OpenAI, 실무 특화 'GPT-5.2' 발표: 엑셀·코딩 강화하고 환각 30% 축소

시험 점수는 만점인데 실제 엑셀 작업이나 소스코드 리팩터링을 시키면 엉뚱한 실수를 연발하던 대형 언어 모델의 한계를 극복하기 위해 OpenAI가 새 카드를 꺼냈습니다.

OpenAI는 12월 11일 전문 지식 작업에 특화된 신규 모델 시리즈 GPT-5.2를 공개했습니다. 라인업은 Instant, Thinking, Pro 세 가지로 구성되며, 개발자용 API는 즉시 공개되었고 ChatGPT 유료 구독자에게도 순차 배포가 시작되었습니다.

이번 업데이트의 핵심은 단순 대화가 아니라 실제 기업 현장의 복잡한 지식 노동입니다. 투자은행의 재무 모델링부터 다국어 프로덕션 코드 디버깅, 수십만 토큰 분량의 문서 분석까지 실제 직무를 끝까지 수행하는 데 초점을 맞췄습니다.

엑셀 모델링부터 프론트엔드 코드까지

44개 직종의 업무 역량을 평가하는 GDPval 벤치마크에서 GPT-5.2 Thinking은 인간 전문가와의 비교 평가 중 70.9%에서 동급 이상의 결과물을 냈습니다. 작업 속도는 인간 대비 11배 이상 빠르고 비용은 1% 미만으로 추산되었습니다.

주니어 투자은행 애널리스트 수준의 재무제표 3표 연동 모델 및 LBO 모델 구축 테스트에서는 평균 점수가 기존 GPT-5.1의 59.1%에서 68.4%로 상승했습니다.

소프트웨어 개발 성능도 큰 폭으로 개선되었습니다. 현장 엔지니어링 벤치마크인 SWE-bench Verified에서 80%를 기록했고, 오염 방지 설계를 거친 4개 언어 대상의 SWE-Bench Pro에서도 55.6%를 달성했습니다. 3D 요소가 들어간 복잡한 웹 UI 개발에서도 초기 테스터들의 호평을 받았습니다.

실제 질의 기반 평가에서 환각 오류 발생률은 GPT-5.1 Thinking 대비 약 30% 감소했습니다. 또한 256k 토큰 범위에서 여러 개의 특정 정보를 찾는 장문 검색 정확도 역시 100%에 근접했습니다.

시각적 UI 파악과 멀티스텝 에이전트

멀티모달 분야에서는 차트 추론 및 소프트웨어 인터페이스 이해 시 오류율을 절반 수준으로 줄였습니다. 메인보드 사진에서 부품의 위치를 파악하고 바운딩 박스를 지정하는 공간 인식 능력도 눈에 띄게 정교해졌습니다.

도구 호출 벤치마크인 Tau2-bench Telecom에서는 98.7%를 기록했습니다. 항공편 지연으로 인한 환승 실패, 숙박 배정, 휠체어 좌석 요청, 보상금 청구가 얽힌 복합 고객지원 업무를 중간 단계 누락 없이 원스톱으로 처리하는 수준입니다.

연구 및 수학 능력도 올라섰습니다. 대학원 수준의 GPQA Diamond에서 Pro 모델이 93.2%를 기록했고, ARC-AGI-1 Verified에서는 최초로 90%를 돌파했습니다. 고난도 수학 평가인 FrontierMath에서도 40.3%의 문제를 해결했습니다.

왜 중요한가

우리는 GPT-5.2가 AI의 경쟁 축을 단순 벤치마크 점수 자랑에서 실제 사무직 업무의 직접 대행으로 완전히 옮겨놓았다고 봅니다.

금융 애널리스트, 데이터 분석가, 풀스택 개발자라면 지금 즉시 테스트해볼 가치가 충분합니다. 단순 개요 작성이 아니라 수식이 온전히 들어간 엑셀과 슬라이드, 프로덕션급 코드를 직접 뽑아내기 때문에 업무 시간 절감 효과가 실질적입니다.

다만 명확한 한계도 존재합니다. 복잡한 표나 슬라이드 생성에는 몇 분 이상의 긴 대기 시간이 걸리며, 전문 평가단이 지적했듯 결과물에 미세한 계산 오류가 여전히 섞일 수 있어 인간의 최종 검토는 필수적입니다.

업계 관점에서는 버티컬 SaaS 기업들의 입지가 한층 더 좁아졌습니다. Notion, Box, JetBrains 등이 서둘러 연동을 발표한 것처럼, 모델 자체가 256k 장문 처리와 멀티 에이전트 도구 호출을 능숙하게 해내면서 단순 프롬프트 기반 래퍼 서비스는 독자적인 데이터 없이는 살아남기 힘들어졌습니다.