Gemini가 Bard로 출시되었을 때, 많은 사람들은 그것이 성급하고 느리다며 Google이 경쟁할 수 없다는 신호라고 비판했습니다. 혼란스러운 몇 년을 보낸 후, Google의 이야기는 마침내 일관성을 갖추기 시작했습니다. 멀티모달(Multimodal) 우선주의, Workspace에 깊숙이 내장된 구조, 그리고 이제는 대규모의 에이전트적 인프라(Agentic infrastructure)를 갖추게 된 것입니다. 그들은 25년 된 제품 제국(Search, Workspace, Android, Cloud) 내에서 AI가 어디에 적합할지를 동시에 파악하고 있었습니다. Google은 대부분의 기업이 감당하기 어려운 일을 하고 있었습니다. 바로 포지셔닝을 재설정하는 동안 대중의 비판을 감내하는 것이었습니다.

이러한 패턴이 다시 나타나고 있습니다. Google은 Search를 변경하고 에이전트적 개발(Agentic Development)에 접근하는 방식에 대해 초기 비판을 많이 받고 있지만, 저는 그러한 비판 중 일부가 시기상조일 수 있다고 생각합니다. 혼란으로 보이는 것이 실제로는 Google이 경쟁력을 유지하고 회사의 미래를 대비하기 위해 검색이 어떻게 진화해야 하는지를 사례 테스트(Case-testing)하는 과정일 수 있습니다. 그런 의미에서, 제가 직접 라이브로 볼 수 있었던 Google I/O 기조연설의 주요 포인트 중 제가 가장 좋아했던 몇 가지 생각을 공유하고자 합니다.

✅ Gemini + Gemma: 장점 (Pros)

Google의 AI 모델 전략은 점점 더 접근 가능하고 유연해지는 느낌입니다. 관리형 AI, 에이전트적 워크플로우(Agentic workflows), 클라우드 오케스트레이션(Cloud orchestration)을 위한 Gemini, 그리고 개방성, 휴대성, 개인정보 보호를 위한 Gemma가 그것입니다. Google은 시장의 양면 모두에 접근하고 있습니다. 그들이 독점적인 생태계를 구축하는 동시에 에이전트적 워크플로우를 현대화하는 방식은 매우 멋집니다. AI Ultra 티어를 통해 사용할 수 있는 자율적인 24/7 백그라운드 에이전트인 Gemini Sparks를 통해, 이제 오프라인 상태에서도 Gemini 기반 에이전트가 작업과 자동화를 수행할 수 있습니다. Gemma 4를 포함하여 Apache 2.0 라이선스 하에 모델 가중치(Model weights)를 공개한다는 것은, 개인정보 보호, 컴플라이언스(Compliance) 또는 규제 요구 사항이 중요한 경우 개발자와 조직이 AI를 로컬에서 또는 자체 보안 인프라 내에서 실행할 수 있는 더 개방적인 경로를 갖게 되었음을 의미합니다. 그리고 에이전트 플랫폼(Agent platform, 구 Vertex AI)을 통해 개발자는 Google의 클라우드 생태계 외부에서 완전히 AI를 실행할 수 있는 옵션과 함께 여러 모델 및 제공업체를 가로질러 작업할 수 있습니다.

❌ Gemini + Gemma: 단점 (Cons)

Google과 업계 전반은 프리미엄 AI 구독 모델의 정당성을 계속해서 입증해야 할 것입니다. 저가형 API와 중국에서 출시되는 많은 모델을 포함한 오픈 에코시스템 (Open Ecosystem)이 훨씬 더 낮은 가격으로 성능을 밀어붙이고 있기 때문입니다. 그럼에도 불구하고, Gemma 4는 기업 수준에서 로컬로 안전하게 사용할 수 있는 오픈 소스 (Open-source) 모델이며, 이는 이러한 압박에 대한 Google 자체의 해답입니다.

