GPT-6 아스트라 AGI 논쟁과 사무직 전망, 점수를 읽는 방법

“AI가 컴퓨터를 대신 쓰고 시험 점수도 99.9%라면, 내가 하는 일도 거의 다 맡길 수 있을까요?” GPT-6 아스트라(GPT-6 Astra) 발표를 보고 생길 수 있는 질문입니다. 벤치마크는 정해진 시험 과제로 AI 성능을 비교하는 평가입니다. 높은 점수는 어떤 능력이 좋아졌는지 알려 주지만, 내 업무를 어느 범위까지 맡겨도 되는지는 따로 확인해야 합니다.

아스트라는 OpenAI가 2026년 9월 3일 공개한 AI 모델입니다. 모델은 입력을 해석하고 답이나 다음 행동을 만드는 AI의 구성 요소입니다. 이 글은 출시가 주목받은 이유와 평가 수치, 사무직 전망을 살펴봅니다. 2026년 10월 4일 확인한 공식 자료를 반영하되, 출시 직후 화면과 날짜가 다른 평가는 구분합니다. 설치나 유료 결제 없이 따라 할 수 있는 연습부터 시작하겠습니다.

먼저 내 업무 하나를 나눠 봅니다

컴퓨터의 메모 앱이나 평소 쓰는 문서에 AI에게 맡길 일이라는 새 메모를 엽니다. 아래는 연습용 가상 경비입니다. 실제 회사 자료를 올리거나 AI를 실행할 필요는 없습니다.

이 자료를 정리할 일을 세 부분으로 적습니다. 지금은 실행할 요청을 계획하는 단계입니다. AI에게는 항목별 표와 합계 초안을 만들도록 요청하고, 사람은 원자료의 항목과 금액을 대조하며, 경비 지급 승인은 담당자가 합니다. 계산기로 더한 합계는 60,000원입니다. 세 항목이 하나씩 있고 금액과 합계가 맞으면 초안 확인은 끝입니다. 영수증이나 승인 규정은 이 가상 자료에 없으므로, 지급해도 된다는 판단까지 완료한 것은 아닙니다.

합계가 다르면 금액 하나가 빠졌거나 두 번 들어갔는지부터 확인합니다. 메모를 저장한 뒤 닫았다가 다시 열어 세 부분이 남아 있는지 봅니다. 다음에는 식비만 25,000원으로 바꿔 혼자 반복합니다. 새 합계는 65,000원이고, 지급 승인에 필요한 자료가 없다는 조건은 그대로입니다.

이 연습에서 익힐 것은 일을 맡기는 범위와 완료 기준을 정하는 방법입니다. 도구 선택은 그다음입니다. 실제 아스트라 사용 화면은 GPT-6 아스트라 사용법에서 이어서 볼 수 있습니다.

출시 반응에서 확인할 수 있는 것

아래는 출시 직후 보관한 공식 X 게시물 화면입니다. “컴퓨터에서 할 수 있는 일”을 강조하는 소개와 시연 영상이 관심을 모았다는 맥락으로 봅니다. 좋아요와 답글 수는 해당 화면의 기록이며 전체 이용자의 평가를 대표하지 않습니다.

개발자 커뮤니티에도 같은 발표와 관련 토론 링크가 올라왔습니다. 아래 화면에는 추천 2,012점과 댓글 1,831개가 보입니다. 화면에 보이지 않는 댓글들의 찬반 비율까지 알 수는 없습니다. AGI는 사람처럼 다양한 새 과제를 배우고 수행하는 범용 인공지능을 가리키며, 무엇을 달성해야 AGI로 볼지는 논의가 이어지는 주제입니다.

국내 기사 제목은 위험 등급과 감시 문제를 강조했습니다. 성능을 소개하는 제품 발표와 위험을 다루는 기사 제목은 각각 살펴보는 문제가 다릅니다. 어느 제목이 더 강한지보다, 어떤 시험과 설명을 근거로 삼았는지 확인해야 합니다.

컴퓨터 사용은 답변 작성에서 무엇이 더해지나요?

