연재 순서

① AI는 왜 그럴듯하게 틀리는가
② OXMV Loop, AI가 만든 답을 다시 의심하는 구조
③ 온톨로지로 AI에 지식의 지도를 그리다
④ 2026년 12월 11일 ChatGPT 맞춤형 GPT 시대 종료
⑤ 챗GPT의 고질병 ‘환각’에 도전장
⑥ AI는 금융권 사이버 공격을 피해 확산 전에 탐지할 수 있는가
⑦ GPT-6.1 Sol 시대, 대화형 AI에서 업무 플랫폼으로

 

글 | 만리풍취 정연태, 건설산업정보원 원장

ChatGPT가 또 한 번 크게 변하고 있다. 이번 변화는 단순히 모델의 숫자가 5에서 6으로 올라간 정도가 아니다. 화면이 조금 바뀌고 메뉴 몇 개가 추가된 것도 아니다. 오히려 지금의 변화는 그동안 하나의 ChatGPT 안에 뒤섞여 있던 기능을 전문 영역별로 다시 나누고 각각을 더 강력하게 만드는 AI 생태계의 구조 개편에 가깝다.

OpenAI는 2026년 9월 말 GPT-6.1 Sol을 공개했다. GPT-6.1 Sol은 Work와 Codex 등 전문 업무와 에이전트형 작업에서 강점을 보이는 모델이다. OpenAI 공식 문서에 따르면 GPT-6.1 Sol과 GPT-6 Sol, GPT-6 Luna는 현재 Chat이 아니라 Work와 Codex에서 제공되며, 이용 가능 여부는 요금제와 클라이언트, 워크스페이스 설정과 출시 단계에 따라 달라진다.

그런데 사용자 입장에서 더 중요한 변화는 모델 이름보다 따로 있다. GPT, Plugin, dot, Work, Page, Space가 각각 어떤 역할을 맡게 되었는가 하는 점이다. 이 구조를 이해하면 최근 ChatGPT가 왜 이렇게 많이 달라졌는지 비로소 보이기 시작한다.

1. GPT-6.1의 핵심은 단순히 ‘더 똑똑한 모델’이 아니다

GPT-6.1 Sol은 GPT-6 Sol을 크게 개선한 모델이다. OpenAI는 GPT-6.1 Sol이 특히 에이전트형 코딩과 전문 업무에서 강한 성능을 보이며, Astra에 가까운 수준의 성능을 더 낮은 비용으로 제공한다고 설명한다. 반복적이고 장시간 이어지는 코드·앱·문서 작업에 활용할 수 있다는 것이 공식 설명이다.

그러나 사용자 입장에서 체감되는 가장 큰 변화는 모델 자체보다 ChatGPT의 사용 방식이다. ChatGPT의 시각화(Visualizations) 기능은 질문에 따라 차트와 지도, 다이어그램, 계산기, 시뮬레이션과 상호작용형 설명을 구성할 수 있다. ChatGPT가 적절한 시각 형식을 선택할 수도 있고, 사용자가 Visualize를 직접 지정할 수도 있다. 다만 이 기능은 프리뷰로 제공되고 있어 요금제와 플랫폼, 계정 및 워크스페이스 설정에 따라 이용 가능 여부가 다르다.

즉 ChatGPT는 점점 다음과 같이 바뀌고 있다.

“질문하면 문장으로 답하는 AI”

에서

“필요한 화면과 도구까지 만들어 일을 처리하는 AI”

로 전환되고 있다.

2. 기존의 맞춤 GPT는 왜 Plugin으로 이동하는가

그동안 맞춤 GPT는 매우 매력적인 기능이었다. 특정 분야의 지식 파일을 넣고 전문 지침을 작성하며, 필요하면 외부 기능까지 연결해 자신만의 AI 전문가를 만들 수 있었다. 그러나 이 구조에는 한계가 있었다. 전문지식과 지침, 외부 도구, API, 사용자 인터페이스와 실행 기능이 하나의 GPT 안에 뒤섞여 있었기 때문이다.

