구글, 업무용 Gemini 에이전트 발표: 장시간 연속 작업부터 클라우드 기억 및 Claude 지원까지
구글, 업무용 Gemini 에이전트 발표: 장시간 연속 작업부터 클라우드 기억 및 Claude 지원까지
GeekNews · 2026-10-11 06:27
① 노트북을 닫아도 클라우드에서 업무를 지속하며 기기와 채널이 바뀌어도 맥락을 기억합니다.
② 구글 자체 Gemini 모델뿐만 아니라 앤스로픽(Anthropic)의 Claude 등 외부 모델을 맞춤 선택해 오케스트레이션합니다.
③ 자체 이메일 주소와 저장 공간을 갖춘 '동료 에이전트' 및 임시 '하위 에이전트' 생성을 지원합니다.
④ 4가지 메모리 구조와 MCP 서버 연결, 회사의 기존 소프트웨어 및 스킬 레지스트리와 통합됩니다.
⑤ 프로젝트 지출 한도 설정과 샌드박스, 보안 게이트웨이를 통해 기업 수준의 비용과 권한을 관리합니다.
업무용 Gemini 에이전트란 무엇인가?
구글 클라우드(Google Cloud)가 자사 연례 행사에서 지능형 AI 에이전트 환경인 업무용 Gemini 에이전트를 전격 공개했습니다. 이번 발표는 단순한 AI 채팅 창을 넘어, 프롬프트 입력창 하나만으로 실질적인 지식 노동과 업무 자동화를 완결하는 통합 시스템을 제시합니다. 사용자가 일일이 세부 지시사항을 내리지 않더라도 목표와 결과를 위임하면 AI가 스스로 계획을 수립하고 적절한 도구를 활용해 완성된 업무 결과물을 가져옵니다. 예를 들어 시장 조사나 단순 코드 작성을 지시한 뒤 사용자는 다른 작업을 진행할 수 있습니다. 기업 내부 시스템 및 보안 통제 체계와 연동되므로 일상적인 대화부터 멀티미디어 생성, 코드 실행까지 동일한 인터페이스에서 한 번에 처리할 수 있습니다.
기존 생성형 AI 서비스들이 단발성 질문에 답변을 출력하거나 개별 도구 내부에서 제한적인 지원을 제공했던 것과 달리, 이번에 선보인 시스템은 사용자의 개인 워크플로와 조직 전체의 데이터 맥락을 통합하는 데 초점을 맞췄습니다. 구글 클라우드 고객의 약 80%가 이미 AI 제품을 사용하고 있으며 포춘 100대 기업의 90% 가까이가 Gemini Enterprise를 도입한 상황에서, 구글은 AI 활용 단계를 단순 실험에서 실질적인 비즈니스 운영 단계로 전환하고자 합니다. 이러한 배경 속에서 등장한 에이전트는 사용자가 웹 브라우저, 모바일 앱, 데스크톱, 그리고 명령어 라인 인터페이스(CLI, Command Line Interface, 문자로 명령을 입력하는 화면)나 작업 협업 도구 등 어떤 경로로 접속하든 단일한 맥락을 유지하도록 구성되어 있습니다.
노트북을 닫아도 작업이 계속되는 메모리 구조는 어떻게 작동하는가?
이번 발표에서 주목할 만한 기술적 특징 중 하나는 클라우드 기반의 지속적 실행 환경과 4가지로 구분된 고도화된 메모리 아키텍처입니다. 기존 AI 도구들은 웹 브라우저 창을 닫거나 컴퓨터가 절전 모드로 들어가면 진행 중이던 작업이 중단되거나 이전 대화 맥락이 단절되는 한계가 있었습니다. 하지만 업무용 Gemini 에이전트는 모든 작업 실행과 맥락 저장을 클라우드 환경에서 처리합니다. 이에 따라 몇 시간 또는 며칠이 소요되는 복잡한 프로젝트를 지시한 후 노트북을 닫더라도 백그라운드에서 작업이 멈추지 않고 계속 수행되며, 사용자가 기기를 바꿔 재접속해도 이전에 진행하던 작업 상태를 그대로 이어서 확인할 수 있습니다.
