1년을 못 버텼다 — ChatGPT Atlas 퇴장이 AI 에이전트 열풍에 던지는 질문

저도 며칠 붙여서 써봤습니다

오픈AI가 웹 탐색 AI 서비스 'ChatGPT Atlas'를 출시 1년도 안 돼 내리기로 했다는 소식을 들었을 때, 솔직히 '그럴 줄 알았다'는 생각이 먼저 들었습니다.

Atlas가 나왔을 때 저도 며칠 붙어서 써봤습니다. AI가 웹 브라우저를 대신 열고, 버튼을 클릭하고, 정보를 찾아 정리해 준다는 개념 자체는 분명히 매력적이었습니다. 쇼핑몰에서 최저가를 찾아 달라고 해보기도 하고, 기술 문서를 여러 사이트에서 비교해 달라고도 해봤습니다. 처음 몇 번은 꽤 그럴싸하게 작동했습니다. 그런데 며칠만 지나면 누구든 눈치채게 됩니다. 이 시스템이 얼마나 자주 막히고, 헤매고, 엉뚱한 결과를 들고 오는지를.

'AI 에이전트'라는 표현이 생소할 수 있습니다. 쉽게 말하면, 질문에 답하는 데서 그치지 않고 사람 대신 스스로 판단하며 어떤 일을 처리하는 AI입니다. 이메일을 보내고, 예약을 잡고, 웹을 뒤지는 — 실제 세상에서 뭔가를 '해내는' AI죠. Atlas는 그 흐름의 선두에 서려 했던 제품이었습니다. 오픈AI는 지난 2025년 10월 이것을 대대적으로 발표했고, 이제 접습니다.

이 퇴장이 단순한 제품 정리 이상의 메시지를 담고 있다고 생각합니다. AI가 '실제로 작동하는 것'과 '작동하는 것처럼 보이는 것' 사이의 간극이 얼마나 넓은지를 가장 직접적으로 보여주는 사례이기 때문입니다.

웹이 얼마나 험한 곳인지, 써봐야 압니다

AI가 웹을 탐색한다는 것이 겉으로는 간단해 보입니다. 사람도 하는 일인데 AI가 못 할 이유가 없지 않냐, 하는 생각이 드는 것은 당연합니다. 그런데 그 안을 들여다보면 이야기가 달라집니다.

웹 브라우저를 실제로 조종하는 작업은, 프로그래밍 관점에서 보면 상당히 고약한 일입니다. 모든 웹사이트는 조금씩 다르게 생겼습니다. 네이버의 '로그인' 버튼이 있는 위치와 쿠팡의 '로그인' 버튼 위치가 다르고, HTML 구조 — 웹페이지를 이루는 뼈대 코드 — 도 제각각입니다. AI가 이것을 이해하려면 매번 '이 페이지에서 로그인 버튼은 어디 있나'를 새로 판단해야 합니다.

더구나 웹은 끊임없이 바뀝니다. 오늘 작동했던 경로가 내일은 디자인 변경으로 사라질 수 있습니다. 캡차(CAPTCHA — 로봇과 사람을 구분하기 위한 퍼즐, '신호등이 있는 사진을 고르시오' 같은 것)도 장벽입니다. 특정 사이트들은 자동화 프로그램이 접근하면 접속을 막아버립니다. 국내 주요 포털이나 쇼핑몰들은 특히 더 까다롭습니다.

보안과 개인정보 문제도 만만치 않습니다. AI가 사용자 대신 웹을 돌아다니려면 어떤 식으로든 사용자의 계정 정보나 세션(로그인 상태를 유지하는 정보)이 필요합니다. 그런데 이것을 AI 서버에서 처리한다면, 사용자의 아이디와 비밀번호가 제3의 서버를 거치는 셈입니다. 은행 계정이나 쇼핑몰 정보가 오픈AI 서버를 거쳐 간다는 것을 선뜻 허용할 사용자가 얼마나 될까요. 이것은 기술 문제가 아니라 신뢰의 문제이고, 신뢰의 문제는 성능이 아무리 좋아도 쉽게 풀리지 않습니다.

