OpenAI dots가 나왔다 — 이제 AI는 질문을 기다리지 않는다
OpenAI dots가 나왔다 — 이제 AI는 질문을 기다리지 않는다
GPT-6 Astra·Cloud Computer·4,000개 앱으로 24시간 일하는 상시 Agent
2026년 9월 29일 OpenAI가 dots를 공개했습니다.
처음 보면 또 하나의 ChatGPT 기능처럼 보이지만, 방향은 꽤 다릅니다.
지금까지 AI는 대부분 사용자가 먼저 말을 걸어야 움직였습니다.
질문
↓
AI
↓
답변Codex나 Claude Code 같은 Coding Agent가 나오면서 조금 달라졌습니다.
작업 요청
↓
Repository 분석
↓
코드 수정
↓
Build / Testdots는 여기서 한 단계 더 갑니다.
사용자가 자리를 비워도 계속 일합니다.
자신만의 Cloud Computer를 가지고 있고, 필요한 앱을 연결해서 업무를 진행하고, 사용자의 피드백과 일하는 방식을 기억합니다.
OpenAI가 dots를 always-on agent라고 부르는 이유입니다.
1. dots는 뭐가 다른가
dots를 가장 단순하게 표현하면:
내가 계속 지시하지 않아도 일을 이어가는 개인 Agent
입니다.
기본 구조는 이렇습니다.
dots
│
GPT-6 Astra
│
Cloud Computer
│
Browser / Plugins
│
Memory / Feedback
│
24시간 작업각 dot은 자체 Cloud Computer를 가지고 있습니다.
브라우저를 열고, 필요한 서비스를 사용하고, 여러 작업을 동시에 진행할 수 있습니다.
ChatGPT 창을 계속 열어둘 필요도 없습니다.
2. 기반 모델은 GPT-6 Astra다
dots는 GPT-6 Astra를 기반으로 동작합니다.
하지만 dots를 단순히:
GPT-6 Astra
+
백그라운드 실행정도로 보면 핵심을 놓치기 쉽습니다.
중요한 건 모델보다 모델 주변에 붙은 실행환경입니다.
GPT-6 Astra
+
Cloud Computer
+
Browser
+
Plugins
+
Memory
+
Permission이 합쳐져 하나의 Agent가 됩니다.
즉 AI가 답만 생성하는 것이 아니라 실제로 일을 진행할 환경까지 같이 주어진 겁니다.
3. 클라우드 컴퓨터를 가지고 있다는 게 꽤 중요하다
기존 Chatbot은 대부분 사용자가 파일이나 웹페이지를 가져다줘야 했습니다.
dots는 자체 Cloud Computer에서 직접 작업할 수 있습니다.
예를 들어:
웹사이트 접속
문서 확인
자료 정리
앱 사용
파일 생성
여러 단계의 업무 진행같은 일을 Agent가 이어서 처리할 수 있습니다.
그래서 사용자가:
이 자료 조사해서 정리해줘.
라고 요청한 뒤 계속 옆에서 지켜보고 있을 필요가 없습니다.
dot이 작업을 계속하고 나중에 결과를 보여주는 방식입니다.
4. 동시에 여러 프로젝트를 맡길 수도 있다
기존 Chatbot은 하나의 대화를 하나의 작업처럼 사용하는 경우가 많았습니다.
dots는 조금 다릅니다.
dot
├─ 프로젝트 A 조사
├─ 프로젝트 B 자료 정리
├─ 버그 원인 확인
└─ 다음 주 발표자료 준비처럼 여러 장기 작업을 가지고 있을 수 있습니다.
새로운 요청이 들어왔다고 기존 작업을 반드시 멈출 필요도 없습니다.
이 부분에서 일반 Chat과 차이가 꽤 커집니다.
5. 사용자가 먼저 말하지 않아도 움직인다
dots의 또 다른 특징은 Proactive Research입니다.
예를 들어 특정 프로젝트를 계속 보고 있다면:
새로운 자료 등장
↓
dot이 확인
↓
기존 프로젝트와 관련 있는지 판단
↓
필요한 조사 진행
↓
사용자에게 결과 전달같은 흐름을 만들 수 있습니다.
AI가:
뭘 할까요?
