GPT-5.4 Computer Use란? — 지금 왜 중요한가

GPT-5.4 Computer Use는 AI가 사용자의 컴퓨터 화면을 스크린샷으로 인식한 뒤, 마우스 클릭과 키보드 입력을 스스로 수행하는 기능입니다.
“Quicken에서 이번 달 지출 정리해줘”라고 말하면, AI가 실제로 앱을 열고 메뉴를 탐색하고 데이터를 입력한 뒤 저장까지 완료합니다.
사람이 화면을 보며 하는 모든 반복 작업을 AI에게 통째로 위임할 수 있게 된 것입니다.

이전까지 이런 기능은 Anthropic의 Claude Computer Use나 OpenAI의 별도 ‘Operator’ 제품처럼 특수 환경에서만 가능했습니다.
그런데 GPT-5.4부터는 ChatGPT Plus(월 $20)만 구독하면 추가 설치나 별도 서비스 없이 일반 대화창에서 바로 쓸 수 있습니다.
이것이 이번 업데이트의 진짜 의미입니다 — 문턱이 낮아졌다는 것이 핵심입니다.

벤치마크 수치도 설득력 있습니다. 컴퓨터 조작 능력을 평가하는 OSWorld-Verified 기준으로 GPT-5.4는 75.0%를 기록했습니다.
숫자보다 더 중요한 사실은, 이 성능이 이제 월 2만 원대 구독으로 내 업무에 그대로 투입된다는 점입니다.

▲ 목차로 돌아가기

실제로 무엇을 할 수 있나? — 5가지 자동화 시나리오

OpenAI가 공식 쇼케이스로 공개하거나 커뮤니티에서 검증된 활용 사례들을 다섯 가지로 정리했습니다.
이 중 여러분의 일상 업무와 겹치는 항목이 하나라도 있다면, 오늘부터 바로 시작할 수 있습니다.

▲ 목차로 돌아가기

Thinking 5.4 vs Pro 5.4 — 어느 플랜이 내 것인가

같은 GPT-5.4 엔진을 기반으로 하되, 추론에 투입하는 컴퓨팅 예산이 다릅니다. 쉽게 말해 같은 선수가 어느 정도 집중력을 발휘하느냐의 차이입니다.

Thinking 5.4는 Plus(월 $20·약 2만 8천원) 구독자부터 사용할 수 있으며, 일상적인 업무 자동화에는 이것으로 충분합니다.
흥미로운 사실은 44개 직종 지식업무를 평가하는 GDPval 기준에서 Thinking 5.4(83.0%)가 Pro 5.4(82.0%)보다 오히려 더 높은 점수를 받았다는 것입니다.
즉, 일반 사무·지식 업무에서는 Pro가 반드시 더 낫다고 볼 수 없습니다. 비용 대비 가치 면에서는 Thinking이 확실한 우위입니다.

Pro 5.4는 월 $200(약 28만 원) 구독자 전용으로, 추론 예산 제한이 없는 ‘xhigh’ 모드를 항상 사용합니다.
법률 문서 분석에서 BigLaw Bench 91%를 달성한 Harvey의 사례처럼, 오류 비용이 극히 높은 전문직 업무나 수십 개 소스를 철저히 검증해야 하는 리서치에서 진가를 발휘합니다.
단, Pro 5.4에서는 이미지 생성, Apps, Memory 기능이 비활성화된다는 점도 기억해두세요.

▲ 목차로 돌아가기

Computer Use 활성화 방법 — 단계별 설정 가이드

단, 컴퓨터를 직접 조작하는 ‘에이전트 모드’와 대화 중 화면을 분석하는 ‘비전 모드’는 진입 방법이 다르므로, 아래 단계를 순서대로 따라해 주세요.

ChatGPT 웹에서 시작하기 (모바일도 동일)

스티어빌리티(Steerability) 활용 팁

예를 들어 엑셀 분석을 시작한 AI가 엉뚱한 컬럼을 보고 있다고 느껴지면, 완료를 기다리지 않고 “그 컬럼 말고 D열 기준으로 바꿔줘”라고 바로 말할 수 있습니다.
긴 작업일수록 중간 수정이 훨씬 효율적이므로, 처음부터 완벽한 프롬프트를 쓰려고 시간을 낭비할 필요가 없습니다.

▲ 목차로 돌아가기

Tool Search + 100만 토큰 — 비용을 절반으로 줄이는 법

바로 Tool Search와 Context Compaction입니다.
단가가 GPT-5.2 대비 올랐지만, 이 두 가지를 제대로 활용하면 실제 청구 금액은 오히려 줄어들 수 있습니다.

