시리즈 · 구글 AI 전방위 전략
2회 · 구글 AI 전방위 전략 2 - 1인 창업에서 기업 Vertex AI까지
구글 AI 전방위 전략 2 - 1인 창업에서 기업 Vertex AI까지
Gemini 모델부터 Android, Workspace, NotebookLM, 창작 도구와 Vertex AI까지 구글 AI 생태계의 연결 구조를 실제 사용 흐름으로 분석하는 시리즈다. 2부의 질문은 “Google AI 도구가 많다”가 아니라 자료에서 브랜드·영상·웹 제품을 만들고, 같은 기술을 기업 보안과 배포 체계 안으로 옮길 수 있는가다.
전문 사용자: 자료에서 브랜드와 웹 제품까지
1인 브랜드를 준비하는 사용자의 흐름을 구체적으로 그리면 다음과 같다.
- 여러 기기의 인터뷰, 경쟁사 PDF, 고객 설문과 사진을 Drive에 모은다.
- NotebookLM에서 출처별 주장과 고객 불편을 정리하고 브랜드 콘셉트·콘티의 근거를 만든다.
- Gemini의 이미지 생성 계열인 Nano Banana로 무드보드와 캠페인 시안을 반복한다.
- Veo로 선택한 콘티의 영상 초안을 만들고, 사람이 상표·인물 권리·제품 표현을 검수한다.
- Google Stitch에서 랜딩 페이지 UI와 사용자 흐름을 설계한다.
- Google Antigravity로 화면을 코드와 백엔드에 연결하고 Firebase나 Cloud에 배포한다.
이 파이프라인은 ‘버튼 한 번으로 창업’이 아니다. 브랜드 CI의 상표 충돌, 생성 이미지의 권리, 가격·효능 표현, 코드 보안과 결제 테스트는 여전히 사람의 책임이다. 강점은 조사·기획·시각화·프로토타입 사이의 파일 변환과 문맥 재입력 비용이 줄어드는 데 있다.
Google Stitch 공식 발표는 텍스트·음성·기존 코드와 디자인 파일을 입력으로 받고, 화면을 실시간으로 수정하며, 결과를 Antigravity로 내보내거나 웹에 게시하는 흐름을 공개했다. 2026년 5월 기준 글로벌 사용자에게 제공된다고 밝혔지만, 생성 결과가 곧 접근성·반응형·성능·보안을 만족하는 프로덕션 UI라는 보장은 없다.
Google Antigravity 2.0 발표는 에디터 보조를 넘어 여러 에이전트, 예약 작업, AI Studio·Android·Firebase 연동을 갖춘 개발 플랫폼으로 설명한다. 이 지점에서 Stitch는 디자인 산출물, Antigravity는 구현·검증 에이전트, Gemini API는 제품 기능의 엔진으로 역할이 갈린다.
기업 사용자: Workspace 앞단과 Cloud 뒷단을 잇는다
법인에서는 직원이 쓰는 Workspace와 고객 서비스가 실행되는 Cloud를 분리해 봐야 한다.
| 영역 | 대표 서비스 | 기업에서 맡는 역할 |
|---|---|---|
| 업무 접점 | Gmail, Chat, Calendar, Meet, Docs, Drive | 메일·회의·문서·지식 협업 |
| 모델·에이전트 | Gemini API, Vertex AI, Agent Engine | 생성, 도구 호출, 에이전트 실행과 평가 |
| 데이터 | Cloud Storage, BigQuery, AlloyDB 등 | 권한이 있는 기업 데이터와 분석 |
| 앱 운영 | Cloud Run, GKE, Firebase, API Gateway | 웹·모바일·API 배포와 확장 |
| 통제 | IAM, 조직 정책, VPC Service Controls, Logging | 최소 권한, 경계, 감사와 관측 |
예를 들어 영업팀은 Meet 회의 요약을 Drive에 남기고, 사내 앱은 승인된 문서를 검색해 고객 문의 초안을 만든다. 최종 답변은 CRM 권한과 개인정보 필터를 거쳐 직원이 승인한다. 여기서 Workspace의 Gemini와 Vertex AI 애플리케이션은 같은 브랜드여도 데이터 경계·서비스 약관·관리 콘솔이 다르다. 연결은 설계해야 생긴다.
Vertex AI는 왜 그렇게 복잡한가
Vertex AI를 처음 열면 모델, Studio, 프롬프트, 평가, 튜닝, 파이프라인, 엔드포인트, 벡터 검색, 에이전트와 관측 기능이 겹쳐 보인다. 여기에 Google Cloud의 프로젝트, 결제, API 활성화, 리전, 할당량, 서비스 계정과 IAM이 붙는다. 어렵다는 평가는 타당하다.
그러나 복잡성의 상당 부분은 기업이 요구하는 질문에서 온다.