컴퓨터 사용(computer use)은 AI가 화면을 보고 마우스와 키보드 동작으로 프로그램을 다루는 방식입니다. 예를 들어 경비 합계를 채팅에 적는 일에서 더 나아가, 스프레드시트를 열고 금액을 입력하고 파일로 저장할 수 있습니다. 에이전트는 이처럼 목표를 받고 도구를 써서 여러 단계를 수행하는 프로그램입니다. 모델만 선택했다고 모든 앱의 조작 권한까지 생기지는 않습니다.

요리에 비유하면 요리책의 설명을 듣는 단계에서 요리사가 부엌에 들어와 직접 조리하는 단계로 옮겨 간 것입니다. 할 수 있는 동작이 늘면 편리해지지만, 어떤 재료를 써도 되는지와 완성된 음식이 요청에 맞는지는 여전히 확인해야 합니다. 경비 예에서는 원본 금액과 저장 위치, 지급 승인 범위를 정해 둡니다.

OpenAI 발표의 OSWorld 2.0 오프라인 평가는 인터넷 없이 실행하는 컴퓨터 과제를 다룹니다. 발표에는 아스트라 72.6%와 약 40분, GPT-5.6 Sol 65.7%와 약 75분이 나옵니다. 시간은 지연을 모사한 실험의 값입니다. 일부 수행에도 점수를 주는 평가이므로 72.6%를 전체 과제의 완전 성공률로 읽지 않습니다. 내 파일 정리가 40분 안에 끝난다는 보장도 아닙니다. OpenAI 발표, OSWorld 2.0 평가 설명

아래 Agents’ Last Exam 그래프는 실제 소프트웨어에서 복잡한 전문 과제를 수행하는 평가입니다. 세로는 점수, 가로는 그 조건의 API 비용입니다. API는 프로그램이 모델을 호출하는 연결 방식입니다.

같은 그래프 안에서 위에 있는 점은 점수가 높고, 왼쪽에 있는 점은 비용이 낮습니다. 그러나 이 평가의 점수와 비용을 다른 평가의 점과 한 표처럼 비교하면 안 됩니다. 시험 과제와 채점 방식이 다르기 때문입니다. 회사의 파일을 직접 다루는 경우에는 결과를 다시 읽고 고치는 시간도 따로 기록해야 합니다.

브라우저를 다루는 도구의 차이는 어사이드 브라우저 에이전트 비교에서 설명했습니다. 모델의 능력과 도구가 제공하는 조작 환경이 함께 결과에 영향을 줍니다.

모델 비교는 날짜와 평가 조건부터 읽습니다

아래 이미지는 출시 직후 글에 사용한 이전 지수 화면입니다. 지능 지수 61과 66, 코딩 지수 67과 70이 보이지만, 뒤의 2026년 9월 9일 Artificial Analysis 발표 값과는 다릅니다. 서로 다른 시점의 지수를 이어 붙여 성능이 몇 점 올랐거나 내려갔다고 계산하지 않습니다.

Artificial Analysis는 AI 성능을 별도로 측정하는 평가 기관입니다. 9월 9일 발표는 다음 조건을 사용합니다. 지수는 여러 시험을 합친 점수여서 53점이 정답률 53%라는 뜻은 아닙니다. 추론은 답을 내기 위해 중간 단계를 계산하는 과정이며, max는 그 과정에 쓸 자원의 정도를 정하는 설정 이름입니다. 비교 대상인 Claude Fable 5.1은 앤트로픽의 AI 모델입니다.

fallback은 필요할 때 다른 모델로 전환하는 조건을 포함한다는 뜻입니다. 코딩 평가는 각각 Codex와 Claude Code라는 작업 도구를 사용했습니다. 두 도구는 모델이 코드를 읽고 수정하거나 명령을 실행하도록 돕습니다. 따라서 모델 이름뿐 아니라 도구와 설정도 함께 기록해야 합니다. Artificial Analysis 발표

지능 지수 비용은 3.26 ÷ 7.63 × 100으로 계산하면 약 42.7%입니다. 코딩 비용의 약 60%와 다른 값입니다. “모든 작업을 반값에 한다”는 결론은 이 표에서 나오지 않습니다. 같은 기관도 세부 시험마다 결과가 다르다고 설명하므로, 종합 점수 하나로 긴 문서 검토나 내 코드 수정 결과를 확정하지 않습니다.

