야, 영국에서 GLM 5.2 모델이 중소기업 VAT(부가가치세) 신고를 처리했는데, 사람 회계사 비용의 1%도 안 되는 돈으로 거의 완벽하게 해냈대. 59개 거래를 68분 만에, 토큰 비용은 고작 2.73달러. 실제 결과랑 7페니(10센트)밖에 차이 안 났다더라. 이 정도면 정밀성이나 비용 효율 면에서 충격적인 수준이지 않아?
보통 이런 '규정 준수' 작업은 정확성이 생명이라 AI가 쉽게 파고들기 어렵다고 봤잖아. 게다가 누가 감옥에 가는가, 즉 책임 소재 문제도 복잡하고. 그런데 GLM 5.2는 회계 소프트웨어에 CLI(명령줄 도구)로 직접 데이터를 입력하는 방식으로 이 어려운 일을 거의 완벽하게 해낸 거야. AI가 단순 정보 요약을 넘어, 실제 시스템에 개입해서 정교한 작업을 수행할 수 있다는 걸 보여준 거지.
근데 여기서 GPT-5.6 Sol 얘기도 빼놓을 수 없어. Claire Vo가 진행한 벤치마크 보니까, GPT-5.6 Sol이 PRD 작성, 프로토타입 제작 같은 건 물론이고, 심지어 아이들 위한 게임화된 숙제 앱도 코덱스(Codex)로 한 번에 만들었대. 더 대박인 건, 브라우저 자동화 기능으로 링크드인 답장 500개를 순식간에 처리하면서도 사용자는 아무것도 안 했다는 거야.
이게 뭘 의미하냐면, AI가 이제 단순한 텍스트 생성이나 이미지 제작을 넘어섰다는 거야. 여러 단계를 거치는 복합적인 '진짜 일'을 해내기 시작한 거지. 특히 GPT-5.6 Sol이 보여준 에이전트(Agentic) 능력은 AI가 목표를 설정하고, 도구를 사용하고, 피드백을 반영하며 작업을 완료하는 수준으로 진화했다는 걸 말해줘. 이제 AI는 '무엇을 해달라'고 하면 '어떻게 할지'까지 고민하는 수준이 된 거야.
그런데 말이야, 이런 모델들이 아무리 대단해져도, 이걸 우리 일에 어떻게 적용할지는 결국 '우리의 몫'이라는 중요한 인사이트를 롱블랙 기사가 던져주더라. 탤런트리의 안찬봉 대표가 말하는 AI 전환(AX)의 핵심은 AI 솔루션에 돈부터 쓰는 게 아니라, "직원들이 일하는 과정을 면밀히 관찰하는 것"이래.
그는 아가방앤컴퍼니 AX 프로젝트 사례를 들었어. MD들이 매주 새벽 6시에 출근해서 복잡한 엑셀 데이터를 가공하던 '진짜 고통'을 먼저 발견한 거야. 이 고통을 해결하기 위해 데이터를 통합하고 보고서를 자동화하는 시스템을 구축했고, 이때 AI는 문제 해결을 위한 '도구'로 쓰였지. 결과적으로 회사 전체의 데이터 활용 능력이 확 바뀌었다고 하더라.
안 대표는 또 "기획서보다 먼저 '끝 그림'을 보여줘라"고 강조해. 증권사 AX 프로젝트에서 AI가 자동으로 투자 정보를 숏폼 콘텐츠로 만드는 시스템을 만들 때, 천혜림 매니저가 직접 캡컷(CapCut)으로 예시 영상을 만들어서 보여줬대. 화려한 설명 대신, "앞으로 AI가 만들 결과물은 이런 모습일 거다"라고 눈으로 확인시켜준 거지.
결국 AI는 엄청난 정밀성과 에이전트 능력을 가지고 우리 워크플로우의 비효율을 해결할 수 있는 강력한 도구가 됐어. 하지만 AI가 '무엇이든' 할 수 있다고 해도, '무엇을 할지'는 우리가 먼저 찾아야 한다는 거야. 안찬봉 대표 말대로, AX는 기술 싸움이 아니라 사람들이 일하는 방식에 대한 싸움이고, '전환력'이 중요하다는 거지. 심지어 스페인어, 사회복지 전공자들이 이런 AX 프로젝트를 이끌고 있다는 사실이 이걸 더 명확하게 보여주는 것 같아.
우리 워크플로우의 그 '숨은 7페니'는 어디에 있을까? 그리고 그 '새벽 6시의 엑셀 작업'은? 우리 팀의 진짜 병목은 어딘지, 한번 유심히 들여다볼 때가 된 것 같지 않아?