AI’s third era: the rise of persistent AI coworkers | Tara Seshan (OpenAI’s product lead)

Part 1 — 핵심 인사이트

1. AI 제품의 다음 단계는 '질문'이 아니라 '동료'다.
2. 현재 모델도 미래 예측도 믿지 말고 2~3개월만 설계하라.
3. AI 시대 PM은 이론가보다 실험가에 가깝다.
4. 좋은 PM은 가장 중요한 가설을 먼저 좁힌다.
5. 빠른 피드백 루프가 전략보다 더 큰 경쟁력이다.

Part 1 — 요약

이 영상은 AI 제품이 챗봇과 에이전트를 지나, 이제는 사용자의 일에 오래 붙어 함께 성과를 내는 ‘지속형 동료’ 시대로 가고 있다고 본다. 특히 지금은 모델의 현재 능력이나 1년 뒤의 예측에 맞춰 설계하면 둘 다 틀리기 때문에, 2~3개월 단위로 빠르게 실험하며 적응해야 한다고 강조한다.

또한 AI 시대의 PM은 긴 이론 문서보다 빠른 실험, 사용자 테스트, 그리고 가장 중요한 가설을 정확히 정의하는 능력이 핵심이라고 말한다. OpenAI에서는 의사결정의 중앙집중이 약하고 시장과 제품 사이의 거리가 매우 짧아, 각자가 사실상 창업자처럼 움직이며 PM 역할도 더 대담하고 더 실증적으로 바뀐다고 설명한다.

Part 2 — 핵심 인사이트

1. AI가 늘수록 사람의 일은 실행보다 방향 설정이 된다.
2. 좋은 제품은 데이터만이 아니라 강한 의견에서 나온다.
3. 도구가 평준화될수록 인간의 판단력이 더 큰 차이를 만든다.
4. 에이전트 혁신은 지능보다 데이터 접근성과 신뢰성이 좌우한다.
5. 미래의 협업은 사람-에이전트-사람의 다자간 조율에 가깝다.

Part 2 — 요약

이 영상은 AI 시대의 일은 점점 ‘손으로 하는 실행(rowing)’보다 ‘방향을 정하는 조향(steering)’에 가까워질 것이라고 말한다. 에이전트가 더 많은 작업을 맡게 될수록 사람의 역할은 더 높은 수준의 목표를 정하고, 데이터와 직관을 바탕으로 의견을 내며, 다음 방향을 선택하는 일로 이동한다는 주장이다. 동시에 같은 도구를 모두가 쓰게 되면 차이를 만드는 것은 결국 인간의 판단, 취향, 그리고 제품에 대해 ‘무엇을 말하고 싶은가’라는 관점이라고 본다. 마지막으로 이런 협업이 실제로 굴러가려면 지능만이 아니라 로컬 데이터 접근, 클라우드 인프라, 신뢰성 같은 실무적 기반도 필요하다고 짚는다.

Part 3 — 핵심 인사이트

1. AI는 일을 줄이는 도구가 아니라 가능성을 넓히는 도구다.
2. 성공한 사용자는 자동화보다 역량 확장을 먼저 한다.
3. 야심이 커질수록 AI의 가치도 더 커진다.
4. PM의 핵심은 팀의 목표 سق을 높이는 일이다.
5. 현재 모델이 아니라 가까운 미래의 모델에 맞춰 설계해야 한다.

Part 3 — 요약

이 구간은 AI 도구가 사람과 조직의 ‘가능한 범위’를 넓혀 주면서, 단순 자동화보다 더 큰 야심을 요구하게 만든다는 주장을 중심으로 전개된다. 화자는 AI를 잘 쓰는 사람일수록 반복 업무를 줄이는 데 그치지 않고, 원래는 못 하던 설계·프로토타입·가격 시뮬레이션까지 직접 해내며 아이디어를 현실로 옮긴다고 말한다.

또한 제품 개발의 기준이 바뀌었다고 강조한다. 이제는 ‘얼마나 빨리, 얼마나 크게, 얼마나 자주’ 시도하느냐가 경쟁력을 가르고, PM의 역할도 팀 전체의 야심을 끌어올리는 쪽으로 이동한다. 내부 슬로건인 ‘maximally accelerated’와 ‘mainlining it’은 이런 문화를 상징하며, 제품은 현재 모델이 아니라 2~3개월 뒤 더 나아질 모델을 기준으로 설계해야 한다고 정리한다.

