AI 뉴스레터 - 2026-01-27 (화)

구글의 에이전트형 AI 전략이란 무엇인가? (구글 클라우드 CTO가 설명)

구글의 에이전트형 AI 전략이란 무엇인가? (구글 클라우드 CTO가 설명)

CXOTalk · 조회수 72,243

📺 영상 보기

---

우리 회사 방식에 맞춘 일하는 AI

팀마다 일하는 방식이 다르잖아요. 구글은 그 차이를 그대로 배워서 처리하는 일하는 AI를 만들고 있어요. 문서를 읽고 규칙을 배우고 다른 시스템을 오가며 일을 끝까지 밀어주는 에이전트를 회사 안에 깔자는 얘기예요.

📺 영상 보기 | CXOTalk | 조회수 72,243

---

서비스 개요

Gemini Enterprise 에이전트 스택이라는 플랫폼이에요. 회사 데이터와 업무 절차를 연결해 단일 에이전트부터 여러 에이전트가 함께 움직이는 복잡한 업무까지 자동으로 처리하게 해요.

일반 챗봇은 답변만 해요. 이 스택은 ServiceNow, Oracle, Salesforce, Jira, Confluence, BigQuery 같은 회사 시스템에 바로 붙고, 음성과 영상까지 받아서 문제 원인을 찾고 티켓을 만들고 승인도 요청해요. 예를 들어 영국 통신사는 고객이 휴대폰으로 장비를 보여주면 영상 분석 에이전트와 상담 에이전트가 함께 움직여 원격으로 고쳐줘요.

---

시장 맥락: 왜 어려운 문제인가

회사 일은 문서만 있다고 돌아가지 않아요. 암묵적인 판단 규칙과 사람마다 다른 해석이 섞여 있어요. 게다가 보안과 규제가 강해 외부 AI가 데이터에 바로 손댈 수 없어요. 그래서 답변형 챗봇은 현장에 들어가면 바로 막히고, 실제 가치를 내려면 시스템 연결과 평가, 권한, 책임까지 다 설계해야 해요.

기존 플레이어들의 실패 원인:

이 스택의 차별점은 현장 절차를 먼저 목록화하고, 평가와 가드레일부터 박아놓고, 그 위에 멀티모달과 다중 에이전트를 얹는 순서예요. 답부터 뽑는 대신 과정과 기준을 먼저 고정하는 접근이에요.

---

Gemini Enterprise 에이전트 스택의 차별화 전략

고가치 업무부터 평가 기준을 박고 시작하는 전략

왜냐면 회사 일은 정답보다 책임이 중요해요. 기준과 책임을 먼저 정의하면 사용 범위를 키워도 사고가 줄어요. 대신 초기 도입은 조금 귀찮고 느릴 수 있지만, 한 번 자리 잡으면 고난도 업무까지 확장돼요.

사용자 관점에서 실제 경험이 어떻게 다른지:

• 업무 문서와 규칙 연결이 먼저다 - SOP와 정책을 불러와 에이전트에게 규칙을 먼저 가르쳐요
• 여러 에이전트의 분업 - 검색, 판단, 실행을 다른 에이전트가 나눠 맡고 오케스트레이터가 조율해요
• 품질과 승인 자동화 - 에이전트가 스스로 결과를 검사하고 기준 미달이면 재작업하고, 기준 충족 시에만 승인 요청을 올려요

---

성장 엔진 분석

기술 구현

핵심은 멀티모달 모델과 다중 에이전트 엔진, 그리고 데이터 연결과 거버넌스예요. Gemini 2.5 Pro와 Flash가 텍스트, 음성, 영상 입력을 받아 이해하고, 오케스트레이터가 ServiceNow, Oracle, Salesforce 같은 시스템과 API로 상호작용해요. 생성과 실행 모든 단계에서 텔레메트리를 남겨 BigQuery로 모으고, 평가 루프로 지속 개선해요.

• 데이터 수집: 문서 관리 시스템, 위키, 티켓, ERP, 데이터 웨어하우스에서 커넥터로 끌어오고, 검색을 위해 색인화
• 핵심 기술: 멀티모달 추론, 도구 사용, 다중 에이전트 오케스트레이션, 평가와 판정 에이전트, IAM 기반 권한 통제와 안전 실행
• 기술적 해자: 구글 클라우드와 워크스페이스 전반에 내장된 보안과 권한, 대형 커넥터 생태계, BigQuery와 로그 일체화, 대규모 운영사례에서 오는 평가 템플릿과 모범사례

마케팅 퍼널

성장 전략 요약

의도적으로 초반에 귀찮은 질문을 다 묻는 고마찰 전략이에요. 끝까지 입력해 도입을 마친 조직은 높은 가치를 얻고, 그 성과가 내부에서 다른 팀으로 전파돼요. 데이터 커넥터, 권한 정책, 평가 템플릿이 락인을 만들고, 조직 내부에서는 강한 확산 효과가 생겨요.

