01핵심 개요
| 항목 | 내용 |
|---|---|
| 출시 | OpenAI가 ChatGPT Voice 2.0 공개 — "사실상 자비스(Jarvis)" |
| 핵심 변화 | 앱은 그대로, 엔진(모델 2종) 교체. 주간 음성 사용자 1.5억 명 |
| 대화 방식 | 실시간 대화·상호 인터럽트 가능, 생각하는 동안 계속 말해 대기감 제거 |
| 지원 범위 | 데스크톱·노트북·폰, 화면을 따라다니는 플로팅 아이콘 |
| 주요 한계 | 브라우저 제어 시 느림, 라이브 카메라 없음, 화면공유는 macOS 데스크톱 전용 |
025단계 활용법 (핵심 구조)
- 레벨 1 — 멀티태스킹: 한 번에 여러 작업 동시 지시(다운로드 폴더 정리 + Codex 딥리서치 + 랜딩페이지 제작). 실행 전 확인 질문(clarifying question)을 던짐.
- 레벨 2 — 원격 데스크톱 제어: 자리에 없어도(카페 등) 폰으로 "마지막에 저장한 파일 알려줘" 등 데스크톱 작업 조회·수행.
- 레벨 3 — 모호한 지시 → 유의미한 결과: 화면 맥락을 읽고(스크린샷) Eleven Labs 요금제 중 내 상황에 맞는 것 추천, 페이지 에러 원인 설명 등. 웹 어디를 가든 따라다니며 대화 지속.
- 레벨 4 — 외부 에이전트 트리거: 음성으로 로컬 에이전트(Hermes Agent 등) 실행·설정 조회·리마인더 설정. "같은 컴퓨터에서 돌기에" 연동.
- 레벨 5 — 핸즈프리 화면 조작: 화면을 보고 버튼 클릭·다음 단계 진행. 내 프로필 정보를 알기에 폼을 대신 채워줌("나에 대해 아는 걸로 골라줘").
03기술적 맥락
토큰 절약을 위해 Firecrawl(웹 스크래핑 도구)을 병행 사용 — 스크랩·파싱으로 비용↓·속도↑. 화면 대화 시 스크린샷을 찍어 맥락 파악. 음성 모델은 로드 시 선택(예: GPT-5.6 Sol / Sol high).
04전략적 의미
음성 에이전트가 단순 응답을 넘어 데스크톱·브라우저·외부 에이전트를 실제로 조작하는 오케스트레이터로 진화. 사용자는 화면을 보지 않고도(핸즈프리) 맥락 기반 의사결정을 위임할 수 있어, "따라다니는 조수" UX가 핵심 가치. 발표자는 원리가 ChatGPT·Codex·Claude Code에 공통 적용된다고 강조.
05핵심 사용 팁
- 권한을 "항상 허용"으로 두면 매번 승인 불필요.
- 파일 참조 시 구체적 파일명을 언급하면 정확도↑(메모리가 완전하진 않음).
- 브라우저 제어는 느리므로 핸즈프리 편의 목적에 적합(더 빠른 모델 곧 출시 예정 언급).
06활용 시나리오
- 이동 중 폰으로 데스크톱 작업 조회·트리거.
- 앱 개발 중 콘솔 에러를 음성으로 즉시 진단.
- 로컬 AI 에이전트를 음성으로 원격 실행·리마인더 설정.
07현황 및 전망
브라우저 제어 속도가 최대 약점이나 후속 고속 모델 예고. 라이브 카메라 부재·macOS 한정 화면공유 등 제약이 있어 아직 완전한 '자비스'는 아니지만, 음성-데스크톱-에이전트 통합 방향은 뚜렷하다. (영상은 유료 마스터클래스·Hermes Agent 연계 홍보 포함)
08용어 사전
| 용어 | 한줄 설명 | 비유/예시 |
|---|---|---|
| ChatGPT Voice 2.0 | 실시간 대화·화면조작이 가능한 OpenAI 음성 에이전트 | 영화 속 자비스 비서 |
| Firecrawl | 웹페이지를 AI용으로 스크랩·파싱하는 도구 | 웹을 깔끔한 텍스트로 뽑는 청소기 |
| Codex | OpenAI의 코딩/작업 실행 에이전트 앱 | AI 개발 조수 |
| Hermes Agent | 로컬 컴퓨터에서 돌아가는 사용자 에이전트 | 내 PC에 상주하는 비서 |
| 핸즈프리 | 손 안 대고 음성만으로 조작하는 방식 | 운전 중 음성 명령 |