OpenAI는 현재 ChatGPT Enterprise의 맞춤 GPT 워크플로를 Plugin으로 이전하도록 안내하고 있다. 기존 GPT의 지침과 참조 파일은 Skill로 옮겨지고 연결된 App은 Plugin에 포함될 수 있다. 다만 Custom Action은 자동으로 이전되지 않으며, 지원되는 App이나 별도의 MCP 서버를 이용해 다시 구성해야 한다. 다른 요금제의 공개 GPT와 이전 일정은 달라질 수 있으므로 하나의 종료일을 모든 사용자에게 동일하게 적용해서는 안 된다.

이 변화는 단순한 서비스 종료가 아니다. 전문 GPT의 핵심 기능을 더 큰 Plugin 구조 안으로 옮기는 작업이다.

3. 새로운 Plugin은 과거의 플러그인과 다르다

과거 ChatGPT의 플러그인은 주로 외부 서비스를 호출하는 도구였다. 쉽게 말하면 ChatGPT → 외부 서비스라는 구조였다. 여행 사이트나 계산 서비스, 외부 데이터베이스를 호출하는 방식이었다.

하지만 지금의 Plugin은 훨씬 넓은 개념이다. OpenAI 공식 문서에서 Plugin은 ChatGPT가 특정 작업을 수행하도록 돕는 재사용 가능한 패키지로 정의된다. Plugin은 App과 Skill 또는 이 둘을 함께 포함할 수 있으며, 필요하면 MCP 서버와 별도의 사용자 인터페이스도 연결할 수 있다.

Skill에는 전문 지침과 업무 절차를 넣는다. Reference Files에는 전문지식과 자료를 넣으며, App은 Gmail이나 Google Drive, Calendar 같은 외부 서비스와 연결될 수 있다. MCP Tools를 사용하면 자체 데이터베이스나 기업 시스템, 전문 API를 연결할 수 있다. Plugin Extensions를 활용하면 사이드바 App, 대화 패널, 파일 뷰어와 편집기, 입력 Form 같은 사용자 인터페이스도 확장할 수 있다.

따라서 이제 Plugin은 단순한 외부 호출 도구가 아니라 전문 AI 시스템을 구성하는 하나의 패키지에 가깝다.

4. 기존 전문 GPT를 Plugin으로 옮기면 무엇이 달라지는가

기존 전문 GPT를 Plugin으로 마이그레이션하는 경우 핵심은 전문지식과 판단 규칙이다. 예를 들어 내가 개발한 ‘대한민국 일자리·인재 통합매칭 GPT’를 생각해 보자. 이 GPT에는 산업·직업·직무 Ontology, JOB·SHIFT·TASK, Matching, Trust, Runtime, OXMV Loop, Evidence Ledger 같은 전문지식이 들어 있다.

이를 Plugin으로 바꾸면 Skill에는 통합 운영 지침을 넣고, Reference Files에는 8개의 전문 지식 파일을 배치할 수 있다. Apps에는 Google Drive·Gmail·Calendar를 연결하고, MCP에는 일자리 API·기업 DB·인재 DB·지도 API를 연결할 수 있다. 그러면 기존 GPT가 가진 전문지식은 유지하면서 실시간 정보와 실제 실행 능력을 훨씬 강화할 수 있다.

다만 마이그레이션된 Plugin이 기존 GPT와 완전히 동일하게 작동한다고 보장할 수는 없다. OpenAI도 이전 후에는 익숙한 질문과 어려운 사례를 이용해 지침 준수, 참조 파일 사용, 출력 형식과 필요한 도구의 작동 여부를 다시 시험하도록 안내한다.

5. 외부 App을 연결한 Plugin과 전문 GPT형 Plugin은 무엇이 다른가

여기서 혼동하기 쉬운 부분이 있다. 모든 Plugin이 같은 성격은 아니다. Gmail이나 Calendar 같은 Plugin은 외부 App의 데이터와 행동이 중심이다. 메일을 찾고 읽거나 일정을 확인하고 등록하는 것이 핵심이다.

