 지식 위에서 함께 일하는 프로젝트 홈이다. Pages는 그 안의 문서 단위로, 글쓰기뿐 아니라 조사, 차트, 이미지, 인터랙티브 결과물을 한 화면에서 다룬다.

Holly Li의 데모는 이 제품의 의도를 가장 잘 보여줬다. 가상의 음악 앱 Blossom을 두고 음성 통화로 아이디어를 정리하고, 캘린더를 확인해 회의를 잡고, Space의 페이지에서 사용자 피드백을 차트로 바꾸고, Slack DM의 맥락을 찾아 문서에 반영했다. 버그 보고가 올라오자 다른 팀원의 Dot이 세션 정보를 읽어 Codex 작업과 PR 작성으로 이어지는 장면도 나왔다.

여기서 중요한 변화는 문서가 최종 산출물이 아니라 사람과 에이전트가 공유하는 실행 상태가 된다는 점이다. 댓글 속 @멘션이 작업 위임으로 바뀌고, 표와 차트는 매시간 갱신되는 뷰가 되며, 대화 스레드는 장기 프로젝트로 승격된다. Slack, Notion, Google Docs, 프로젝트 관리 도구의 경계가 ChatGPT 안에서 겹쳐지는 셈이다.

반대로 조직 입장에서는 지식의 중심이 어디에 놓이는지 다시 판단해야 한다. Space가 편리할수록 대화 기록, 연결 앱, 작업 결과, 승인 로그가 OpenAI의 작업면에 모인다. 도입 전에는 페이지 소유권, 데이터 보존, 외부 시스템과의 동기화, 에이전트가 만든 변경의 감사 가능성을 먼저 설계해야 한다.

3. GPT-6.1 Sol과 Ultrafast: 지능의 가격과 속도를 분리하다

이번 DevDay에는 완전히 새로운 최상위 모델이 등장하지 않았다. 대신 OpenAI는 에이전트를 실제로 오래 돌리는 데 필요한 두 가지 축, 비용과 지연 시간을 분리해 제시했다.

GPT-6.1 Sol은 에이전트 코딩, 컴퓨터 사용, 전문 업무에서 GPT-6 Astra에 가까운 성능을 목표로 한 업그레이드다. 표준 API 가격은 입력 100만 토큰당 2달러, 캐시 입력 0.10달러, 출력 10달러다. Astra의 표준 입력·출력 가격과 비교하면 5분의 1 수준이다. 다만 기존 GPT-6 Sol과 비교하면 입력·출력 가격은 같고, 캐시 입력 가격이 절반으로 낮아진 것이다. “5분의 1”은 이전 Sol이 아니라 Astra를 기준으로 한 표현이라는 점을 기억해야 한다.

이 가격 구조는 장기 에이전트에 특히 중요하다. 작업 기록, 저장소 구조, 문서 묶음처럼 같은 컨텍스트를 반복해서 읽는 에이전트는 캐시 가격에 민감하다. 한 번의 답변이 아니라 수십 번의 도구 호출과 재검토로 완성되는 작업에서는 작은 단가 차이가 운영 가능성을 바꾼다.

Ultrafast는 반대 방향이다. 비용을 더 내고 속도를 산다. OpenAI는 Codex에서 최대 8배, API에서 최대 6배 빠르며 Codex 기준 초당 최대 300토큰을 제시했다. 무대에서는 3D 공간을 실시간으로 바꾸고, 한 줄 요청으로 이벤트 추첨 앱을 발표 중에 완성하는 장면으로 속도의 효과를 보여줬다. Astra Ultrafast는 API와 Pro 500·Enterprise의 ChatGPT Work 및 Codex에 제공되고, Sol 버전은 추후 제공 예정이다.

