OpenAI, 상시 가동형 자율 에이전트 'Dots' 공개… 에이전트 아키텍처의 패러다임 전환

상시 가동형 AI 에이전트 'Dots' 공개 배경

OpenAI가 2026년 9월 공식 영상("Introducing dots, always-on agents built to handle everything")과 기술 블로그를 통해 새로운 범주의 자율 AI 에이전트인 'Dots'(이하 Dot)를 전격 공개했습니다.

지금까지의 생성형 AI 인터페이스는 사용자가 프롬프트를 입력하면 모델이 즉각 답변을 생성하고 세션이 대기 상태로 돌아가는 동기식 질의응답(Turn-based Prompt-Response) 패러다임에 머물러 있었습니다. 사용자가 브라우저 탭을 닫거나 컴퓨터를 끄면 에이전트의 런타임과 실행 컨텍스트는 즉시 소멸하거나 정지되었습니다.

OpenAI가 이번에 선보인 Dot은 이러한 상호작용의 한계를 근본적으로 전환합니다. Dot은 사용자의 세션 유지 여부와 무관하게 클라우드 인프라에서 24시간 365일 상시 가동(Always-on)되며, 장기적인 목표(Long-horizon goals)를 향해 자율적으로 작업을 분해하고 도구를 실행하며 피드백을 축적하는 지속 실행형(Persistent & Autonomous) 에이전트 시스템입니다.

에이전트 아키텍처 관점에서의 핵심 기술 분석

OpenAI Dots의 24/7 비동기 자율 루프와 클라우드 컴퓨터·브라우저 샌드박스, 도구 연동 및 HIL 거버넌스 아키텍처 흐름

Dot의 등장은 단순한 기능 확장이 아닌, AI 에이전트 시스템 엔지니어링 전반에 걸친 아키텍처적 진화를 보여줍니다. 개발자와 엔지니어 관점에서 주목해야 할 5가지 핵심 기술 축을 분석합니다.

1. 동기식 세션에서 '24/7 비동기 자율 런타임 루프'로의 진화

기존의 ReAct(Reasoning + Acting) 패턴 기반 에이전트는 사용자가 던진 단일 프롬프트를 해결하면 루프를 종료했습니다. 반면 Dot은 운영체제의 백그라운드 서비스(Daemon)와 유사한 비동기 이벤트 드리븐 런타임으로 작동합니다.

• 장기 상태 머신(Long-running State Machine): 일회성 메모리가 아닌 영속적 상태 저장소(Persistent Store)에 작업 단계, 중간 생성물, 환경 관찰 결과를 직렬화하여 보관합니다. 네트워크 단절이나 장시간 연산 중에도 상태가 유실되지 않습니다.
• 자가 치유(Self-healing) 및 대체 경로 탐색: 외부 API 장애나 예기치 않은 데이터 형식 오류를 만났을 때 즉각 에러를 뿜고 멈추는 대신, 자체 성찰(Self-reflection) 메커니즘을 통해 다른 도구를 찾거나 검색 쿼리를 수정하는 등 대체 실행 경로를 스스로 수립합니다.
• 주기적 스케줄링 및 이벤트 감시: 사용자의 호출이 없어도 특정 시각이나 외부 웹훅(Webhook) 트리거에 반응해 작업을 이어가고 결과를 정리합니다.

2. 가상화 샌드박스: 전용 클라우드 컴퓨터와 헤드리스 브라우저

Dot의 실행 기반은 단순한 LLM 추론 엔드포인트가 아닙니다. 각 에이전트 인스턴스마다 격리된 클라우드 컴퓨터(Cloud Computer)와 전용 브라우저 환경이 할당됩니다.

• 안전한 실행 샌드박스: 마이크로VM 또는 격리된 컨테이너 환경에서 에이전트가 직접 파이썬/셸 스크립트를 작성하여 컴파일하고 실행할 수 있습니다. 로컬 머신의 자원을 소모하거나 사용자 호스트 환경을 위험에 빠뜨리지 않습니다.
• 자율 브라우징 인프라: 헤드리스 브라우저를 통해 웹 사이트 로그인 세션, 동적 DOM 조작, 스크린샷 기반 멀티모달 시각 분석을 수행합니다. 인간 사용자가 웹 브라우저를 조작하는 방식 그대로 웹 데이터를 수집·가공할 수 있습니다.
• 데이터 영속 볼륨: 작업 중 내려받은 파일, 가공된 데이터셋, 생성된 소스코드가 전용 클라우드 스토리지 볼륨에 안전하게 저장되어 후속 작업으로 매끄럽게 전달됩니다.

