ChatGPT Work, 개발자 워크플로우를 혁신하다: 코덱스 밖의 업무 통합

대시보드는 38개의 언급을 19개 주제로 매핑했으며, MVP(최소 기능 제품)와 기존 화면 최소 변경이라는 콘셉트를 명확히 확인하는 데 도움을 주었습니다. 이를 통해 개발자는 방대한 피드백을 체계적으로 분류하고 핵심 요구사항을 파악하여 제품 개발의 방향성을 설정할 수 있었습니다.

실밸개발자는 ChatGPT Work가 개발자에게 필요한지에 대한 질문으로 영상을 시작했습니다. 많은 개발자가 이미 코덱스를 사용하고 있는데, 새로 나온 ChatGPT Work가 어떤 차별점을 가지는지 의문을 제기했습니다. 그는 이번 업데이트를 통해 GPT 5.6 솔 모델뿐만 아니라 ChatGPT 앱과 코덱스 앱도 함께 개편되었음을 설명하며, ChatGPT Work를 활용한 라이브 코딩 시연을 통해 그 필요성을 직접 보여주겠다고 밝혔습니다.

이들은 경쟁하는 별개의 AI가 아니라, 같은 기반 위에 만들어진 서로 다른 업무를 위한 두 개의 작업 공간이라는 점을 강조했습니다. 매주 500만 명의 코덱스 사용자 중 100만 명 이상이 코딩 외의 업무에 코덱스를 사용하고 있었으며, ChatGPT Work는 이러한 사용 패턴을 일상 업무에 맞는 경험으로 제품화한 것이라고 덧붙였습니다.

코덱스의 중심은 GitHub과 같은 코드베이스 리포지토리이며, 코드베이스 내에서 일어나는 모든 코딩 관련 작업은 코덱스에 적합하다고 실밸개발자는 설명했습니다. 반면, ChatGPT Work의 중심은 업무 자료와 결과물이며, 이는 코드베이스 바깥에 있는 것들을 다룹니다. 개발자들은 코딩 외에도 미팅, 메일, 채팅, 디자인 문서 작성, 캘린더 관리 등 다양한 비코딩 업무를 수행하는데, ChatGPT Work는 이러한 코드베이스 바깥의 업무를 지원하는 데 특화되어 있다고 강조했습니다.

개발자의 업무는 코드 저장소 안에서만 이루어지지 않는다는 점이 문제라고 실밸개발자는 지적했습니다. '무엇을 만들지' 또는 '어떤 비즈니스 방향으로 나아갈지'를 결정하는 데 필요한 고객 피드백, 기획 문서, 회의록, 운영 데이터와 같은 자료들은 대부분 코드베이스 바깥, 즉 비개발자들이 주로 사용하는 구글 드라이브와 같은 곳에 존재한다는 설명입니다. 따라서 코드베이스 바깥의 공간을 책임지고 그 공간의 데이터를 취합하여 업무를 처리할 수 있는 하네스가 필요했으며, ChatGPT Work가 이러한 역할을 효율적으로 수행한다고 언급했습니다. 특히 앱 연결 및 플러그인을 통해 드라이브, Gmail, 캘린더, Slack 등과 연동하여 자료를 쉽게 불러올 수 있다는 점을 강점으로 꼽았습니다.

1,400개 이상의 플러그인을 통해 Gmail, Google Docs, Slack과 같은 앱에서 자료를 한 번에 읽어와 컨텍스트를 통합할 수 있습니다. 또한, 명확한 목표와 완료 기준을 주면 그 기반으로 장시간 자율 작업이 가능하며, 문서뿐만 아니라 대시보드, 프로토타이핑까지 광범위한 산출물을 생성할 수 있습니다. 실밸개발자는 비개발자도 쉽게 사용할 수 있는 사용자 인터페이스를 통해 업무 에이전트의 진입 장벽을 낮추며, OpenAI에서도 비개발자들이 ChatGPT Work를 많이 활용하고 있다고 덧붙였습니다.