두 발표를 함께 봐야 한다. OpenAI는 이제 모든 작업에 같은 모델·같은 속도를 쓰라고 하지 않는다. 반복되는 긴 작업에는 저렴한 Sol과 캐시를, 즉각적인 상호작용에는 Ultrafast를, 가장 어려운 단계에는 Astra를 배치하는 다층 구조를 판다. 모델 선택은 품질 순위가 아니라 작업의 시간 가치와 실패 비용을 계산하는 문제가 됐다.

4. Decisions API: 생성형 AI를 선택 엔진으로 좁히다

22분대의 짧은 발표였지만 개발자에게 가장 중요한 신제품 중 하나는 Decisions API다. 개발자가 유한한 답 후보와 텍스트·이미지 맥락을 주면, Luna 기반 모델이 그중 하나를 빠르게 고른다. 고객 문의 분류, 요청 라우팅, 콘텐츠 판별, 다음 에이전트 선택처럼 자유로운 문장 생성이 오히려 불필요한 지점이 대상이다.

이 설계는 TypeSafe AI의 Jev가 제기한 문제와 같은 방향을 향한다. 일반 언어 모델은 설명을 잘하지만, 소프트웨어가 바로 소비할 수 있는 빠르고 제한된 결정을 매번 안정적으로 내리는 일은 별개의 최적화 문제다. 답의 공간을 미리 정의하면 형식 오류를 줄이고 지연 시간과 비용을 낮출 수 있다. OpenAI가 이 기능을 모델 자체가 아니라 API 제품으로 넣었다는 점은 ‘판단 계층’이 에이전트 스택의 독립 구성 요소가 되고 있음을 뜻한다.

하지만 타입이 맞는다고 판단까지 맞는 것은 아니다. 선택지를 제한하면 존재하지 않는 문장을 지어내는 문제는 줄어도, 잘못된 선택을 자신 있게 반환할 위험은 남는다. 실제 서비스에서는 신뢰도 임계값, 사람 검토 경로, 재시도 규칙, 결과별 피해 규모를 함께 설계해야 한다. Decisions API는 현재 제한 프리뷰이며, 운영 품질은 독립 평가가 더 쌓여야 판단할 수 있다.

5. AI 연구 인턴과 장기 작업의 확대

23분부터는 제품 발표가 잠시 연구 이야기로 전환된다. OpenAI는 1년 전 예고했던 ‘AI 연구 인턴’ 단계에 도달했다고 주장했다. 발표에 따르면 모델은 컴퓨터 사용과 코딩을 통해 훈련 파이프라인 개선에 기여했고, 2026년 7월 기준 사람의 하루 이상이 걸리는 연구 작업의 3분의 1 이상을 개입 없이 수행했다.

또한 수십 년간 열려 있던 수학 문제 100개 이상을 푸는 데 도움을 줬고, 항생제 연구, 고대 언어와 역사, 에너지 효율, 제조 로봇 연구를 가속하고 있다고 설명했다. 이 수치는 OpenAI 내부 측정과 주장에 기반하므로 외부 검증과 과제 정의를 함께 봐야 한다. 특히 ‘하루짜리 작업’이 무엇인지, 성공을 누가 판정하는지에 따라 의미가 크게 달라진다.

그럼에도 제품 전략과의 연결은 분명하다. 연구 인턴, Dot, Codex Cloud는 모두 긴 작업을 백그라운드에서 실행하고 중간 상태를 보존하며 필요할 때 사람에게 넘기는 동일한 패턴이다. 최종 답 한 번의 정확도보다, 긴 시간 동안 오류를 발견하고 복구하며 목표를 유지하는 능력이 중요해진다.

6. Agents API·컴퓨터 사용·Private Intelligence

27분 39초부터 OpenAI는 Dots와 Codex를 만든 기반을 개발자에게 공개하는 쪽으로 이동한다. Agents API는 멀티 에이전트 제어, 도구 검색과 호출, 컨텍스트 압축, OpenAI 호스팅 실행 환경을 묶는다. 새 컴퓨터 사용 기능은 OpenAI가 관리하는 브라우저에서 웹사이트를 열고 화면을 조작하며 테스트나 업무 절차를 수행하게 한다.