3. GPT-6 Astra 기반의 장기 추론(Long-horizon Reasoning)

에이전트가 24시간 동안 수십 차례의 도구 호출을 거치며 일관성을 잃지 않으려면 기반 모델의 추론 안정성이 뒷받침되어야 합니다. Dot의 핵심 추론 엔진은 GPT-6 Astra입니다.

• 목표 드리프트(Goal Drift) 방지: 긴 작업 호흡 속에서도 초기에 사용자가 부여한 최종 목표와 제약 조건을 망각하지 않고 컨텍스트 윈도우 내에서 논리적 정렬을 유지합니다.
• 계층적 작업 분해(Hierarchical Planning): 복잡하고 추상적인 상위 지시(예: "지난 분기 경쟁사 신제품 동향 분석 보고서 작성")를 원자적 하위 태스크(정보 수집 → 정량 데이터 추출 → 교차 검증 → 차트 생성 → 초안 작성)로 체계적으로 쪼개어 단계별로 실행합니다.

4. 4,000+ 서드파티 툴 생태계와 멀티채널 탈중앙화 인터페이스

Dot은 ChatGPT 웹 화면에 갇혀 있는 단일 창 인터페이스를 탈피했습니다.

• 표준화된 도구 통합 프로토콜: Model Context Protocol(MCP) 및 OpenAPI 스펙과 연계된 플러그인 인프라를 통해 Slack, Microsoft Teams, GitHub, Jira, Notion, Google Workspace 등 4,000개 이상의 서드파티 서비스와 양방향 통신합니다.
• 옴니채널 소통: 사용자는 웹 UI뿐만 아니라 평소 업무에 사용하는 Slack 채널이나 Teams 메시지로 Dot에게 피드백을 전달할 수 있으며, 복잡한 아이디어 정리가 필요할 때는 음성 통화(Voice Call)로 실시간 문답을 주고받을 수 있습니다.
• 능동적 선제 협업(Proactive Collaboration): 수동적으로 질문을 기다리지 않고, 작업이 완료되었거나 이상 징후를 감지했을 때 관련 보고서와 대안을 사용자의 메신저로 먼저 보고합니다.

5. 지속적 피드백 학습(Persistent Alignment)과 HIL 거버넌스

상시 가동 에이전트가 실무에 안착하기 위해 필수적인 요소는 개인화된 피드백 반영과 통제권(Controllability)의 확보입니다.

• 작업 스타일 학습: 사용자가 코드 리뷰에서 선호하는 네이밍 컨벤션, 문서 톤앤매너, 결론 도출 방식 등 피드백 이력을 장기 메모리에 축적하여 점진적으로 "사용자가 기대하는 결과물의 형태"에 수렴합니다.
• Human-in-the-Loop(HIL) 권한 경계: 모든 작업을 무제한 자율로 두지 않습니다. 데이터 조회, 리서치, 코드 테스트 등 비가역적 영향이 없는 작업은 완전 자율로 처리하지만, 결제 실행, 프로덕션 DB 쓰기, 계정 권한 수정, 외부 고객 대상 메시지 발송 등 민감한 작업은 반드시 인간 관리자의 명시적 승인을 거치도록 다단계 승인 게이트가 내장되어 있습니다.

엔지니어를 위한 개발 및 아키텍처 시사점

OpenAI Dot의 등장은 개발자와 AI 엔지니어들에게 프롬프트 작성 이상의 시스템 설계를 요구합니다.

설계 영역	기존 프롬프트 중심 접근	Dots 시대의 에이전트 엔지니어링
컨텍스트 관리	단일 세션 내 프롬프트 압축	다계층 영속 스토리지 및 체크포인트 기반 상태 머신 구축
도구 연결	하드코딩된 단일 함수 호출	표준 프로토콜(MCP) 기반의 동적 도구 검색 및 권한 인가
실행 환경	로컬 환경 또는 제한된 샌드박스	클라우드 가상 머신 기반의 완전 격리형 마이크로 샌드박스
오류 제어	예외 발생 시 세션 중단	에이전트 자가 교정(Self-reflection) 루프 및 장애 격리
안전 거버넌스	시스템 프롬프트 가드레일	정책 기반 승인 워크플로우(HIL)와 비가역적 액션 게이팅

결국 미래의 소프트웨어 엔지니어링은 AI 모델을 직접 튜닝하는 것을 넘어, 자율적으로 움직이는 에이전트 데몬들이 안전하고 효율적으로 협업할 수 있는 에이전트 하네스(Harness)와 환경 인프라를 설계하는 역량에 집중될 것입니다.