실밸개발자는 ChatGPT Work와 코덱스의 적절한 사용 시점을 명확히 구분했습니다. 새로운 프로젝트에 투입될 경우, 프로젝트 관련 자료를 읽고 온보딩하는 모든 작업은 ChatGPT Work가 적합하다고 설명했습니다. 우선순위를 매기고, 개발 전의 모든 업무, 즉 온보딩 및 자료 수집 업무는 ChatGPT Work로 처리합니다. 이후 고칠 부분이 명확하게 정해지고 실제 코드를 구현해야 할 때, ChatGPT Work에서 받은 구현 지시를 바탕으로 코덱스를 사용해 코드를 작성하는 워크플로우를 추천했습니다. 이처럼 ChatGPT Work와 코덱스, 그리고 사람의 검증이 이어지는 워크플로우를 OpenAI에서 권장한다고 밝혔습니다.

ChatGPT Work의 유스케이스는 크게 세 단계로 나눌 수 있습니다. 첫 번째는 '정보 취합'으로, PM이나 비개발자들이 주로 사용하는 구글 드라이브, 메일, Slack, Microsoft Teams, 캘린더 미팅 노트 등 여러 소스에 흩어진 자료들을 한데 모아 컨텍스트를 통합하는 과정입니다. 두 번째는 '분석 및 우선순위 정하기'로, 취합된 컨텍스트를 바탕으로 Work가 자료를 분석하고 맥락을 정리하며, 필요한 판단을 내려 우선순위를 설정하는 단계입니다. 마지막 세 번째는 '결과물 생성'으로, 분석 결과를 토대로 다양한 형태의 아티팩트를 생성하는 것입니다.

ChatGPT Work는 다양한 산출물을 생성하는 데 활용될 수 있습니다. 분석 문서, 디자인 문서, 비즈니스 문서와 같은 보고서 작성은 물론, 특정 시트를 만들거나 대시보드를 제작하는 것도 가능합니다. 실밸개발자는 웹과 같은 결과물도 만들 수 있다고 언급하며, 정보 취합과 분석을 기반으로 개발자가 필요로 하는 거의 모든 종류의 문서와 시각적 자료를 자동 생성할 수 있음을 강조했습니다. 이는 개발 기획 및 의사 결정 과정에서 큰 도움을 줄 수 있습니다.

Figma, Linear, Notion, Google Calendar, Asana, Supabase, GitHub, Slack, Microsoft Teams와 같은 다양한 업무 도구들을 쉽게 연결할 수 있다는 점을 강조했습니다. 이러한 광범위한 연결성은 개발자가 여러 플랫폼에 흩어진 정보를 한 곳으로 모아 통합적으로 관리하고 분석할 수 있게 하여, 업무 효율성을 극대화하는 데 기여합니다.

성공적인 기능 개발에 있어 가장 중요한 요소는 사용자 피드백이라고 실밸개발자는 강조했습니다. 그는 자신의 세미나나 유튜브 영상 제작 경험을 예로 들며, 항상 청중을 중심으로 생각하고 피드백을 받아 준비한다고 설명했습니다. 마찬가지로 프로덕트 개발에 있어서도 사용자가 진정으로 원하는 것을 만드는 것이 핵심이며, 이를 위해 사용자 피드백을 적극적으로 수집하고 반영하는 과정이 필수적이라고 역설했습니다.

ChatGPT Work를 사용하기 위한 첫 단계는 프로젝트 설정입니다. 실밸개발자는 기존 폴더를 사용하거나 새로운 프로젝트를 생성하는 방법을 설명했습니다. 그는 GitHub에 이미 폴더가 있으므로 해당 폴더를 사용하여 작업을 시작하겠다고 밝혔습니다. 이어서 플러그인 연결의 중요성을 강조하며, 'Connect 플러그인' 메뉴에서 필요한 플러그인들을 연결할 수 있다고 안내했습니다. 시연에서는 약 네 개 정도의 플러그인이 이미 연결되어 있음을 보여주었습니다.

실밸개발자는 자신이 주로 사용하는 디스코드에는 아쉽게도 플러그인이 없다는 점을 언급했습니다. 따라서 디스코드에서 받은 사용자 피드백은 미리 익스포트하여 로컬에 저장해 두었다고 설명했습니다. 반면, 슬랙이나 마이크로소프트 팀스를 사용하는 경우에는 해당 플러그인을 통해 훨씬 편리하게 피드백을 취합할 수 있다고 덧붙였습니다. 이는 ChatGPT Work가 지원하는 플러그인 목록에 따라 데이터 취합 방식이 달라질 수 있음을 보여줍니다.

