OpenAI FDE와 우버 'AI 포드': AI 에이전트 구축을 맡기면 업체 엔지니어는 우리 팀 옆에서 무엇을 해야 하나

AI 에이전트 구축을 외부 업체에 맡길 때 회사가 먼저 정할 것은 업체 엔지니어가 실제 업무 담당자 옆에서 몇 주 동안 무엇을 함께 만들지입니다. OpenAI는 2026년 10월 22일 고객 현장에 엔지니어를 붙이는 FDE 팀의 사례를 공개했고 같은 날 우버는 ChatGPT Work를 직원 3만여 명에게 넓힌다고 발표했습니다. 두 발표 모두 성과가 난 지점은 모델 성능보다 업무를 아는 사람과 엔지니어가 함께 합격 기준(평가)을 만들고 실제 업무에 넣어 본 과정이었습니다. 제안서에서는 함께 일하는 방식, 착수 전 평가 기준, 모델이 기준에 못 미칠 때의 처리, 두 번째 업무로 넓히는 방법, 업체가 빠진 뒤 넘겨받을 것을 확인하세요.

OpenAI FDE는 고객 현장에서 무엇을 하나

OpenAI는 FDE 팀을 2025년 초에 만들었다고 밝혔습니다. 목표는 이 회사가 '배포 격차(deployment gap)'라고 부르는 것, 곧 모델이 할 수 있어 보이는 일과 사람들이 실제 업무에 믿고 쓸 수 있는 일 사이의 거리를 줄이는 것입니다. 팀이 내건 원칙은 결과부터 정하고 성공할 때까지 필요한 일을 하고 확장은 그다음에 한다는 순서입니다. 인상적인 시연은 실제 업무에서 통하는지 누군가 묻기 전까지 오래 버틸 수 있다는 경고도 덧붙였습니다.

반도체 고객 사례에서는 2025년 중반 FDE 약 15명이 10개가 넘는 용도를 맡았습니다. 일부는 반도체 경력이 없었지만 고객의 검증팀에 들어가 함께 일하며 업무를 배웠고 고객 엔지니어와 평가(eval)를 만들어 AI가 쓸모 있는 테스트를 만들고 칩 오류를 바르게 진단하는지 시험했습니다. 처음 3~6개월 안에 모든 용도가 운영에 들어갔고 테스트 생성에서 시간이 약 48% 줄었다고 OpenAI는 밝혔습니다.

이후 용도마다 따로 만든 프로그램을 Codex 중심의 공통 하네스로 옮기면서 프로젝트별 맞춤 코드를 약 90% 걷어냈습니다. 2026년 8월 사례에서는 첫 배포에 두 달이 걸렸고 두 번째 팀으로 넓히는 데는 하루가 걸렸습니다. 연결(커넥터·MCP 서버)을 바꾸고 새 평가를 만드는 것으로 다음 팀에 붙였다는 설명입니다.

모델이 아직 못 하는 일도 감추지 않았습니다. 대형 통신사 고객의 음성 상담 프로젝트에서 범위를 정하던 시점의 핵심 평가 점수는 약 60%였고 OpenAI는 이 사실을 고객에게 설명한 뒤 연구 조직과 함께 6개월에 걸쳐 80%, 90% 이상까지 올렸습니다. 세무 AI 사례에서는 임대 부동산 신고서 자동화가 정밀도·재현율 90%에 닿는 데 엔지니어링과 실무자 검토 6주가 걸렸습니다.

우버는 ChatGPT Work를 3만 명에게 어떻게 넓혔나

OpenAI 발표에 따르면 우버는 ChatGPT Work를 직원 1,000명 시범 운영에서 3만 명이 넘는 전 직원으로 넓힙니다. ChatGPT Work는 구글 드라이브, Gmail, 구글 캘린더, 슬랙 같은 도구와 연결돼 조사, 회의 자료 준비, 발표 자료 작성, 데이터 분석, 여러 앱을 넘나드는 작업을 맡습니다. 배포는 우버 내부의 AI 스킬 라이브러리, 승인된 연동, 직원 교육과 함께 진행됩니다.

테크크런치 인터뷰에서 우버 엔지니어링 부사장은 시범 사용자의 80%가 엔지니어가 아니었다고 말했습니다. 또 올해 초 AI 엔지니어 30명을 우버 곳곳의 팀에 붙이고 2주 안에 그 팀 업무의 핵심 부분을 자동화하게 한 'AI 포드'를 운영했으며 기술 역량과 특정 업무에 대한 깊은 이해를 합칠 때 기회가 크다는 것을 확인했다고 설명했습니다. 우버는 이번 배포 비용을 공개하지 않았고 직원들이 어떤 작업 흐름을 만드는지 보고 그 결과로 다음 배포를 정하겠다고 밝혔습니다.

구축 업체에 맡길 때 무엇을 정해야 하나

개발팀이 없는 회사가 외부 업체에 에이전트 구축을 맡기면 FDE나 AI 포드 역할을 업체 엔지니어가 맡게 됩니다. 아래 표의 다섯 줄을 업체마다 채워 달라고 하면 우리 업무를 아는 사람과 얼마나 붙어서 일하는지를 같은 기준으로 비교할 수 있습니다.

견적을 받기 전에 업체에 보낼 질문 다섯 가지

견적을 받기 전에 아래 다섯 가지를 업체에 먼저 보내 두면 답변을 같은 순서로 비교할 수 있습니다.

• 우리 업무 담당자와 몇 주 동안, 주에 몇 시간 함께 일하나요? 담당 엔지니어는 끝까지 같은 사람인가요?
• 착수 전에 우리 과거 처리 사례로 정답지를 만들고 합격 점수를 정하나요? 채점은 누가 하나요?
• 점수가 합격선에 못 미치면 언제, 어떤 대안과 함께 알려 주나요?
• 두 번째 업무로 넓힐 때 다시 쓰는 부분과 새로 만드는 부분, 그 비용을 어떻게 나누나요?
• 계약이 끝나면 코드·지시문·정답지·작업 기록을 어떤 형식으로 넘겨주고 우리 직원 교육은 누가 하나요?

노벤티스는 어떻게 일하나

노벤티스(noventis.io)는 AI 에이전트와 업무 자동화를 고객사 업무에 맞춰 설계하고 구축하며 운영·고도화까지 맡는 AX 엔지니어링 팀입니다. AX 진단에서 반복 업무와 데이터 흐름을 확인해 자동화 대상과 사람이 판단할 지점을 나누고, 설계에서 업무별 입력·출력·승인 규칙을 정한 뒤 실제 업무 데이터로 에이전트를 만들어 결과를 사람이 검토합니다. 검증된 범위만 운영으로 넘기고 처리량·오류·검토 시간을 같은 기준으로 다시 재서 범위를 넓힙니다. 첫 프로젝트는 대개 접점 하나를 대상으로 4~8주 안에 PoC까지 진행하고 범위와 비용은 진단 미팅 후 서면 견적으로 정합니다. 위 표와 질문은 OpenAI·우버 발표를 바탕으로 정리한 일반 원칙이며 노벤티스의 특정 사례가 아닙니다.

이 글이 맞는 독자: 개발팀 없이 AI 에이전트 구축을 외부에 맡기려는 회사의 대표, 운영 책임자, 현업 팀장입니다.