ChatGPT 커넥터가 여러분의 결정을 기억하지 못하는 이유 (2026)

동기화는 출처를 인덱싱하며, 여러분의 결정은 출처가 아닙니다

작동 메커니즘은 문서 인덱싱입니다. OpenAI의 문서는 "파일의 일회성 초기 동기화" 이후 "파일 및 권한이 자주 업데이트되며 일반적으로 변경 사항이 빠르게 반영된다"고 설명합니다. 이는 동기화 시작(Sync Initiation), 그 다음 "가장 최근 데이터가 검색 가능해지는" 부분 동기화(Partial Sync, 대략 지난 30일 동안의 데이터이지만 문서에서는 "다를 수 있음"이라고 명시), 그리고 전체 동기화(Complete Sync)의 세 단계를 거칩니다. 조직 규모에 따라 전체 동기화에는 "최대 며칠이 걸릴 수 있습니다."

이 모든 단계는 파일 단위로 작동합니다. 이는 "Q3 계획에 무엇이 들어 있는가?"라는 질문에는 완벽하게 들어맞지만, "Q3 계획 대신 무엇을 하기로 합의했는가?"라는 질문에는 구조적으로 아무런 쓸모가 없습니다. 두 번째 질문의 답은 누군가의 머릿속, 메신저 스레드, 혹은 ChatGPT 대화 속에 존재하며, 이 중 어느 것도 인덱스에 포함되어 있지 않습니다. 커넥터는 ChatGPT와 문서 저장소 간의 격차를 좁혀줍니다. 하지만 문서 저장소와 팀이 실제로 내린 결론 사이의 격차에 대해서는 아무것도 하지 못합니다.

검색(Retrieval)은 질문에 국한되며, 사용자의 이력에 국한되지 않습니다

인덱싱된 자료라 할지라도 모델에 전달되는 것은 엄선된 일부에 불과합니다. OpenAI는 이를 직접적으로 명시하고 있습니다. "쿼리 의도에 따라 가장 관련성이 높은 데이터가 모델로 전송되므로, 수많은 출처의 집계가 필요하거나 재무 데이터 집계와 같이 매우 복잡한 쿼리가 필요한 시나리오에서는 성능이 제한됩니다."

이것은 솔직한 문서화이며, 사람들이 간과하는 결과를 초래합니다. 검색은 질문당 한 번씩 이루어집니다. 누적되지 않습니다. 월요일에 요금제 결정에 대해 물어보면 세 개의 문서를 가져옵니다. 목요일에 다시 물어보면, 월요일에 이미 그 문서들을 읽고 불완전하다고 결론지었다는 사실은 전혀 모른 채 새로 선택된 동일한 세 개의 문서를 가져옵니다. 검색에 대한 기억은 없고 오직 새로운 검색만 있을 뿐입니다. 이는 RAG가 메모리가 아닌 이유에서 다룬 차이점과 같습니다.

결정의 기록은 채팅에 남으며, 채팅을 삭제하면 기록도 삭제됩니다

이 부분이 사람들을 가장 놀라게 하는 부분이며, 데이터 제어 섹션에 명시되어 있습니다. "대화를 삭제하면 해당 대화에 보관된 동기화된 앱 데이터가 모두 삭제됩니다." 그리고 연결을 해제해도 과거의 일이 되돌려지지는 않습니다. "연결을 해제하면 향후 동기화 및 해당 앱에 대한 액세스가 중단되지만, 이미 해당 데이터를 사용한 기존 대화는 삭제되지 않습니다." 계정에서 연결된 데이터를 제거하는 문서화된 방법은 "데이터가 사용된 대화 및 관련 저장된 메모리를 삭제하는 것"입니다.

이를 개인정보 보호 성명이 아닌 아키텍처 관점의 설명으로 읽으면 그림이 더 명확해집니다. 대화는 검색된 자료와 이에 대한 여러분의 추론이 함께 머무르는 공간입니다. 이로 인해 채팅은 사실상 결정의 기록이 됩니다. 그리고 채팅은 삭제의 단위이기도 하며, 사이드바가 지저분해질 때 정리하는 대상입니다. 전체 워크플로우에서 가장 가치 있는 결과물이 제품에서 가장 쉽게 버려지는 컨테이너에 저장되는 셈입니다.

Memory 기능이 이를 부분적으로 보완하며, 문서에서는 그 방식을 정확히 설명합니다. "Memory가 활성화되어 있으면 ChatGPT는 연결된 앱을 포함하여 액세스한 관련 정보를 저장하고 사용하여 사용자와 상호 작용하고 더 관련성 있고 유용한 응답을 제공할 수 있습니다." 이 문장의 형태에 주목하세요. 저장할 수 있습니다(May). 관련 정보. 이는 결정 로그가 아니라 제 역할을 하는 개인화 메커니즘입니다. 또한 이는 녹취록이 아니라 종합(synthesis)에 가깝기 때문에, 특정 결론을 찾으려는 사람들이 종종 찾지 못하는 이유가 바로 여기에 있습니다. 이미 이 문제를 겪으셨다면, ChatGPT 메모리가 작동하지 않을 때 대처법에서 진단 방법을 확인해 보세요.