이러한 원활한 흐름을 유지하기 위해 시스템은 네 가지 종류의 기억 구조를 동시 운영합니다. 첫째, 며칠 동안 이어지는 작업일지라도 현재 진행 중인 과제의 맥락을 잃지 않는 '세션 메모리(Session Memory)'입니다. 둘째, 문서를 읽고 사람 및 다른 에이전트와 소통하며 구축하는 체계적 지식 기반인 '시맨틱 메모리(Semantic Memory, 의미 기억)'입니다. 셋째, AI가 스스로 작성하는 스킬을 포함해 특정 업무가 실제로 처리되는 절차와 방식을 저장을 담당하는 '프로시저 메모리(Procedural Memory, 절차 기억)'입니다. 마지막으로 AI가 과거에 실행했던 모든 작업 이력을 기록하는 '에피소드 메모리(Episodic Memory, 일상 기억)'가 탑재됩니다. 이러한 멀티 레이어 기억 구조 덕분에 에이전트는 신규 입사자가 조직 문화를 익히듯 사용자의 업무 방식, 사용하는 도구, 팀원과의 협업 방식을 지속적으로 학습하게 됩니다.
왜 구글 모델 외에 Anthropic의 Claude 모델까지 지원하는가?
구글은 업무용 에이전트의 구동 엔진으로 자사의 Gemini 모델 제품군에만 국한하지 않고, 앤스로픽(Anthropic)의 Claude 모델을 비롯한 다양한 외부 AI 모델을 함께 활용할 수 있는 유연성을 제공합니다. 이를 모델 선택 유연성(Model Choice Flexibility)이라고 부르며, 향후 다양한 비공개 모델 및 개방형 모델(Open Models, 모델의 구조와 가중치가 공개되어 직접 구축 및 수정이 가능한 모델)로 지원 범위를 확장할 계획입니다. 이는 에이전트라는 추상화된 실행 레이어와 그 밑에서 실제 추론을 담당하는 대규모 언어 모델(LLM) 체계를 분리했기 때문에 가능해진 구조입니다.
이러한 다중 모델 오케스트레이션 방식을 도입한 핵심 이유는 업무의 성격에 따라 최적의 성능을 내는 모델이 다르고 비용 효율성이 달라지기 때문입니다. 모든 업무에 가장 크고 강력한 최고 사양 모델을 사용할 필요는 없습니다. 단순 정보 요약이나 일반 데이터 정리는 가벼운 모델을 적용하여 토큰(token, AI가 텍스트를 처리하는 기본 단위) 소비 비용을 획기적으로 절감하고, 고도의 연산이나 정교한 글쓰기, 전문 코딩 작업에는 해당 분야에 강점을 가진 프론티어 모델을 자동으로 배정하는 방식을 취합니다. 더욱이 가장 우수한 성능을 보이는 AI 모델의 순위가 몇 달 간격으로 급변하는 기술 트렌드 속에서, 모델이 바뀌더라도 기존에 축적된 기업의 데이터, 메모리, 스킬 레지스트리를 그대로 유지하면서 하부 엔진만 교체할 수 있다는 점이 큰 장점입니다.
팀원처럼 함께 일하는 '동료 에이전트'와 '하위 에이전트'의 차이는?
다중 에이전트 오케스트레이션(Multi-agent Orchestration) 체계는 작업의 규모와 복잡도에 따라 두 가지 형태의 에이전트를 동적으로 생성하고 활용합니다. 첫 번째는 '하위 에이전트(Sub-agent)'입니다. 하위 에이전트는 여러 단계로 이루어진 복잡한 과제를 부여받았을 때 이를 분할 처리하기 위해 임시로 생성되는 작업 전용 에이전트입니다. 자신만의 고유한 식별자를 가지고 병렬 또는 순차적으로 복잡한 워크플로를 수행하며, 할당된 작업이 끝나면 결과를 메인 에이전트에 보고하고 소멸합니다.