이 발표의 의미는 에이전트 개발에서 반복되던 기반 공사를 플랫폼이 흡수한다는 데 있다. 세션과 이벤트 스트림, 브라우저 환경, 여러 에이전트의 위임, 긴 컨텍스트 정리, 도구 권한 같은 요소를 각 팀이 처음부터 만들지 않아도 된다. Amazon과 함께 발표한 Bedrock Managed Agents는 같은 기능을 AWS 자원과 연결해 AWS 안에서 실행하려는 기업을 겨냥한다.

기업 도입을 위해 OpenAI는 Private Intelligence도 함께 내세웠다. Zero Data Retention과 호환되는 Private Safety Processing을 통해 콘텐츠를 저장하지 않으면서 안전 처리를 제공하고, 향후 Private Inference로 확장한다는 구상이다. 발표는 99%가 넘는 신뢰성과 첫 토큰 시간 45% 단축도 주장했다. 다만 이 수치의 측정 범위와 워크로드별 편차는 실제 운영에서 별도로 확인해야 한다.

개발자가 주의할 점도 명확하다. 호스팅 기반이 편리할수록 실행 환경과 비용, 장애 복구, 승인 UX가 플랫폼에 강하게 결합된다. 자동화 대상이 로그인된 서비스라면 세션 격리, 웹사이트 접근 승인, 민감 행동의 인간 확인, 실행 기록 보존을 애플리케이션 수준에서 다시 설계해야 한다.

7. Codex Cloud: 코딩 도구에서 작업 실행망으로

키노트 중반 이후 가장 긴 라이브 데모는 Codex에 배정됐다. OpenAI는 새 CLI의 음성 제어와 멀티 에이전트 화면, 코드 리뷰, Worktree 지원을 소개하고, Codex를 컴퓨터·휴대전화·클라우드 어디서나 이어서 쓸 수 있는 실행망으로 확장했다.

데모에서는 스케치에서 3D 게임을 만들고 Astra가 직접 게임을 조작했다. 이어 앱 화면 캡처를 맥락으로 전달해 여러 화면 크기에서 앱을 점검하게 하고, “백엔드 전체를 Rust로 다시 작성하라”는 큰 작업을 클라우드로 보냈다. 핵심은 코드를 더 빨리 완성하는 장면보다, 로컬에서 시작한 일을 클라우드에 넘기고 나중에 결과를 다시 인계받는 흐름이다.

Codex Security Cloud는 저장소 전체를 즉시 또는 일정에 따라 스캔하고, 새 커밋을 계속 확인하며, 중복 취약점을 정리하고 수정안을 준비한다. 일반 코드 리뷰도 데스크톱 앱에서 요약·diff·질의를 결합하고, 사람이 자리를 비운 동안 클라우드가 1차 검토를 수행할 수 있다. 코딩 에이전트가 IDE의 자동완성을 넘어 CI, 보안 스캔, 리뷰, 장기 리팩터링을 연결하는 배경 작업자가 되는 셈이다.

마지막 하드웨어 데모에서는 Codex로 이미지 생성·음성·시각 인식 기능을 작은 로봇에 연결했다. 장난스러운 오리 울음과 현장 이미지 생성으로 끝났지만, OpenAI가 강조한 포인트는 실시간 시각 입력에 따라 빠르게 행동하는 물리 시스템에도 같은 API 스택을 연결할 수 있다는 것이었다.

8. 플러그인·Sites·MCP Events·로그인: 배포망의 완성

44분대부터 발표의 질문은 “무엇을 만들 수 있는가”에서 “누가 그것을 발견하고 비용을 지불하는가”로 바뀐다. OpenAI는 ChatGPT의 주간 사용자 수를 약 12억 명이라고 제시하며, 이 사용자 기반을 개발자 배포망으로 연결하려 했다.

