Proaction, Codex로 매출 60% 증가와 75시간 이상 절약

2026년 9월 25일, OpenAI는 차량 관리 소프트웨어를 만드는 스타트업 Proaction의 도입 사례를 공개했습니다. 핵심 수치는 단순합니다. Codex를 쓰면서 Proaction은 매월 엔지니어링 시간 40~60시간을 절약하고, 창업자의 작업 시간도 월 약 33시간 줄였으며, 매출이 60% 늘었다고 밝혔습니다. Proaction은 북미 기업으로, 승용차와 트럭부터 건설 기계까지 차량 군집을 관리하는 기업에 소프트웨어를 판매합니다. Codex와 API를 사용하며, 제품에는 GPT-Live-1, GPT-6 Astra, ChatGPT-5.6 Sol이 쓰입니다. 먼저 문제를 보겠습니다. 차량 관리 현장은 고객마다 차량 구성과 업무 방식이 다릅니다. 그래서 잠재 고객에게 이 플랫폼이 자사에 맞는다는 점을 보여주는 일이 영업의 핵심입니다. 그러나 맞춤형 데모에는 엔지니어의 시간이 필요하고, 작은 스타트업에는 여유 인력이 없습니다. 예전에는 창업자들이 대화와 슬라이드로 가능한 일을 설명해야 했습니다. 공동 창업자 겸 COO인 Colin Knudsen은 기술 전문가가 아니어서, 데모가 필요할 때마다 엔지니어를 끌어들여야 했습니다. Codex가 이 흐름을 바꿨습니다. 영업 통화가 끝나면 Colin은 Codex에게 Granola 녹음, 잠재 고객과 주고받은 이메일, 고객이 공유한 스프레드시트를 읽도록 지시합니다. Codex는 이 맥락을 바탕으로 HTML 데모 환경을 맞춤 제작합니다. 화면은 Proaction의 실제 제품을 본뜨고, 내용은 고객 자신의 차량으로 채워집니다. 화면을 공유하면 고객은 자기 승용차, 트럭, 장비가 자신들의 업무 방식에 맞게 배치된 모습을 봅니다. 고칠 부분을 직접 가리키며 해결책을 함께 만들 수도 있습니다. Colin의 설명으로는 엔지니어를 전혀 거치지 않고 최종 해결책을 함께 만들어 낸다고 합니다.

숫자를 보겠습니다. Colin은 한 달에 4~6개의 맞춤형 인터랙티브 데모를 만들고, 하나당 30~45분이 걸립니다. 엔지니어가 비슷한 데모를 만들면 약 10시간이 든다고 보며, 따라서 매월 40~60시간의 엔지니어링 작업을 피하는 셈입니다. 전환율 면에서는 첫 접촉 이후 육성 단계가 아닌 솔루션 개발 단계로 넘어가는 거래의 비율이 맞춤 데모 덕분에 50~60% 늘었다고 추정합니다. 다만 주의가 필요합니다. 이는 Colin 본인의 추정이며 대조 실험의 결과가 아닙니다. 현장 책임자의 경험적 판단으로 읽어야 하며 엄밀한 벤치마크로 보면 안 됩니다. 데모의 가치는 영업 단계에서 끝나지 않습니다. 잠재 고객이 정식 고객이 되면 Colin은 맞춤 데모를 엔지니어에게 시각적 참고 자료로 넘깁니다. 무엇을 만들지에 대한 질문과 왕복 소통이 줄어듭니다. Proaction은 Codex로 고객 솔루션 센터도 만들었습니다. 잠재 고객은 로그인해서 자기 사업에 맞춘 워크플로를 살펴보고 영업 자료를 확인할 수 있습니다. 고객은 필요한 것을 더 잘 설명하게 되고, 엔지니어가 아닌 동료도 그 대화를 더 명확한 요구사항으로 바꿀 수 있습니다. 엔지니어가 합류할 때는 만들 대상의 구체적인 그림이 이미 있습니다. 두 번째 이야기는 일상의 작업 공간으로서의 Codex입니다. Colin의 업무는 영업, 고객 지원, 제품 관리에 걸쳐 있습니다. Granola, Gmail, Slack, Linear, GitHub, HubSpot 등을 위한 Codex 플러그인으로 고객 맥락을 한곳에 모으고 바로 행동합니다. 통화 녹취와 이메일 이력을 불러와 후속 연락을 준비하고, Linear 이슈를 만들고, HubSpot 영업 기회를 갱신합니다. 최근 통화를 검토해 팀을 위한 영업 업데이트를 준비하는 예약 자동화도 설정했습니다. 예전에는 여러 탭을 오가며 정보를 한 도구에서 다른 도구로 복사해야 했습니다. 지금은 필요한 것을 설명하면 Codex가 맥락을 모으고 다음 단계를 실행합니다. 하루에 15~20개의 서로 다른 작업이 있고, Codex가 월 25~33시간을 절약해 준다고 봅니다.

