시작은 아주 작은 의문이었다.
“Tibo는 무슨 요일에 쉬지?”
OpenAI에서 Codex와 ChatGPT 관련 일을 하는 Tibo는 리셋, 배포, 새 모델에 관한 글을 자주 올린다. 그러다 보면 사용자 쪽에 이상한 민간신앙이 생긴다.
Tibo가 글을 올린다 → 오늘 뭔가 생길지도 모른다. Tibo가 조용하다 → 쉬는 날인가? → 그럼 리셋도 없는 건가?
모델을 돌리기도 전에 인간의 근무표를 역추적하는 상황이다.
그 작은 의문은 행동심리학, 도파민, 생성형 AI 생산성, 로드맵 단축을 지나 결국 무한 업무까지 연결됐다.
이 글은 그 사고 현장의 보고서다.
1. “Tibo가 쉬면 리셋도 쉰다”는 아직 가설이다
2026년 9월 5일, Tibo는 Astra 배포와 banked reset에 관한 글을 올린 뒤 팀에 대해 “See you next week for some more ships.”라고 썼다.[2][3]
업무 주간의 끝에서 읽으면 “이번 주는 여기까지, 다음 주에 보자”라는 의미로 매우 자연스럽다.
하지만 공개 정보로 확인되는 것은 기껏해야 팀이 주말 모드로 들어간 듯하다는 정도다.
다음은 확인되지 않는다.
- Tibo 개인의 공식 휴무일
- 모든 리셋에 Tibo의 수동 조작이 필요한지
- Tibo가 글을 안 쓰는 날에는 리셋 처리도 멈추는지
따라서,
Tibo 부재 → 리셋 담당자 부재 → 문명 종료
라는 아름다운 인과관계를 그리고 싶어도, 아직은 도표가 지나치게 예쁘다.
“다음 주에 보자”는 주말 인사의 근거는 된다. Tibo 혼자 거대한 빨간 RESET 버튼을 지킨다는 근거는 아니다.
2. 그래도 사람은 계속 “왔나?”를 확인한다
더 흥미로운 문제는 사용자 쪽이다.
리셋 시각이 불확실하다. 공지가 나올 때도 있고, banked reset이 갑자기 들어올 때도 있다. 사용량이 돌아오면 곧바로 강한 모델을 다시 돌릴 수 있다.
그러면 확인 루프가 시작된다.
X 확인. 아직. 사용량 확인. 아직. 몇 시간 뒤 다시. 아직. 한 번 더. 돌아왔다. 축제.
매일 오전 9시에 정확히 리셋된다면 9시 1분에 한 번만 보면 된다.
하지만 시간이 불확실하면 머릿속에 작은 감시원이 입주한다.
“이제쯤 아닐까?”
여기서는 이 현상을 존중의 뜻을 담아 Tibo 가챠라고 부르겠다.
3. 파블로프의 개보다는 ‘변동간격 강화’에 가깝다
“이거 파블로프의 개 아닌가?” 싶지만 조금 다르다.
고전적 조건형성은 한 자극이 다른 자극을 예고하게 되면서 반응이 학습되는 이야기다. 여기서 궁금한 것은 왜 반복 확인 행동이 계속 유지되는가다.
이 경우 조작적 조건형성의 부분강화, 즉 간헐강화가 더 가깝다. 특히 **변동간격 강화(variable-interval schedule)**는 예측할 수 없는 시간 간격 뒤에 강화가 주어지는 방식이다.[6]
OpenStax 심리학 교재는 변동간격 강화의 예로 놀랍도록 정확하게 소셜미디어 확인을 든다.[6]
닮았다.
다만 X를 열 번 본다고 리셋 확률이 열 배가 되는 것은 아니다. 리셋은 외부에서 발생하고, 확인은 그것을 발견할 뿐이다.
따라서 “OpenAI가 사용자를 실험실에서 조건형성하고 있다”는 주장이 아니다.
사용자 입장에서 불규칙한 보상 환경이 변동간격형 확인 습관을 만들기 쉽다는 비유다.
4. 갑작스러운 리셋이 유난히 반가운 이유: 보상예측오차
한 층 더 내려가면 신경과학이 나온다.