웹 조사 평가 WANDR의 출시 당시 게시물도 남겨 둡니다. 화면의 0.682는 그 평가에서 쓰는 점수입니다. 이를 웹 조사 성공률 68.2%나 모든 질문의 정확도로 바꿔 읽지 않습니다.

API 단가와 작업 전체 비용을 나눕니다

토큰은 모델이 글을 처리하는 단위입니다. 보내는 자료는 입력, 모델이 생성하는 내용은 출력에 해당합니다. 한글 한 글자와 한 토큰은 같지 않습니다. 다음은 2026년 9월 비교에 사용한 100만 토큰당 기본 단가입니다. 캐시는 이전에 처리한 입력의 계산을 재사용하는 기능입니다. 아래는 긴 입력이나 캐시, 도구 등 별도 조건을 적용하지 않은 비교이며 월 구독료가 아닙니다. Gemini 3.8 Flash는 구글의 AI 모델입니다.

제미나이 3.8 플래시 단가는 이 표에서 아스트라의 7.5%입니다. 이 제미나이 가격은 2026년 말까지의 도입가 조건이므로 장기 예산에 그대로 쓰지 않습니다. 각 모델의 조건은 아스트라 가격, 페이블 5.1과 캐시 가격, 제미나이 3.8 플래시 도입가에서 확인할 수 있습니다.

단가가 낮아도 답을 고치느라 여러 번 호출하면 전체 비용이 늘 수 있습니다. 비교할 때는 같은 자료와 완료 기준을 쓰고, 호출 비용에 재시도와 사람의 검토 시간을 함께 기록합니다. 출력 속도와 단가만 곱해 “시간당 6달러짜리 직원”으로 계산하면 입력, 도구 사용, 검토 비용이 빠집니다.

ARC-AGI-3 99.9%는 어떤 조건의 결과인가요?

ARC-AGI-3는 설명서가 없는 낯선 게임에서 규칙을 알아내고 목표를 달성하는 능력을 살피는 시험입니다. 하네스(harness)는 모델이 도구를 쓰고 이전 정보를 이어받도록 하는 실행 환경입니다. 같은 모델이라도 무엇을 다음 단계에 전달하느냐에 따라 결과가 달라질 수 있습니다.

아래 화면에는 표준 하네스와 Provider Adapter 결과가 따로 표시되어 있습니다. Provider Adapter는 모델 제공사의 방식을 연결해 이전 추론 상태를 이어받게 하는 실행 환경입니다.

62.7%와 99.9%는 하네스뿐 아니라 추론 설정도 다릅니다. 같은 max끼리 보면 차이는 35.9%포인트입니다. 퍼센트포인트는 두 퍼센트 수치를 뺀 값으로, 여기서는 98.6 - 62.7입니다. 표의 비용은 평가 전체에 든 비용이며 과제 한 개 가격이나 구독료가 아닙니다. ARC Prize 결과와 조건

행동 효율도 별도 개념입니다. 아래 그래프는 사람이 실제로 해당 레벨을 완료할 때 사용한 행동 수의 중앙값과 AI의 행동 수를 비교합니다. Provider Adapter의 max 조건에서 96%의 레벨은 그 사람 기준보다 적은 행동으로 풀었고, 레벨당 행동 수는 평균 51.7% 적었습니다. 99.9%를 기록한 high 조건의 수치와 섞지 않습니다.

행동 수가 절반이라는 말은 시계로 측정한 시간이 절반이라는 말과 다릅니다. 게임 안에서 적게 움직이는 능력과 회사 문서를 정확하게 작성하는 능력도 각각 확인해야 합니다. 재단은 이 결과만으로 AGI 달성을 증명할 수 없다고 설명합니다. 정해진 규칙과 목표가 있는 게임이 현실의 모든 복잡한 상황을 대표하지 않기 때문입니다.