반면 기존 전문 GPT를 마이그레이션한 Plugin은 전문지식과 판단 방식이 중심이다. 예를 들어 금융범죄 분석, K-Smart City, AI·반도체, 지역정책, 우주과학 같은 Plugin은 자체 지식 파일과 판단 규칙이 핵심이 된다.

따라서 이렇게 이해하면 쉽다.

외부 App형 Plugin = 손과 발
전문 GPT형 Plugin = 전문 두뇌

가장 강력한 형태는 이 둘을 결합하는 것이다. 전문 두뇌 + 실시간 데이터 + 실제 행동이 가능해지기 때문이다.

6. 전문 분야의 Plugin은 어떻게 개발하는가

개발 절차도 과거 GPT보다 체계적이다. 첫째, 전문지식을 정리한다. 무엇을 알고 있어야 하는지, 어떤 Ontology와 판단 규칙이 필요한지를 먼저 정한다.

둘째, 지침을 Skill로 만든다. 질문을 어떻게 이해하고, 어떤 지식 파일을 사용하며, 어떤 순서로 판단·검증할 것인지 정의한다. 셋째, 상세 전문자료는 Reference Files로 분리한다. 모든 지식을 하나의 거대한 지침에 넣기보다 필요할 때 참조하도록 한다.

넷째, 필요하면 외부 App을 연결한다. Drive, Gmail, Calendar, Slack 등의 서비스를 붙일 수 있다. 다섯째, 기존 App으로 해결되지 않는 전문 기능은 MCP 서버로 만든다. 자체 DB, 기업 내부 시스템, 정부 API, 전문 분석 엔진 등을 연결하는 단계다.

여섯째, 사용자 화면이 필요하면 Plugin Extensions나 별도의 UI를 붙인다. 후보자 목록, 지도, 분석 Dashboard, 입력 Form 등을 만들 수 있다. 즉 앞으로 전문 AI 개발은 다음 단계로 발전할 가능성이 높다.

Knowledge → Skill → Reference Files → Apps → MCP → UI

7. dot은 기존 GPT의 ‘에이전트 역할’을 가져간 것인가

상당 부분 그렇다고 볼 수 있다. 다만 OpenAI가 공식적으로 “GPT를 둘로 나누어 한쪽은 Plugin, 다른 한쪽은 dot으로 만들었다”고 말한 것은 아니다. 제품 구조상 그렇게 분화되고 있다고 보는 것이 정확하다.

dot은 상시 작동하는 에이전트다. GPT-6 Astra를 기반으로 하고 자체 클라우드 컴퓨터와 브라우저를 가지며, 사용자가 자리를 비운 동안에도 작업을 이어갈 수 있다. 연결이 허용된 Plugin과 App을 사용하고, ChatGPT Work나 Codex에 작업 일부를 위임할 수도 있다. dot은 현재 지원 대상 계정에 단계적으로 제공되고 있다.

기존 GPT가 주로 “물어보면 대답하는 전문 AI”였다면 dot은 “목표를 주면 계속 일하는 AI”에 가깝다. 예를 들어 국제표준 전문 Plugin이 전문지식을 담당한다면 dot에게 “매주 새로운 AI 국제표준을 확인하고 내가 개발 중인 표준안과 충돌하면 알려줘”라고 맡길 수 있다. Plugin이 전문 두뇌라면 dot은 전문 참모 또는 AI 직원에 가깝다.

8. Work는 dot과 무엇이 다른가

Work도 에이전트형 기능이다. 하지만 차이가 있다. Work는 명확한 결과가 필요한 복잡한 업무를 계획하고 필요한 맥락을 수집해 검토 가능한 결과물까지 수행하는 실행형 Agent다. dot은 대화가 끝난 뒤에도 진행 상황을 이어가며 장기적인 책임을 맡는 Agent에 가깝다.

예를 들어 “한국 건설산업의 최근 5년 데이터를 조사해 보고서를 만들어줘”는 Work에 적합하다. 반면 “매주 건설산업 정책과 법령 변화를 확인해 중요한 변화가 있으면 알려줘”는 dot의 역할에 더 가깝다. GPT-6.1 Sol 역시 Work와 Codex에서 전문 작업 모델로 사용되고 있다.

