"아스트라야 포토샵 열고 원숭이를 그려줘"라는 말 한마디로 복잡한 디자인 소프트웨어가 작동하는 시대가 열렸다. 텍스트나 음성 명령을 바탕으로 소프트웨어를 조작하는 멀티모달 AI와 AI 에이전트의 결합은 창작자가 기술적 장벽 없이 오롯이 기획과 아이디어에만 집중할 수 있는 환경을 만들고 있다. 복잡한 단축키와 기능을 배우지 않고도 누구나 원하는 콘텐츠를 직관적으로 제작할 수 있는 기술적 진보를 살펴본다.

음성 한 마디로 소프트웨어를 직접 제어하는 시대

사용자가 마우스를 잡고 수많은 메뉴를 클릭하는 대신, 자연어 음성 명령 한 마디로 복잡한 소프트웨어를 직접 제어하는 시대가 현실로 다가왔다. "포토샵을 열고 그림을 그려달라"는 명령은 단순한 텍스트 출력을 넘어 실제 PC 앱을 제어하는 AI 에이전트 기술의 대표적인 적용 사례다. 멀티모달 AI가 텍스트, 음성, 이미지 등 다양한 형태의 입력을 동시에 이해하면서 사용자의 의도를 정확하게 분석해 낸다.

이러한 진화는 기존의 단순 질문답변형 챗봇 수준을 뛰어넘어 인간의 업무 방식을 그대로 모방하는 단계에 도달했다. 사용자가 직접 메뉴를 탐색하며 단축키를 누르지 않아도, AI가 시스템 내부에서 응용 프로그램을 조작하여 목적을 달성한다. '음성 명령 기반 AI 소프트웨어 제어 구조'는 이처럼 입력을 해석하고 앱의 내부 엔진과 상호작용하여 원하는 결과를 직접 만들어 내는 유기적인 연동 메커니즘을 보여준다.

GPT-6 아스트라와 멀티모달 AI의 발전으로 복잡한 디자인 소프트웨어를 자연어 명령으로 자동 조작한다.

GPT-6 아스트라의 컴퓨터 조작 및 작업 속도 향상

OpenAI가 새롭게 선보인 GPT-6 아스트라는 컴퓨터 사용 기능을 갖추고 화면을 눈으로 보듯 이해하며 마우스, 키보드, 브라우저를 스스로 직접 제어한다. 컴퓨터 조작 성능 평가지표인 'OS월드 2.0'에서 GPT-6 아스트라는 72.6%를 기록하며 압도적인 성능을 증명했다. 이는 기존 시스템들과 비교해 보았을 때 정밀도와 속도 측면에서 비약적인 발전을 이룩했음을 나타낸다.

실제 연동 성능의 향상은 창작자가 체감하는 시간 절약으로 직결된다. GPT-6 아스트라의 도입으로 작업당 평균 소요 시간은 이전 세대 모델인 GPT-5.6 솔의 75분에서 40분으로 대폭 축소되었다. 멀티모달 에이전트가 화면 요소를 정밀하게 분석하고 제어 명령을 분배하는 구조 덕분에 복잡한 창작 작업의 자동화 성공률이 극대화되었다.

GPT-6 아스트라는 OS월드 2.0 평가에서 72.6%를 기록하며 작업당 평균 소요 시간을 40분으로 단축했다.

어도비 포토샵 및 크리에이티브 에이전트의 자동화

어도비 포토샵은 자체 인공지능 엔진인 파이어플라이 이미지 3 모델을 내장하여 혁신적인 크리에이티브 작업을 지원하고 있다. 사용자는 텍스트 입력창에 생성형 채우기 명령을 내리는 것만으로도 고화질 이미지를 생성하거나 기존 이미지를 정교하게 수정할 수 있다. 더 나아가 어도비는 주요 크리에이티브 앱의 워크플로우를 단순화하는 '크리에이티브 에이전트' 기능을 퍼블릭 베타로 탑재하며 자동화의 지평을 넓혔다.

크리에이티브 에이전트를 활용하면 복잡한 수작업이 극적으로 단축된다. 사용자는 단지 자연어 설명만으로 이미지 배경을 교체하고, 인스타그램이나 유튜브 등 플랫폼 규격에 맞춰 리사이즈를 진행하며, 난잡한 레이어를 일목요연하게 정리할 수 있다. 이처럼 단순 반복적이거나 높은 숙련도가 필요했던 포토샵 내 작업 범위들이 크리에이티브 에이전트의 조력을 받아 자연어 지시 하나로 간결하게 해결된다.

포토샵은 파이어플라이 3 모델을 바탕으로 배경 교체와 레이어 정리를 텍스트 설명만으로 수행한다.

컴퓨터 사용 에이전트(CUA)의 작업 흐름

컴퓨터 사용 에이전트(CUA)는 멀티모달 LLM을 기반으로 하여 브라우저와 그래픽 소프트웨어의 UI를 직접 해석하고 클릭하며 작동하는 시스템이다. 사용자가 포괄적인 명령을 내리면, 에이전트는 이를 실현하기 위해 수행 과제를 구체적인 행동 단위로 쪼개어 단계적으로 연쇄 실행한다. 화면 내부의 픽셀 정보를 해독하고 적절한 입력 장치 좌표를 계산하는 정밀한 로직이 밑바탕이 된다.

이러한 구동 방식은 복잡한 컴퓨터 제어 태스크를 사용자 명령 수신부터 화면 및 맥락 파악, 수행 계획 수립, 소프트웨어 제어 실행까지 일련의 구동 단계로 체계화한다. 반복적인 인터페이스 적응과 마우스 조작 부담에서 벗어난 크리에이터들은 비로소 단순 오퍼레이팅 활동을 줄이고 전체 콘텐츠의 흐름과 세부 퀄리티를 조율하는 핵심 창의 작업에 더욱 집중할 수 있다.

CUA는 사용자 명령 수신부터 화면 파악, 소프트웨어 직접 조작까지 단계를 거쳐 자동화를 완수한다.

AI 에이전트 도입으로 변화할 콘텐츠 제작 환경

인공지능 에이전트의 등장은 콘텐츠 제작 환경의 패러다임을 근본적으로 뒤바꾸고 있다. 이제 크리에이터들은 전문가 수준의 편집 단축키나 화려한 툴 조작법을 오랜 시간 훈련하지 않아도 자신의 머릿속 아이디어를 고스란히 실물 콘텐츠로 시각화할 수 있다. 기술 장벽이 극도로 낮아짐에 따라 대중적인 1인 창작의 질적 성장이 가속화될 전망이다.

멀티모달 AI와 시스템 제어 기술의 통합은 창작 비용과 제작 주기를 대폭 절감시키는 가장 현실적인 방안이다. 특히 어도비의 크리에이티브 에이전트처럼 외부 AI 에이전트 플랫폼들과 연동을 지원하는 추세는 크리에이터가 플랫폼 간의 장벽을 뛰어넘어 자유로운 창작 환경을 구축하도록 돕는다. 단순 기계식 오퍼레이팅의 종말은 더 가치 있는 기획과 창의에 시간과 노력을 쏟을 수 있는 창작의 시대를 의미한다.

참고