AI 트렌드 2026년 9월 30일: 상시 에이전트와 제조 휴머노이드의 실행 경쟁

상시 AI 에이전트와 제조 휴머노이드가 협업하는 스마트팩토리 개념 이미지

 

오늘의 AI 트렌드는 상시 작동하는 AI 에이전트가 제품으로 등장하고, 비용 효율형 모델과 제조 휴머노이드 실증이 동시에 빨라졌다는 점으로 요약된다. AI 에이전트, GPT-6.1 Sol, 휴머노이드, 제조 AX가 각각 따로 움직이는 듯 보이지만 핵심은 하나이다. AI가 답변을 넘어 실제 업무와 물리 작업을 지속적으로 수행하는 단계로 넘어가고 있다. 다만 실행 능력이 커질수록 권한 통제, 결과 검증, 지식의 출처를 확인하는 장치가 더 중요해진다. 오늘은 기술의 화려함보다 실제 운영 조건이 어떻게 바뀌는지를 중심으로 살펴본다.

---

1. OpenAI dots, AI 에이전트가 24시간 일하는 구조

OpenAI는 9월 29일 DevDay 2026에서 상시 작동 에이전트 dots를 공개했다. dots는 GPT-6 Astra를 기반으로 전용 클라우드 컴퓨터와 브라우저를 사용하며, 사용자가 연결한 4,000개 이상의 앱에서 목표를 따라 지속적으로 작업한다. Pro, Business Premium, Enterprise 이용자에게 순차 제공된다.

중요한 변화는 챗봇의 응답 속도가 아니다. 사용자가 매 단계를 지시하지 않아도 버그 조사, 제안서 수정, 분석 업데이트, 콘텐츠 준비처럼 여러 날 이어지는 업무를 맡길 수 있다는 점이다. 기업 관점에서는 AI가 소프트웨어 도구에서 디지털 작업자로 바뀌는 사건이다.

반면 상시 에이전트는 계정 권한과 개인정보, 잘못된 행동의 책임 문제를 함께 키운다. OpenAI는 읽기 전용 선제 조사, 행동별 승인 규칙, 민감 작업의 사용자 직접 처리 원칙을 제시했다. 실제 도입 성패는 모델 성능보다 최소 권한, 승인 단계, 활동 기록을 얼마나 촘촘히 설계하느냐에 달려 있다.

---

2. GPT-6.1 Sol, 에이전트 경제성 경쟁의 신호

같은 날 공개된 GPT-6.1 Sol은 고난도 코딩, 컴퓨터 사용, 전문 업무 성능을 높이면서 표준 입출력 토큰 가격을 GPT-6 Astra의 5분의 1로 낮춘 모델이다. 최고 성능 모델 하나에 모든 일을 맡기기보다, 업무 난도와 위험도에 따라 모델을 나눠 쓰는 구조가 본격화되고 있다는 뜻이다.

기업의 AI 전환에서 비용은 단순한 토큰 단가가 아니다. 에이전트가 하루 종일 실행되면 호출 횟수와 도구 사용, 재시도 비용이 누적된다. 따라서 제조 AX나 사무 자동화에서는 고성능 모델을 중요한 판단에 배치하고, 반복 실행은 비용 효율형 모델에 맡기는 다층 모델 운영이 현실적인 해법이 된다.

---

3. 제조 AX, 디스플레이 라인에서 휴머노이드 실증

티로보틱스는 KAIST와 국내 디스플레이 대기업과 함께 AI 기반 모바일 휴머노이드의 제조공정 적용 기술을 개발한다. 한국산업기술기획평가원 과제로 2030년 12월까지 약 45억 원의 정부출연금이 투입되며, 개발 초기부터 실제 수요기업 제조라인에서 실증을 병행한다.

목표는 고정밀 디스플레이 공정에서 로봇이 환경을 인식하고 판단한 뒤 자율 이동과 작업을 이어서 수행하는 것이다. 기존 진공로봇과 자율이동로봇 기술을 산업용 휴머노이드 TR-WORKS로 결합한다. 연구실 시연이 아니라 실제 생산라인의 정밀도, 안전, 가동률을 검증한다는 점이 핵심이다.

제조 현장에서 휴머노이드의 가치는 사람처럼 보이는 외형이 아니라 기존 설비와 작업 동선을 크게 바꾸지 않고 여러 작업에 재배치할 수 있는 유연성에 있다. 앞으로는 멋진 데모보다 평균 고장 간격, 작업 성공률, 사이클 타임, 사람 개입 횟수가 상용성을 가르는 지표가 된다.

---

4. 수학자 28명의 경고, 정답과 이해는 다르다

필즈상 수상자 28명은 AI 기업이 수학 난제 해결을 모델 성능의 벤치마크처럼 경쟁하는 흐름에 우려를 밝혔다. 선언의 핵심은 정답을 얻는 것과 개념적 이해를 쌓는 것이 같지 않다는 지적이다. 풀이가 빠르게 쏟아지면 새로운 방법을 분리하고 기존 연구를 인용하며 공동체가 검증할 시간이 부족해질 수 있다.

이 문제는 제조 AX에도 그대로 적용된다. AI가 불량 원인을 찾아냈더라도 현장 엔지니어가 이유를 이해하지 못하면 공정 변경을 안전하게 승인하기 어렵다. AI가 발견하고 인간이 검증하는 구조에서는 설명 가능성, 데이터 계보, 재현 가능한 시험 절차가 생산성만큼 중요한 자산이 된다.

---

오늘의 핵심 시사점

• AI 에이전트 경쟁의 기준이 대화 능력에서 장기 실행과 권한 관리로 이동하고 있다.
• 비용 효율형 모델은 상시 실행 업무의 경제성을 결정하며, 여러 모델을 역할별로 배치하는 운영이 중요해진다.
• 제조 휴머노이드의 상용화는 데모가 아니라 실제 라인의 안전성, 정밀도, 가동률 데이터로 판가름 난다.
• AI가 만든 결과를 인간의 지식과 현장 표준으로 바꾸려면 검증, 설명, 출처 관리가 필수이다.

---

향후 관전 포인트

첫째, dots 같은 상시 에이전트가 실제 기업 환경에서 승인 대기와 오류 복구를 얼마나 안정적으로 처리하는지 봐야 한다. 둘째, GPT-6.1 Sol의 비용 절감이 전체 업무 처리비용과 품질 개선으로 이어지는지 확인해야 한다. 셋째, TR-WORKS 실증에서 구체적인 작업 성공률과 사람 개입 횟수가 공개되는지 주목할 필요가 있다.

---

참고 출처

OpenAI, DevDay 2026 Recap

OpenAI, Introducing dots

OpenAI, Introducing GPT-6.1 Sol

Math and AI, Declaration

머니투데이, 티로보틱스 AI 휴머노이드 제조라인 실증

까칠한 펜촉