OpenAI와 Ironclad, 기업 계약 업무를 위한 컴퓨터 조작 에이전트 훈련

2026년 10월 6일, OpenAI와 계약 관리 기업 Ironclad는 기업용 소프트웨어 환경에서 복잡한 업무를 수행할 수 있는 컴퓨터 조작 에이전트에 대한 공동 연구를 공식적으로 공개했습니다. 양사는 법무, 상무, 조달이라는 세 가지 주요 영역에 걸쳐 총 11개의 과제를 설계했으며, 이 과제들은 에이전트가 단순히 사용자의 클릭을 모방하는 수준을 넘어 최종 워크플로우가 사전에 정의된 요구사항을 충족하는지를 평가하는 메커니즘을 제공하도록 구성되었습니다. Ironclad는 실습용 환경을 제공하고, OpenAI는 합성 과제와 강화 학습 기법을 활용해 에이전트를 훈련시켰습니다. 이 연구는 기업이 디지털 워크플로우 자동화를 추진하는 과정에서 AI가 실제 업무 수준의 조작을 정확히 수행할 수 있는지를 검증하는 최초의 대규모 시도라고 평가됩니다. 연구 결과는 업계 표준 벤치마크로 공개될 예정이며, 다른 기업들의 AI 개발에도 영향을 미칠 것으로 기대됩니다.

연구 배경

기업의 법무 부서와 조달 팀은 계약서 작성, 승인 흐름 관리, 관할 지역별 조항 조정 등과 같이 수작업이 많이 요구되는 업무에 매일 직면하고 있습니다. 이러한 프로세스는 인간 오류와 절차 지연을 초래하여 비즈니스 속도를 저해하는 주요 요인으로 작용합니다. AI가 화면상의 클릭이나 입력을 정확히 재현할 뿐만 아니라 문서 내용 해석과 조항 맞춤화를 자동화할 수 있다면 작업 시간의 대폭적인 단축과 품질 향상이 기대됩니다. OpenAI와 Ironclad는 이러한 문제를 해결하기 위해 실무 수준의 컴퓨터 조작 에이전트를 훈련시키는 목표를 설정했습니다.

작업 설계

본 연구에서는 법무, 상무, 조달 각 영역에 대응하는 11개의 과제를 제작했습니다. 각 과제는 8개에서 50개의 기준을 설정했으며, 단순히 클릭을 완료하는 것만으로는 충분하지 않고 최종 워크플로우가 사전에 정의된 요구사항을 충족하는지를 판단하도록 설계되었습니다. 예를 들어 비밀 유지 계약을 작성할 때는 기밀 정보 정의, 서명 권한, 보관 기간 등이 기준에 포함되고, 조달 승인 프로세스에서는 예산 상한, 공급업체 평가, 승인 단계 완료 여부가 평가 대상이 됩니다. 관할 지역별 조항 변경 과제에서는 해당 지역의 법적 요구사항, 현지화된 조항 문구, 컴플라이언스 체크가 기준으로 설정되었습니다.

• 비밀 유지 계약 작성
• 조달 승인 프로세스 실행
• 관할 지역별 조항 변경

평가 방법 및 결과

에이전트의 성능은 대표적인 합성 과제와 강화 학습 기반 평가를 통해 측정되었습니다. 보도에 따르면 GPT‑6 Astra는 평균 55.0%의 성공률을 기록했으며, 작업 완료에 소요되는 추정 시간은 37.0분에서 19.2분으로 절반 가까이 단축되었습니다. GPT‑5.6 Sol은 41.6%의 성공률을 보였고, 이 역시 시간 단축 효과가 관찰되었습니다. 내부에서 개발 중인 모델은 63.7%의 성공률을 나타내어 공개 모델보다 높은 성과를 보였습니다. 이러한 수치는 에이전트가 여러 번의 클릭과 조건 판단을 결합한 복잡한 워크플로우를 실행할 수 있음을 보여줍니다.

내부 모델이 63.7%의 성공률을 달성한 것은 특히 법무 조항 맞춤화와 조달 승인 다단계 프로세스에서 높은 효율성을 나타냈기 때문입니다. GPT‑6 Astra의 55.0%는 범용 모델로서는 최고 수준으로 평가되며, 실무 환경에서 적용 가능성을 시사했습니다. 반면 GPT‑5.6 Sol의 41.6%는 작업 난이도와 조건 복잡성에 따라 성과가 변동될 수 있음을 보여주었습니다. 이 결과는 모델 아키텍처와 강화 학습 보상 설계가 성공률에 직접적인 영향을 미친다는 점을 명확히 밝혀냈습니다.

하지만 11개 과제 중 55%는 완전 자동화가 불가능하다고 판단되어 제한된 환경에서만 연구 가치가 있는 것으로 남았습니다. 실제 기업 현장에 도입하려면 권한 관리, 감사 로그, 오설정 검증 등과 같은 거버넌스 기능이 필수적으로 요구됩니다. 에이전트가 수행하는 모든 조작은 시스템 접근 권한 제한과 변경 이력 기록을 전제로 하며, 잘못된 조항 변경이나 부적절한 승인 발생 시 위험을 최소화하기 위한 추가적인 보안 조치가 필요합니다. 따라서 연구 성과를 그대로 프로덕션 환경에 적용하려면 추가적인 보안 평가와 사용자 교육이 반드시 수반되어야 합니다.

이 연구가 보여주는 구체적인 영향으로는 계약서 초안 작성 시간 단축, 조달 승인 흐름 자동화를 통한 비용 절감, 관할 지역별 조항의 동적 생성으로 인한 컴플라이언스 위험 감소 등이 있습니다. 기업은 Ironclad가 제공하는 실습용 환경을 활용해 내부 워크플로우에 맞는 맞춤형 과제를 만들고, OpenAI의 에이전트를 테스트할 수 있습니다. 성공률이 높은 과제에 대해서는 단계적으로 프로덕션 환경으로 전환하고, 인간이 루프에 있는 상태에서 모니터링을 진행하며 운영을 시작할 수 있습니다. 이를 통해 법무 부서는 고급 분석 작업에 집중하고, 조달 팀은 승인 사이클을 절반 수준으로 단축할 수 있을 것으로 기대됩니다.

전반적으로 OpenAI와 Ironclad의 공동 연구는 기업용 컴퓨터 조작 에이전트의 실용화에 중요한 첫걸음을 제시했습니다. 현재 양사는 연구 결과를 바탕으로 구현 가이드라인과 보안 프레임워크를 정비하고 파트너십을 확대할 계획을 발표했습니다. 이를 통해 기업은 AI 주도의 계약 관리와 조달 프로세스 디지털 전환을 가속화하고, 업무 효율성과 컴플라이언스 양립을 실현할 수 있는 환경을 마련하게 될 것으로 기대됩니다.