Critical 등급과 안전성 점수는 어떻게 읽나요?

Critical은 OpenAI의 대비 체계에서 정한 사이버보안 능력 등급입니다. 필요한 도구와 접근 권한이 있을 때 보호된 시스템의 알려지지 않은 취약점을 찾아 활용할 수준으로 평가했다는 뜻입니다. 일반 이용자의 대화에서 사고가 날 확률을 뜻하는 숫자는 아닙니다. OpenAI는 아스트라를 자사에서 처음 이 등급으로 지정한 모델이라고 발표했습니다. 공식 평가 설명

이 때문에 고급 사이버 작업의 접근 조건과 보호 장치를 따로 둡니다. Daybreak는 검증된 방어 목적의 조직에 더 높은 수준의 보안 기능을 제공하는 프로그램입니다. 일반적인 문서 작성 기능과 고급 보안 기능의 허용 범위를 같게 보지 않습니다. Daybreak 설명

아래는 어려운 과제에서 허가 범위를 벗어나는 행동을 하는지 살핀 시험입니다. 허니팟(honeypot)은 그런 행동을 관찰하도록 준비한 유인 대상입니다. 출시 발표의 그래프에는 전작 48.2%, 아스트라 0.0%가 표시되어 있습니다.

0%는 해당 시험에서 관찰되지 않았다는 결과입니다. 앞으로 모든 환경에서 사고가 없다는 보장은 아닙니다. 제품의 보호 장치를 제외하거나 관찰만 하도록 둔 연구 조건과 실제 서비스도 구분해야 합니다. 9월 1일 사전 안전성 글과 출시 발표의 수치를 날짜 없이 섞으면 평가 조건을 놓치기 쉽습니다.

안전성은 모델의 행동과 실행 환경이 함께 결정합니다. 앞의 경비 예에서도 합계를 만드는 권한과 지급하는 권한을 나눠 두면 무엇을 확인해야 하는지 분명해집니다. 성능 점수가 올라가도 업무의 승인 기준이 저절로 없어지지는 않습니다.

사무직 전망에서 업무 노출도와 실업을 구분합니다

“프로그래머 75%가 AI에 노출됐다”는 문장을 읽으면 사람의 75%가 일자리를 잃는다는 뜻으로 받아들이기 쉽습니다. 앤트로픽이 2026년 3월 발표한 노동시장 연구의 노출도는 직업에 포함된 업무를 AI가 어느 정도 다룰 수 있고 실제 활용이 관찰됐는지를 계산한 지표입니다. 해고 확률이 아닙니다.

이 연구는 미국의 직업 자료와 Claude 사용 자료, 고용조사를 사용했습니다. 프로그래머 75%, 데이터 입력 67% 같은 값은 그 방법론에 따른 업무 범위입니다. 한국의 해당 직종 인원이나 앞으로의 채용 감소율로 옮길 수 없습니다. 앤트로픽 노동시장 연구

같은 연구에서 노출도가 높은 직종과 노출도가 없는 직종 사이의 실업률 변화 차이는 통계적으로 뚜렷하지 않았습니다. 반면 22~25세의 채용 둔화를 시사하는 초기 근거가 있었고, 연구진은 다른 설명과 자료 한계도 함께 적었습니다. “AI의 영향은 없다”거나 “사무직의 일정 비율이 곧 사라진다”는 결론을 이 연구 하나로 확정할 수 없습니다.

실무에서 먼저 관찰할 것은 업무 안의 변화입니다. 경비 정리라면 입력과 합계 계산에 걸리는 시간, 잘못 분류한 항목, 사람이 다시 확인하는 시간이 달라질 수 있습니다. 이 변화가 인원과 채용에 어떻게 이어질지는 조직의 업무량, 책임 배분, 도입 방식에도 달려 있습니다.

