Table of contents

• Gemini Enterprise Agent Platform — 에이전트 제작 통합 환경
• Gemini Enterprise 앱 — 일상 업무로 들어온 에이전트
  • 3가지 핵심 구성 요소
• 8세대 TPU — 추론 비용 대비 성능 80% 향상
  • TPU 8t와 TPU 8i 역할 구분
  • 데이터 이동 인프라까지 함께 공개
• Agentic Data Cloud — 에이전트가 이해하는 데이터
  • Knowledge Catalog — 사내 데이터 자동 지도화
  • Cross-Cloud Lakehouse — 데이터를 옮기지 않고 분석
• AI 시대의 보안 — Wiz 통합과 보안 에이전트
  • 새로 공개된 보안 에이전트 3종
  • Wiz 확장과 Technology Intel Center
• Workspace Intelligence — Docs · Drive · Meet · Gmail의 벽 허물기
  • Chat에서 Ask Gemini로 한 번에
• 실제 기업 활용 사례 — AI 빌더로 변하는 조직
• 중소기업 대표가 짚어볼 3가지
  • 인건비 부담이 큰 반복 업무부터 자동화 검토
  • 기존 시스템을 그대로 두고 데이터 통합
  • 단일 벤더 락인을 피하는 모델 선택지
• 자주 묻는 질문 (FAQ)
  • Q1. Gemini Enterprise Agent Platform과 Gemini Enterprise 앱은 어떻게 다른가요?
  • Q2. TPU 8i의 “비용 대비 성능 80% 향상”이라는 수치는 어떤 의미인가요?
  • Q3. 데이터를 AWS에 두고도 Google Cloud의 AI를 쓸 수 있나요?
  • Q4. 중소기업이 가장 빨리 도입해 볼 영역은 어디인가요?

안녕하세요, 아이엔마케팅 김채원입니다.

2026년 4월, Google Cloud Next ’26이 라스베이거스에서 열렸습니다. 작년이 “생성형 AI가 일하는 방식을 바꾸기 시작한 해”였다면, 올해는 AI가 실제로 일을 대신 처리하는 에이전트(agent)의 시대에 들어섰다는 점이 가장 큰 변화입니다.

구글은 이번 행사에서 모델, 인프라, 데이터, 보안, 워크스페이스, 활용 사례까지 7개 축으로 발표를 정리했습니다. 중소기업 경영 관점에서 어떤 의미가 있는지를 함께 짚어 보겠습니다.

Gemini Enterprise Agent Platform — 에이전트 제작 통합 환경

에이전트를 구축, 확장, 관리 및 최적화를 위한 포괄적인 플랫폼입니다. Vertex AI의 진화된 형태로, 고객들이 선호하는 모델을 선택, 모델 구축 및 에이전트 구축 기능에 더해 에이전트 통합, DevOps, 오케스트레이션 및 보안을 위한 새로운 기능을 제공합니다. 200개 이상의 모델에 대한 접근성이 있으며, Gemini 모델 뿐만 아니라 타사 모델도 지원합니다.

향후 모든 Vertex AI 서비스 및 로드맵 발전 사항은 독립형 서비스가 아닌 에이전트 플랫폼을 통해서만 제공되어 차세대 에이전트 개발을 지원할 예정입니다.

머신러닝 박사가 아니어도 에이전트를 만들 수 있도록, 로우코드(low-code) 인터페이스인 Agent Studio가 함께 제공됩니다. 자연어로 에이전트를 만들고 테스트할 수 있는 구조입니다.

Gemini Enterprise 앱 — 일상 업무로 들어온 에이전트

Agent Platform이 만드는 쪽이라면, Gemini Enterprise 앱은 사용하는 쪽입니다. 모든 직원이 별도 학습 없이 에이전트를 활용할 수 있도록 설계됐습니다.

3가지 핵심 구성 요소

• Agent Designer (노코드) — 코드 한 줄 없이 트리거 기반 워크플로우 구성
• Long-running agents — 보안 클라우드 샌드박스 안에서 다단계 업무를 자율 처리
• Agent Inbox — 여러 에이전트의 작업 현황을 한 화면에서 모니터링·승인

복잡한 다단계 업무는 백그라운드에서 장기간 자율 실행하면서, 결과는 받은편지함처럼 한 곳에서 확인하는 구조입니다. 중소기업 입장에서는 사람이 매일 반복하던 업무(주문 응대, 견적 작성, 재고 점검, 일일 리포트)를 에이전트가 대신 처리하는 구조가 가능해진다는 의미입니다. 별도 개발 인력 없이 도입할 수 있다는 점이 핵심입니다.

