우버, 전 직원 3만 명에 챗GPT 워크 도입

우버가 10월 22일 오픈AI의 업무용 에이전트 챗GPT 워크를 전 세계 임직원 3만 명 이상에게 배포하기 시작했다. 오픈AI 발표에 따르면 챗GPT 워크는 챗GPT 엔터프라이즈 안에서 여러 단계로 이뤄진 복잡한 업무를 맡아 완성된 결과물까지 내놓는 에이전트이고, 우버가 지식 노동용 에이전트 플랫폼을 회사 전체에 들인 것은 이번이 처음이다. 출발점은 직원 1,000명을 대상으로 한 시범 운영이었다.

챗GPT 워크는 우버 직원들이 매일 쓰는 구글 드라이브, 지메일, 구글 캘린더, 슬랙과 연결된다. 직원은 이를 통해 정보를 조사하고, 회의 브리핑과 발표 자료를 만들고, 데이터를 분석하고, 여러 앱에 걸친 업무 흐름을 끝까지 처리할 수 있다고 오픈AI는 설명했다. 기본 모델은 GPT-6.1 Sol이다. 오픈AI는 이 모델이 최상위 성능과 비용 효율 사이의 균형을 맞춘다고 밝혔고, 음성과 이미지 생성 같은 멀티모달 기능도 함께 제공해 팀마다 일에 맞는 모델과 도구를 고를 수 있게 했다. 메탈은 9월 오픈AI가 GPT-6.1 Sol을 공개했다고 보도한 바 있으며, 대형 고객의 전사 배포에서 이 모델이 기본값으로 지정된 사례가 나온 셈이다.

배포는 도구만 나눠 주는 방식이 아니다. 우버는 사내 AI 스킬 라이브러리, 승인된 연동 목록, 전담 직원 교육을 함께 붙여 운영, 재무, 마케팅, 제품 부서가 기술을 실제 업무에 쓰도록 지원한다. 개발자와 소프트웨어 엔지니어링 조직은 지금처럼 코딩 에이전트 Codex를 계속 쓴다.

프라빈 네팔리 나가 우버 최고기술책임자(CTO)는 "우버는 늘 만드는 사람들의 회사였고, 매일 전 세계 수백만 명이 우리가 만든 것에 의지한다"며 "AI가 일하는 방식을 바꾸는 지금, 모든 직원에게 혁신하고 문제를 풀고 우버의 미래를 함께 만들 도구를 주고 싶다"고 밝혔다. 그레그 브록먼 오픈AI 사장 겸 공동창업자는 "수만 명의 직원에게 챗GPT 워크를 제공하는 것은 최첨단 AI 역량과 도구에 대한 접근을 넓히는 큰 걸음"이라며 우버의 각 팀이 오픈AI의 프런티어 모델과 에이전트를 활용해 더 복잡한 일을 맡게 될 것이라고 말했다.

시범 운영의 모습은 우버 경영진이 따로 공개했다. 보도에 따르면 수만스 수쿠마르 우버 엔지니어링 부사장은 초기 사용자 1,000명 가운데 약 80%가 엔지니어가 아닌 직원이었다고 밝혔다. 이들은 운영 데이터를 분석해 추세와 제안을 뽑고, 교육 자료를 시장과 언어별로 현지화하고, 일상 업무를 관리할 개인용 대화형 대시보드를 만드는 데 챗GPT 워크를 썼다. 수쿠마르 부사장은 "강력한 AI 도구를 우버 전체에 열어 주되 팀에 실험할 여지를 주는 것이 우리의 접근법"이라고 말했다.

우버가 앞서 시험한 방식도 같은 방향이다. 수쿠마르 부사장에 따르면 우버는 올해 초 AI 엔지니어 30명을 사내 여러 팀에 짝지어 2주 동안 각자 업무의 핵심 부분을 자동화하게 했다. 회사는 이 'AI 포드' 실험이 기술 전문성과 직무 이해를 결합했을 때 기회가 얼마나 큰지 보여 줬다고 평가했다. 이번 전사 배포에 들어가는 비용은 공개하지 않았다. 대신 직원들이 어떤 업무 흐름을 만들고 그것이 일의 효율에 어떤 차이를 내는지 추적해, 그 결과로 앞으로 AI 배치 방향을 정하겠다고 했다.

메탈이 확인한 오픈AI 발표문 전문은 연동 앱 목록과 기본 모델, 두 경영진의 발언까지만 담았고 도입 효과는 다루지 않았다. 두 회사는 배포가 진행되는 대로 도입 현황과 활용 사례, 수치로 드러나는 성과를 공유하겠다고만 밝혔다. 챗GPT 워크는 7월 기업용 에이전트로 처음 공개됐고, 메탈은 8월 오픈AI 제품 총괄이 챗GPT 워크 이용자 2,000만 명 돌파를 언급한 인터뷰를 전한 바 있다.

이 발표가 보여 주는 변화는 기업 AI 도입의 단위다. 시범 1,000명에서 전사 3만 명으로 30배 넓어지는 과정에서 우버가 붙인 장치는 모델 성능이 아니라 스킬 라이브러리, 승인된 연동, 교육이었다. 시범 사용자의 80%가 비개발자였다는 숫자는 에이전트가 이제 코드가 아니라 재무 보고와 현지화, 회의 준비 같은 일상 사무로 먼저 번지고 있다는 것을 말해 준다. 남은 관건은 두 회사가 약속한 성과 수치가 실제로 어떤 숫자로 돌아오느냐다.