“분석하고 싶다” → “그럼 또 Codex나 Work를 켠다.” 편하지만 장기 연구나 기사 공장에서 이 방식을 기본값으로 쓰면 중간에 작업이 멈추기 쉽다.
핵심은 Codex와 Work를 피하는 것이 아니다. 무거운 준비는 처음 한 번 맡기고, 반복 분석은 Chat으로 되돌리는 것이다.
왜 굳이 Chat으로 옮기나
Work와 Codex에는 명확한 사용 한도가 있기 때문이다.
OpenAI의 현재 도움말에 따르면 Codex, ChatGPT Work, ChatGPT for Excel, Workspace Agents는 지원되는 플랜에서 같은 agentic 사용량과 credit pool을 쓴다. Codex에는 5시간 및 주간 사용 창도 있다. 한도를 다 쓰면 다음 작업은 reset을 기다리거나, 가능한 경우 추가 credit을 써야 한다.
큰 repository, 긴 coding session, 대량 파일 처리, 장시간 agent 작업은 이 공용 한도를 빨리 소모할 수 있다. 연구가 끝나기 전에 “이번 주 agent 사용량 끝”이 올 수 있다는 뜻이다.
일반 Chat은 별도의 사용 구조를 쓴다. Chat에도 모델·기능별 한도가 있고 Pro도 문자 그대로 무제한이라고 쓸 수는 없다. 하지만 반복 분석을 Work/Codex 공용 agent pool 밖으로 옮기면 그 pool 고갈 때문에 작업이 강제로 끊기는 문제를 크게 줄일 수 있다.
매번 굴착기를 부르지 말고, 처음에 도로만 깔고 그다음부터 차로 달리는 셈이다.
역할 분담
- 외부 데이터 취득·연결·변환: Codex / Work / local
- 재사용 형식 고정: Parquet / CSV / JSON / manifest
- 가설·비교·재계산·문서화 반복: Chat
2번이 핵심이다. Chat이 여러 번 읽을 수 있는 형태만 만들어 두면 조건 하나 바꿀 때마다 Codex로 돌아갈 필요가 없다.
기사 공장
Codex에는 repository 전체 수정, 수집 script 구현, deploy/CI 복구, 대량 파일의 최초 변환을 남긴다.
Chat에는 대화 기사화, 편집, 12개 언어 생성, 개인정보·중복 확인, 제목 개선, 추가 조사, GitHub source draft, 기존 기사 재편집을 맡긴다.
기사 하나 만들 때마다 “Codex 소환!”을 하면 기사 공장이 아니라 Codex 소환 공장이 된다.
시장 분석
무거운 것은 처음 데이터 준비다.
Codex에서 API 연결, bulk download, binary decode, timestamp 정렬, hash, Discovery/Validation/Final 분할, Parquet 변환을 한 번 끝낸다.
그다음 ES / NQ / 6E / 6J, BTC / ETH, bitbank 전체 JPY pair를 Chat에서 반복 비교한다.
queue, cancel, partial fill, adverse selection, spread capture, inventory cost, maker rebate, latency stress, placebo, parameter 안정성, 장기 안정성을 본다.
핵심 질문은 “다음 tick이 오를까?”가 아니다. 누가 급하게 거래해야 하는지, 유동성이 어디서 사라지는지, 어떤 대기 순번이 가치가 있는지, 한쪽만 fill된 inventory를 어떻게 처리할지다.
Chat bundle 만들기
research-bundle/
DATA_MANIFEST.json
CHECKSUMS.sha256
DATA_QUALITY.csv
SPLITS.json
discovery/*.parquet
validation/*.parquet
final_sealed/*.parquet
RESEARCH_STATE.json
CHECKPOINT.md
가능하면 공통 열을 쓴다.
ts_event, ts_recv, venue, symbol, event_type,
side, price, size, order_id, sequence, action
L2에 order_id가 없으면 null이다. 없는 데이터를 “아마 이거겠지”로 만들면 연구가 팬픽으로 바뀐다.
Final은 봉인한다
Discovery에서 가설을 만들고, Validation에서 깨고, 규칙을 freeze한 뒤 Final을 한 번만 연다.
분석 비용을 절약해도 holdout을 보며 tuning하면 연구는 망가진다.
어디서 무엇을 할까
| 작업 | 적합한 곳 |
|---|---|
| 로그인 사이트 조작 | Work |
| 대용량 binary 취득·변환 | Codex / local |
| repo 전체 구현·test | Codex |
| 24시간 WebSocket 수집 | local collector |
| 준비된 데이터 분석 | Chat |
| 가설·반증·비교 | Chat |
| Python·simulation | Chat |
| 기사·번역·편집 | Chat |
Chat 만능론이 아니다. 한 번 하는 공사와 수십 번 반복할 연구를 분리하는 것이다.
완성 구조
외부 사이트 / API / GitHub / 시장 데이터
↓
Codex / Work 필요할 때만
↓
Parquet + manifest
↓
Chat
가설 → 분석 → 반증 → 재분석
↓
Validation → Final
↓
기사 / 보고서 / GitHub
절약법은 “Codex를 쓰지 않는다”가 아니다. 처음에 Codex가 충분히 준비해서 이후 반복 작업에서 Codex를 졸업할 수 있게 만드는 것이다.
- OpenAI Help Center: https://help.openai.com/en/articles/11369540
- GPT-5.6 in ChatGPT: https://help.openai.com/en/articles/20001354-gpt-56-in-chatgpt
- ChatGPT Work and Codex: https://help.openai.com/en/articles/20001275-chatgpt-work-and-codex
- Databento Pricing: https://databento.com/pricing