보상예측오차(reward prediction error)는 간단히 말해 예상한 보상과 실제 받은 보상의 차이다. Wolfram Schultz의 리뷰에 따르면 많은 중뇌 도파민 뉴런은 예상보다 좋은 보상에는 양의 예측오차를, 예상과 같을 때는 기준선 부근을, 예상보다 나쁠 때는 음의 예측오차를 나타낸다.[7]
그래서,
“오늘은 안 오겠지.”
↓
갑자기 리셋
↓
예상보다 좋다
는 사건은 학습 신호로 눈에 띄기 쉽다.
하지만 여기서 “도파민 중독이네요”라고 진단하면 신경과학을 너무 많이 압축한 것이다.
보상예측오차는 기본적인 학습 원리이지, 리셋 게이지를 확인하는 사람을 중독자로 진단하는 도구가 아니다. 모든 행동을 “도파민 한 방”으로 설명하면 과학이 술자리 토크가 된다.
안전한 표현은 이 정도다. 예측하지 못한 좋은 소식은 정확히 예정된 좋은 소식보다 더 큰 ‘예측의 놀람’을 만든다.
5. 그래서 “Tibo의 PC를 무제한으로 내놔”에 도달한다
게이지 확인이 귀찮아지면 인류는 합리적인 해결책을 발명한다.
“그냥 Tibo PC 쓰게 해줘. 무제한으로.”
아래는 100% 가상 단말기다.
C:\Users\Tibo> codex
Usage remaining: ∞%
banked reset: yes
rate limit: employee privilege
Astra: unrestricted
GPU: 회사 것
상품명은 Codex Pro Tibo Edition.
요금 정책도 단순하다.
주간 한도: Tibo가 화낼 때까지.
현실은 덜 친절하다. OpenAI Help Center에 따르면 Astra는 해당 요금제의 Work/Codex 사용량을 쓰며, 작업·입출력 크기·추론 설정 등에 따라 GPT-5.6 Sol보다 사용량을 더 빨리 소모할 수 있다.[5]
즉,
**“더 쓰고 싶다”**와 “강한 모델일수록 게이지가 더 빨리 녹을 수 있다”가 동시에 참이다.
가상의 Tibo Edition이 탐나는 데는 고급 심리학도 필요 없다. 산수면 충분하다.
6. 그리고 Astra가 ‘6개월’을 끌고 왔다
여기서 이야기가 진지하게 이상해진다.
Tibo는 Astra가 일반 제공 전에는 큰 경쟁우위였고, 도입 후 생산성이 크게 뛰어 일부 계획을 약 6개월 앞당겨, 다음 해 중반이 아니라 DevDay에 내놓게 됐다는 취지로 썼다.[1]
“자동완성이 조금 빨라졌다” 수준이 아니다.
OpenAI도 Astra를 코딩, 리서치, 컴퓨터 사용, 전문 업무를 잇는 어려운 end-to-end 작업용 모델로 설명한다.[4][9]
OpenAI가 공개한 평가에서는 OSWorld 2.0 레이턴시 시뮬레이션에서 GPT-5.6 Sol보다 한 작업당 시간이 약 47% 짧으면서 점수는 더 높았고, 업데이트된 Codex harness와 결합했을 때 Mind2Web 작업 완료 속도는 1.9배라고 한다.[4]
사용자의 반응은 하나다.
“실험은 끝났다. 내놔.”
Astra는 모델명보다 로드맵 철거 장비에 가깝다.
7. 하지만 ‘6개월 앞당김’은 ‘인간 노동 6개월 삭제’가 아니다
이 구분은 중요하다.
로드맵이 6개월 빨라진 것과 인간의 6개월 노동을 AI가 통째로 대체한 것은 같은 말이 아니다.
개발에는 구현뿐 아니라 조사, 시제품, 리뷰, 의존관계, 대기, 재작업, 검증, 의사결정이 있다.
강력한 AI는 다음처럼 경로를 줄일 수 있다.
- 조사에서 구현까지 한 흐름으로 진행
- 여러 시제품을 빠르게 비교
- 사람이 기다리던 준비 작업을 병렬화
- 재작업을 더 일찍 발견
- 다음 달 검증을 오늘 시작
이런 변화는 크리티컬 패스 자체를 줄일 수 있다.