Tool Search: 도구 정의 토큰을 47% 절감

기존 에이전트 개발에서 가장 큰 토큰 낭비는 모든 도구(함수·API)의 정의를 매번 프롬프트에 통째로 넣어야 한다는 점이었습니다.
MCP 서버 10개를 연결하면, 사용하지도 않을 도구 설명들이 수천 토큰을 차지했습니다.
OpenAI가 MCP Atlas 250개 태스크로 측정한 결과, 동일 정확도에서 토큰 사용량 47% 절감이 확인됐습니다.

100만 토큰 컨텍스트: 기본값이 아니다

1M 토큰은 API에서 기본으로 활성화되지 않습니다. 명시적으로 파라미터를 설정해야 하며, 272K 토큰 초과 구간부터 요금이 2배로 올라갑니다.
따라서 “긴 코드베이스 전체를 한 번에 넣겠다”는 용도에만 전략적으로 사용하고, 일반 대화·단순 자동화에는 기본 272K 컨텍스트로도 충분합니다.

# Responses API에서 1M 토큰 컨텍스트 활성화 (Python SDK v1.x)
import openai
response = openai.responses.create(
model="gpt-5.4",
reasoning={"effort": "high"},
model_context_window=1_050_000,       # 1M 옵트인
model_auto_compact_token_limit=900_000, # Compaction 트리거 임계값
input=[{
"role": "user",
"content": "전체 코드베이스를 분석하고 리팩토링 계획 세워줘"
}]
)
print(response.output[0].content[0].text)

▲ 목차로 돌아가기

실전 프롬프트 템플릿 — 복붙하면 바로 되는 명령어 5선

Computer Use의 효과는 프롬프트 품질에 크게 좌우됩니다. 아래 다섯 가지 템플릿은 “목표 + 범위 + 출력 형식”을 명확히 지정하는 구조로 설계됐습니다.
그대로 복사해서 쓰거나, 자신의 업무에 맞게 괄호 안 부분만 바꿔 사용하세요.

① 이메일 자동 처리

내 Gmail을 열어줘. 오늘 받은 메일 중 발신자가 [회사명 또는 도메인]이거나
제목에 [키워드]가 포함된 메일을 모두 찾아줘.
각 메일의 제목, 발신자, 핵심 요청 사항을 표 형태로 정리하고,
답장이 필요한 건에는 [아래 템플릿]을 기반으로 초안을 작성해줘.
초안은 내가 확인한 뒤 전송할 거니까, 발송은 하지 말고 임시저장해줘.

② 엑셀 데이터 분석 및 피벗

현재 열려 있는 Excel 파일의 [시트명] 시트를 분석해줘.
[A열: 날짜, B열: 제품명, C열: 매출액] 구조로 되어 있어.
월별 제품 카테고리별 매출 합계를 새 시트 '분석결과'에
피벗 테이블로 만들고, 상위 3개 제품을 별도로 강조 표시해줘.
데이터 범위는 2행부터 마지막 행까지야.

③ 웹 리서치 보고서

아래 3개 회사의 최근 1개월 뉴스와 공식 발표 자료를 웹에서 수집해줘:
[회사A], [회사B], [회사C]
각 회사별로: ①주요 제품·서비스 변경사항, ②파트너십·투자 소식,
③주가/매출 관련 발표를 정리하고,
마지막에 우리 회사에 미칠 시사점 2~3줄을 추가해줘.
결과는 Markdown 표 형식으로 출력해줘.

④ 코드 버그 탐지 및 수정

현재 VS Code에 열려 있는 [파일명.py]를 분석해줘.
이 코드를 실행해서 발생하는 에러를 모두 잡아줘.
수정 전 원본 코드와 수정 후 코드를 나란히 보여주고,
변경 이유를 각 줄 옆에 주석으로 달아줘.
수정된 파일은 [파일명_fixed.py]로 같은 폴더에 저장해줘.

⑤ 장시간 에이전트 워크플로우 (Pro 5.4 권장)

아래 목표를 달성하는 완전한 Python 웹 앱을 만들어줘:
[앱 설명 — 예: 사용자가 CSV를 업로드하면 자동으로 시각화 대시보드를 생성]
단계별로 진행해줘:
1단계: 요구사항 분석 및 폴더 구조 설계 → 내게 확인받기
2단계: 핵심 백엔드 로직 작성 → 실행 테스트
3단계: 프론트엔드 UI 작성 → 브라우저에서 결과 확인
4단계: 에러 수정 및 엣지 케이스 처리
5단계: README.md 작성
각 단계가 끝나면 결과를 보고하고 다음 단계 진행 여부를 물어봐줘.

▲ 목차로 돌아가기

주의사항 및 현실적 한계 — 솔직한 평가

출시 초기인 만큼 알려진 제한사항과 주의점을 솔직하게 정리했습니다.

알려진 제한사항 4가지

▲ 목차로 돌아가기