권한은 개인별로 적용되므로, 공유된 답변이 존재하지 않습니다

커넥터는 액세스 제어를 철저히 준수합니다. "기존 권한은 완전히 존중되며 정기적으로 최신 상태로 유지됩니다." 또한 앱은 "사용자가 각 사이트에서 이미 액세스할 수 있는 콘텐츠만 ChatGPT를 통해 검색할 수 있도록 설계되었습니다." 문서는 이에 따른 결과를 가감 없이 밝힙니다. "Business 및 Enterprise/Edu 플랜의 경우, 이는 각 직원이 동일한 프롬프트에 대해 서로 다른 응답을 받을 수 있음을 의미합니다."

이는 올바른 보안 설계이며 저 역시 다른 방식을 원치 않습니다. 하지만 이는 커넥터 기반의 답변이 본질적으로 개인적이라는 것을 의미합니다. 동일한 팀의 두 사람이 동일한 질문을 던지고 동일한 연결된 출처를 기반으로 작업하더라도 서로 다른 답변을 얻을 수 있으며, 두 사람 모두 팀이 결정한 사항에 대한 공유된 기록을 보고 있는 것이 아닙니다. 커넥터가 무엇이든 간에 공유된 두뇌는 될 수 없습니다. 검색 영역이 구성원마다 다르기 때문입니다.

사용 가능 여부에 대해서도 알아둘 가치가 있습니다. 이는 누가 이 문제를 겪게 되는지를 결정하기 때문입니다. 문서에 따르면 동기화 기능이 있는 앱은 "일부 유료 플랜에서만 사용할 수 있으며", "Enterprise Key Management(EKM)가 활성화된 Enterprise 및 Edu 워크스페이스에서 사용할 수 있습니다." 그리고 최근 패키징이 변경되었습니다. 2026년 7월 9일부로 OpenAI는 앱 디렉토리를 플러그인 디렉토리로 마이그레이션했습니다. 여기서 "앱은 ChatGPT 또는 Codex를 외부 데이터 및 작업에 연결하는 통합 기능으로 유지되는 반면, 플러그인은 ChatGPT에서 워크플로우를 더 쉽게 활성화할 수 있도록 합니다."

모든 것을 Drive 문서에 넣기. 본능은 맞습니다. 결정을 문서로 만들어 인덱스가 찾을 수 있게 하는 것입니다. 하지만 실제로는 2주 안에 이 규칙이 무너집니다. 결정 문서를 작성하는 것은 결정을 내리는 것과는 별개의 작업이며, 동기화 지연으로 인해 오늘 아침에 작성한 문서를 오늘 오후에 필요할 때 검색하지 못할 수 있기 때문입니다.

중요한 채팅 고정하기. 사이드바에서 쉽게 찾을 수 있게 해줍니다. 하지만 새로운 대화에서 그 내용을 검색할 수 있게 해주지는 않으며, 팀원들에게 도움이 되지도 않고, 기록을 삭제 단위 내에 그대로 방치하게 됩니다.

모든 프롬프트에 컨텍스트 복사해서 붙여넣기. 작동하며, 실제로 대부분의 사람들이 조용히 취하는 방법입니다. 하지만 이는 영구적인 지식이 클립보드와 개인의 습관에 머무르게 됨을 의미하며, 메시지를 보낼 때마다 컨텍스트를 소모하고, 모바일을 사용하거나 동료가 물어보는 순간 그 지식은 존재하지 않게 됩니다.

더 많은 앱 연결하기. 출처가 많아진다는 것은 존재하는 문서의 커버리지가 넓어진다는 뜻입니다. 하지만 애초에 문서로 존재한 적이 없는 종류의 지식에는 아무런 도움이 되지 않습니다. 다섯 번째 커넥터를 추가한다고 해서 ChatGPT가 지난 3월에 큐(queue) 기반 설계를 배제했다는 사실을 기억하는 데 도움이 되지는 않습니다.

Memory가 알아서 잡아내기를 기대하기. Memory는 연결된 앱의 자료를 포함하여 이러한 내용 중 일부를 흡수합니다. 하지만 이는 개인화를 위해 구축된 종합 정보이며, 개인 계정에 종속되어 있고, 결정 로그처럼 찾아볼 수 없습니다. 그 한계는 ChatGPT Memory의 한계에서 다루고 있습니다.