8세대 TPU — 추론 비용 대비 성능 80% 향상

수백만 개의 AI 에이전트를 돌리려면 그만큼의 컴퓨팅 인프라가 필요합니다. 구글은 자체 칩인 TPU(Tensor Processing Unit)의 8세대를 공개했습니다.

TPU 8t와 TPU 8i 역할 구분

기존의 NVIDIA GPU와 초고효율 Google Cloud Axion 프로세서에 더해, NVIDIA Vera Rubin NVL72 시스템을 최초로 제공할 예정입니다.

데이터 이동 인프라까지 함께 공개

• Virgo Network — 대규모 슈퍼컴퓨터를 연결하는 자체 설계 네트워크
• Managed Lustre — 초당 10테라바이트(TB) 데이터 이동 가능

Agentic Data Cloud — 에이전트가 이해하는 데이터

에이전트는 이해할 수 있는 데이터만큼만 유용합니다. Agentic Data Cloud는 AI가 실시간으로 대응할 수 있도록 데이터를 새로 정리하는 방식입니다.

Knowledge Catalog — 사내 데이터 자동 지도화

Gemini를 활용해 기업 전반의 데이터에 자동으로 태그를 붙이고 관계를 연결합니다. 회사 고유의 용어와 맥락을 에이전트가 이해하도록 만드는 동적 데이터 지도 역할입니다.

Cross-Cloud Lakehouse — 데이터를 옮기지 않고 분석

• Apache Iceberg 표준 기반
• AWS 등 다른 클라우드에 있는 데이터도 그대로 두고 즉시 쿼리 가능
• 별도 마이그레이션 없이 멀티클라우드 환경 분석

데이터를 한 곳으로 모으는 비용·시간을 줄이는 게 핵심입니다.

AI 시대의 보안 — Wiz 통합과 보안 에이전트

사이버 위협이 정교해질수록, 방어자에게도 AI가 필요합니다. 구글은 자사 위협 인텔리전스에 Wiz의 보안 플랫폼을 더해 “에이전틱 디펜스(agentic defense)” 라인업을 구성했습니다.

새로 공개된 보안 에이전트 3종

• Threat Hunting Agent : 기존 방어 체계를 우회하는 새로운 공격 패턴과 은밀한 행동 사전 탐지
• Detection Engineering Agent : 탐지 범위의 공백을 식별하고 위협적인 시나리오에 대한 새로운 탐지 생성, 수작업을 줄이고 탐지 생성 작업을 자동화된 과학으로 전환
• Third-Party Context Agent : 타사의 컨텍스트 데이터를 활용하여 워크플로를 풍부하게

Wiz 확장과 Technology Intel Center

Wiz는 Google Cloud 합류 이후 Databricks, 다양한 AI 스튜디오, 멀티클라우드 PaaS까지 지원 범위를 넓혔습니다. 또한 Technology Intel Center는 클라우드·AI 공급사들의 신규 기능, 마이그레이션, 단종(end-of-life) 공지를 한 피드로 모아 줍니다.

Workspace Intelligence — Docs · Drive · Meet · Gmail의 벽 허물기

업무 협업 도구에 에이전트가 직접 들어옵니다. Docs, Drive, Meet, Gmail 사이의 경계를 허무는 Workspace Intelligence가 핵심입니다.

Chat에서 Ask Gemini로 한 번에

• 사내 Workspace 전반의 정보를 합성(synthesize)
• 채팅 창을 떠나지 않고 회의 일정 잡기, 브리프 초안 작성 같은 행동을 즉시 실행

경영진·관리자 관점에서는 회의록 → 의사결정 정리 → 실행 지시 → 일정 등록까지 한 화면에서 처리할 수 있다는 뜻입니다. 보고서·이메일·미팅에 흩어지던 정보가 한 흐름으로 묶입니다. Gmail의 AI 받은편지함의 경우, 현재 국내 미제공입니다.

실제 기업 활용 사례 — AI 빌더로 변하는 조직

이번 Next에서 가장 실용적인 부분은 이미 도입한 기업들의 사례입니다.

