구글 Gemini agent 공개, 업무형 AI는 무엇이 달라지나

2026년 10월 8일 Gemini at Work 2026 발표 기준, 비공개 프리뷰 단계의 업무형 AI 에이전트 정리

Google Cloud가 2026년 10월 8일(미국 현지 기준) Gemini at Work 2026에서 업무용 통합 에이전트 Gemini agent를 발표했습니다. 공식 블로그 게시 표기는 10월 9일입니다. 지식 업무, 질문 응답, 콘텐츠 생성, 코드 작성·실행을 하나의 에이전트와 인터페이스로 묶겠다는 제품입니다.

핵심 요지는 세 줄입니다.

① 질문에 답하는 챗봇이 아니라, 목표를 맡기면 계획하고 실행해서 결과물을 돌려주는 업무형 에이전트를 내세웠습니다.
② 실행은 클라우드에서 이어지고, 메모리가 4종으로 나뉘며, 지출 상한·감사 기록 같은 관리자 통제가 함께 제시됐습니다.
③ 다만 일부 고객 대상 비공개 프리뷰 단계입니다. 정식 출시일, 이용 요금, 독립 검증된 업무 성능은 확인된 공식 자료에서 찾을 수 없습니다.

이 글은 발표 내용 중 확정된 것과 아직 모르는 것을 나눠서 정리합니다. 이어서 실무자가 지금 점검할 항목까지 다룹니다.

구글 Gemini agent가 바꾸는 것: 프롬프트 응답에서 목표 위임으로

Gemini agent의 핵심 변화는 모델 성능이 아니라 일하는 방식입니다. 지시를 세세하게 나열하는 대신 원하는 결과를 맡기고, 에이전트가 작업을 계획해 도구와 사내 시스템을 거쳐 완성물을 돌려주는 구조입니다. 이는 Google이 제시한 제품 방향이며, 실제 업무 성과를 보장한다는 독립 검증은 아닙니다.

기존 프롬프트형 AI와 무엇이 다른가

기존 방식은 한 번 묻고 한 번 답을 받는 흐름입니다. 사용자가 단계를 쪼개 지시하고, 중간 결과를 직접 옮겨 붙이고, 다음 프롬프트를 이어 씁니다. 사람이 오케스트라 지휘자 역할을 하는 셈입니다.

발표된 에이전트 방식은 다릅니다. Google 설명에 따르면 에이전트는 대화 응답에 그치지 않고 목표를 자율 수행합니다. 작업을 예약하거나 특정 이벤트에 반응할 수도 있습니다. 코드를 만들고 실행하는 기능도 같은 단일 에이전트 인터페이스에 포함된다고 밝혔습니다.

차이를 한 줄로 줄이면 이렇습니다. 기존에는 사람이 단계를 쪼갰고, 에이전트 모델에서는 사람이 목표를 정합니다.

클라우드에서 이어지는 실행

실행이 클라우드에서 이어진다는 점이 실무상 가장 큰 차이입니다. Google은 기기나 채널을 바꿔도 메모리와 업무 맥락이 유지된다고 설명했습니다. 사용자가 노트북을 닫은 뒤에도 수 시간 또는 수일이 걸리는 작업을 계속할 수 있다고 했습니다.

단, 이 문장은 설계 설명입니다. 개별 작업의 실제 완료 시간을 보장하지 않습니다. 수일짜리 작업이 가능하다는 것과, 내 업무가 그 시간 안에 끝난다는 것은 별개의 문제입니다.

네 종류의 메모리

Google은 에이전트 메모리를 네 종류로 나눴습니다.

① 세션 메모리: 현재 진행 중인 대화·작업의 맥락
② 의미 메모리: 사실과 개념에 대한 지식
③ 절차 메모리: 작업을 수행하는 방법
④ 일화 메모리: 과거에 수행한 기록

각 메모리가 작업 맥락과 과거 수행 기록을 유지한다는 것이 Google의 설명입니다. 사람의 업무에 빗대면 이렇습니다. 지금 하고 있는 일, 아는 지식, 일하는 요령, 지난번에 한 일의 기록이 각각 따로 쌓이는 구조입니다. 네 종류가 구체적으로 어떻게 저장되고 갱신되는지는 이번 발표에서 상세히 확인되지 않습니다.

임시 하위 에이전트와 coworker agent: 여러 에이전트가 조율하는 업무 구조

Gemini agent는 한 명의 에이전트가 아니라, 필요할 때 여러 에이전트를 편성하는 구조입니다. 다단계 업무에서는 임시 하위 에이전트를 만들어 병렬 또는 순차로 조율할 수 있다고 Google은 밝혔습니다.