실수가 나면 어떻게 되느냐는 문제도 있습니다. 사람이 웹을 쓰다 실수하면 '뒤로 가기'를 누르면 됩니다. 그런데 AI가 자율적으로 돌아다니다 잘못된 버튼을 눌러 구매를 확정하거나, 계정 설정을 바꿔버린다면 — 그 책임은 누가 집니까. 이것이 AI 에이전트가 '실제로 작동하는' 수준에 도달하기 전에 풀어야 할 핵심 질문입니다.

기술적으로 정리하면:

• 웹 구조가 사이트마다 달라 범용 탐색이 극히 어렵습니다 — 사람처럼 눈으로 보고 이해하는 것과 AI가 코드를 해석하는 것은 근본적으로 다릅니다.
• 사이트들은 자동화 프로그램을 합법적인 이유로 적극 차단합니다 — AI가 아무리 사람 흉내를 내도 결국 걸립니다.
• 보안과 개인정보 문제가 AI 에이전트의 활용 범위를 구조적으로 제한합니다.
• 실수 시 복구 메커니즘이 없어 사용자 신뢰를 쌓기 어렵습니다 — 한 번 잘못 누른 버튼이 돌이킬 수 없는 결과를 낳을 수 있습니다.

요컨대, 웹 탐색 AI는 '만들기 쉬운 것처럼 보이지만 실제로는 매우 어려운' 영역입니다. 쉬워 보이는 일일수록 예외 상황이 많고, 예외 상황이 많을수록 AI는 힘들어집니다.

역사는 반복합니다 — 4세대 언어, CASE 도구, 노코드의 패턴

AI 에이전트가 처음 나온 개념은 아닙니다. 형태만 달랐을 뿐, 이 패턴을 우리는 여러 번 봤습니다.

1980년대 후반부터 1990년대 초반까지 소프트웨어 업계를 뜨겁게 달군 개념이 두 가지 있었습니다. 하나는 4세대 언어(4GL)이고, 다른 하나는 CASE 도구(Computer-Aided Software Engineering)였습니다. CASE 도구를 쉽게 말하면, 컴퓨터가 소프트웨어 설계를 대신 도와주는 도구입니다.

4GL은 프로그래밍 언어를 사람 말에 최대한 가깝게 만들면 누구나 소프트웨어를 만들 수 있다는 발상이었습니다. CASE 도구는 복잡한 시스템 설계를 도표로 그리기만 하면 코드가 자동으로 나온다는 개념이었습니다. 당시 업계 전문지들은 '프로그래머가 필요 없어지는 시대가 온다'는 식의 기사를 진지하게 썼습니다. 실제로 많은 기업들이 막대한 돈을 들여 이 도구들을 도입했습니다.

결과는 어떻게 됐을까요. 4GL로 만든 시스템은 단순한 업무 처리에는 쓸 만했지만, 조금만 복잡해지면 한계가 왔습니다. CASE 도구가 자동으로 만들어 준 코드는 엉성해서 사람이 다 뜯어고쳐야 했고, 도구에 적응하는 데 드는 비용이 직접 짜는 것보다 더 큰 경우가 많았습니다. 두 기술 모두 '완전 대체'가 아닌 '부분 보조' 도구로 자리를 잡았고, 결국 시간이 지나면서 더 나은 것들로 대체됐습니다.

2010년대의 노코드(No-code — 코드를 직접 짜지 않고 블록 조립처럼 앱을 만드는 방식) 열풍도 비슷했습니다. Bubble, Webflow 같은 서비스들이 '개발자 없이도 서비스 만든다'는 슬로건을 내걸었고, 실제로 꽤 유용했습니다. 그러나 완전한 대체재가 되지는 못했고, 결국 개발자들이 더 빠르게 프로토타입을 만드는 보조 도구로 역할이 재정의됐습니다.