Sign in with ChatGPT는 사용자가 외부 앱에 ChatGPT 계정으로 로그인하고, 자신의 구독에 포함된 토큰 할당량을 그 앱에서 쓰게 한다. 개발자는 모든 추론 비용을 대신 부담하지 않아도 되고, 사용자는 이미 결제 중인 AI 구독을 다른 제품으로 가져간다. 초기에는 16개 파트너로 시작한다.

Plugin extensions는 플러그인에 사이드바의 고정된 홈과 대화 옆 인터랙티브 패널을 준다. 캘린더, 회의 노트, 디자인 댓글, 파일 뷰어 같은 기능이 대화의 부속 도구가 아니라 ChatGPT 안의 앱처럼 작동한다. 플러그인 제작기, 간소화된 심사, 대화 맥락 안의 추천, 30개가 넘는 마켓플레이스 출시 파트너도 함께 발표됐다.

Sites는 플러그인을 호스팅하고 팀원의 각기 다른 데이터와 권한을 연결한다. MCP Events는 연결 앱에서 새 메시지나 댓글 같은 사건이 발생하면 ChatGPT 자동화를 시작하게 한다. 요청할 때만 도구를 부르는 기존 MCP가 이벤트를 받아 움직이는 구조로 확장되는 것이다.

이 조합은 OpenAI가 추론 API 사업자에 머물지 않겠다는 선언이다. 계정, 결제 여력, 앱 유통, 작업 공간, 이벤트 런타임, 에이전트 실행을 한데 묶어 AI 소프트웨어의 운영체제와 앱스토어를 동시에 차지하려는 전략이다. 개발자에게는 엄청난 유통 기회지만, 제품의 고객 관계와 원가 구조가 OpenAI의 정책 변화에 종속될 위험도 커진다.

9. 라이브 데모가 보여준 현실적인 한계

이번 키노트는 녹화 영상 대신 실제 제품을 움직이는 장면을 많이 택했다. 그 대가도 그대로 드러났다. Dottie와의 음성 통화는 응답이 늦어 진행자가 기다려야 했고, Codex로 앱을 만드는 스레드에는 오류가 발생했다. 진행자는 문제를 숨기지 않고 작업이 더 걸릴 수 있다고 설명했다. Axios 역시 현장에서 몇 차례 실패와 지연이 있었다고 보도했다.

이 장면을 단순한 행사 사고로만 보는 것은 아쉽다. 상시 에이전트의 진짜 품질은 성공한 한 번의 결과보다 실패했을 때의 행동에서 결정된다. 상태가 보존되는가, 어디에서 막혔는지 알 수 있는가, 재개할 수 있는가, 잘못된 외부 행동을 멈출 수 있는가, 사람에게 적절한 시점에 도움을 요청하는가가 핵심이다.

OpenAI도 이를 의식해 Activity View, 사용자 규칙, 자동 검토, 읽기 전용 선제 조사, 민감 행동의 사용자 직접 수행을 강조했다. 그러나 안전 장치의 존재와 실제 신뢰성은 다르다. 앱 연결이 늘고 작업 시간이 길어질수록 권한의 문맥이 섞이고, 오래된 지시가 현재 상황에 잘못 적용될 수 있다. 초기 도입은 되돌릴 수 있고 결과가 검토 가능한 업무부터 시작해야 한다.

또 하나의 긴장은 발표 전날 부각됐다. AP는 OpenAI가 안전 우려로 더 진보한 모델의 출시를 미뤘다는 사실과, Altman이 키노트에서는 그 논란을 직접 언급하지 않았다고 전했다. 더 강한 자율성을 판매하는 날에 더 강한 모델의 통제 문제가 동시에 등장한 셈이다. 에이전트 시대의 제품 경쟁은 모델 성능만이 아니라, 행동 범위를 얼마나 투명하게 제한하고 감사할 수 있는지의 경쟁이기도 하다.