라고 기다리는 대신 이미 맡은 목표를 기준으로 계속 살펴보는 겁니다.
다만 사용자가 보고 있지 않은 상태에서 진행하는 Proactive Research에는 별도의 안전 제한이 적용됩니다.
연결된 앱을 읽는 작업은 가능하지만, 메시지를 보내거나 앱 데이터를 바꾸거나 로컬 컴퓨터를 임의로 조작하는 등의 Action은 제한됩니다.
6. 4,000개가 넘는 앱에 연결할 수 있다
dots가 특히 강한 이유 중 하나가 기존 OpenAI Plugin 생태계입니다.
OpenAI는 현재 dots가 4,000개가 넘는 앱과 연결될 수 있다고 설명합니다.
예를 들어 개발자 업무라면:
GitHub
Jira
Confluence
Figma
Slack
Teams
Google Drive
SharePoint같은 서비스가 모두 Context가 될 수 있습니다.
결국 dot이 하는 일은 단순 웹 검색이 아닙니다.
회사 업무 Context
+
외부 서비스
+
Cloud Computer를 같이 사용하는 겁니다.
개발자에게 특히 재미있는 부분
7. dots는 Codex를 대체하는 게 아니다
개발자 입장에서 가장 먼저 드는 질문은 이겁니다.
그러면 dots가 Codex 대신 코딩하는 건가?
그보다는 역할이 다릅니다.
dots
→ 어떤 일이 필요한지 판단
→ 프로젝트 Context 관리
→ 업무를 계속 추적
Codex
→ 실제 Repository 작업
→ 코드 수정
→ Build / Test즉 dots를 Codex 위에 있는 상위 업무 Agent로 생각하면 이해하기 쉽습니다.
8. Slack에서 버그가 나오면 dots가 먼저 움직일 수 있다
OpenAI가 dots 발표에서 보여준 개발자 예제가 꽤 재미있습니다.
대략 이런 흐름입니다.
Slack에서 Bug 보고
↓
dot이 상황 확인
↓
관련 Context 조사
↓
문제가 코드 작업까지 필요한지 판단
↓
Codex 작업 시작
↓
진행상황 확인
↓
결과 보고기존에는 사람이:
Slack 확인
GitHub 이동
Codex 실행
Context 전달
작업 확인을 연결했습니다.
이제 그 연결 자체를 dot이 맡는 겁니다.
9. Figma에서 시작해서 실제 구현까지 갈 수도 있다
비슷한 흐름은 디자인에도 적용됩니다.
예를 들어 새로운 Figma 디자인이 들어왔다고 해보겠습니다.
Figma
↓
새 Design
↓
dot
↓
관련 요구사항 확인
↓
구현 작업 판단
↓
Coding Agent
↓
작동하는 화면최근 OpenAI가 Figma, Jira·Confluence, GitHub 같은 개발도구 연결을 빠르게 늘리고 있었던 이유가 dots와 합쳐지면 더 분명해집니다.
각 Plugin이 따로 존재할 때보다 상시 Agent가 여러 서비스를 연결할 때 가치가 커집니다.
10. 내 Mac에도 연결할 수 있다
dot은 기본적으로 OpenAI의 Cloud Computer에서 일합니다.
하지만 사용자가 허용하면 로컬 컴퓨터에도 연결할 수 있습니다.
예를 들어:
Cloud Computer
↓
자료 조사
업무 정리
+
Local Mac
↓
로컬 파일
명령 실행
개발환경처럼 역할을 나눌 수 있습니다.
다만 로컬 컴퓨터를 사용하려면 Mac이 켜져 있어야 하고 ChatGPT 앱도 실행되고 있어야 합니다.
그래서 24시간 돌아가는 핵심 환경은 Cloud Computer이고, 로컬 Mac은 필요한 경우 사용하는 보조 실행환경에 가깝습니다.
11. Mac에서 Codex를 쓰는 개발자라면 이런 그림이 된다
예를 들어 평소:
Mac
Xcode
Codex
GitHub
Slack
Figma를 사용하는 개발자라면 dots를 이렇게 생각할 수 있습니다.
dots
│
┌────────────┼────────────┐
↓ ↓ ↓
Slack Figma Jira
│ │ │
└────────────┼────────────┘
↓
작업 필요 판단
↓
Codex
↓
Worktree
↓
Build / Test
↓
결과
↓
dots
↓
사용자 보고Codex가 개발자라면 dots는 프로젝트 매니저나 업무 담당자에 더 가깝습니다.