---

핵심 인사이트: 판단을 문서로 만드는 순간, 확장이 열린다

다중 에이전트의 진짜 힘은 모델 성능보다 평가와 판단 체계를 코드로 고정하는 데서 나와요. 예를 들어 가구 AR 배치처럼 보기에는 쉬워도 물리 규칙, 재고 일치, 브랜드 정책 같은 판단 기준이 겹겹이 있어요. 이 기준을 단계별 평가로 쪼개고 도구화하면, 에이전트가 스스로 품질을 재고 다음 단계로 넘어갈 수 있어요. 회사마다 다른 암묵 규칙도 문서와 테스트로 승화해야 대규모 배포가 가능해요.

왜 중요하냐면요. 판단을 문서화하면 책임과 리스크가 관리되고, 사람 승인 부담이 줄어 자동화 속도가 붙어요. 텔레메트리와 결합하면 비용 대비 성과가 숫자로 나오니 경영진 설득도 쉬워져요.

이 원칙은 고객지원, 재무, 제조 검사처럼 규칙이 많은 모든 분야에 바로 적용돼요. 먼저 기준을 쓰고, 그 다음 모델을 붙이세요.

---

비즈니스 기회: 에이전트 평가와 관제 SaaS

왜 이 기회인가요?

모델은 많지만 현장에 맞춘 평가와 관제가 없어서 파일럿이 운영에 못 들어가요. 구글도 강조했듯 에이전트는 엄청난 행동 로그를 남기는데, 이걸 모아 품질을 올리고 비용을 줄일 도구가 부족해요. 평가와 관제가 표준화되면 에이전트 확산 속도가 확 달라져요.

시장 규모 가늠: 구글 클라우드와 워크스페이스를 쓰는 중대형 기업 수만 곳 가운데 5퍼센트만 도입해도 수천 개 조직이 대상이에요. 조직당 수십에서 수천 에이전트가 운영될 수 있어 연간 수억 달러 규모로 성장 여지가 있어요.

제품 컨셉

"AlignOps" - 다중 에이전트 평가와 관제 플랫폼

1. 텔레메트리 수집기: Gemini API와 에이전트 실행 로그를 자동 수집해 BigQuery로 적재하고, 세션과 단계별 실행을 트레이스로 재구성
2. 평가 시나리오 스튜디오: 품질 기준, 테스트 데이터, 비용 한도, 안전 규칙을 정의하면 AI 판정자와 휴먼 리뷰를 섞어 다단계 평가를 실행
3. 정책 시뮬레이터: 권한과 데이터 접근, 승인 임계값을 바꿔 가상의 배포를 돌려 품질과 비용 변화를 비교. 기준 충족 시에만 점진 배포

실행 계획 2주

필요한 도구

• Google Cloud Logging와 BigQuery - 로그 수집과 저장 - 월 수십 달러부터 시작 가능
• Looker Studio - 대시보드 - 무료
• Vertex AI Evals와 Gemini API - 판정자와 테스트 실행 - 사용량 과금
• Slack 또는 이메일 서비스 - 알림 - 무료부터

수익 모델

• 구독형: 활성 에이전트 기준 월 2달러
• 컨설팅 번들: 초기 온보딩 일회성 5천 달러

예시 수익: 활성 에이전트 1천 개 조직 1곳이면 월 2천 달러. 조직 50곳이면 월 10만 달러.

주의할 점

• 구글이 유사 기능을 네이티브로 확장할 위험 → 멀티클라우드와 멀티모델 지원, 산업별 평가 템플릿으로 차별화
• 데이터 보안 우려 → 고객 VPC 내 배포 옵션 제공, 데이터는 고객 소유 저장소에만 두고 당사는 메타데이터만 처리

---

이번 주 액션

업무 하나를 골라 에이전트 기준서 1페이지 쓰기 20분

파일럿은 기준서에서 갈려요. 성공 정의, 금지사항, 승인 임계값, 예시 5건만 적어도 다음 주에 바로 만들 수 있어요.

👉 새 문서에 제목을 이렇게 시작하세요: 문제 정의 한 줄, 성공 기준 세 줄, 금지 규칙 다섯 줄, 예시 입출력 다섯 쌍, 승인 임계값 한 줄. 그런 다음 Google AI Studio에서 에이전트 생성으로 옮기면 됩니다.

피드백: newsletter@1am-ai.com

---

피드백: newsletter@1am-ai.com