newsletterTODAY'S PICKS “실험은 끝났다” Google Cloud Next 26이 선포한 AI 에이전트의 시대 BESPICK by 현주 이 2026년 05월 11일 2026년 05월 11일 2K 지난주 미국 라스베이거스에서 Google Cloud Next 2026이 열렸습니다. Google Cloud가 AI와 클라우드의 최신 기술 및 트렌드를 선보이는 자리인데요. 올해도 전 세계 기업 리더와 개발자, 파트너 3만 2천여 명이 모였다고 하죠. 첫날 기조연설에서 Google Cloud CEO 토마스 쿠리안(Thomas Kurian)은 이렇게 말했습니다.“AI의 파일럿 단계는 지났습니다. 실험은 끝났습니다. 이제 진짜 도전이 시작됩니다. 바로 기업 전체에 걸쳐 AI를 어떻게 실제 운영 환경에 적용할 것인가 하는 문제입니다.You have moved beyond a pilot. The experimentation phase is behind us, and now the real challenge begins: how do you move AI into production across your entire enterprise?”그리고 이 중심에는 스스로 판단하고 실행하는 AI 에이전트가 있습니다. 업무 전반에 AI 에이전트가 빠르게 확산되면서, 기업들의 질문은 ‘AI 에이전트를 어떻게 제대로 운영할 것인가’로 바뀌었는데요. Google Cloud는 이번 행사를 통해 그 답을 내놓았습니다. 오늘은 Google Cloud Next 2026의 핵심 내용과 전략, 인사이트를 함께 살펴보겠습니다. AI 에이전트 플랫폼: AI 에이전트 운영을 한 곳에서 AI 에이전트가 확산될수록 새로운 과제가 생겨납니다. 누가 어떤 AI 에이전트를 만들었는지, 무슨 일을 하는지 파악하기 어려워진다는 것인데요. 이러한 문제를 해결할 수 있는 Gemini Enterprise Agent Platform이 공개되었습니다.Vertex AI의 진화형으로, AI 에이전트 기획 단계부터 실제 업무에 배포하고 관리하는 단계까지 하나의 환경 안에서 처리할 수 있는 통합 플랫폼입니다.전문가가 아니어도 손쉽게 AI 에이전트를 만들 수 있으며, 이렇게 만들어진 AI 에이전트들은 서로 역할을 나누어 협업합니다. 한 AI 에이전트가 계획을 세우면 다른 AI 에이전트가 평가하고, 또 다른 AI 에이전트가 실행하는 것이죠. AI 에이전트가 직접 Google Cloud의 서비스를 호출할 수 있으며, 외부 서비스와 연동도 가능합니다. Gemini뿐 아니라 Claude 등 타사의 AI 모델을 함께 사용할 수도 있습니다.AI 에이전트 관리 기능도 주목할 만합니다. 각 AI 에이전트가 어떤 작업을 수행했는지 추적하고, 과거 대화와 맥락을 수개월 단위로 기억하는데요. 따라서 문제의 원인을 자동으로 찾아내고 수정할 수 있습니다. 직원들이 매일 하는 업무도 달라졌습니다. AI 에이전트 활동을 한눈에 파악하고, 반복 업무를 단축키처럼 실행하며, 앱을 벗어나지 않고 문서 작업까지 할 수 있는 기능들이 추가된 것인데요. AI가 일상적인 업무 도구로 자리 잡을 수 있도록 설계되었습니다.Google Cloud는 단순히 더 나은 AI 모델이 아니라, AI 에이전트가 작동하는 시스템을 제공하는 데에 집중하고 있습니다. Gemini Enterprise Agent Platform과 같이 한 곳에서 에이전트를 만들고, 배포하고, 관리하고, 최적화하도록 하는 것이죠. 외부 서비스와의 연동은 물론이고 심지어 경쟁사의 AI 모델도 사용할 수 있도록 열어두었는데요. AI 에이전트 실행 환경의 표준이 되겠다는 전략으로 풀이할 수 있습니다. AI 인프라: 이제는 듀얼 칩이 대세? AI 에이전트 시대가 본격화되면서 AI 인프라에 대한 요구도 달라지고 있죠. 