ChatGPT Work 제대로 이해하기: Chat에 없는 기능 정리
Understanding ChatGPT Work
TL;DR Highlight
ChatGPT Work는 인터넷 되는 코드 실행·Chrome·공유 파일시스템을 갖춘 에이전트다
Who Should Read
ChatGPT Chat과 Work의 차이를 몰라 어떤 업무를 맡길지 고민하는 LLM 에이전트 활용 개발자
Core Mechanics
- Work는 사실 제품이 둘이다
- 클라우드에서 도는 Work Cloud는 chatgpt.com과 모바일 앱에서 쓴다.
- 데스크톱 앱의 Work Local은 내 컴퓨터의 파일과 프로그램에 직접 접근한다.
- 저자는 Work Local이 비개발자용으로 포장한 Codex 같다고 본다.
- Chat에 없는 기능이 Work의 핵심이다
- 인터넷 되는 코드 실행 환경, headless Chrome, 세션 간 공유되는 파일시스템이 있다.
- ChatGPT Sites 배포, 서브에이전트 실행, 모델 선택(Sol·Luna·Terra)도 Work에만 있다.
- 예약 프롬프트 자동화는 Chat에서도 된다고 저자가 나중에 정정했다.
- 코드 실행 환경이 인터넷에 열려 있다
- Chat은 패키지 설치나 외부 API 호출이 컨테이너 프록시에 막힌다.
- Work는 허용 도메인을 지정할 수 있지만 기본값은 전체 개방으로 보인다.
- GitHub 저장소를 clone하고 의존성을 설치해 웹과 연동할 수 있다.
- 브라우저는 풀 Chrome이다
- 사이트 로드, 폼 입력, 스크린샷, DOM에 JavaScript 실행이 가능하다.
- 로그인이 필요하면 비밀번호와 2FA 코드를 모델을 거치지 않고 사용자가 직접 입력하게 한다.
Community Reactions
- Chat과 Work는 쿼터가 다르다는 지적
- Work는 Codex 할당량에서 차감되고 Chat은 별도 할당량이라는 댓글이 있었다.
- Codex 예산을 전부 써야 해서 Work는 쓸 수 없다는 의견이 있었다.
- Codexify라는 커넥터로 Chat에서 Codex 환경을 쓴다는 댓글도 있었다.
- 실사용 경험이 다양하다
- Work로 이메일 답장 초안과 다단계 입국 허가 양식 작성을 5~10분에 끝냈다는 경험이 있었다.
- Pixel 폰에서 Android 앱을 만들어 APK로 설치한다는 경험이 있었다.
- Work의 VM을 CI/CD 러너로 쓴다는 경험도 있었다.
- 한계와 반론도 나왔다
- 브라우저 모드가 Cloudflare에 막혀 구독 해지를 못 했다는 경험이 있었다.
- 브라우저 원격 제어가 몇 초 뒤 멈췄다는 경험이 있었다.
- Claude 클라우드 환경의 허용 도메인도 직접 설정할 수 있다는 정정 댓글이 있었다.
- 보안·락인 우려와 구조 제안
- 컨테이너를 관리하는 에이전트와 챗봇 에이전트 사이에 프라이버시 경계를 두면 더 안전하겠다는 의견이 있었다.
- Work Local과 Cloud 이름만으로는 내 파일을 건드리는지 알기 어렵다는 의견이 있었다.
- 클라우드 종속(vendor lock-in)을 우려하는 의견이 있었다.
How to Apply
- Work에게 자기 도구 목록을 뽑게 하기
- 새 Work 세션에서 도구를 카테고리별로 정리하고 인자·설명을 그대로 옮기는 사이트를 만들게 하라.
- 이어서 스킬 전문도 페이지로 추가하게 하라.
- 코드 예시 프롬프트를 붙여넣으면 된다.
- Chat과 Work 업무를 기능 기준으로 나누기
- 인터넷 접근, 브라우저, 서브에이전트, 영속 파일이 필요한 작업만 Work로 보내라.
- 단순 답변·초안은 Chat에 두어 Codex 할당량을 아껴라.
- Work 세션에 민감 데이터를 넣지 않기
- 커넥터나 파일로 개인 데이터를 줄 때는 외부 접근이 열린 환경임을 전제로 하라.
- 가능하면 허용 도메인을 직접 지정해 외부 전송 통로를 좁혀라.
- 에이전트 도입 전 trifecta 점검표 만들기
- 우리 에이전트에 비공개 데이터, 신뢰 못 할 입력, 외부 통신이 각각 있는지 체크하라.
- 셋이 겹치면 하나를 끊는 설계를 먼저 정하라.
Try It
# ChatGPT Work(새 세션)에 그대로 붙여넣기 - 원문에서 저자가 쓴 프롬프트
Build a site that lists every one of your tools - neatly grouped into categories - and for each one explain what it does. Try to exactly duplicate arguments and tool descriptions where possible. Design aesthetic should be technical docs, minimal flare
# 이어서 해 볼 것: 사이트가 나오면 아래를 추가로 보낸다
Add full copies of every skill to the website (separate pages linked to from the homepage)Terminology
관련 논문
같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나
긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복
가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격
가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)
Harness Engineering 101: LLM은 뇌, harness는 몸
에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다
Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크
모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다
해고된 Savannah 경찰관, ICE 요원 남편에게 Flock 계정 공유
경찰관이 Flock 계정을 남편(ICE 요원)에게 공유했고, 감사에서 983건 검색이 드러나 해고됐다
tmux와 Claude Code: 세션, send-keys, 그리고 한계선
tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다
Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트
잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