기술이 들어온 뒤 일하는 방식이 바뀌는 데 시간이 걸렸던 역사도 참고할 수 있습니다. 다만 과거 자동화 뒤 다른 일이 생겼다는 사례가 AI 시대의 고용을 보장하지는 않습니다. 관련 사례는 AI와 노동시간의 역사에 따로 정리했습니다.

앞으로 비교할 것은 모델과 실행 환경, 검토 비용입니다

ARC 평가의 차이는 모델 이름만 기록하면 실제 결과를 설명하기 어렵다는 점을 보여 줍니다. OpenAI는 출시 당시 Codex에서 긴 작업의 노트를 남기고 이전 대화를 검색하는 실험 기능도 소개했습니다. 이는 출시 시점의 설명이며 현재 모든 계정에서 기본으로 켜져 있다는 뜻은 아닙니다. 중요한 것은 필요한 정보를 다음 단계에 잘 전달하는지입니다.

비용 그래프도 같은 방식으로 읽습니다. 아래는 과학 연구 작업에 코드와 명령어 도구를 사용하는 Terminal-Bench Science 평가입니다. 아스트라의 점이 더 높고 왼쪽에 있지만, 내 업무 전체의 비용 절감률은 이 그림만으로 정할 수 없습니다.

작은 과제 하나를 비교할 때는 사용한 모델과 도구, 자료, 완료 기준, 재시도 횟수, 비용, 사람의 검토 시간을 같은 메모에 적습니다. 구독 방식이라 작업별 금액을 알 수 없다면 임의로 계산하지 말고 사용 시간과 한도 변화를 기록해도 됩니다.

여기까지 읽었다면 처음 저장한 경비 메모를 다시 엽니다. 확인한 내용 한 문장을 보탭니다. 예를 들어 “가상 자료의 세 항목과 65,000원 합계를 계산했고, 실제 AI 실행과 지급 승인은 하지 않았다”라고 적을 수 있습니다. 이런 완료 기준이 있어야 새 모델을 사용했을 때 실제로 도움이 됐는지 비교할 수 있습니다.

자주 묻는 질문

GPT-6 아스트라가 AGI라는 뜻인가요?

ARC Prize는 평가를 잘 푼 결과가 AGI 달성의 증명은 아니라고 설명합니다. 정해진 게임에서 얻은 점수와 현실의 다양한 새 일을 수행하는 능력은 구분해야 합니다.

지금 쓰는 모델을 아스트라로 바꿔야 하나요?

이 글의 점수만으로 바꿀 필요는 없습니다. 이미 사용할 수 있는 도구에서 대표 과제 하나의 결과와 검토 시간을 기록한 뒤 비교합니다. 별도 결제가 필요한 시험은 무료 학습의 필수 과정이 아닙니다.

사무직인 제가 먼저 준비할 것은 무엇인가요?

자신이 결과를 판단할 수 있는 작은 일 하나를 골라 자료와 완료 기준을 적습니다. 첫 경비 연습처럼 초안 작성, 원자료 확인, 최종 승인을 구분하면 AI에게 맡길 범위를 설명할 수 있습니다. 이 연습만으로 실제 자동화가 끝났거나 일자리의 미래를 예측한 것은 아닙니다.

Sources

• GPT-6 Astra 출시 발표, OpenAI
• Path to Astra, OpenAI
• GPT-6 Astra on ARC-AGI-3, ARC Prize
• Benchmarking GPT-6 Astra, Artificial Analysis
• OSWorld 2.0 평가 설명
• Labor market impacts of AI, Anthropic

3줄 요약

1. GPT-6 아스트라의 컴퓨터 사용 평가는 주어진 시험 환경의 결과이므로 내 업무의 성공률과 소요 시간으로 그대로 옮길 수 없습니다.

2. ARC-AGI-3의 62.7%와 99.9%는 하네스와 추론 설정이 모두 다르며 같은 max 설정에서는 62.7%와 98.6%입니다.

3. 사무직 전망을 판단할 때는 업무 노출도와 실업 통계를 구분하고 작은 과제의 결과와 검토 시간을 직접 확인합니다.