예를 들어 경쟁사 조사 보고서를 맡긴다고 해 봅시다. 하나의 에이전트가 자료 수집, 표 정리, 요약, 슬라이드 제작을 모두 순서대로 하는 대신, 임시 하위 에이전트가 각각을 나눠 맡고 상위 에이전트가 결과를 취합하는 식입니다. 이 예시는 구조를 이해하기 위한 일반적 설명이며, Google이 제시한 구체 시연이 아닙니다.

coworker agent는 무엇인가

함께 발표된 coworker agent는 임시 하위 에이전트와 성격이 다릅니다. 지속적인 역할을 맡는 에이전트입니다. Google이 밝힌 특징은 두 가지입니다.

① 고유한 이메일 주소와 저장 공간을 가진다
② 팀이 제공한 맥락에만 접근한다

이 설계는 에이전트를 도구가 아니라 팀의 한 구성원처럼 다루는 접근입니다. 이메일 주소가 있으니 사람이 메일로 업무를 요청하거나 결과를 받을 수 있다는 점이 직관적으로 읽힙니다. 다만 "팀이 제공한 맥락에만 접근한다"는 문장이 실제 운영에서 어떤 단위로 어떻게 설정되는지는 발표 자료만으로는 알 수 없습니다.

실무자가 짚어 볼 점

에이전트가 여러 개 돌아가기 시작하면 관리 대상이 늘어납니다. 어떤 에이전트가 누구의 요청으로 무엇을 했는지 추적할 수 있어야 합니다. 이 문제를 Google이 어떤 통제 수단으로 다뤘는지는 뒤의 관리자 통제 부분에서 다룹니다.

웹부터 Slack까지: 업무 앱과 사내 시스템을 넘나드는 통합 범위

차별점은 구글 앱 안에서만 대화하는 것이 아니라 기존 업무 도구와 채널을 오가며 작업을 이어가도록 설계했다는 점입니다. 접근 채널로 제시된 것은 다음과 같습니다.

① 웹
② iOS·Android 모바일 앱
③ Windows·Mac 데스크톱
④ 명령줄
⑤ Google Workspace
⑥ Microsoft 365
⑦ Slack

제3자 앱에 통합하거나 전용 사용자 인터페이스 없이 작동하는 방식도 언급됐습니다. 명령줄이 포함됐다는 점은 개발자 워크플로우에 끼어들겠다는 신호로 읽힙니다.

Workspace 안에서의 작동

Workspace 통합의 핵심은 Gmail, Drive, Docs, Slides, Sheets, Chat, Calendar 안에서 Gemini가 직접 작동한다는 점입니다. 다른 환경과 같은 메모리·스킬·통제를 유지한다고 Google은 설명했습니다. 사례로는 여러 앱에 걸친 조사, 스프레드시트 작성, 발표자료 제작을 들었습니다. 이는 회사가 제시한 사용 예시입니다.

연결되는 기업 데이터

Google이 데이터 연결 대상으로 든 목록은 넓습니다.

① 1차 목록: Workspace, Microsoft Office, Teams, Slack, Salesforce, ServiceNow, BigQuery, Databricks
② 같은 발표의 추가 목록: Confluence, Git, Jira, Postgres, Snowflake, 사용자 데스크톱 파일
③ 확장 방식: 사내외 MCP 서버 연결, 회사용 도구 레지스트리 제공

연결할 수 있다는 것과 실제로 접근한다는 것은 다릅니다. 실제 접근 범위는 조직의 설정과 권한에 좌우된다는 점이 발표에 명시돼 있습니다. 목록에 이름이 있다고 해서 모든 기능이 같은 수준으로 지원된다고 읽으면 안 됩니다.

모델 선택도 고정이 아니다

모델 선택 방식도 달라졌습니다. 발표 당시 Google 자체 Gemini 모델과 Anthropic Claude 모델을 작업별로 고를 수 있었고, 앞으로 다른 상용·오픈 모델도 추가할 계획이라고 밝혔습니다.

고객 사례로는 세 가지가 언급됐습니다.

① On: 모델 선택 기능 테스트
② Shopify: 여러 모델 활용
③ PayPal: 주간 1천만 건의 멀티모델 요청 처리

최적 모델 자동 선택과 비용 절감은 Google의 설명이며, 독립 비교시험 결과는 아닙니다. PayPal의 주간 1천만 건은 처리 규모를 보여 주는 고객 사례이지, 모델 선택이 성과를 높였다는 증거가 아닙니다.