⚡ Antigravity Platform: 장점 (Pros)

Google은 Antigravity를 단순한 또 다른 AI 코딩 IDE (Integrated Development Environment)로 포지셔닝하지 않습니다. 데스크톱 경험을 넘어 CLI (Command Line Interface), SDK (Software Development Kit), API (Application Programming Interface), 그리고 관리형 에이전트 (Managed Agents)로 확장되며, 개발자가 출력을 검토할 수 있도록 돕는 검증 도구도 포함하고 있습니다. Cursor와 같은 특화된 코드 편집 기능이나 Claude Code와 같은 빠른 터미널 기반 추론 기능으로 엄격하게 경쟁하는 대신, Antigravity 2.0은 계획, 실행, 테스트, 그리고 결과 보고에 이르는 전체 워크플로 (Workflow)를 해결하려고 시도합니다. 이는 본질적으로 동적 서브에이전트 (Dynamic Subagents)를 통해 병렬 작업을 지원하는 멀티 에이전트 오케스트레이션 (Multi-agent Orchestration) 플랫폼입니다. 서브에이전트가 작업을 분할하여 동시에 실행할 수 있습니다. 저는 실제로 단순히 여러 에이전트에게 작업을 할당하는 것을 넘어, 에이전트들이 하나의 작업에 대해 함께 작업하고 소통하도록 만드는 이 개념을 바탕으로 저만의 앱을 구축한 적이 있습니다. 솔직히 말해서, 제가 이미 원했던 워크플로의 많은 부분을 한곳에 통합한 플랫폼을 사용하는 것은 정말 멋진 일입니다.

⚠️ Antigravity Platform: 단점 (Cons)

여전히 일반적인 IDE 워크플로우를 원하는 사람들에게는 너무 에이전트 중심적(agent-first)일 수 있습니다. 기본 인터페이스에서 직접적인 코드 편집 기능이 완전히 제거되었기 때문에, 자동화된 작업에 강제로 의존하게 되며 실제로 통제권을 상실했다는 느낌을 받게 됩니다. 저는 터미널에 접속하여 사소한 것들을 수동으로 수정할 수 있는 것을 선호하는데, 가장 싫은 점은 파일의 인라인 경고(inline warnings)나 오류에 대한 시각적 표시가 완전히 사라졌다는 것입니다. 또한 학습 곡선(learning curve)도 존재하며, 시스템을 관리하는 방식이 전통적인 프로그래밍과는 완전히 다르게 느껴집니다. 단순히 코드를 작성하는 것이 아니라, 동시에 작동하는 AI 에이전트 군단(fleet of AI agents)을 관리하는 것에 가깝습니다. 그리고 이러한 에이전트들은 많은 컴퓨팅 자원(compute)과 토큰(tokens)을 사용하기 때문에 비용이 많이 들 수 있으며, 이것이 Google이 헤비 유저를 위해 월 100달러의 Ultra 티어를 도입한 이유 중 하나이기도 합니다.

🛍️ 에이전트적 검색 (Agentic Search): 장점 (Pros)

키노트에서 제가 개인적으로 가장 좋아했던 부분입니다. Google은 이제 단순히 정적인 결과(static results)를 반환하는 대신, 사용자의 의도(user intent)를 중심으로 경험을 동적으로 구축하기 위해 자사의 개발 플랫폼을 구동하는 것과 동일한 Antigravity 기반 인프라를 활용하고 있습니다. 검색 엔진은 Antigravity 백그라운드 서브 에이전트(subagents)를 사용하여 실시간 웹 API를 가져오고, 대화형 프론트엔드(interactive frontend)를 설계하며, 보안 샌드박스 실행 환경(sandboxed execution environment)을 구축한 뒤, 단 몇 초 만에 검색 결과 내에서 완전히 작동하는 웹 앱을 제공합니다. 이는 흥미로우면서도 약간은 두렵기까지 합니다. 이것이야말로 모든 SaaS 창업자들을 밤잠 설치게 만들 요소입니다. 이는 단순한 사용 사례를 다루는 도구들의 카테고리 전체를 붕괴시킵니다. 검색 결과 자체가 도구라면, 왜 굳이 단위 변환기, 환율 계산기, 또는 가벼운 데이터 시각화(data viz) 도구로 이동해야 할까요?