9. Page는 과거 Canvas와 무엇이 다른가

과거 Canvas는 ChatGPT 옆에서 글이나 코드를 함께 수정하는 편집창에 가까웠다. Page는 그 개념을 한 단계 발전시킨 것이다. Page는 AI와 사람이 함께 계속 수정하고 발전시킬 수 있는 작업 문서다. 문장과 표, 이미지, 파일, 하위 Page와 상호작용형 시각화 등을 하나의 문서 안에 구성할 수 있다.

한 번 만든 Page에 내용을 계속 추가하고 일부 문단만 수정하며, 차트나 이미지와 구조화된 자료를 넣을 수 있다. 특히 Page는 대화 속에 묻히지 않는다. 기존 Chat에서는 보고서를 만들고 다시 고치면 초안과 수정안, 최종안이 대화 속에 계속 쌓였다. Page에서는 하나의 문서를 계속 발전시킬 수 있다.

이는 연구보고서, 지식 파일, 프로젝트 설계서처럼 장기간 관리해야 하는 자료에 매우 유용하다.

10. Space는 Canvas의 확대판인가

정확하게 말하면 그렇지 않다. Canvas의 편집 개념을 Page가 계승했다고 보는 편이 맞다. Space는 Page보다 상위 개념이다. Space에는 Page와 저장된 파일을 모으고, ChatGPT나 dot과 함께 작업하며 협업자와 공유할 수 있다.

즉 다음과 같이 정리할 수 있다.

Page = 하나의 살아 있는 문서
Space = 여러 Page와 파일을 담는 AI 작업공간

향후 지원 범위가 넓어지면 하나의 Space 안에서 문서와 데이터, 프레젠테이션, 파일과 AI Agent를 함께 사용하는 방향으로 발전할 수 있다.

11. Page와 Space가 중요한 이유

지금까지 ChatGPT의 가장 큰 약점 가운데 하나는 좋은 결과물을 만들어도 긴 대화 속에 묻혀버린다는 것이었다. Page와 Space는 이 문제를 해결하려는 시도다.

예를 들어 하나의 전문 AI 프로젝트에 ‘시스템 설계 Page’, ‘사용자 매뉴얼 Page’, ‘OXMV 설계 Page’, ‘API 설계 Page’, ‘최종 보고서 Page’를 만들고 관련 자료를 Space에 모을 수 있다. 대화는 생각하는 공간이고, Page는 결과물을 만드는 공간이며, Space는 그 결과물을 축적하는 공간이 된다. 이 차이를 이해하면 활용 방법이 크게 달라진다.

12. 시각화와 상호작용형 UI도 주목할 변화다

GPT-6 시대의 또 하나의 중요한 변화는 시각화와 상호작용형 UI다. 이제 ChatGPT는 질문에 따라 텍스트와 이미지, 비교 화면, 다이어그램, 계산기, 시뮬레이션과 인터랙티브 도구를 구성할 수 있다. 다만 OpenAI 공식 문서에서는 이를 ‘Intelligent UI’라는 단일 제품명보다 Visualizations와 Plugin Extensions 등의 기능으로 구분해 설명한다.

계산기가 필요하면 계산기를 만들고, 비교가 필요하면 비교 화면을 만들며, 시각적 설명이 필요하면 다이어그램을 보여주는 식이다. 이것은 ChatGPT가 단순히 답변을 생성하는 프로그램에서 그 순간 필요한 소프트웨어 화면까지 구성하는 시스템으로 변하고 있다는 뜻이다.

13. 오디오 활용 범위도 넓어지고 있다

ChatGPT에서는 음성과 녹취 자료를 이용해 요약이나 회의 정리, 후속 이메일 초안 등을 만드는 활용이 확대되고 있다. 다만 직접적인 오디오 파일 업로드의 제공 범위와 시작 시점은 계정과 플랫폼에 따라 달라질 수 있으므로, 특정 날짜부터 모든 유료 사용자에게 동일하게 제공됐다고 단정하기보다 실제 계정에서 지원 여부를 확인할 필요가 있다.

