AI가 하루 넘게 혼자 알아서 일했다!

한 줄 핵심

GPT6 Astra는 단순한 자동 클릭을 넘어 화면을 정확히 이해하고 장시간 반복 작업까지 이어가면서, 사람이 중간에 개입하던 컴퓨터 업무를 실제로 넘겨받을 수준에 가까워졌다고 보여준다.

시간별 요약

1. 0:00
   스노우플레이크 리캡 라이브 세미나 기업용 AI는 에이전트만 붙인다고 자동으로 굴러가지 않으며, 실제로는 데이터와 실행 환경의 제약을 함께 풀어야 한다는 문제의식이 제시된다. 이어서 GPT6 Astra가 컴퓨터를 직접 조작하는 장면을 통해 이번 영상의 핵심 주제가 소개된다.
2. 0:41
   AGI라는 Astra, 이 정도 수준이다 Astra의 강점은 컴퓨터를 다루는 능력 자체보다 화면을 더 정확하게 해석하고 다음 행동으로 안정적으로 연결하는 데 있다. ScreenSpot Pro에서 GPT 5.6의 76.9%보다 높은 92.7%를 기록했고, KiCad에서 PCB 레이아웃을 실제 제작 가능한 수준으로 완성하는 사례가 이를 뒷받침한다.
3. 2:54
   Astra의 3D 제작 능력 Astra는 Blender에서 만든 결과물을 Unreal Engine 5로 옮겨 3차원 공간으로 확장하고, Unity나 Godot에서도 장면 수정·실행·검증을 반복한다. PlayCon 사례에서는 세 가지 프로토타입을 한 번에 제작했고, 엔지니어의 수동 수정 작업이 GPT 5.6 사용 때보다 50% 줄어들었다.
4. 6:10
   Astra로 '낙수장' 제작하기 Astra는 프랭크 로이드 라이트의 낙수장을 3D로 만들기 위해 자료를 찾고 Blender를 조작하며 결과를 스크린샷으로 확인하고 수정하는 과정을 이어갔다. 최종 완성까지 29시간 넘게 걸렸고, 중간에 사람의 승인과 개입이 있었지만 장시간 작업을 지속하는 사용 사례가 현실화됐음을 보여준다.
5. 6:45
   Astra로 미국 맨하탄 구현하기 매슈먼은 매니저 루프를 사용해 한 에이전트가 다른 에이전트의 작업을 관리하게 하며 Unreal Engine으로 맨하탄을 건물·거리 단위로 구현했다. 또한 출시 전 보안 평가에서는 최소한의 초기 정보만 준 상태에서 29시간 동안 탐색하게 해 실제로 작동하는 공격 방법을 찾아내며 장기 자율 작업 능력을 드러냈다.
6. 9:40
   마무리 Astra의 핵심 변화는 화면을 보고 조작하는 능력과 그 작업을 오랫동안 끊기지 않고 이어가는 능력이 함께 좋아졌다는 점이다. 이 두 가지가 결합될 때 비로소 사람이 하던 업무를 통째로 AI에 넘길 수 있으며, 그래서 이번 변화는 단순한 성능 향상보다 작업 방식의 전환에 가깝다.

실무 인사이트

• 장기 자율 작업을 도입하려면 모델 성능만 볼 것이 아니라 작업 노트, 재검색, 재시도 조건처럼 루프 구조를 함께 설계해야 한다.
• 컴퓨터 조작형 에이전트는 클릭 정확도보다 화면 해석과 결과 검증 능력이 실제 생산성 차이를 더 크게 만든다.
• POC 성공 이후에도 사람 개입 지점을 어디까지 뒤로 밀 수 있는지, 즉 얼마나 긴 업무 단위를 AI에 맡길 수 있는지가 도입 성패를 가른다.