지출 상한과 감사 기록: 에이전트를 풀어놓기 전에 확인할 관리자 통제

자율 실행 에이전트에서 가장 먼저 부딪히는 문제는 통제입니다. Google은 관리 측면에서 다음 수단을 제시했습니다.

① 에이전트별 신원·권한
② 감사 기록
③ 격리 실행 환경인 Agent Sandbox
④ Agent Gateway의 네트워크 정책
⑤ 프로젝트별 실시간 지출 상한

지출 상한은 어떻게 작동한다고 했나

지출 상한에 도달하면 해당 프로젝트의 에이전트 작업이 일시 중지됩니다. 관리자가 콘솔에서 재개할 수 있다고 Google은 설명했습니다. 수일씩 이어지는 자율 작업이 비용을 계속 소모할 수 있다는 점을 생각하면, 이 장치가 운영상 필수라는 해석이 가능합니다. 다만 상한을 어떤 단위로, 어떤 지연 시간으로 적용하는지는 이번 자료에서 확인되지 않습니다.

소개된 기능과 위험 제거는 다른 말이다

보안 기능이 소개됐다는 사실과 모든 위험이 제거된다는 주장은 구분해야 합니다. 격리 실행 환경과 네트워크 정책이 있어도, 에이전트에 부여한 권한이 과하면 그 권한 안에서 의도치 않은 작업이 일어날 수 있습니다. 감사 기록은 사후 추적 수단이지 사전 차단 수단이 아닙니다. 도입을 검토한다면 기능 목록보다 내 조직의 권한 설계가 어디까지 가능한지를 먼저 따져 봐야 합니다.

고객 이용 지표가 말하는 배경과 그 해석의 한계

Google이 공개한 고객 이용 지표는 시장 도입 배경이지, 새 에이전트의 성능 증거가 아닙니다. Google Cloud는 출시 배경으로 다음 수치를 제시했습니다.

① 직전 1년 동안 각각 1조 토큰을 넘게 처리한 고객: 거의 500곳
② Google Cloud 고객 중 AI 제품 이용자: 거의 80%
③ Fortune 100 중 Gemini Enterprise 이용 기업: 거의 90%

이 수치는 생성형 AI 이용이 대기업 현장에 이미 넓게 퍼졌다는 배경을 보여 줍니다. 질문에 답하는 AI는 이제 기본 도구가 됐고, 다음 단계로 업무 위임 방식이 거론되는 흐름입니다. 이 해석은 발표 맥락에 대한 일반적 독해입니다.

수치를 읽을 때 주의할 점

세 수치 모두 독립 감사 수치가 아닌 회사 집계입니다. 읽을 때 지켜야 할 선은 이렇습니다.

① 각 수치는 Gemini agent가 아니라 기존 Google Cloud AI 제품의 이용 현황입니다.
② 이 수치로 새 에이전트의 생산성 효과를 추정할 수 없습니다.
③ "거의"라는 표현이 붙은 수치이므로 정확한 값으로 쓸 수 없습니다.

이용률이 높다는 사실이 업무 자동화의 효과가 검증됐다는 뜻은 아닙니다. 이용과 성과는 별개의 지표입니다.

직무와 역할별로 달라지는 점

영향은 직무와 산업에 따라 다르게 나타납니다. 발표에서 직무·산업별 기능이 구분되어 소개됐고, 제공 단계도 서로 다릅니다.

데이터·ML 엔지니어라면

데이터·ML 엔지니어용으로는 네 가지가 소개됐습니다.

① PySpark 코드 생성
② 노트북 편집·테스트
③ 모델 학습
④ 파이프라인 문제 해결

코드를 쓰고 실행해서 결과를 확인하는 반복 작업을 에이전트에 맡기는 시나리오입니다. 파이프라인 문제 해결은 로그를 읽고 원인을 좁히는 업무를 가리키는 것으로 보입니다. 구체적 성능은 공개되지 않았습니다.

금융 서비스·법률 분야라면

금융 서비스와 법률 분야는 발표 당시 프리뷰로 소개됐습니다. Google은 금융 서비스용 기반 스킬이 50개를 넘는다고 밝혔고, 금융 에이전트의 데이터 출처 예시로 다음을 들었습니다.

① FactSet
② LSEG
③ S&P Global
④ SEC 자료
⑤ 기업 자체 저장소

스킬 수 50개 초과는 준비된 기능의 폭을 보여 줄 뿐, 각 스킬의 정확도나 규제 환경 적합성을 말해 주지 않습니다. 규제가 엄격한 분야일수록 이 간극이 크다는 점을 기억해야 합니다.