Part 4 — 핵심 인사이트

1. AI의 다음 경쟁력은 복잡성을 숨기는 통합이다.
2. 사용자가 모드를 고르는 순간 제품은 이미 복잡하다.
3. 에이전트는 개발자만이 아니라 지식노동에도 들어간다.
4. 완벽한 UI보다 빠른 출시와 반복 학습이 더 중요하다.
5. 새 기술은 먼저 자연스럽게 쓰게 만들어야 확산된다.

Part 4 — 요약

이 영상은 AI 제품이 앞으로 ‘챗봇’에서 ‘지속적으로 일을 처리하는 동료’로 진화해야 한다는 방향을 설명한다. Tara Seshan은 사용자가 chat, Codex, work mode 같은 도구 차이를 이해하며 선택하게 두기보다, 제품이 의도와 상황을 읽고 적절한 모델·UI를 자동으로 제공해야 한다고 말한다. 핵심은 복잡성을 사용자에게 떠넘기지 않고, 익숙한 경험 속에서 에이전트의 힘을 자연스럽게 흡수시키는 것이다.

또한 이 시대의 제품 개발에서는 완벽한 다듬기보다 빠른 출시와 학습이 더 중요하다고 강조한다. 특히 수십억 명이 쓰는 ChatGPT에 에이전트 능력을 얹는 과정에서는, 새로운 개념을 ‘쉽고 자연스럽게’ 받아들이게 만드는 것이 가장 큰 과제라고 본다. 전체적으로 이 영상은 AI 제품의 다음 단계가 기능 추가가 아니라, 복잡도를 숨긴 채 사람 대신 일을 끝내주는 통합 경험이라는 점을 설득한다.

Part 5 — 핵심 인사이트

1. 제품은 결국 고객 집착과 빠른 반복이 만든다.
2. 역할 경계보다 최종 결과에 대한 책임이 더 중요하다.
3. AI가 강해질수록 인간의 가치는 책임과 표현에 남는다.
4. 코딩의 손맛은 줄어도 문제를 푸는 영향력은 커진다.
5. 개인용 소프트웨어는 이제 즉석에서 만들어 쓰는 시대다.

Part 5 — 요약

이 영상은 AI 시대에 역할의 경계가 흐려지면서도, 팀이 결국 성과를 만들어내는 핵심은 여전히 사람의 집요함과 책임감에 있다는 점을 강조한다. OpenAI의 CEX 앱과 desktop 팀 사례를 통해, 내부에서 매일 쓰고 고치며 고객 피드백에 즉시 반응하는 반복 루프가 제품의 완성도를 끌어올렸다고 말한다. 또한 엔지니어·PM·디자이너의 구분이 약해지는 시대일수록, 각자의 직무보다 "누가 최종 결과를 책임지는가"가 더 중요해진다고 본다. 마지막으로 AI는 인간을 대체하기보다, 인간이 맡아야 할 책임·표현·관계 맺기 같은 영역을 더 선명하게 드러내며, 특히 sites 같은 도구는 개인이 즉석에서 소프트웨어를 만들어내는 새 가능성을 보여준다고 설명한다.

Part 6 — 핵심 인사이트

1. 문서는 증거가 아니라, 이제는 결과물이 증거다.
2. 보고용 글은 자동화해도, 사고는 반드시 직접 해야 한다.
3. 70%짜리를 내놓아야 피드백이 아이디어를 강하게 만든다.
4. AI를 쓰더라도 생각의 시작과 끝은 인간이 잡아야 한다.
5. 좋은 협업은 완성본보다 다듬을 수 있는 거친 초안에서 나온다.

Part 6 — 요약

이 구간은 OpenAI식 업무 방식이 '문서 중심'에서 '작동하는 결과물 중심'으로 바뀌고 있음을 보여준다. Tara는 사이트(site), 시각화(visualize), 모크업, 실험 결과처럼 사람들이 직접 보고 만질 수 있는 산출물이 긴 문서보다 훨씬 강한 커뮤니케이션 도구라고 말한다. 특히 사이트는 프롬프트만으로 만들고 공유·자동업데이트·내부데이터 연결까지 가능해, 예전의 문서·시트·슬라이드 작업을 대체하는 새로운 기본 표면이 되었다고 설명한다.