Project 사용하기. 더 근접한 방법입니다. Project는 공유 파일과 공유 지침을 제공합니다. 하지만 프로젝트 메모리는 양방향 모두에 자체적인 장벽을 가지고 있으며, 이는 ChatGPT Project가 메모리를 공유하지 않는 이유에서 다루는 다른 문제입니다.

위의 모든 패턴에서 나타나는 공통점은 사람들이 소스 검색 도구로 파생 지식 문제를 해결하려고 계속 시도한다는 점입니다. 커넥터는 회사가 작성한 문서를 인덱싱합니다. 여러분에게 필요한 것은 회사가 알아낸 것(결정 사항, 제약 조건, 시도했다가 거부한 것들)을 위한 공간입니다. 이는 연결된 어떤 시스템의 문서도 아니며, 삭제될 수 있는 채팅 속에 묻혀 있지도 않습니다.

이것이 바로 MemoryLake가 하는 일입니다. 어시스턴트가 읽을 수 있는 메모리 레이어로, 출처가 아닌 결론을 보관합니다. 커넥터는 자신이 잘하는 일(프레젠테이션 덱 찾기)을 계속하고, 메모리 레이어는 어떤 덱이 최신인지, 왜 다른 덱이 폐기되었는지를 설명하는 문장을 보관합니다. 설정은 세 단계로 이루어집니다.

1단계: API 키 생성

MemoryLake에 로그인하고 API 키를 생성합니다. 이 키는 도구가 메모리를 읽고 쓰는 데 사용하는 자격 증명이며, 특정 어시스턴트에 종속되지 않고 독립적으로 작동합니다. 동일한 메모리가 내년에 여러분이 사용할 도구에도 그대로 제공됩니다.

2단계: 첫 번째 메모리 업로드

문서가 아니라 결정 사항부터 시작하세요. 연결된 앱에는 이미 문서가 있습니다. 그 앱들에 없는 것은 그 위의 레이어입니다. 무엇이 결정되었는지, 무엇이 거부되었고 그 이유는 무엇인지, 타협할 수 없는 제약 조건은 무엇인지, 상충하는 두 문서 중 어느 것이 권위가 있는지 등입니다. 항목은 짧게 유지하세요. 항목당 하나의 결론만 명확하게 작성하여, 동료가 추가 질문 없이도 바로 실행할 수 있도록 하세요. 거부된 옵션을 기록한 항목은 여러분이 작성할 가장 가치 있는 항목이 될 것입니다. 거부된 옵션은 새로운 어시스턴트가 매번 다시 제안할 가능성이 가장 높은 내용이기 때문입니다.

3단계: AI 및 에이전트 연결

실제로 사용하는 도구를 연결하세요. MemoryLake는 MCP 및 API를 통해 액세스할 수 있으므로, Claude Code, Codex, OpenClaw를 포함한 MCP 네이티브 에이전트는 MCP 서버를 가리켜 연결하고, 다른 어시스턴트는 API를 통해 동일한 메모리를 읽습니다. 핵심은 결정 레이어가 도구별, 개인별로 분리되지 않는다는 점입니다. "요금제 등급에 대해 무엇을 결정했는가"에 대한 동일한 답변을 어디서 질문하든 얻을 수 있습니다.

홍보보다 공정함이 중요하므로 세 가지 솔직한 한계를 밝힙니다. MemoryLake는 엔터프라이즈 커넥터가 아닙니다. Drive를 인덱싱하지 않고, 파일 ACL을 상속하지 않으며, 동기화 기능이 있는 앱을 대체하지 않습니다. 만약 코퍼스 전체에 대해 권한 범위가 지정된 검색이 필요하다면, 그것이 바로 커넥터의 용도이므로 커넥터를 계속 사용해야 합니다. 또한 사용자가 직접 또는 에이전트가 입력한 내용만 보관하며, 회의를 모니터링하지 않습니다. 그리고 강제 적용 레이어가 아닙니다. 이는 어시스턴트가 알고 있는 지식일 뿐, 어시스턴트가 어길 수 없는 규칙이 아닙니다.

"우리가 무엇을 결정했지?"에 대한 답을 얻을 수 있습니다. 동일한 출처에 대해 더 나은 검색을 수행해서가 아니라, 마침내 그 답이 언급조차 되지 않는 세 개의 문서를 통해 추론해야 하는 대상이 아니라 검색 가능한 명확한 진술로 존재하기 때문입니다.

채팅 정리가 더 이상 위험하지 않습니다. 대화가 결론의 유일한 기록이 아닐 때, 오래된 채팅을 삭제하는 것은 데이터 손실이 아니라 단순한 정리 정돈이 됩니다. 대화를 삭제하면 그 안에 보관된 동기화된 앱 데이터도 함께 삭제된다는 점을 고려하면, 이는 생각보다 훨씬 가치 있는 일입니다.