지금 AI 에이전트 열풍도 이 계보에 있습니다. 'AI가 사람 대신 다 한다'는 과장이 먼저 오고, 실제 한계에 부딪히고, 그 뒤에 '보조 도구'로 재정의되는 수순입니다. Atlas의 퇴장은 그 재정의 과정의 일부입니다.

이 표를 보면 패턴이 보입니다. 매번 기술의 '가능성'이 '현실'보다 훨씬 앞서 달린다는 것, 그리고 실제 제품은 그 간극에서 먼저 쓰러진다는 것입니다. 그렇다고 그 기술들이 아무 의미가 없었냐고 하면 그것도 아닙니다. 4GL은 데이터베이스 보고서 도구로 살아남았고, 노코드는 스타트업의 MVP(최소 기능 제품 — 핵심 기능만 담은 초기 버전) 제작 도구로 정착했습니다. AI 에이전트도 결국 '잘 맞는 자리'를 찾아 정착할 것입니다. 그 자리가 '열린 웹 전체를 자율적으로 탐색'하는 자리인지는, 지금으로선 회의적입니다.

'통합'이라는 이름의 철수 — 기업 언어를 해독합니다

오픈AI는 Atlas 중단을 '선셋(sunset)'이라고 표현했고, '기능을 기존 서비스에 통합'한다고 했습니다. 이 표현이 흥미롭습니다.

기업이 제품을 접을 때 쓰는 언어는 대개 두 가지입니다. '실패였다, 우리가 틀렸다'고 솔직하게 말하거나, '더 나은 방향으로 통합한다'고 우회하거나. 당연히 대부분의 기업은 후자를 선택합니다. 주주와 투자자에게 '실패'라는 단어는 비용이 크기 때문입니다.

그렇다면 Atlas는 실패였을까요, 아니면 전략적 재배치였을까요. 저는 둘 다라고 생각합니다.

실패의 측면은 분명합니다. 독립 서비스로 1년을 버티지 못했습니다. 웹 탐색 에이전트의 신뢰성과 안전성 문제는 단기간에 해결되지 않았습니다. 사용자들의 일상 업무를 대신 처리해 줄 수 있다는 초기 기대에 미치지 못했습니다. 이것을 '성장통'이라고 부르는 시각이 있지만, 출시 1년도 안 돼 접는 것은 성장통보다는 진단 오류에 가깝습니다.

동시에 전략적 판단의 측면도 있습니다. 독립 앱을 유지하는 비용 — 개발, 인프라, 고객 지원 — 보다 기존 ChatGPT에 통합하는 편이 효율적이라는 판단입니다. 실제로 구글 제미나이(Gemini — 구글의 AI 모델 겸 서비스)도, 마이크로소프트 코파일럿(Copilot — 마이크로소프트의 AI 도우미)도 별도 브라우저 앱을 만들지 않고 기존 제품 안에 웹 접근 기능을 녹이는 방식을 택하고 있습니다. 이것은 공교롭게도 '독립 에이전트 앱' 모델이 업계 전체에서 아직 시장 검증이 덜 됐다는 신호이기도 합니다.

ChatGPT Work라는 기업용 서비스에 집중하겠다는 방향도 주목할 부분입니다. B2B — 기업이 다른 기업에게 서비스를 파는 모델 — 전환은 AI 회사들이 수익화를 고민할 때 자주 보이는 패턴입니다. 일반 소비자에게 월정액을 받는 것보다 기업과 계약을 맺는 것이 단가도 높고 이탈률도 낮습니다. Atlas가 소비자용 독립 앱이었다면, ChatGPT Work는 기업 계약용 통합 플랫폼입니다. 우선순위 이동이 꽤 명확합니다.

한 가지 짚어둘 것이 있습니다. 오픈AI는 2025년 초 기준으로 추정 기업 가치가 수천억 달러에 달하는 회사입니다. 이 회사가 잘못된 방향에 1년을 쏟아붓고 접는 것은 어떤 의미일까요. 돈이 많다고 방향 판단이 좋아지지는 않는다는 것, 그리고 빠르게 접는 것이 잘못 안고 가는 것보다는 낫다는 것 — 이 두 가지 교훈이 동시에 들어 있습니다.