- 누가 어떤 프로젝트에서 어떤 모델을 호출할 수 있는가?
- 모델이 읽는 Storage·BigQuery 데이터는 무엇인가?
- 에이전트가 다른 서비스의 권한을 대리할 때 어떤 서비스 계정을 쓰는가?
- 데이터와 추론 엔드포인트는 어느 리전에 있는가?
- 비용·지연·오류·프롬프트 변경을 누가 추적하는가?
- 외부 인터넷과 관리형 서비스 사이에 어떤 보안 경계를 둘 것인가?
Vertex AI Agent Engine 설정 문서는 roles/aiplatform.user, 서비스 계정 사용자, 에이전트별 ID나 관리 서비스 에이전트 등 여러 권한 단계를 요구한다. 이는 초보자에게 불친절하지만, 모든 에이전트에 소유자 권한 하나를 주지 않기 위한 구조이기도 하다.
실무에서는 조직·폴더·프로젝트를 환경과 데이터 민감도별로 나누고, 사용자 그룹에는 사전 정의 역할을, 런타임에는 별도 서비스 계정을 부여하는 편이 안전하다. API별 권한을 무작정 묶는 ‘권한 클러스터’보다 업무 역할별 최소 권한 묶음과 정기 검토가 낫다.
Model Garden: 방대한 선택지가 장점이 되는 순간
Vertex AI Model Garden은 Gemini·Imagen·Veo 같은 Google 모델만의 카탈로그가 아니다. Gemma 등 오픈 모델과 Anthropic Claude를 비롯한 파트너 모델도 제공하며, 일부는 관리형 API, 일부는 기업 VPC 안에 자체 배포하는 방식이다. Google Cloud는 200개가 넘는 기반 모델 선택지를 소개한다.
이 선택지는 세 조건에서 가치가 크다.
- 작업별로 품질·지연·비용이 다른 모델을 비교해야 할 때
- 특정 리전, 네트워크 경계 또는 라이선스 조건이 있을 때
- 한 모델 공급자에 전체 제품을 잠그지 않고 평가·교체 경로를 유지할 때
반대로 모델 수가 많다는 사실 자체는 성과가 아니다. 모델 수명주기와 폐기 일정, 프롬프트 호환성, 평가 데이터, 안전 필터와 비용을 함께 관리하지 않으면 선택지가 운영 부채가 된다. Vertex AI 릴리스 노트를 배포 파이프라인의 변경 관리에 넣어야 하는 이유다.
API를 어디서 시작할 것인가
개인 개발자나 빠른 프로토타입은 Google AI Studio와 Gemini API가 단순하다. 키를 발급하고 모델을 호출해 기능 가설을 검증하기 쉽다. 반면 기업 데이터, IAM, 리전, 네트워크 경계, 평가와 운영 모니터링이 중요해지면 Vertex AI가 맞다.
Gemini Interactions API는 서버 측 상태와 장기 실행 흐름을, Gemini Managed Agents는 격리 환경과 원격 도구 연결을 제공한다. 다만 이 기능을 쓴다고 기업 권한 설계가 자동 완성되지는 않는다. 에이전트의 도구 목록, 승인 게이트, 비밀정보, 로그와 실패 복구는 애플리케이션 책임이다.
결론: 구글은 모델 회사보다 연결된 운영체제를 노린다
구글의 전방위 전략은 아래처럼 평가할 수 있다.
- 일반 사용자에게는 Android·YouTube·Drive·Workspace를 멀티모달 Gemini의 입력과 결과로 연결한다.
- 전문 사용자에게는 NotebookLM, Nano Banana, Veo, Stitch, Antigravity로 조사에서 제작·개발까지의 전환 비용을 낮춘다.
- 기업에는 Workspace의 업무 접점과 Google Cloud의 데이터·배포·IAM, Vertex AI의 모델 선택을 한 공급자 안에서 제공한다.
가장 큰 장점인 방대한 생태계가 가장 큰 약점이기도 하다. 제품 중복, 이름 변경, 권한과 과금의 복잡성, 공급자 종속을 감당해야 한다. 따라서 좋은 도입 전략은 “Google AI를 전부 켠다”가 아니라 한 업무 흐름을 고르고, 원본 데이터·권한·평가 기준·사람의 승인 지점을 먼저 정한 뒤 필요한 서비스만 연결하는 것이다.
그 조건을 지킨다면 구글은 텍스트 모델 경쟁을 넘어, 개인의 하루와 기업의 전체 소프트웨어 수명주기를 잇는 보기 드문 풀스택을 갖고 있다. 1인 브랜딩 창업 가능성을 현실로 만드는 것도 단일 생성 모델이 아니라 이 연결된 도구망이다.
댓글 없음:
댓글 쓰기