OpenAI Codex 사용 급증, AI 에이전트가 지식노동의 업무 방식을 바꾸고 있다

OpenAI가 6월 25일 공개한 경제연구 자료는 업무용 AI의 무게중심이 단순한 챗봇 대화에서 ‘일을 맡기는’ 에이전트형 도구로 이동하고 있음을 보여준다. Codex는 코딩 보조 도구로 출발했지만, 최근에는 법무, 채용, 재무, 리서치, 데이터 분석처럼 비개발 업무에서도 사용 범위가 넓어지고 있다.

OpenAI와 컬럼비아대, 듀크대, 펜실베이니아대 연구진이 공개한 논문에 따르면 Codex 활성 사용자는 2026년 상반기 동안 5배 이상 증가했다. OpenAI 내부에서는 Codex가 주간 출력 토큰의 99.8%를 차지했고, 평균 직원 기준으로도 업무용 AI 사용의 85% 이상이 Codex로 이동했다. 외부 개인 사용자 표본에서는 80.6%가 숙련된 사람이 30분 이상 걸릴 것으로 추정되는 작업을 한 번 이상 맡겼고, 70.2%는 1시간 이상, 25.6%는 8시간 이상 작업에 해당하는 요청을 한 적이 있었다.

여기서 말하는 AI 에이전트는 질문에 답하는 챗봇과 다르다. 사용자가 목표를 주면 파일을 읽고, 코드를 실행하고, 문서를 만들고, 여러 단계의 작업을 이어가는 방식이다. 쉽게 말해 “답을 알려주는 도구”에서 “작업 과정을 일부 대신 수행하는 도구”로 역할이 넓어지는 흐름이다.

다만 이 수치를 미국 전체 노동시장의 평균처럼 읽기는 어렵다. Axios 보도에 따르면 일반 소비자 가운데 Codex를 실제로 쓰는 비율은 여전히 낮고, OpenAI의 일부 수치는 자사 내부 사용과 동의한 사용자 표본을 포함한다. 연구진도 작업 시간 추정치가 모델 기반 평가라는 점을 밝히고 있다. 따라서 이번 자료는 모든 직장이 이미 AI 에이전트 중심으로 바뀌었다는 뜻이라기보다, AI 도구 접근성이 높고 사용 문화가 자리 잡은 조직에서 먼저 나타나는 변화를 보여주는 신호에 가깝다.

보스턴권 독자에게 이 변화가 중요한 이유는 지역 산업 구조와 맞닿아 있다. 보스턴과 케임브리지는 대학, 병원, 바이오테크, 핀테크, 엔터프라이즈 소프트웨어, 컨설팅 인력이 밀집한 지역이다. 이들 조직의 공통점은 코드뿐 아니라 데이터 분석, 리포트 작성, 규제 문서 정리, 연구 자료 검토, 내부 도구 제작 같은 지식노동 비중이 높다는 점이다. Codex 같은 에이전트가 개발자만의 도구에서 벗어나면 연구실, 병원 행정, 스타트업 운영, 기업 분석 업무에도 영향을 줄 수 있다.

취업 준비생과 유학생에게는 ‘AI를 쓸 줄 안다’는 표현만으로는 부족해지는 흐름이다. 기업이 점점 더 보고 싶어 하는 것은 특정 도구 이름보다, AI가 만든 결과를 검증하고 실제 업무 흐름에 연결하는 능력이다. 데이터 분석 직무라면 차트를 만드는 속도뿐 아니라 데이터 출처 확인, 오류 탐지, 재현 가능한 분석 절차 문서화가 중요해진다. 소프트웨어 직무에서도 코드 작성량보다 테스트, 보안, 리뷰, 제품 요구사항 이해가 더 뚜렷하게 평가될 가능성이 있다.

현직자에게는 업무 범위가 조금씩 넓어지는 신호로 읽힌다. OpenAI 자료에 따르면 비개발자 사용자가 빠르게 늘었고, 비개발 개인 사용자는 2025년 8월 이후 137배, 외부 조직의 비개발 사용자는 189배 증가했다. 이는 마케팅 담당자가 간단한 데이터 처리 자동화를 만들고, 재무 담당자가 반복 리포트를 정리하며, 채용 담당자가 후보자 파이프라인을 구조화하는 식의 변화가 늘 수 있음을 뜻한다. 다만 이런 변화는 사람의 판단을 없애기보다, 사람이 검토해야 할 결과물과 책임 범위를 다시 정하는 쪽에 가깝다.

비자 스폰서십을 고려하는 유학생에게도 간접적인 의미가 있다. H-1B나 OPT 관련 판단은 개인 상황, 전공, 직무 내용, 고용주의 스폰서십 정책에 따라 달라지므로 일반화하기 어렵다. 다만 채용 시장에서는 같은 주니어 직무라도 AI를 활용해 더 넓은 업무를 처리할 수 있고, 출력물을 검증하며, 보안과 데이터 규정을 이해하는 후보자가 더 설득력 있게 보일 수 있다. 첫 직장이나 이직을 준비한다면 회사가 어떤 AI 도구를 허용하는지, 민감한 데이터 사용 정책이 있는지, 주니어에게 어느 수준의 검토 책임을 기대하는지 확인할 필요가 있다.

스타트업 창업자에게는 비용 구조와 실행 속도 양쪽에서 변화가 생긴다. 작은 팀도 내부 도구, 분석 리포트, 프로토타입 제작을 더 빠르게 시도할 수 있다. 하지만 진입 장벽이 낮아진 만큼 투자자와 고객은 ‘AI로 만들었다’는 사실보다 데이터 품질, 고객 접근, 보안 통제, 실제 업무에 붙는 완성도를 더 보게 될 가능성이 크다. AI 에이전트가 초기 실행을 돕더라도 사업의 방어력은 여전히 문제 정의와 고객 신뢰에서 나온다.

지금 준비할 포인트는 거창하지 않다. 반복 업무 하나를 골라 AI로 초안을 만들고, 사람이 어떤 기준으로 검토해야 하는지 기록해 보는 것이 출발점이 될 수 있다. 이력서나 포트폴리오에는 사용한 도구명보다 문제, 입력 데이터, 검증 과정, 결과물을 함께 보여주는 편이 낫다. 조직 안에서는 접근 권한, 로그, 승인 절차, 민감 데이터 처리 기준을 먼저 정해야 한다.

AI 에이전트 확산은 직무가 단순히 사라진다는 이야기보다 업무가 재배치되는 변화에 가깝다. 보스턴의 유학생, 직장인, 창업 관심자에게 중요한 관전 포인트는 어떤 회사가 사람을 줄이는지뿐 아니라, 어떤 회사가 AI를 사람의 검토, 도메인 지식, 실행력과 결합해 실제 생산성을 높이는지다. 앞으로 채용 공고와 면접에서는 ‘AI 사용 경험’보다 ‘AI와 함께 책임 있게 일한 증거’가 더 자주 드러날 가능성이 있다.