정부·의료·소매 분야라면

세 분야는 발표 당시 "출시 예정"으로 소개됐습니다. 프리뷰도 아니라 예정 단계라는 뜻입니다. 이 분야의 실무자라면 지금 쓸 수 있는 기능으로 기획하기보다, 이후 공식 안내를 기다리며 요구사항을 정리하는 쪽이 현실적입니다.

서비스를 만들고 운영하는 개발자와 기획자라면

명령줄 접근, MCP 서버 연결, 회사용 도구 레지스트리, 제3자 앱 통합이 모두 언급됐습니다. 이는 자사 시스템을 에이전트가 호출할 수 있는 도구로 노출하는 설계가 중요해진다는 신호로 읽힙니다. 내부 API, 데이터베이스, 관리 화면을 에이전트가 안전하게 쓸 수 있는 형태로 정리하는 일이 선행 과제가 될 수 있습니다. 이 해석은 발표 내용에서 이끌어 낸 일반적 시사점이며, Google이 권고한 절차는 아닙니다.

협업 도구 관리자라면

Workspace, Microsoft 365, Slack이 모두 접근 채널로 제시됐습니다. 에이전트가 메신저와 문서 도구를 오가며 작업한다면, 그 도구들의 권한 구조와 공유 설정이 곧 에이전트의 접근 범위를 좌우하게 됩니다. 이미 있는 공유 폴더 설정이 느슨하다면 에이전트 도입 전에 정리가 필요합니다.

확인된 것과 아직 모르는 것: 비공개 프리뷰 단계의 현실

Gemini agent는 지금 누구나 쓰는 제품이 아닙니다. VentureBeat는 2026년 10월 8일 일부 고객 대상 비공개 프리뷰가 시작됐다고 보도했습니다. 더 넓은 제공 시점은 특정되지 않았다고 전했습니다.

확정된 것

① 2026년 10월 8일 Gemini at Work 2026에서 Gemini agent 발표
② 일부 고객 대상 비공개 프리뷰 시작
③ 클라우드 실행, 4종 메모리, 임시 하위 에이전트, coworker agent, 채널·데이터 연결, 관리자 통제가 설계·기능 설명으로 공개됨
④ 금융 서비스·법률은 프리뷰, 정부·의료·소매는 출시 예정
⑤ 발표 당시 Gemini 모델과 Claude 모델을 작업별로 선택 가능하며, 다른 상용·오픈 모델 추가 계획이 있음

아직 모르는 것

① 정식 광범위 출시일: 확인된 공식 발표 자료에서 찾지 못했습니다.
② 이용 요금: 마찬가지로 확인되지 않습니다.
③ 독립적으로 검증된 실제 업무 성능 수치: 공개 자료에서 확인되지 않습니다.
④ 작업별 실제 완료 시간: "수 시간 또는 수일"은 가능 범위의 설명입니다.
⑤ 비공개 프리뷰 참여 조건: 일부 고객 대상이라는 점 외에 확인된 기준이 없습니다.

이 글이 하지 않는 것

정식 출시 시점이나 요금, 성능 향상 폭을 예측하지 않습니다. 근거가 되는 공식 정보가 없기 때문입니다. 이후 공식 안내가 나오면 그 시점에 다시 확인해야 합니다.

에이전트 도입 전 점검 항목

프리뷰에 접근할 수 없어도 준비할 수 있는 일은 많습니다. 아래는 발표 내용에서 이끌어 낸 일반적 점검 순서입니다.

Step 1. 위임할 업무 후보 목록 만들기

목표 위임형 AI는 결과물이 명확한 업무에 맞습니다. 다음 기준으로 후보를 고르세요.

① 결과물의 모양이 정해져 있는가 (보고서, 스프레드시트, 발표 자료 등)
② 여러 앱에 걸친 조사·취합이 필요한가
③ 반복적으로 발생하는가
④ 결과를 사람이 검토하고 승인할 수 있는가

반대로 판단이 모호하고 책임 소재가 무거운 업무는 후보에서 뒤로 미루는 편이 안전합니다.

Step 2. 데이터 접근 범위 정리하기

에이전트의 실제 접근 범위는 조직의 설정과 권한에 좌우됩니다. 따라서 에이전트 이전에 사람 기준의 권한부터 점검해야 합니다.