사람마다 답변이 달라지지 않습니다. 권한 범위가 지정된 검색으로 인해 동료들이 서로 다른 출처를 보게 되는 것은 당연합니다. 하지만 공유된 결정 레이어가 있다면 적어도 결론은 공유하게 됩니다. 따라서 의견 불일치는 누가 어떤 폴더에 액세스할 수 있었는지가 아니라 본질적인 내용에 관한 것이 됩니다.

집계 질문의 한계가 극복됩니다. OpenAI는 여러 출처에 걸친 집계가 필요한 쿼리가 동기화 기반 검색의 약점이라고 솔직하게 밝히고 있습니다. 이러한 질문 중 상당수는 실제 집계 질문이 아니라, 누군가 이미 한 번 해결해 놓은 답을 구하는 질문입니다. 해결된 답을 기록해 두면 이러한 약점을 완전히 우회할 수 있습니다.

온보딩 기간이 단축됩니다. 신규 입사자가 유용하게 일하기 위해 5년 치 문서에 액세스할 필요가 없습니다. 상황이 왜 이렇게 되었는지를 설명하는 20개의 문장만 있으면 되며, 이는 정확히 커넥터에 저장할 공간이 없는 콘텐츠입니다.

출처와 결론을 서로 다른 곳에 보관하세요. 출처는 커넥터에, 결론은 메모리 레이어에 보관하세요. 어느 한쪽에 다른 쪽의 역할을 맡기려고 할 때 좌절감이 생깁니다.

결정이 내려지는 즉시 기록하세요. 문서가 아니라 한 문장으로 작성하세요. "사용자당 요금제는 도입하지 않음. 소규모 팀의 이탈 위험이 걸림돌이었음." 10초면 충분하며, 이 기록은 채팅보다 오래 살아남습니다.

거부된 사항은 이유와 함께 기록하세요. 이유가 가장 중요한 부분입니다. 이유가 없으면 거부된 아이디어가 다시 제안되고, 여러분은 이전에 이 과정을 거쳤다는 사실을 전혀 모르는 어시스턴트와 다시 논쟁을 벌이게 됩니다.

출처를 알고 있을 때는 `@` 언급을 사용하세요. 문서에서는 @ 언급이나 도구 메뉴를 통해 ChatGPT에 특정 앱을 검색하도록 명시적으로 요청하고, 내부 검색을 원치 않을 때는 "내부 검색 안 함"과 같은 프롬프트를 포함하라고 설명합니다. 명시적으로 지정하는 것이 라우터가 잘 추측하기를 바라는 것보다 낫습니다.

새로운 자료의 동기화 지연을 예상하세요. 초기 인덱싱은 최대 며칠이 걸릴 수 있으며, 부분 동기화는 대략 최근 30일의 데이터를 먼저 처리합니다. 한 시간 전에 만든 문서는 아직 검색되지 않을 수 있으며, 이는 오류가 아니라 문서에 명시된 정상적인 동작입니다.

수치 집계에 커넥터를 의존하지 마세요. OpenAI는 재무 데이터 집계를 약점으로 꼽았습니다. 수치는 이를 위해 구축된 도구로 추출하고, ChatGPT는 그 수치에 대한 추론을 위해 사용하세요.

Memory는 계정별로 적용된다는 점을 기억하세요. 개인 계정에 종속되어 사용자 간에 이전할 수 없으므로, 팀이 공유해야 하는 내용은 그곳에만 머물러서는 안 됩니다.

연결된 앱은 구체적이고 가치 있는 역할을 수행합니다. 권한을 유지한 채 여러분이 이미 질문을 던지고 있는 공간에서 회사의 문서에 접근할 수 있도록 해줍니다. OpenAI의 문서는 이 역할의 한계에 대해 솔직하게 밝히고 있습니다. Q&A 및 검색에 가장 적합하고, 질문당 가장 관련성 높은 데이터를 선택하며, 집계에는 약하고, 권한에 따라 개인화된다는 점입니다.

격차는 구현의 문제가 아닙니다. 결정은 애초에 문서가 아니었다는 점에 있습니다. 결론이 출처 외부, 결론을 담고 있는 채팅 외부, 그리고 여러분이 사용하는 어시스턴트가 접근할 수 있는 자체적인 공간을 갖기 전까지는, 답이 들어 있지 않은 세 개의 파일을 계속해서 훌륭하게 검색해 올 것입니다. 한 곳이 아니라 여러 어시스턴트에서 동일한 결론을 사용하고 싶다면, ChatGPT, Claude, Gemini를 아우르는 하나의 메모리에서 그 형태를 다루고 있으며, ChatGPT가 업로드된 파일을 잊어버리는 이유에서는 단일 업로드에서 시작되는 이 문제의 변형을 다룹니다.