세 번째는 제품 내부입니다. Proaction은 플랫폼 전반에서 OpenAI 모델을 씁니다. 고객이 차량 문제 보고서에 사진을 첨부하면 ChatGPT-5.6 Sol이 손상 식별을 돕습니다. 또 GPT-Live-1으로 차량 운영의 일상 업무를 더 많이 처리하는 에이전트를 만들고 있습니다. 회사는 이를 Managed Execution Layer, 즉 관리형 실행 계층이라고 부릅니다. Colin은 고객이 일을 관리하고 추적하도록 돕는 데서 나아가 Proaction이 고객을 대신해 일을 실행하는 것이 목표이며, OpenAI 음성 기술의 발전이 그것을 가능하게 하는 큰 이유라고 말합니다. 고객은 전문 에이전트에게 통행료나 정비 같은 일을 맡기거나, 알맞은 에이전트가 자동으로 일하도록 워크플로를 설정할 수 있습니다. 에이전트는 GPT-Live-1과 GPT-6 Astra를 포함한 OpenAI 모델로 음성 통화를 걸고 문서와 이미지를 검토합니다. 우리가 확보한 원문은 이 부분에서 잘려 있어 더 이상의 세부 내용은 다루지 않습니다. 작동 방식에서 중요한 점은 맥락이 곧 인터페이스라는 것입니다. Codex는 아무것도 없이 데모를 지어내지 않습니다. 녹음, 이메일, 스프레드시트 같은 실제 자료를 가리키면 인터랙티브 HTML을 만들어 냅니다. HTML 데모는 가볍고, 백엔드 배포가 필요 없으며, 화면 공유 중에도 바로 고치기 쉽습니다. 요구사항 수집과 시제품 제작이 한 번의 대화로 합쳐져, 고객의 말에서 눈에 보이는 제품까지의 거리가 줄어듭니다. 기업과 개발자에게 주는 시사점은 세 가지입니다. 첫째, 코딩 에이전트의 사용자가 엔지니어 밖으로 넓어지고 있습니다. 비기술 창업자가 직접 시제품을 만들면 부족한 엔지니어 시간을 진짜 제품 개발에 쓸 수 있습니다. 둘째, 가치는 단일 산출물이 아니라 워크플로 통합에서 나옵니다. 플러그인이 CRM, 이슈 트래커, 이메일, 코드 저장소를 이어 주며 절약되는 것은 전환 비용입니다. 셋째, 음성 에이전트는 소프트웨어를 기록 시스템에서 실행 시스템으로 이동시킵니다. 차량 관리, 물류, 정비처럼 전화 소통이 많은 산업에서 특히 의미가 큽니다.

냉정한 시각도 필요합니다. 성과의 대부분은 초기 단계 기업 한 곳과 헤비 유저 한 명의 자체 추정입니다. 에이전트가 고객을 대신해 전화를 걸고 통행료나 정비를 처리하면 책임 소재, 오류 정정, 규정 준수, 감사 추적 문제가 생깁니다. 원문은 이를 어떻게 다루는지 설명하지 않습니다. 고객 데이터로 데모를 만들 때도 데이터 접근 권한과 개인정보 경계가 분명해야 합니다. 이 방식을 따르려는 기업은 먼저 이 질문들에 답해야 합니다. 앞으로 비슷한 패턴은 다른 산업으로 퍼질 가능성이 큽니다. 영업 담당자는 코딩 에이전트로 맞춤 시제품을 만들고, 운영 담당자는 반복적인 연락 업무를 음성 에이전트에 맡길 것입니다. OpenAI에게 이 사례는 제품군이 함께 작동하는 모습을 보여줍니다. Codex는 작업 공간, API와 음성 모델은 제품에 내장되는 부품입니다. Proaction에게 진짜 시험은 관리형 실행 계층이 실제 고객의 복잡한 환경에서 안정적이고 감사 가능하게 돌아가는가입니다. 그렇게 된다면 이 소프트웨어 분야의 경쟁은 기능의 수에서 실제로 완료된 일의 양으로 옮겨 갈 것입니다.