12. 같이 일할수록 사용자의 방식을 배운다
dots에는 Memory도 들어갑니다.
단순히:
내 이름
내 직업정도를 기억하는 이야기가 아닙니다.
OpenAI는 dots가 사용자의 피드백을 통해:
어떤 결과를 좋아하는지
어떻게 생각하는지
어떤 수준이면 충분한지
어떤 방식으로 일하는지를 점점 배운다고 설명합니다.
즉 한 번에 완벽하게 설정하는 Agent가 아니라 같이 일하면서 맞춰가는 구조입니다.
13. 여기서 중요한 건 Custom Rules다
24시간 일하는 Agent에게 모든 권한을 그냥 줄 수는 없습니다.
그래서 dots에는 Action별로 규칙을 설정하는 기능이 있습니다.
쉽게 생각하면:
이건 알아서 해
이건 내가 부탁했을 때만 해
이건 실행 전에 물어봐
이건 사람이 직접 해야 해를 정하는 겁니다.
예를 들어 개발업무라면:
Repository 읽기
→ 자동 허용
Test 실행
→ 자동 허용
PR 초안 생성
→ 자동 허용
Production 배포
→ 반드시 승인
외부 메시지 전송
→ 승인 필요처럼 나눌 수 있습니다.
14. Custom Rules가 있다고 모든 안전장치를 끌 수 있는 건 아니다
이 부분도 중요합니다.
사용자가 만든 Rule보다 OpenAI의 기본 안전장치가 위에 있습니다.
즉 사용자가:
모든 행동을 자동 승인처럼 설정한다고 해도 플랫폼의 기본 Safeguard까지 무시할 수 있는 구조는 아닙니다.
Enterprise에서는 dots 사용 자체와 로컬 컴퓨터 접근, Slack·Teams 연결, Custom Rules 사용 여부도 관리자 정책으로 따로 제어할 수 있습니다.
15. dots에도 Jev 같은 Router가 들어 있을까
앞에서 다뤘던 Jev를 생각하면 이런 질문이 나올 수 있습니다.
dots도 작업을 어느 Agent에게 보낼지 판단하는 Router가 있는 것 아닌가?
기능적으로는 비슷한 일이 있습니다.
dots도 상황을 보고:
검색할까?
Plugin을 사용할까?
Codex 작업이 필요한가?
사용자에게 물어볼까?
계속 백그라운드에서 조사할까?를 결정해야 하기 때문입니다.
하지만 현재 OpenAI가 Jev처럼 별도의 확률형 Decision Model을 dots의 Router로 공개한 것은 아닙니다.
16. Jev와 dots는 역할부터 다르다
Jev는:
Input
↓
Decision
↓
Choice / Noul / Score
↓
Confidence가 중심입니다.
즉:
무엇을 선택할지 빠르게 판단하는 모델
입니다.
dots는 훨씬 위에 있습니다.
목표 이해
↓
상황 판단
↓
필요한 도구 선택
↓
실제 작업
↓
결과 확인
↓
작업 계속까지 합니다.
한 줄로 나누면:
Jev
→ 판단
dots
→ 판단 + 실행 + 지속적인 업무관리입니다.
17. 요청량이 아주 많다면 Jev 같은 Decision Layer와 같이 쓸 수도 있다
예를 들어 수많은 업무 요청이 계속 들어오는 시스템이라면:
Request
↓
Decision Layer
↓
┌────────┬────────┬────────┐
↓ ↓ ↓ ↓
dots Codex Search Human같은 구조를 생각할 수 있습니다.
여기에서 Jev 같은 가벼운 Decision Model이 앞단 Routing을 담당할 수 있습니다.
다만 일반적인 개인 dots 사용자에게 필요한 구조는 아닙니다.
Agent가 많아지고 요청량과 비용 최적화가 중요해졌을 때 검토할 Architecture입니다.
18. 앞으로 dots 하나가 아니라 여러 specialist dots도 등장한다
이것도 흥미로운 부분입니다.
