GPT-5.5는 더 똑똑한가보다, 얼마나 덜 관리해도 되는가가 중요하다

OpenAI가 GPT-5.5를 공개했다. ChatGPT와 Codex의 유료 사용자에게 먼저 배포됐고, OpenAI는 이 모델을 더 적은 지시로도 멀티스텝 작업을 밀고 나가는 쪽으로 설명하고 있다.¹²

그래서 지금 중요한 질문은 "이전 모델보다 IQ가 몇 점 올랐나"가 아니다. 실제 현장에서는 GPT-5.5가 당신의 일을 얼마나 대신하느냐보다, 그 결과를 끝까지 신뢰하기 위해 사람이 얼마나 덜 붙어 있어도 되느냐가 더 중요하다. OpenAI가 말하는 '슈퍼앱'도 결국 하나의 거대한 앱이 아니라, 검색·문서·코딩·브라우저 작업 사이의 프로젝트 관리 부담을 AI가 얼마나 흡수하느냐의 문제에 가깝다.¹

답변 품질보다 '감독 부담'으로 테스트해야 한다

이번 발표에서 반복된 핵심은 비슷하다. GPT-5.5는 코딩, 컴퓨터 사용, 지식 노동, 초기 과학 연구에서 특히 좋아졌고, 불명확한 문제에서도 다음 단계를 더 잘 정한다는 것이다.¹²³ OpenAI는 속도는 GPT-5.4 수준을 유지하면서, 더 적은 토큰으로 더 많은 일을 한다고 주장한다.²⁴

여기서 실무자가 봐야 할 포인트는 성능표 자체보다 "감독 부담"이다. 예를 들어 같은 보고서 초안을 만들더라도, 이전 모델은 8번의 프롬프트 수정과 3번의 방향 교정이 필요했고, GPT-5.5는 3번의 개입으로 초안까지 간다면, 그 차이는 모델의 추상적 지능이 아니라 실제 운영비 절감이다.

반대로 첫 결과물이 더 그럴듯해 보여도, 뒤에서 사실 검증·표 계산 검토·링크 확인에 더 많은 시간이 들면 자동화 이득은 줄어든다. 특히 GPT-5.5처럼 "더 많은 걸 스스로 하겠다"는 모델은, 사용자의 타이핑을 줄이는 대신 검수 책임을 뒤로 미루는 방식으로 좋아 보일 수 있다.

먼저 대체될 일은 '주니어 실행'과 '도구 사이 연결'이다

여러 보도를 종합하면 GPT-5.5의 강점은 단일 정답형 질의응답보다, 툴을 끼고 여러 단계를 이어가는 작업에 있다.¹²⁵ Codex에서는 브라우저 상호작용, 문서·파일 작업, 컴퓨터 사용이 더 확장됐고, 400K 컨텍스트 지원과 빠른 모드도 함께 언급됐다.⁵

이걸 업무 언어로 바꾸면 세 가지 역할이 먼저 흔들릴 가능성이 크다.

첫째, 주니어 구현자 역할이다. 코드베이스를 훑고, 어디를 고쳐야 하는지 찾고, 관련 영향 범위를 설명하는 일이다. Fortune과 Inc가 전한 초기 사용자 반응도 정확히 이 지점을 짚는다.⁴⁶

둘째, 리서치 정리자 역할이다. 웹에서 자료를 모으고, 요약하고, 초안 문서나 스프레드시트로 옮기는 흐름이다. OpenAI는 문서·스프레드시트 생성과 온라인 조사 능력을 전면에 내세웠다.²⁶

셋째, 크로스툴 코디네이터 역할이다. 브라우저, 문서, 코드, 내부 지시를 오가며 "다음에 뭘 해야 하는지" 붙여주는 사람의 일을 일부 흡수하는 것이다. OpenAI가 말하는 슈퍼앱 구상도 ChatGPT·Codex·브라우저를 묶는 방향으로 알려졌다.¹

다만 "대체"는 완전 대체가 아니다. 초안 작성, 탐색, 정리, 첫 실행은 빨라질 수 있지만 승인과 책임은 여전히 사람 쪽에 남는다.

자율성이 커질수록 검증 비용도 커진다

좋아진 자율성에는 항상 반대급부가 있다. CNBC에 따르면 OpenAI는 GPT-5.5를 자사 기준상 'High' 사이버 리스크로 분류했고, API 공개도 추가 가드레일 이후로 미뤘다.² 더 많은 도구 사용과 더 긴 작업 체인은, 실수 한 번이 더 비싸게 번질 수 있다는 뜻이다.

비용도 단순하지 않다. API 가격은 GPT-5.4 대비 2배로 올라 입력 100만 토큰당 5달러, 출력 30달러다.⁵ OpenAI는 토큰 효율이 좋아졌다고 말하지만, 실제 총비용은 "같은 결과를 더 적은 토큰으로 내는가"와 "검수 시간을 얼마나 줄였는가"를 함께 봐야 한다. 모델 단가만 보고 비싸다고 결론 내리기도, 효율 주장만 보고 싸졌다고 믿기도 이르다.

즉, GPT-5.5의 진짜 리스크는 환각 자체보다 "그럴듯하게 더 멀리 가버리는 오류"다. 한 단계짜리 답변 오류는 눈에 띄지만, 7단계 작업에서 5단계째 잘못 들어간 판단은 마지막 산출물만 보면 놓치기 쉽다.

30분이면 충분하다: 도입 여부를 가르는 테스트

벤치마크보다 더 좋은 방법은 실제 업무 하나로 짧게 시험해보는 것이다.

가령 당신이 개발자라면 "이 이슈를 재현하고, 원인 후보를 찾고, 수정안과 테스트 항목까지 제시해달라"를 맡겨본다. 운영 담당자라면 "지난주 회의록과 메일, 대시보드를 읽고 실행 항목 표를 만들어달라" 같은 일이 좋다.

그때 네 가지만 보면 된다.

개입 횟수: 끝날 때까지 몇 번 방향을 다시 잡아줘야 했나.
재사용률: 결과물의 몇 %를 거의 손대지 않고 쓸 수 있나.
오류 심각도: 틀렸더라도 사소한가, 아니면 위험한가.
감사 가능성: 왜 그런 결론이 나왔는지 추적 가능한가.

이 네 항목에서 개선이 보이면 GPT-5.5는 "좋은 답변 모델"이 아니라 "일부 워크플로를 대체하는 모델"에 가까워진다. 반대로 답은 매끈해졌는데 확인할 게 더 많아졌다면, 그것은 자동화가 아니라 인터페이스 개선일 가능성이 크다.

GPT-5.5를 지금 가장 진지하게 봐야 하는 사람은 모델 성능표를 쫓는 사람이 아니라, 반복적인 지식 작업과 도구 전환 비용이 큰 팀이다. 이들에게 중요한 판단 기준은 하나다. 더 똑똑해졌느냐가 아니라, 사람의 감독 시간을 실제로 줄였느냐. GPT-5.5의 가치는 바로 거기서 갈린다.

참고

¹OpenAI releases GPT-5.5, bringing company one step closer to an AI 'superapp'

²OpenAI announces GPT-5.5, its latest artificial intelligence model

³OpenAI releases "Spud" GPT-5.5 model

⁴OpenAI releases GPT-5.5 amid a shift to rapid-fire AI updates

⁵OpenAI upgrades ChatGPT and Codex with GPT-5.5: 'a new class of intelligence for real work'

⁶OpenAI Just Dropped GPT-5.5 and Says the New Model Intuits What You Need Before You Ask