실밸개발자는 네 가지 소스에서 받은 피드백을 취합하는 과정을 시연했습니다. 각 피드백은 원본 표현을 유지하면서 요약하고, 출처를 명확히 표시하도록 지시했습니다. 또한, 중복되는 피드백은 하나로 합치되 중복 표시를 통해 중요도를 나타내고, 피드백이 아닌 내용은 별도 섹션으로 분리하며, 소스에 없는 내용은 추측하지 않도록 엄격한 기준을 제시했습니다. 이는 ChatGPT Work가 분산된 정보를 체계적으로 정리하고 가공하는 데 얼마나 유용한지 보여주는 예시입니다.

ChatGPT Work는 취합된 피드백을 분석하여 대시보드를 자동으로 생성했습니다. 실밸개발자는 생성된 대시보드를 확인하며, 38개 항목이 19개 주제로 매핑되었다는 분석 결과를 보여주었습니다. 이 대시보드는 이미지로 복사하거나 웹사이트로 게시할 수 있는 기능을 제공하여, 분석 결과를 손쉽게 공유하고 활용할 수 있도록 지원합니다. 이는 복잡한 데이터를 시각화하여 이해도를 높이는 데 효과적인 방법임을 보여줍니다.

ChatGPT Work는 피드백 분석 결과를 바탕으로 개선 후보 표를 제안했습니다. 이 표에는 대응하는 피드백 주제, 사용자 임팩트, 구현 비용, 그리고 ROI(투자수익률) 순위가 포함되어 있었습니다. 실밸개발자는 1위부터 5위까지 우선순위가 정해진 항목들을 확인하며, 이 표가 어떤 기능을 먼저 개발해야 할지 의사결정을 돕는 중요한 자료가 된다고 설명했습니다. 이는 개발자가 제한된 자원 속에서 가장 효과적인 개선 방안을 선택하는 데 기여합니다.

ChatGPT Work는 두 가지 개선 기능을 추천했지만, 실밸개발자는 개인적으로 더 선호하는 'A' 기능을 선택했습니다. 그는 선택한 기능에 대한 흐름을 명확히 보여줄 것을 지시하며, MVP(최소 기능 제품) 안과 이상적인 안 두 가지 시안으로 프로토타입을 만들어 달라고 요청했습니다. 이러한 과정을 통해 개발자는 아이디어를 구체화하고, 잠재적인 사용자 경험을 미리 시각화하여 실제 개발 전 단계에서 다양한 옵션을 검토할 수 있습니다.

그는 ChatGPT Work에게 이미지 대신 텍스트로 콘셉트, 구도, 그리고 선택 이유 등을 설명해 달라고 요청했습니다. 이를 통해 불필요한 이미지 생성 크레딧 소모를 줄이면서도, 이미지의 핵심적인 내용을 미리 파악하고 필요한 조정을 할 수 있었습니다. 이 과정은 효율적인 자원 사용과 신속한 아이디어 검증을 가능하게 합니다.

모든 기획 및 프로토타이핑 작업이 완료된 후, 실밸개발자는 ChatGPT Work가 생성한 구현 지시서를 저장하고, 이를 바탕으로 코덱스에 실제 구현 작업을 지시했습니다. 그는 '코덱스 누르기만 하면 됩니다'라고 언급하며, 두 도구 간의 연동이 매우 쉽고 직관적임을 강조했습니다. 이는 ChatGPT Work에서 결정된 '무엇을 만들지'에 대한 구체적인 방향과 지시가 코덱스로 원활하게 전달되어 실제 코드 작성으로 이어진다는 워크플로우를 보여줍니다.

실밸개발자는 코드를 직접 만지기 시작한 시점은 전체 개발 과정에서 상당히 후반부의 일이라고 강조했습니다. 그는 영상의 거의 모든 초반부가 ChatGPT Work를 활용한 업무였다고 설명하며, '무엇을 만들지' 결정하는 일은 코드베이스 바깥에서 일어날 수밖에 없다고 역설했습니다. 고객 피드백은 메일과 채팅에, 판단의 재료는 문서나 시트에 존재하기 때문에, 개발의 방향성을 결정하는 대부분의 정보는 코드 저장소 외부에 있다는 것입니다. 따라서 ChatGPT Work는 이러한 코드베이스 바깥의 업무를 맡길 수 있는 필수적인 공간이라고 결론지었습니다.