GPT-6 아스트라로 본 연쇄 과업 완수율과 실질 도입 비용

인공지능 성능 평가의 새로운 기준: 연쇄 과업 완수율

2026년 9월 1일부터 3일 사이에 앤트로픽의 클로드 페이블 5.1, 구글의 제미나이 3.8 플래시, 오픈AI의 GPT-6 아스트라(Astra)가 잇따라 공개됐다. 세 모델이 공통으로 내세운 것은 답변의 정확도가 아니라 한 번 맡긴 일을 오랫동안 붙잡고 끝까지 결과물을 만들어내는 능력이다. 파일 탐색, 데이터 수정, 일정 확인, 최종 전달까지 이어지는 엔드투엔드 업무 처리가 평가의 축으로 옮겨간 것이다.

장기 과업 수행에서 가장 중요한 변수는 다단계 프로세스의 누적 성공률이다. 여러 프로그램과 시스템을 오가는 업무는 각 단계마다 오류가 누적되는 특성을 가진다.

각 단계가 독립적이라고 가정하면 최종 완수 확률은 개별 단계 성공률을 단계 수만큼 거듭제곱한 값(성공률^단계수)이 된다. 아래 표는 특정 모델의 측정치가 아니라 이 식을 그대로 계산한 결과다.

개별 단계 성공률	5단계 연쇄 작업 성공률	8단계 연쇄 작업 성공률	10단계 연쇄 작업 성공률
80%	32.8%	16.8%	10.7%
90%	59.0%	43.0%	34.9%
95%	77.4%	66.3%	59.9%
98%	90.4%	85.1%	81.7%

개별 작업 성공률이 90%에 달하더라도 8단계를 거쳐야 하는 업무의 최종 완수 확률은 43%까지 내려간다. 현실의 오류는 이렇게 서로 독립적으로 발생하지 않으므로 이 계산을 그대로 실측치로 받아들여서는 안 되지만, 짧은 질문에 잘 답하던 모델이 긴 업무에서 갑자기 실패하는 이유를 이해하는 데는 충분하다.

실제 측정치도 이 방향을 뒷받침한다. 여러 프로그램을 오가며 업무를 끝까지 처리시키는 자동화 벤치마크에서 GPT-6 아스트라는 41.4%, 클로드 페이블 5.1은 31.4%, 직전 세대인 GPT-5.6 솔은 18.1%를 기록했다. 한 세대 만에 두 배 이상 올랐지만, 최고 점수도 여전히 절반에 미치지 못한다는 뜻이기도 하다.

토큰 단가와 완수당 실질 비용의 역전 현상

기업 인공지능 도입 과정에서 발생하는 가장 흔한 오해는 100만 토큰당 호출 단가만을 기준으로 비용을 산정하는 것이다. 단순 대화 서비스에서는 호출 단가가 비용을 결정짓지만, 자율적인 업무 수행 영역에서는 작업 완수당 총비용(Cost per Completed Task)을 계산해야 한다.

복잡한 작업에서 모델은 경로 재설정, 실행 오류 복구, 재검색 등의 연쇄 호출을 발생시킨다. 단가가 저렴해도 성공률이 낮은 모델은 반복적인 재시도로 전체 토큰 소비량이 불어난다. 반대로 한 번 호출이 비싸도 시행착오 없이 끝내면 총비용은 내려간다.

오픈AI가 공개한 3D 설계 작업 벤치마크에서 이 역전이 실제로 나타났다. GPT-6 아스트라는 직전 세대인 GPT-5.6 솔보다 토큰 단가가 대략 두 배 안팎으로 높지만, 작업 한 건당 추정 API 비용은 오히려 43%가량 낮게 계산됐다. 높은 성공률과 적은 시행착오가 단가 차이를 덮은 것이다.

다만 이 수치는 모델 제작사의 자체 평가이고 특정 벤치마크 한 건에서 나온 결과다. 비교 대상인 GPT-5.6 솔에 별도의 판촉 가격이 적용되고 있어, 어느 가격을 기준으로 삼느냐에 따라 배수는 달라진다. 요점은 43%라는 숫자 자체가 아니라, 단가표만 비교하면 평균 시도 횟수라는 항이 통째로 빠진 계산을 하게 된다는 것이다.

시스템 제어 권한과 보안 위험성

연쇄 과업 수행 능력이 강화될수록 모델은 개발 환경, 운영체제, 내부 네트워크에 직접 접근할 권한을 요구받는다. 생산성을 끌어올리는 요소인 동시에 새로운 위협이다.

오픈AI가 공개한 GPT-6 아스트라의 시스템 카드에 따르면, 이 모델은 소프트웨어 취약점 평가 과정에서 알려지지 않은 취약점(제로데이)을 직접 찾아내 공격 경로에 사용했다. 전문가 주도 평가에서는 강화된 브라우저의 샌드박스를 탈출해 호스트에서 명령을 실행하는 연쇄 경로와, 권한이 없는 계정에서 운영체제 최고 권한(루트)까지 올라가는 권한 상승 경로를 구성했다. 그 결과 아스트라는 오픈AI 모델 가운데 처음으로 자사 사이버 보안 능력 기준에서 최고 등급인 크리티컬로 분류됐다. 충분한 도구와 접근 권한이 주어지면 사람의 세부 지시 없이도 새 취약점을 찾아 검증하고 공격으로 연결할 기반 능력이 생겼다는 의미다.

따라서 이 수준의 모델을 실제 운영 환경에 붙일 때는 다음 조치가 전제되어야 한다.

1. 샌드박스 격리 및 네트워크 통제: 작업 실행 환경을 시스템 핵심 자원과 분리하고 출입 트래픽을 엄격히 제한한다.
2. 단계별 인간 승인 절차: 데이터 수정, 권한 변경, 외부 전송처럼 되돌리기 어려운 단계에는 반드시 사람의 승인을 거치게 한다.
3. 토큰 소모 및 호출 횟수 상한 설정: 무한 루프나 반복 실패로 인한 비용 폭증을 막기 위해 단일 과업당 최대 호출과 토큰 한도를 강제한다.

자동화 도입 시 고려해야 할 현실적 한계

자율 업무 처리 능력이 크게 올랐음에도 현재 기술은 복잡한 작업의 절반 이상을 완전히 자동화하지 못한다.

• 비선형적 예외 처리의 어려움: 정형화된 흐름을 벗어나는 돌발 상황에서 올바른 판단을 내리지 못하고 잘못된 작업을 계속할 위험이 있다.
• 작업 수행 시간에 따른 지연: 장시간 작업은 연산 시간이 길어져 실시간 대응이 필요한 업무에는 맞지 않는다.
• 도메인 특화 데이터 부족: 표준적인 프로그래밍이나 문서 작업을 벗어나, 조직 고유의 비정형 암묵지가 필요한 업무에서는 완수율이 급격히 떨어진다.

결론적으로 도입 검토는 단가 비교가 아니라 자사 업무의 연쇄 단계 수와 실제 완수율에 기반한 실질 비용 계산에서 출발해야 한다. 확인해야 할 숫자는 100만 토큰당 몇 달러인가가 아니라, 맡긴 일을 몇 번에 끝내는가와 끝난 일 하나에 얼마가 들었는가다.