① 공유 폴더와 문서의 공개 범위가 적절한가
② 퇴직·이동한 구성원의 접근 권한이 남아 있지 않은가
③ 민감 데이터가 있는 저장소가 분리돼 있는가
④ 업무 도구별로 권한 관리 담당자가 정해져 있는가

Step 3. 자사 시스템의 도구화 가능성 확인하기

MCP 서버 연결과 도구 레지스트리가 언급된 만큼, 내부 시스템이 외부 호출을 받을 수 있는 형태인지 살펴볼 가치가 있습니다.

① 주요 업무 시스템에 호출 가능한 API가 있는가
② 호출 권한을 기능 단위로 나눌 수 있는가
③ 호출 기록이 남는가
④ 실수로 데이터를 지우거나 바꾸는 작업을 막을 수단이 있는가

Step 4. 통제 정책 초안 쓰기

에이전트 운영 전에 기준을 글로 남겨 두면 도입이 빨라집니다.

① 에이전트별로 어떤 권한까지 줄 것인가
② 프로젝트별 지출 상한을 어떤 기준으로 정할 것인가
③ 감사 기록을 누가, 얼마나 자주 확인할 것인가
④ 사람의 승인이 필요한 작업은 무엇인가

Step 5. 작은 범위로 검증 설계하기

독립 검증된 성능 수치가 없으므로, 도입을 검토한다면 자체 기준으로 효과를 재야 합니다.

① 현재 업무의 소요 시간과 오류율을 먼저 기록해 둔다
② 같은 업무를 에이전트로 수행했을 때와 비교한다
③ 결과물의 검토 시간까지 포함해 계산한다
④ 실패 사례도 함께 기록한다

이 절차는 어떤 업무형 AI에도 적용되는 일반적 검증 방법입니다.

자료를 볼 때 지켜야 할 세 가지

① 회사 발표와 독립 검증을 구분한다
② 이용 지표를 성능 지표로 읽지 않는다
③ "출시 예정"과 "프리뷰"와 "정식 출시"를 같은 말로 쓰지 않는다

자주 묻는 질문

Q. 지금 바로 Gemini agent를 쓸 수 있나요?
발표 시점 기준으로 일부 고객 대상 비공개 프리뷰입니다. 더 넓은 제공 시점은 특정되지 않았습니다. 지금 모든 사용자가 쓸 수 있는 단계로 보기는 어렵습니다.

Q. 에이전트가 사내 모든 데이터를 볼 수 있게 되나요?
그렇지 않습니다. 연결 가능한 대상 목록은 넓지만, 실제 접근 범위는 조직의 설정과 권한에 좌우됩니다. coworker agent의 경우 팀이 제공한 맥락에만 접근한다고 Google이 밝혔습니다.

Q. 에이전트를 도입하면 업무 시간이 줄어드나요?
확인할 수 있는 근거가 없습니다. 독립적으로 검증된 실제 업무 성능 수치는 공개 자료에서 확인되지 않습니다. 효과는 도입 조직이 자체 기준으로 측정해야 합니다.

참고 자료

- Google Cloud 공식 블로그: https://cloud.google.com/blog/products/ai-machine-learning/welcome-to-gemini-at-work-2026/

- Google 공식 블로그: https://blog.google/innovation-and-ai/infrastructure-and-cloud/google-cloud/gemini-at-work/

- cloud.google.com

- venturebeat.com

마무리

Gemini agent 발표의 핵심은 챗봇이 똑똑해졌다는 이야기가 아닙니다. 결과를 위임하고, 업무 앱과 사내 시스템을 넘나들며, 노트북을 닫은 뒤에도 작업이 이어지는 구조를 제품 방향으로 내세웠다는 점입니다. 클라우드 지속 실행, 4종 메모리, 하위 에이전트와 coworker agent, 주요 협업 도구 통합, 지출 상한·감사 기록 같은 통제 수단이 한 묶음으로 제시됐습니다.

동시에 현실도 분명합니다. 지금은 비공개 프리뷰 단계이고, 정식 출시일과 요금, 독립 검증된 성능은 확인되지 않습니다. 고객 이용 지표와 PayPal 처리량은 배경과 사례일 뿐 생산성의 증거가 아닙니다. 지금 할 수 있는 일은 권한 정리, 위임 업무 선별, 자체 검증 기준 마련입니다. 공식 안내가 추가되면 그때 다시 비교하면 됩니다.

🏢 비젠소프트 | AI 챗봇 솔루션, 마케팅 자동화(VMAS), 프로젝트관리 시스템, ERP 및 커스텀 업무프로그램 개발
📧 sales@vizensoft.com | 🌐 www.vizensoft.com | 📞 02-338-4610