흔한 오해 두 가지 — 이걸 잘못 읽으면 방향을 잃습니다

Atlas 퇴장을 놓고 흔히 보이는 오해가 두 가지 있습니다.

오해 1: 'AI 에이전트 자체가 실패한 것이다'

이것은 한쪽으로 너무 치우친 해석입니다. Atlas가 접은 것은 '웹 브라우저를 통째로 AI가 대신 조종하는' 특정 방식이 아직 시기상조라는 뜻입니다. AI 에이전트 전체가 쓸모없다는 뜻이 아닙니다.

실제로 잘 작동하는 AI 에이전트는 이미 존재합니다. 코드를 짜고 테스트하고 수정하는 개발 에이전트들 — GitHub Copilot이나 Cursor 같은 것들 — 은 개발자들의 실제 업무를 상당 부분 덜어주고 있습니다. 특정 앱 안에서 정해진 작업을 반복하는 자동화 에이전트, 내부 데이터베이스를 조회하는 기업용 에이전트도 통제된 환경에서는 잘 돌아갑니다. 문제는 웹 전체라는 '통제되지 않은 환경'에서 범용으로 작동하는 것이 훨씬 어렵다는 점입니다. 영역을 명확히 구분해야 합니다.

오해 2: '오픈AI가 기술력이 부족해서 실패한 것이다'

이것도 정확하지 않습니다. 웹 탐색 에이전트의 어려움은 특정 회사의 기술력 문제가 아닙니다. 구글, 마이크로소프트, 앤트로픽(Anthropic — 클로드를 만든 AI 회사) 모두 이 문제에서 자유롭지 않습니다. 이것은 근본적으로 '웹이 사람을 위해 설계됐지, 로봇을 위해 설계되지 않았다'는 구조적 문제에서 옵니다.

실제로 기업용 환경에서는 웹이 아니라 API(쉽게 말해, 두 프로그램이 정해진 규칙대로 대화하는 통로)를 통해 연동하는 방식이 훨씬 잘 작동합니다. 사내 고객 관리 시스템과 AI를 연동하거나, 내부 문서 시스템과 AI를 연동하는 것은 웹 탐색 에이전트보다 훨씬 안정적입니다. 이유는 하나입니다. API는 정해진 규칙대로 데이터를 주고받도록 설계돼 있기 때문입니다. 웹은 그렇지 않습니다. 기술력의 차이가 아니라 환경의 차이입니다.

추적해야 할 신호들 — 다음에 무엇을 봐야 하나

Atlas의 퇴장이 끝이 아니라 재편의 시작이라면, 앞으로 어떤 신호를 봐야 할까요.

• ChatGPT 안으로 통합된 웹 탐색 기능의 실제 성능 추이를 봐야 합니다. 제품 이름이 사라진다고 기술 문제가 사라지지는 않습니다. 6개월 뒤에도 같은 오류가 반복된다면 통합은 이름만 바꾼 것입니다.
• ChatGPT Work의 기업 계약 실적입니다. 발표 자료가 아닌 실제 도입 사례와 사용자 후기를 봐야 합니다. 기업들이 실제로 어떤 업무에 얼마나 쓰는지가 방향을 알려줍니다.
• 구글과 마이크로소프트가 독립 웹 탐색 에이전트를 출시하느냐, 계속 기존 제품 통합 방식을 고수하느냐입니다. 두 회사 모두 독립 앱을 내놓지 않는다면 업계 전체가 같은 결론에 이른 것으로 봐도 됩니다.
• 오픈소스 AI 에이전트 생태계를 봐야 합니다. LangChain, AutoGPT 같은 오픈소스 프레임워크 — 누구나 무료로 가져다 쓸 수 있는 코드 묶음 — 들이 웹 탐색 문제를 어떻게 해결하는지도 중요합니다. 대기업보다 오픈소스 커뮤니티가 먼저 실용적 해법을 찾아내는 경우가 AI 분야에서는 드물지 않습니다.
• 규제 방향도 변수입니다. AI 에이전트가 사용자 대신 웹 활동을 하는 것에 대해 각국 규제 당국이 어떤 입장을 취하느냐가 기술 발전 속도에 영향을 줍니다. 유럽연합은 이미 AI 관련 규제를 강화하는 방향으로 움직이고 있고, 한국도 AI 기본법 논의가 진행 중입니다.

