Google, 업무를 직접 수행하는 Gemini agent 발표…AI가 팀원처럼 일하는 구조로 확장된다
Google Cloud가 기업의 도구와 지식을 연결해 장시간 업무를 계획·실행하는 Gemini agent를 발표했다. 하위 에이전트, 여러 모델, 메모리와 보안·비용 통제를 하나의 업무 환경에 묶는다.
UPDATE DETAIL
질문에 답하는 AI에서, 업무를 끝내는 에이전트로
Google Cloud는 2026년 10월 8일 Gemini at Work 행사에서 기업용 통합 에이전트인 Gemini agent를 발표했습니다. 단순히 질문에 답하는 챗봇이 아니라, 목표를 이해하고 필요한 도구와 데이터를 찾아 여러 단계의 일을 수행한 뒤 결과물을 업무 환경에 돌려주는 것이 핵심입니다.
핵심 변화는 더 긴 답변이 아니라, 계획·도구 사용·실행·결과 전달을 하나의 흐름으로 묶는 데 있습니다.
무엇을 할 수 있나
공식 발표에 따르면 Gemini agent는 이메일 작성과 발송, 문서와 미디어 생성, 데이터 분석, 코드 작성과 실행 같은 작업을 처리할 수 있습니다. 사용자가 결과를 요청하면 에이전트가 일을 계획하고, 필요한 기술과 도구를 선택하며, 기업 시스템에 연결해 완성된 결과를 문서·메일함·개발 환경 등에 전달합니다.
장시간 이어지는 지속 실행
작업은 클라우드에서 지속되므로 노트북을 닫은 뒤에도 몇 시간이나 며칠 동안 진행될 수 있습니다. 매번 처음부터 다시 설명하지 않도록 세션·의미·절차·경험의 네 가지 메모리 유형도 사용합니다.
여러 에이전트가 역할을 나누는 구조
큰 업무는 조사, 분석, 문서 작성처럼 목적별 하위 에이전트로 나뉠 수 있습니다. 이들은 병렬 또는 순차로 협업합니다. 기업은 별도의 Workspace 계정과 제한된 저장공간을 가진 동료 에이전트도 구성할 수 있습니다.
작업에 맞는 모델 선택
Gemini agent는 Google의 Gemini 모델군뿐 아니라 현재 Anthropic의 Claude도 선택할 수 있습니다. Google Cloud는 앞으로 더 많은 비공개 모델과 오픈 모델을 지원할 계획이라고 밝혔습니다. 하나의 에이전트가 작업 성격에 맞춰 모델을 고르는 구조입니다.
기업 도구와 데이터 연결
공식 발표에는 Google Workspace 외에도 Microsoft Office·Teams, Slack, Confluence, Git, Jira, Salesforce, ServiceNow, BigQuery, Databricks, PostgreSQL, Snowflake, 데스크톱 파일과 MCP 서버 등의 연결 경로가 소개됐습니다.
보안과 비용은 어떻게 통제하나
에이전트에는 별도 신원과 최소 권한을 적용하고, 역할 기반 접근 제어와 OAuth 권한 전달, 감사 로그를 사용할 수 있습니다. 코드 실행은 네트워크 경계가 있는 Agent Sandbox에서 격리하며, 외부 통신은 Agent Gateway 정책을 통과하도록 설계됐습니다.
비용 측면에서는 작업별 모델 선택, Smart Routing, 프로젝트 단위 실시간 지출 한도를 제공합니다. 정한 한도에 도달하면 에이전트 작업을 멈추도록 설정할 수 있습니다.
제공 범위와 가격
Google Cloud 공식 발표는 Gemini agent의 기능과 초기 고객 사례를 공개했지만, 일반 제공 시점과 지역별 제공 범위, 별도 가격은 명확히 밝히지 않았습니다. 따라서 모든 기업 사용자가 즉시 사용할 수 있다고 단정해서는 안 되며, 실제 이용 가능 여부는 Google Cloud 계정과 계약 조건에서 확인해야 합니다.
첨부 대표 이미지의 ‘Enterprise · Private Preview’ 표기는 공식 발표문에서 정식 배포 단계 명칭으로 직접 확인되지 않습니다. 이 글은 제품 공개 사실과 기능은 공식 자료에 근거하되, 제공 단계는 미확정으로 구분합니다.
WHAT CHANGED
무엇이 바뀌는가
기존 방식
기존 생성형 AI는 사용자가 질문이나 명령을 한 번씩 보내고 결과를 확인한 뒤, 다음 단계를 다시 지시하는 방식이 중심이었습니다. 여러 앱과 데이터 소스를 오가는 일은 사람이 직접 연결해야 했습니다.
변경된 방식
Gemini agent는 사용자가 원하는 결과를 목표로 받아 계획을 세우고, 여러 하위 에이전트와 모델·도구·기업 데이터를 조합해 긴 작업을 이어갑니다. 결과는 이메일, 문서, 스프레드시트, 코드 같은 실제 업무 산출물로 돌아옵니다.
실제 의미
경쟁의 기준이 모델의 단일 응답 품질에서 업무 시스템 전체의 실행 능력으로 이동하고 있습니다. 같은 모델이라도 어떤 권한과 메모리, 데이터, 도구, 비용 통제 안에서 작동하느냐가 서비스의 성능과 위험을 크게 좌우합니다.
WHAT WE CAN DO
이 변화로 무엇을 할 수 있는가
기업과 팀
- 회의 준비를 위해 관련 자료를 모으고 분석한 뒤 보고서와 이메일 초안을 함께 만들 수 있습니다.
- 여러 시스템에 흩어진 지식을 찾아 문서·표·프레젠테이션 같은 산출물로 정리할 수 있습니다.
- 코드 작성, 테스트, 데이터 분석처럼 도구를 여러 번 호출하는 작업을 장시간 맡길 수 있습니다.
도입 전에 확인할 점
- 에이전트가 접근할 수 있는 데이터와 시스템을 최소 권한으로 제한해야 합니다.
- 실행 로그와 비용 한도, 중단 조건, 사람의 승인 지점을 먼저 설계해야 합니다.
- 장시간 실행 결과는 자동으로 신뢰하지 말고 중요한 외부 전송이나 변경 전에 검토해야 합니다.
에이전트의 가치는 혼자 무엇이든 하는 데 있지 않습니다. 허용된 권한과 검증 가능한 과정 안에서 반복 업무를 끝까지 수행하는 데 있습니다.