10. 개발자가 지금 읽어야 할 신호

첫째, 기능보다 책임 단위를 설계해야 한다

“검색 버튼에 AI를 붙인다”보다 “매일 어떤 상태를 확인하고 어디까지 처리한 뒤 누구에게 넘기는가”를 먼저 정의해야 한다. 좋은 에이전트 업무는 반복되고, 성공 기준이 있고, 필요한 권한이 좁으며, 실패 시 복구가 가능하다.

둘째, 생성 모델과 결정 모델을 분리해야 한다

모든 단계에 큰 생성 모델을 쓰면 느리고 비싸며 검증하기 어렵다. 요약·코드 작성은 생성 모델, 분류·라우팅은 Decisions API 같은 제한 선택 모델, 계산과 권한 판정은 일반 코드로 나누는 편이 낫다. 모델에게 자유를 주는 지점과 소프트웨어가 규칙을 강제하는 지점을 명시해야 한다.

셋째, 모델보다 실행 기록이 중요해진다

긴 작업은 중간 실패를 피할 수 없다. 프롬프트와 최종 답만 저장해서는 복구할 수 없다. 도구 호출, 승인, 브라우저 활동, 파일 변경, 비용, 재시도, 사람의 수정 이력을 관찰 가능한 이벤트로 남겨야 한다. 에이전트 평가도 정답률 하나보다 완료율·복구율·승인 횟수·피해 없는 중단 비율을 함께 봐야 한다.

넷째, 속도와 비용을 업무 가치에 맞춰 라우팅해야 한다

Ultrafast는 멋지지만 모든 백그라운드 작업에 필요하지 않다. 사용자가 기다리는 편집·음성·컴퓨터 조작은 빠른 계층으로, 밤새 도는 분석과 리팩터링은 Sol·캐시·비동기 실행으로 보낼 수 있다. 같은 모델을 전 구간에 고정하는 아키텍처는 품질보다 먼저 원가에서 막힐 가능성이 크다.

다섯째, 배포 채널의 편리함과 종속성을 함께 계산해야 한다

ChatGPT 로그인과 플러그인은 12억 사용자에게 다가갈 강력한 통로다. 동시에 발견 순위, 심사 규칙, 토큰 할당, 연결 권한, UI가 한 플랫폼에 묶인다. 핵심 데이터와 업무 규칙은 이식 가능하게 유지하고, OpenAI의 표면은 여러 배포 채널 중 하나로 다루는 편이 안전하다.

결론: 챗봇 다음은 AI 운영체제 경쟁이다

DevDay 2026의 가장 큰 발표를 하나 고르라면 Dots겠지만, 가장 중요한 사실은 Dots 혼자서는 성립하지 않는다는 점이다. Space는 기억과 협업을, Sol은 반복 작업의 비용을, Ultrafast는 즉시성을, Decisions API는 좁고 빠른 판단을, Agents API와 Codex는 실행 기반을, 플러그인과 로그인은 유통을 맡는다. 20여 개 발표가 하나의 상시 작업 시스템을 구성한다.

OpenAI가 그린 미래에서 사용자는 AI와 더 오래 대화하지 않는다. 대신 더 큰 책임을 짧게 맡기고, 중간에 승인하며, 완료된 결과를 검토한다. 인터페이스의 중심은 프롬프트 작성 능력에서 권한 설정과 업무 설계 능력으로 이동한다.

아직 그 미래가 완성된 것은 아니다. 무대의 지연과 오류, 제한된 초기 접근, 높은 가격, 안전 논란은 분명한 경고다. 그러나 Dots와 Muse, Decisions API와 Jev가 같은 시기에 비슷한 문제를 향하고 있다는 것은 방향만큼은 선명하다는 뜻이다. 2026년 이후의 AI 경쟁은 누가 가장 말 잘하는 모델을 가졌는지가 아니라, 누가 가장 믿고 맡길 수 있는 작업 시스템을 만들었는지로 평가될 가능성이 크다.