Asana, GPT-6로 브라우저 AI 에이전트 비용 76분의 1로

배경

OpenAI가 프로젝트 관리 소프트웨어 회사 Asana의 기업 사례를 공개했다. Asana는 Codex 안에서 GPT-6 Astra 모델을 사용해 자사 브라우저 에이전트를 다시 만들었다. 공개된 테스트 결과로는 에이전트의 실행 비용이 76분의 1로 줄었고 속도는 5배 빨라졌다. Asana는 비용 부담이 줄어든 덕분에 고객에게 더 강력한 모델을 제공할 수 있게 됐다고 밝혔다. 그렇지 않았다면 지출을 통제하려고 고객을 성능이 낮은 모델에 묶어 두어야 했을 것이다.

이 수치는 조심해서 읽어야 한다. 테스트 환경에서 나온 값이고, 출처도 공급사가 발표한 사례다. 공개 요약에는 테스트에 쓴 작업 묶음, 비교 기준, 성공 여부를 판단한 방식이 나오지 않는다. 따라서 모든 업무에 그대로 적용할 약속이 아니라 규모를 보여 주는 신호로 보는 편이 맞다.

브라우저 에이전트에서 이 수치가 특히 중요한 이유는 작동 방식에 있다. 에이전트는 페이지를 관찰하고, 판단하고, 클릭하거나 입력한 뒤 결과를 다시 관찰하는 순환을 반복한다. 매 단계마다 페이지 내용, 이전 행동, 작업 목표가 모델로 들어간다. 그래서 작업 하나에 모델 호출이 수십 번, 많게는 백 번 넘게 필요하다. 단계가 늘수록 비용도 대기 시간도 함께 쌓인다.

심층 분석

Asana의 브라우저 에이전트는 어떻게 GPT-6 Astra로 비용을 76분의 1로 줄였을까? 출처는 세부 내역을 밝히지 않는다. Codex에서 GPT-6 Astra로 에이전트를 다시 만든 뒤 비용 76분의 1, 속도 5배라는 테스트 결과만 전한다. 이 정도 격차가 단가 하락 하나로 생기는 경우는 드물다. 단계당 추론 비용 감소, 작업당 단계 수 감소, 오류 뒤 재시도 감소가 겹쳤을 가능성이 크다. 다만 이는 추정이며 사례가 확인해 준 내용은 아니다.

비용과 속도는 원인을 공유할 공산이 크다. 모델이 복잡한 페이지를 한 번에 제대로 읽으면 돌아가는 길이 줄어든다. 단계가 줄면 토큰 비용과 전체 대기 시간이 함께 내려간다. 에이전트 순환에서 두 지표가 짝을 이루어 움직이고 개선 폭이 커지는 까닭이다. 속도 향상은 5배이고 비용 절감은 76배다. 이 차이는 비용 하락에 지연 시간 외의 요인, 예컨대 가격이나 토큰 사용량 감소가 있다는 뜻으로 읽힌다. 어느 쪽인지는 출처에 없다. Codex의 역할도 눈여겨볼 만하다. Codex는 원래 소프트웨어 엔지니어링용 에이전트 환경이다. Asana는 이를 브라우저 작업에 적용했다. 이런 환경의 도구 호출, 코드 실행, 긴 작업 흐름 조율 기능을 코딩 밖의 자동화에도 재사용할 수 있다는 신호다. 다만 Asana가 에이전트를 어떻게 구성했는지는 출처에 나오지 않아 구체적인 재사용 방식은 알 수 없다. 가장 큰 빈칸은 성공률이다. 더 싸고 빠르더라도 실패가 잦으면 사람이 고치는 비용 때문에 오히려 더 들 수 있다. 요약에는 작업 성공률, 오류율, 사람에게 넘기는 비율이 없다. 이 지표가 나오기 전까지 76배라는 숫자는 전체 품질이 아니라 비용만 설명한다.

산업 영향

이 사례는 기업용 AI 제품의 현실적인 모순을 건드린다. 성능이 높은 모델일수록 비싸지만 소프트웨어 구독료는 비교적 고정돼 있다. Asana 같은 회사는 고객별 사용량에서 마진을 지켜야 한다. 에이전트가 작업을 끝낼 때마다 추론비가 크게 나가면 선택지는 둘뿐이다. 성능이 낮은 모델을 배정하거나 고급 기능에 사용량 상한을 두는 것이다. 이만큼 비용이 줄면 같은 예산으로 더 많은 작업과 더 강한 모델을 감당할 수 있다. 소수의 고액 고객에게만 열려 있던 기능이 더 넓은 고객층에 닿을 수도 있다.

OpenAI에게 이 사례는 대표 사례 역할을 한다. 새 모델이 벤치마크 점수만 높은 것이 아니라 자동화 제품의 단위 경제성을 바꾼다고 기업 고객에게 보여 주기 때문이다. 경쟁사도 압박을 느낄 것이다. Anthropic, Google, 오픈 모델 제공자 모두 에이전트 수요를 두고 다툰다. 고객은 토큰 100만 개당 가격보다 작업 하나를 끝내는 데 드는 총비용을 더 따져 볼 가능성이 높다.

브라우저 자동화를 전문으로 하는 스타트업도 변화를 맞는다. 기본 모델이 웹 조작을 더 잘하고 값도 크게 싸지면, 모델 호출을 얇게 감싼 서비스의 진입장벽은 낮아진다. 경쟁의 무게는 자체 데이터, 업무 흐름 연동, 안정성 보장으로 옮겨 갈 것이다.

전망

지켜볼 신호가 몇 가지 있다. 첫째, 이 결과가 Asana의 실제 제품에서도 재현되는지다. 테스트 성적과 실서비스 성능은 자주 다르다. 실제 사용자 페이지는 더 어지럽고, 권한과 로그인 상태는 더 복잡하며, 드물게 생기는 실패도 많다. 작업 성공률과 사람이 넘겨받는 비율이 비용 배수보다 더 많은 것을 알려 줄 것이다. 둘째, 다른 기업도 비슷한 수치를 내놓는지다. 여러 회사가 서로 다른 작업에서 자릿수 단위의 비용 절감을 보고하면 모델 층의 보편적 진전이라는 뜻이다. 소수에 그친다면 특정 작업 설계에 의존한 결과일 수 있다. 셋째, 절감분이 어디로 가는지다. Asana는 이를 고객의 모델 등급을 올리는 데, 가격 인하에, 무료 사용량 확대에 쓸 수 있다. 이 선택이 기능이 퍼지는 속도를 정한다. 지금까지 회사가 밝힌 것은 더 강력한 모델을 제공할 수 있게 됐다는 점뿐이다.

넷째, 안전 문제는 비용과 함께 줄지 않는다. 브라우저 에이전트는 사용자를 대신해 웹에서 행동한다. 더 빨리, 더 많이 쓰이면 잘못된 조작과 권한 남용의 위험도 비례해 커진다. 기업에는 감사 기록, 행동 확인 절차, 권한 분리가 필요하다. Asana 사례는 에이전트 경쟁의 초점이 모델이 무엇을 할 수 있는가에서 얼마나 싸고 안정적으로 끝내는가로 옮겨 가고 있음을 가리킨다. 이를 표준 인프라로 만드는 쪽이 기업 시장에서 더 유리하다.