🔍 에이전트적 검색 (Agentic Search): 단점 (Cons)

에이전트적 검색 (Agentic Search)의 부상은 단순한 순위(rankings)를 넘어 SEO(검색 엔진 최적화) 지형을 조용히 재편하고 있습니다. 이제 Google은 쿼리에 직접 답변하고, 인라인(inline)으로 대화형 도구를 구축하며, 사용자를 자신의 생태계 내에 완전히 머물게 할 수 있습니다. 귀하의 사이트가 답변의 소스가 될 수는 있지만, 정작 방문은 유도하지 못할 수도 있으며, 이는 클릭 수 감소, 페이지 뷰 감소, 광고 노출(ad impressions) 감소로 이어집니다. 브랜드 권위(brand authority)보다 트래픽 양에 더 의존하는 소규모 퍼블리셔들이 이를 가장 힘들게 느낍니다. SEO의 규칙이 변하고 있습니다. 이제는 단순히 순위를 올리는 것이 아니라, AI 답변 자체 내에서 가시성을 확보하는 것이 핵심입니다.

📱 Google AI Studio: 장점 (Pros)

제가 주목한 점은 Google이 프로토타이핑(prototyping) 과정에서 얼마나 많은 마찰(friction)을 제거하고 있는가 하는 점입니다. 이제 AI Studio는 Android 앱을 생성하고, 브라우저에서 직접 빌드를 미리 보고 테스트하며, Docs나 Sheets와 같은 Workspace 도구와 연결할 수 있습니다. 또한 플랫폼을 떠나지 않고도 프로젝트를 Google Cloud 및 Google Play에 배포할 수 있습니다. 심지어 빌드를 테스트하기 위해 브라우저에서 직접 Android 에뮬레이터(emulator)를 실행하기도 합니다. 일반적인 환경 설정(environment setup)의 골칫거리를 겪어본 사람이라면, 이는 매우 중대한 변화입니다.

🚧 Google AI Studio: 단점 (Cons)

여전히 백엔드(backend) 및 확장성(scaling) 측면의 격차가 존재합니다. 프런트엔드(frontend)를 구축하고 빠르게 프로토타입을 만드는 데는 강력하지만, 더 복잡한 앱을 위해서는 데이터베이스, 인증(auth), 권한(permissions), 그리고 프로덕션급 인프라(production-grade infrastructure)를 위한 추가 작업이 여전히 필요합니다. 또한 무료 티어(free tier)에서는 개인정보 보호(privacy) 측면의 트레이드오프(tradeoff)가 존재하는데, 사용자의 데이터 활용 방식이 민감하거나 상업적인 작업에 이상적이지 않을 수 있기 때문입니다.

결론 (Conclusion)

궁극적으로, 사람들이 Bard 시대에 Google을 외면했다가 결국 틀렸음이 증명되었던 것과 마찬가지로, 현재 검색(Search)과 에이전트적 개발(Agentic Development)을 둘러싼 비판의 물결 또한 시간이 지나면 좋지 않은 평가를 받게 될 것이라고 생각합니다. Google의 베팅은 AI의 미래가 에이전트적 세상을 위한 핵심 운영체제(operating system)를 구축하기 위한 경쟁이라는 점에 있습니다. Gemini의 최신 모델들의 멀티모달(multimodal) 능력을 빠르게 개선하고, Gemma 4와 같은 오픈 모델 생태계를 활용함으로써, 그들은 개발자 시장의 양면을 모두 확보하고 있습니다.

해당 생태계를 조기에 확보한다는 것은 바이럴(viral)한 소비자용 서비스의 폭발적 성장이 필요하지 않음을 의미합니다. 그들은 자신들의 AI 인프라를 개발자들이 전 세계의 소프트웨어를 구축하기 위해 이미 사용하고 있는 도구들에 직접 주입할 수 있습니다. Google은 AI 경쟁에서 승리하기 위해 모든 소비자용 애플리케이션을 직접 만들 필요가 없다는 점을 알고 있습니다. 만약 그들이 Gemini의 최신 모델들과 Antigravity 2.0을 다른 사람들이 그 위에서 구축할 수 있는 가장 빠르고, 저렴하며, 견고한 오케스트레이션 계층 (orchestration layer)으로 만들 수 있다면, 그들은 기본적으로 승리하게 될 것입니다.