하나의 AI가 모든 일을 담당하기보다:
Research dot
Coding dot
Finance dot
Operations dot처럼 역할을 나눈 Agent들이 함께 일하는 방향입니다.
결국 dots도 장기적으로는:
하나의 Personal Agent에서:
여러 전문 Agent가 협업하는 환경으로 확장될 가능성이 큽니다.
19. 개발자는 dots를 어디에 쓰면 좋을까
처음부터 Source Code 전체를 맡길 필요는 없습니다.
오히려 이런 업무가 더 잘 맞습니다.
프로젝트 상태 추적
Slack
GitHub
Jira
↓
오늘 막힌 일이 뭐지?버그 초기 조사
Bug Report
↓
관련 대화
관련 Issue
관련 PR
↓
원인 후보 정리Codex 작업 연결
문제가 코드 변경 필요
↓
Codex Task문서 동기화
코드 변경
↓
Confluence / Drive 문서 확인
↓
갱신 필요 부분 정리반복 보고
이번 주 개발 진행상황
↓
자동 수집
↓
요약같은 작업입니다.
20. Coding Agent보다 위의 계층이 생겼다고 보면 된다
최근 개발환경을 보면 계층이 조금씩 늘고 있습니다.
Model
↓
Coding Agent
↓
Orchestrator
↓
Always-on Agent예를 들어 OpenAI 생태계에서는:
GPT-6
↓
Codex
↓
dots같은 역할 구분이 생깁니다.
모델은 추론합니다.
Codex는 개발합니다.
dots는 언제 어떤 일을 해야 하는지를 계속 관리합니다.
이게 이번 발표에서 개발자 입장으로 가장 재미있는 변화입니다.
비슷한 방향으로 가는 Agent도 있다
dots가 처음이자 유일한 상시 Agent는 아닙니다.
최근 거의 모든 주요 회사가 비슷한 방향으로 움직이고 있습니다.
21. Meta Muse — 별도의 보안 Agent가 감시한다
Meta의 Muse도 24시간 사용자를 대신해 일하는 Personal Agent입니다.
가장 독특한 부분은 Muse Secure VM입니다.
각 Muse가 별도의 보안 VM에서 동작합니다.
그리고 Muse의 행동을 따로 확인하는 Sentinel Agent도 둡니다.
Muse
↓
Action
↓
Sentinel
↓
허용 / 승인 요청 / 차단즉:
일하는 Agent와 감시하는 Agent를 분리
한 구조입니다.
Meta 생태계나 Muse Code를 사용하는 개발자라면 재미있게 볼 만합니다.
22. OpenClaw — 내 Mac에서 직접 24시간 돌릴 수도 있다
개발자라면 OpenClaw도 꽤 재미있는 선택지입니다.
dots가 OpenAI의 Cloud Computer에서 실행된다면 OpenClaw는:
내 Mac
내 Linux Server
내 Cloud VM에서 직접 운영할 수 있습니다.
특히 기존 Claude Code나 Codex CLI 로그인을 그대로 가져올 수 있습니다.
OpenClaw
├─ Claude
├─ Codex
└─ Local Model같은 구성도 가능합니다.
Mac mini나 Mac Studio를 계속 켜두고 자신만의 상시 Agent를 운영하고 싶다면 dots와 완전히 반대되는 선택지입니다.
dots
→ OpenAI가 운영
OpenClaw
→ 내가 운영이라고 보면 쉽습니다.
23. Windows와 Microsoft 365 사용자라면 Autopilot도 있다
Windows 업무환경이라면 Microsoft의 Autopilot도 있습니다.
Microsoft가 9월 25일 새 Copilot과 함께 발표한 상시 Agent입니다.
Autopilot도:
Persistent
Proactive
PersonalAgent를 표방합니다.
특히:
Teams
Outlook
OneDrive
SharePoint같은 Microsoft 365 업무환경과 직접 연결되는 것이 강점입니다.
회사 업무가 이미 Microsoft 중심이라면 dots보다 Autopilot이 자연스러운 경우도 있습니다.
24. 결국 세 가지 선택지가 보이기 시작한다
개발자 기준으로 단순하게 나누면 이렇습니다.
dots
관리하기 싫다.
OpenAI에게 실행환경을 맡기고 싶다.