지원되는 환경에서는 회의 녹음이나 녹취 자료를 바탕으로 “주요 결정사항과 담당자별 Action Item을 정리해줘”라고 요청할 수 있다. 회의 관련 Plugin과 결합하면 회의 내용을 기록하고 요약한 뒤 Page나 Space에 남기는 업무 흐름도 구성할 수 있다.

14. 그래서 현재 ChatGPT의 구조를 어떻게 이해해야 하는가

나는 지금의 변화를 다음과 같이 정리하고 싶다.

ChatGPT = 기본 AI 두뇌
Plugin = 전문 Skill·지식·Workflow·외부 App
dot = 지속적으로 일하는 개인 AI Agent
Work = 복잡한 업무를 끝까지 수행하는 실행 Agent
Page = AI와 함께 계속 발전시키는 문서
Space = Page·파일·사람·AI가 함께 일하는 작업공간
시각화·상호작용형 UI = 필요한 화면과 도구를 구성하는 인터페이스

이렇게 각각의 역할이 분리되고 있다.

15. 결국 무엇이 가장 크게 달라졌는가

나는 이번 변화를 단순한 GPT-6.1 모델 업그레이드라고 생각하지 않는다. 더 큰 변화는 ChatGPT라는 서비스의 철학 자체가 바뀌고 있다는 점이다.

초기의 ChatGPT는 다음과 같았다.

질문 → 답변

그다음에는 다음 단계로 발전했다.

질문 → 검색 → 분석 → 답변

이제는 다음과 같은 구조로 이동하고 있다.

목표 → 전문지식 → 도구 → Agent → 실행 → 결과물 → 지속 관리

AI가 단순히 지식을 알려주는 것이 아니라 일을 맡고, 자료를 만들고, 다른 App을 사용하고, 결과를 축적하고, 다시 다음 일을 이어가는 구조다.

ChatGPT는 이제 ‘AI와 대화하는 곳’만이 아니다

최근 ChatGPT의 변화가 낯설고 복잡하게 느껴지는 이유가 있다. 기능이 너무 많이 늘었기 때문만은 아니다. 우리가 알고 있던 ChatGPT의 구조 자체가 바뀌고 있기 때문이다.

Enterprise의 기존 GPT 워크플로는 Plugin으로 이동하고, 전문지식은 Skill과 Reference Files로 정리된다. 외부 서비스는 App과 MCP로 연결되며, 반복적이고 장기적인 업무는 dot이 맡는다. 복잡한 실행 작업은 Work가 처리하고, 완성된 결과물은 Page에 남으며, 여러 Page와 파일은 Space에서 관리된다.

그래서 앞으로의 ChatGPT는 단순한 챗봇이라기보다 AI 두뇌 + 전문지식 + Agent + App + 작업공간이 결합된 새로운 개인 업무 플랫폼으로 이해하는 편이 더 정확하다.

어쩌면 이제 우리가 배워야 할 것은 “ChatGPT에게 질문을 잘하는 방법”만이 아닐지도 모른다. 어떤 일은 Plugin에게 맡기고, 어떤 일은 dot에게 맡기며, 어떤 결과는 Page에 남기고, 어떤 프로젝트는 Space에서 관리할 것인가를 판단해야 한다.

AI를 사용하는 방법에서 한 단계 더 나아가 AI와 함께 일하는 방식을 설계해야 하는 시대가 시작되고 있다.

필자 소개

만리풍취 정연태는 전문지식 AI 기획·설계자이자 GPT 개발 전문가이다. 미국 스티븐스공과대학교 대학원에서 수학한 뒤 정보통신기업과 공공기관, 기업경영 및 산업정책 현장에서 활동해 왔다. 현재 재단법인 건설산업정보원 원장으로 재직하며, 건설·법률·세무·금융·경영·의료·과학·역사·철학 등 54개의 전문지식 GPT를 개발했다. 온톨로지와 XAI, OXMV Loop 및 Evidence Ledger를 결합해 AI의 오류를 줄이고 인간의 책임 있는 판단을 지원하는 검증형 전문지식 AI 체계를 연구하고 있다.

영문판 보기