반면 '동료 에이전트(Coworker Agent)'는 일회성 작업 처리에 그치지 않고 지속적인 역할과 명확한 운영 권한을 가진 정식 팀원 형태로 존재합니다. 예를 들어 재무팀의 분석가나 프로젝트 매니저와 같은 역할을 부여받은 동료 에이전트는 회사의 실제 고유 이메일 주소(예: @agents.company.com)를 할당받으며, 캘린더, 독립된 저장 공간, Gmail, Google Drive, Docs, Calendar 등 구글 워크스페이스(Google Workspace) 애플리케이션 전반에 걸친 접근 권한을 가집니다. 사용자나 팀원들이 허용한 맥락 범위 내에서 지속해서 업무에 참여하고 동료들과 협업을 진행할 수 있으며, 기존 업무 스택을 해치지 않으면서 조직 내 일원처럼 작동합니다.
기업용 시스템 및 소프트웨어와 어떻게 연결되고 통제되는가?
기업 환경에서 AI 에이전트가 실질적인 가치를 발휘하기 위해서는 사내에서 이미 사용 중인 기존 소프트웨어 및 데이터베이스와의 원활한 연동이 필수적입니다. 구글은 이를 위해 오픈 프레임워크인 MCP(Model Context Protocol, 다양한 AI 모델과 외부 데이터 소스를 안전하게 연결하는 표준 규격) 서버와의 연결을 지원합니다. 이에 따라 슬랙(Slack), 마이크로소프트 365(Microsoft 365), 컨플루언스(Confluence), 지라(Jira), 세일즈포스(Salesforce), 서비스나우(ServiceNow) 같은 협업 및 엔터프라이즈 플랫폼은 물론, 빅쿼리(BigQuery), 스노우플레이크(Snowflake), 포스트그레스(Postgres) 등 대규모 데이터베이스와도 연동됩니다.
더불어 사내 공유 스킬 레지스트리를 제공하여 재사용 가능한 업무 절차와 모듈화된 프롬프트를 회사 내부 보관소에 등록하고 공유할 수 있도록 했습니다. 하지만 이러한 강력한 연결성은 철저한 통제 체계가 수반되어야 합니다. 업무용 Gemini 에이전트는 에이전트별 신원 관리, 정책 및 권한 제어, 안전한 샌드박스(sandbox, 외부와 격리된 가상 실행 환경) 실행, 네트워크 게이트웨이 등을 기본으로 탑재하고 있습니다. 또한 과도한 비용 발생을 막기 위해 실시간 지출 한도 설정(Spend Caps) 기능을 제공하여, 지정된 프로젝트 예산 한도에 도달하면 에이전트의 작업을 자동으로 일시 중단시키는 등 비용 관리 체계까지 완비했습니다.
그래서 우리에게 무슨 의미인가?
이번 구글의 발표는 일하는 방식이 단순한 '프롬프트 입력 및 대화'에서 '결과 위임과 자동화 실행'으로 빠르게 변화하고 있음을 보여줍니다. 기존에는 AI 도구를 활용할 때 사람이 직접 질문을 던지고 나온 답변을 복사해 다른 프로그램에 붙여넣는 등 파편화된 작업을 반복해야 했습니다. 그러나 이제는 AI가 회사의 업무 도구와 시스템에 직접 접속하여 며칠에 걸친 다단계 작업을 스스로 완수하는 구조로 전환되고 있습니다.
특히 브라질의 은행 브라데스코(Bradesco)가 재무 및 계약 분석 업무에 에이전트를 도입하여 문서 검토 시간을 1시간에서 5분으로 단축하고 리스크 불일치를 60% 감소시킨 사례나, 일본의 솜포(SOMPO)가 1만 개 이상의 엔터프라이즈 에이전트를 구축해 새 모델 개발 기간을 1주일에서 하루로 줄인 사례는 에이전틱 AI가 실제 비즈니스에 가져다줄 생산성 변화를 단적으로 보여줍니다. 개발자와 기획자를 포함한 실무자 관점에서는 반복적이고 소모적인 단순 처리 업무를 AI 에이전트에 위임하고, 인프라 관리나 고도화된 전략 판단과 같은 핵심 업무에 집중할 수 있는 환경이 본격적으로 열리고 있습니다.
댓글
댓글 쓰기