Codex와 Plugin을 많이 쓴다.Muse
Agent 보안 구조가 중요하다.
Secure VM과 별도 감시 Agent가 흥미롭다.
Meta 생태계를 사용한다.OpenClaw
내 Mac에서 직접 돌리고 싶다.
Claude와 Codex를 같이 쓰고 싶다.
Model과 Memory도 직접 관리하고 싶다.그리고 Windows와 Microsoft 365를 중심으로 일한다면 Autopilot이 하나 더 있습니다.
마치며
dots를 단순히:
ChatGPT가 이제 백그라운드에서도 일한다.
정도로 보면 이번 발표가 조금 작아 보입니다.
더 중요한 변화는 AI와 일하는 방식 자체가 바뀐다는 것입니다.
지금까지는:
사람
↓
필요한 일을 발견
↓
AI에게 요청
↓
결과 확인이었습니다.
dots가 그리고 있는 구조는:
사람이 목표를 전달
↓
dots
↓
상황을 계속 확인
↓
필요한 작업 판단
↓
Plugin / Codex / Computer 사용
↓
작업 계속
↓
필요할 때 사람에게 질문입니다.
AI가 더 이상 질문을 기다리는 도구가 아닙니다.
목표를 받아두고 계속 일하는 존재로 바뀌기 시작한 겁니다.
개발자에게는 특히 dots → Codex 관계가 재미있습니다.
Codex가 코드를 잘 만드는 전문 개발 Agent라면,
dots는:
언제 Codex에게 일을 맡길지
어떤 Context가 필요한지
작업이 끝났는지
다음에 무엇을 해야 하는지를 계속 관리하는 한 단계 위의 Agent가 될 수 있습니다.
최근 몇 년 동안 AI 개발환경은:
Chatbot
→ Tool Calling
→ Coding Agent
→ Multi-Agent
→ Always-on Agent순서로 빠르게 변했습니다.
dots는 그 마지막 단계가 실제 제품으로 들어오기 시작했다는 신호에 가깝습니다.
앞으로 중요한 질문도 바뀔 수 있습니다.
어떤 AI가 가장 똑똑한가?
보다,
어떤 AI에게 내 업무와 컴퓨터를 계속 맡길 것인가?
가 더 중요한 질문이 될 수 있습니다.
참고자료
OpenAI — Introducing dots
2026년 9월 29일 공개된 dots 공식 발표입니다. GPT-6 Astra, 자체 Cloud Computer, 24시간 작업, 4,000개 이상의 앱 연결, Memory와 Slack·Teams 사용 사례를 확인할 수 있습니다.
OpenAI Help Center — Manage dots in ChatGPT workspaces
dots의 로컬 컴퓨터 접근, Cloud Computer, Plugin 권한, Slack·Teams 연결, Custom Rules와 Enterprise 관리 옵션을 설명합니다.
Meta — Introducing Muse
Muse Secure VM, 전용 Browser와 Personal Agent 구조를 설명한 Meta의 공식 발표입니다.
OpenClaw — Getting started
Mac이나 서버에서 OpenClaw Gateway를 구성하고 기존 Claude Code 또는 Codex CLI 로그인을 재사용하는 방법을 확인할 수 있습니다.
OpenClaw — Model Providers
Anthropic·Claude CLI, OpenAI·Codex 등 여러 Model Provider를 하나의 OpenClaw Agent 환경에 연결하는 방법을 설명합니다.
Microsoft — Introducing the new Copilot with Home, Code and Autopilot
Microsoft 365 환경에서 지속적으로 동작하는 Autopilot과 Home·Code를 포함한 새 Copilot 구성을 설명한 공식 발표입니다.
본문은 블로그에 그대로 옮기기 쉽도록 내부 출처표시 없이 정리했고, 검증에 사용한 공식 자료는 위 참고자료에만 모았습니다. dots의 GPT-6 Astra·Cloud Computer·24/7 작업·4,000개 이상 앱 연결과 Workspace 권한 구조는 OpenAI 공식 발표 및 도움말에서 확인됩니다. Meta Muse의 Secure VM 구조, OpenClaw의 Claude/Codex 인증 재사용, Microsoft Autopilot의 상시 Agent 성격 역시 각 공식 자료에서 확인했습니다.