• The Home Depot — Gemini 기반 전화·매장 어시스턴트로 전문가 수준의 답변 제공
• Papa John’s — Ordering Agent가 “the usual(평소 주문)”을 기억해 주문 단축
• Mars · Citadel Securities — 정량 리서치(quantitative research)에 AI 활용 (마케팅, 시장 메이킹(market making) 등)
• Unilever — 약 37억 명 소비자 응대를 위해 조직 전반에 에이전트 배치

The Home Depot의 매장 어시스턴트, Papa John’s의 주문 에이전트는 고객 접점에서 직접 매출에 영향을 주는 사례라는 점에서 참고할 만합니다.

중소기업 대표가 짚어볼 3가지

인건비 부담이 큰 반복 업무부터 자동화 검토

장기 실행 에이전트와 노코드 Agent Designer가 합쳐지면, 개발자 채용 없이도 사람이 매일 반복하던 업무를 에이전트가 받아갈 수 있습니다. 주문·문의 1차 응대, 견적서 작성, 재고·매출 일일 리포트, 단순 회계 분류처럼 인건비 비중이 높은 영역부터 후보가 됩니다.

기존 시스템을 그대로 두고 데이터 통합

Cross-Cloud Lakehouse는 데이터를 옮기지 않고도 분석할 수 있게 해 줍니다. 회계, ERP, 자사몰, 광고 데이터가 흩어져 있어도 그대로 둔 채로 통합 분석이 가능하다는 뜻입니다. 시스템 교체 비용·이전 리스크 없이 AI 도입을 시작할 수 있는 구조입니다.

단일 벤더 락인을 피하는 모델 선택지

같은 플랫폼 안에서 Gemini 3.1 Pro와 Anthropic Claude Opus 4.7을 함께 쓸 수 있다는 건, 특정 회사에 묶이지 않고 업무별로 가장 적합한 모델을 고르는 시대가 됐다는 뜻입니다. 한 곳의 가격 인상이나 정책 변경에 사업 운영이 휘둘리지 않는 안전판이 생깁니다.

자주 묻는 질문 (FAQ)

Q1. Gemini Enterprise Agent Platform과 Gemini Enterprise 앱은 어떻게 다른가요?

A. Agent Platform은 만드는 도구, Gemini Enterprise 앱은 사용하는 도구입니다. 기술팀이 Agent Studio에서 에이전트를 빌드하면, 일반 직원은 Gemini Enterprise 앱과 Agent Inbox를 통해 그 에이전트를 일상 업무에 활용합니다.

Q2. TPU 8i의 “비용 대비 성능 80% 향상”이라는 수치는 어떤 의미인가요?

A. 추론(inference) 워크로드 기준 수치입니다. 같은 비용으로 모델을 서비스할 때 더 많은 요청을 처리할 수 있다는 의미이며, AI 에이전트를 대규모로 운영할 때 운영비 절감으로 직접 연결됩니다.

Q3. 데이터를 AWS에 두고도 Google Cloud의 AI를 쓸 수 있나요?

A. 네, Cross-Cloud Lakehouse는 Apache Iceberg 표준 위에서 동작합니다. AWS 등 다른 클라우드에 데이터를 두고도 Google Cloud의 AI 도구로 즉시 쿼리·분석할 수 있다고 발표했습니다.

Q4. 중소기업이 가장 빨리 도입해 볼 영역은 어디인가요?

A. 인건비 부담이 크면서 반복 패턴이 명확한 업무부터 시작하는 게 효율적입니다. 고객 문의 1차 응대, 매출·재고 일일 리포트, 견적서·계약서 초안 작성, 단순 회계 분류가 후보입니다. Agent Designer의 노코드 환경이 있으므로 개발 인력 없이 대표·실무자가 직접 워크플로우를 만들고 검증할 수 있습니다.

아이엔마케팅은 Google과 AI의 변화에 가장 빠르게 대응하는 구글 전문 광고 대행사입니다. 내 비즈니스에 맞는 구글 광고 전략이 필요하시다면 ‘아이엔마케팅 홈페이지‘, 혹은 AI 아이엔마케팅 사이트에 방문해주세요. 자세한 상담 및 제안서를 받아보시고 싶으신가요? 지금 아이엔마케팅 홈페이지에서 무료 제안서를 신청하시고, 내 비즈니스에 최적화된 맞춤 제안서를 받아보세요.

The post Google Cloud Next 2026 핵심 7가지 — 에이전트 시대로 들어선 구글 클라우드 appeared first on 아이엔마케팅(주).