판단의 값이 올라갑니다 — 마무리

Atlas 퇴장에서 한 가지 분명한 교훈을 읽습니다. 기술이 빨라질수록, 어떤 기술이 실제로 쓸 만한지 판단하는 능력이 더 중요해진다는 것입니다.

과거 4세대 언어 열풍 때 막대한 돈을 들여 도입했다가 결국 다 교체한 기업들이 있었습니다. 노코드 열풍 때 '이제 개발자 안 써도 된다'며 채용을 멈췄다가 낭패를 본 곳도 있었습니다. 지금 AI 에이전트 열풍에서 '이제 이 업무를 AI에게 다 맡기면 된다'고 성급하게 결론 내리는 것도 같은 실수의 반복입니다. 반대로 'AI 에이전트는 사기다'라며 아예 등돌리는 것도 마찬가지입니다.

Atlas가 퇴장했다고 AI 에이전트가 사기라는 뜻이 아닙니다. 이 기술이 어디서 잘 되고 어디서 안 되는지, 지금 단계에서 무엇에 투자할 가치가 있고 무엇은 더 지켜봐야 하는지 — 그것을 판단하는 것이 지금 가장 필요한 능력입니다.

도구가 많아질수록 도구를 고르는 눈의 값이 올라가는 것은 당연한 이치입니다. 그 판단을 잘 하는 사람과 못 하는 사람의 차이가, AI 시대에는 생각보다 훨씬 크게 벌어질 것입니다.

Q. Atlas가 사라지면 오픈AI의 AI 에이전트 전략도 실패한 건가요?

A. 에이전트 전략 자체가 접힌 게 아니라, '독립 웹 브라우저 에이전트'라는 특정 형태를 포기한 것입니다. 오픈AI는 이 기능을 ChatGPT 안으로 통합하겠다고 했고, 기업용 ChatGPT Work를 중심으로 에이전트 기능을 강화하는 방향으로 가고 있습니다. 다만 이것이 실제로 더 잘 작동할지는 6~12개월 뒤에나 알 수 있습니다. 지금 단계에서 '성공적 재편'이라고 부르는 것은 시기상조입니다.

Q. 그렇다면 지금 AI 에이전트 서비스를 기업에서 도입하면 안 되는 건가요?

A. 전부 안 된다는 말이 아닙니다. 잘 통제된 환경 — 예를 들어 정해진 내부 시스템 안에서의 자동화, 특정 앱과의 API 연동, 반복적인 데이터 처리 — 에서는 이미 실용적으로 쓸 수 있습니다. 그러나 'AI가 열린 웹 전체를 자유롭게 돌아다니며 복잡한 작업을 처리한다'는 수준은 아직 충분히 성숙하지 않았습니다. 용도에 맞게 구분하는 것이 중요합니다. 영역을 좁히면 잘 작동하고, 넓히면 자주 실망합니다.

Q. 구글이나 마이크로소프트는 왜 독립 웹 에이전트 앱을 안 만드나요?

A. 기술력 부족이 아닙니다. 독립 앱이 아닌 기존 제품에 점진적으로 통합하는 방식을 선택하고 있는 것은, 기술 문제보다 신뢰와 책임 소재 문제 때문으로 봅니다. AI가 잘못된 행동을 했을 때 누가 책임지느냐는 질문에 아직 명확한 답이 없습니다. 독립 앱으로 출시하면 그 책임이 훨씬 선명하게 회사에 귀속됩니다. 기존 제품 안에 녹이면 그 경계가 흐려집니다. 냉정하게 말하면, 아직 자신 없어서 독립 앱을 내놓지 않는 것이기도 합니다.