동시에 그녀는 AI를 무조건 쓰는 것이 아니라, 'writing as thinking'과 'writing as reporting'을 구분해야 한다고 강조한다. 보고용 글은 AI로 자동화해도 되지만, 전략과 제품 방향을 정하는 사고용 글은 반드시 사람이 직접 써야 생각이 날카로워진다는 입장이다. 문서를 70%까지 만든 뒤 피드백을 받아 다듬고, 사람들에게 공격받을 만큼 거친 형태로 공유해야 더 좋은 아이디어가 된다고 주장한다. 마지막으로 AI 과의존으로 사고 능력이 녹슬지 않도록, 자신은 글의 시작과 끝을 인간이 맡는 원칙을 지킨다고 말한다.

Part 7 — 핵심 인사이트

1. PMF는 운이 아니라 반복 가능한 기술이다.
2. 제품보다 먼저 포지셔닝을 검증해야 한다.
3. 좋은 PMM은 제품 성패를 바꾸는 핵심이다.
4. 지식노동은 결과보다 과정의 증명이 중요하다.
5. AI는 도구가 아니라 협업자처럼 보여야 한다.

Part 7 — 요약

이 구간에서 타라는 Sutter Hill에서 배운 핵심을 바탕으로, 제품-시장 적합성은 운이 아니라 반복 가능한 플레이북으로 만들 수 있다고 말한다. 특히 자신이 과소평가했던 것은 제품 자체보다 '제품을 어떻게 설명하고 포지셔닝하느냐'였고, 실제로는 제품을 만들기 전에 수십~수백 명에게 피치를 던지며 메시지를 검증해야 한다고 강조한다.

후반부에서는 지식노동과 코딩이 본질적으로 다르다고 설명한다. 코드는 테스트로 출력 검증이 가능하지만, 지식노동은 결과물보다 과정·입력·추론의 투명성이 중요하므로 AI도 단순한 도구가 아니라 협업자처럼 중간 과정을 보여줘야 한다고 주장한다. 마지막엔 책 추천을 빌려, 성장과 역할 전환, 완벽해지지 못해도 어떤 일에 깊이 헌신하는 태도의 가치를 덧붙인다.

Part 8 — 핵심 인사이트

1. 큰 책은 혼자 끝내는 것보다 해설과 함께 읽어야 깊어진다.
2. AI의 미래는 거대한 플랫폼보다 작은 맞춤형 도구에 있다.
3. 좋은 일은 잘하되, 그 일이 곧 내가 되게 두지 마라.
4. 야망은 스스로 키우기보다 누가 올려주느냐가 결정적이다.
5. 제약은 창의성의 적이 아니라 더 높은 기준의 촉매다.

Part 8 — 요약

이 구간은 읽기 습관, 영화 감상, AI 제품, 일의 태도, 그리고 테일 펠로우십 경험을 통해 타라 세션이 무엇을 중요하게 보는지 압축해서 보여준다. 그녀는 두꺼운 책은 슬로 리드나 챕터별 분석으로 읽어야 하고, 훌륭한 영화는 예술성과 사회적 통찰을 동시에 줄 수 있다고 말한다. 또한 AI의 가치는 거대한 범용 도구보다 친구 몇 명의 필요를 정확히 해결하는 작고 친밀한 소프트웨어에서 드러난다고 본다. 마지막으로 일은 성실히 하되 자신과 동일시하지 말아야 하고, 누군가가 야망을 키워주는 순간이 인생의 궤도를 바꿀 수 있다고 강조한다.

Part 9 — 핵심 인사이트

1. AI의 다음 가치는 답변이 아니라 지속적 실행이다.
2. 자리를 비운 동안 끝나는 작업이 체감 가치를 키운다.
3. 모바일의 강점은 이동 중에도 일을 맡겨둘 수 있다는 점이다.
4. 로컬 상호작용보다 클라우드 백그라운드 실행이 더 강력하다.

Part 9 — 요약

이 마무리 구간에서는 AI가 단순히 답을 만드는 도구를 넘어, 사용자가 자리를 비운 뒤에도 클라우드에서 계속 일하는 ‘지속형 동료’로 바뀌고 있다는 점을 강조한다. 특히 모바일에서 작업을 걸어두고 이동하는 동안 실제로 일이 끝나는 경험이 가장 강한 마법처럼 느껴진다고 설명한다. 로컬에서 계속 지켜볼 필요 없이, 백그라운드에서 돌아가며 나중에 다시 대화로 이어지는 흐름이 제품의 핵심 가치라는 메시지다.

또한 이런 클라우드 실행 방식이 겉보기엔 단순하지만 실제로는 매우 강력한 전환이라고 정리한다. 끝부분은 인터뷰 감사 인사와 구독·평가 요청으로 마무리된다.