Tibo의 글은 어느 단계가 며칠 줄었는지 공개하지 않는다. 따라서 6개월을 사람-월로 환산하면 안 된다.
분명한 것은 그의 설명대로 미래에 있던 일이 현재 쪽으로 이동했다는 점이다.[1]
2027년 업무: “아직 호출 안 받았는데요.”
Astra: “오늘 출근.”
2027년 업무: “네?”
8. 생산성이 오르면 휴식보다 업무가 늘 수도 있다
여기서 ‘무한 업무’가 단순한 농담이 아니게 된다.
2026년 UC Berkeley Haas 연구진은 미국의 약 200명 규모 기술기업을 8개월 관찰한 진행 중 연구를 소개했다. 생성형 AI 사용이 퍼지면서 직원들은 더 빠르게 일하고, 더 넓은 업무를 맡고, 업무가 하루의 더 긴 시간대로 확장되는 모습을 보였다.[8]
그 회사에서 AI 사용은 의무가 아니었다. 연구진은 AI가 더 많은 일을 “내가 할 수 있는 일”처럼 보이게 하면서 자발적 업무 확장이 일어났다고 설명한다.[8]
한 회사 사례이므로 모든 직장에 적용되는 법칙은 아니다.
그래도 구조는 익숙하다.
6시간짜리 업무 → AI로 40분
사람: “5시간 20분 벌었다!”
조직: “훌륭합니다. 다음 8건입니다.”
사람: “휴식 기능은 삭제됐나요?”
AI는 작업 시간을 줄일 수 있다. 절약된 시간을 휴식으로 바꿀 권한까지 자동 생성하지는 않는다.
9. 이것이 ‘무한 업무’의 실제 모습이다
생산성 향상은 적어도 세 곳에 쓸 수 있다.
- 같은 결과를 더 짧게 만들고 여유를 만든다
- 같은 시간에 품질을 높인다
- 같은 시간에 업무량을 늘린다
기술은 가능한 양을 바꾼다. 늘어난 능력을 어디에 배분할지는 사람과 조직이 정한다.
성장하는 조직에서는 아이디어, 개선, 고객 요구, 연구 주제가 사실상 끝이 없을 수 있다.
처리량이 두 배가 된다고 백로그가 절반이 되는 것은 아니다.
오히려 예전에는 너무 멀고 비싸서 시작하지 않았던 일이 새 백로그로 보이기 시작한다.
Astra 도입
→ 업무 종료
→ 6개월 뒤 업무가 가까워짐
→ 그것도 종료
→ 더 먼 업무가 보임
게임이라면 드로우 거리가 늘어난 것이다. 회사에서는 지평선까지 퀘스트 마커가 렌더링된다.
10. 결론: 끝나는 것은 일이 아니라 로드맵일지도 모른다
처음에는 “Tibo가 주말에 쉬나?”였다.
그러다,
Tibo 조용함
→ 리셋 없음?
→ 반복 확인
→ 변동간격 강화와 닮음
→ 갑작스러운 리셋은 예측오차가 큼
→ 무제한 PC 내놔
→ Astra가 너무 강함
→ 계획 6개월 앞당김
→ 빈 시간에 미래 업무 투입
→ 무한 업무
까지 왔다.
결론은 두 가지다.
첫째, 불규칙한 리셋을 사람이 계속 수동으로 감시하는 것은 피곤하다. 외부 이벤트를 알림으로 받을 수 있다면 사람이 게이지 경비원이 될 이유가 없다.
둘째, AI 생산성은 자동으로 여가가 되지 않는다. 휴식, 품질, 속도, 업무량 중 어디에 생산성 이익을 배분할지 정하지 않으면 새 능력은 새 업무를 불러온다.
Astra가 악당인 것은 아니다. 강한 도구는 정말 미래를 가까이 가져온다.
위험한 말은 옆에 선 인간이 한다.
“어? 이것도 오늘 되겠는데?”
그러면 미래의 일이 현관 앞에 줄을 선다.
일은 안 끝날 수 있다. 로드맵이 먼저 끝난다.