모델 훈련 못지않게, 수많은 AI 에이전트가 작동하는 환경을 얼마나 효율적으로 지원할 수 있느냐가 관건이 되었는데요. AI 에이전트는 하나의 요청을 처리할 때마다 10 ~ 20번의 연산이 필요하기 때문에 AI 에이전트가 늘어날수록 비용은 급증합니다. 그래서 Google Cloud는 8세대 TPU 칩을 두 종류로 나누어 출시했습니다.학습용 TPU 8t와 추론용 TPU 8i는 학습과 추론이라는 각 목적에 맞게 처음부터 별도로 설계되었습니다. 특히 추론용 TPU 8i는 AI 에이전트 운영에 최적화되어 있습니다. 이전 세대와 비교했을 때 달러당 성능이 80% 향상되어, 같은 비용으로 훨씬 더 많은 AI 에이전트를 동시에 운영할 수 있는데요. 새로운 네트워크 구조를 적용해 실시간에 가까운 응답이 가능해진 덕분입니다. 학습용 TPU 8t 역시 이전보다 약 3배 높은 성능으로 대규모 모델 훈련 시간을 대폭 줄였습니다.Google Cloud의 칩 출시를 Nvidia와의 경쟁 구도로 볼 수도 있겠지만 실상은 다른데요. TPU는 Nvidia를 대체하는 것이 아닌 보완하는 역할이라는 분석입니다. Google Cloud는 Nvidia의 최신 GPU를 가장 먼저 제공할 예정이고요. 양사는 GPU가 Google Cloud에서 잘 작동하기 위한 네트워크 기술도 함께 개발하고 있는데요. 고객사 입장에서는 워크로드에 따라 더 많은 선택지를 갖게 되는 셈입니다.Google Cloud의 듀얼 칩 출시는 AI 에이전트 시대에 대비하기 위한 전략적 의도가 담겨 있습니다. AI 에이전트가 대규모로 확산되면서 발생하는 효율성 문제를 인프라 단계에서 미리 해결하는 것인데요. AI 모델과 하드웨어를 함께 설계해 계층 간 연결에서 손실 없이 최고 수준의 성능과 최적의 비용 효율성을 가능하게 합니다. 또한 타사의 기술도 제공해 AI 에이전트를 경제적이고 실용적으로 운영할 수 있도록 합니다. 데이터 클라우드: 저장하는 데이터에서 행동하는 데이터로 AI 에이전트가 제대로 작동하려면 데이터의 양이나 품질만으로는 부족합니다. AI 에이전트가 데이터의 의미와 관계까지 읽을 수 있어야 하기 때문인데요. Google Cloud 데이터 부문 임원 야스민 아마드(Yasmeen Ahmad)는 모델은 세상의 데이터로 학습되지만 개별 비즈니스의 맥락, 지표, 불문율은 알지 못한다고 지적했는데요. AI 에이전트가 제대로 작동하려면 데이터의 양이나 품질을 넘어 비즈니스 고유의 맥락을 이해하는 것이 핵심이라고 강조했습니다.Google Cloud는 이를 위한 솔루션으로 Agentic Data Cloud를 선보였습니다. 기업 내 모든 데이터의 의미와 관계를 AI가 자동으로 추론해 정리하는데요. PDF, 이미지, 로그 파일 등 비정형 데이터도 저장되는 순간 자동으로 의미가 추출됩니다. AI 에이전트가 수천 개의 문서를 모두 찾을 필요 없이 꼭 필요한 맥락만 빠르게 가져다 쓸 수 있어 정확도와 효율이 동시에 높아지는 효과가 기대됩니다.데이터 실무자를 위한 Data Agent Kit도 함께 공개했는데요. 데이터 엔지니어가 원하는 목표를 설명하면 AI 에이전트가 알아서 코드를 짜고 실행합니다. 데이터 파이프라인을 직접 구축하는 대신, 어떤 데이터로 무엇을 달성할지에 집중할 수 있게 된 것이죠. 여러 클라우드에 흩어진 데이터를 분석하는 기능도 눈길을 끌었는데요. 개방형 데이터 표준을 통해 특정 클라우드에 종속되지 않고 AWS나 MS Azure에 저장된 데이터도 직접 분석할 수 있습니다.Google Cloud는 데이터 자체보다 AI 에이전트가 데이터를 얼마나 잘 이해하고 활용할 수 있는 지에 집중합니다. 아무리 많은 데이터가 있어도 AI 에이전트가 그 의미를 파악하지 못하면 소용이 없기 때문이죠. 또한 대부분의 기업이 여러 클라우드를 함께 사용하는 멀티 클라우드 환경에서 일하고 있다는 점에도 주목했는데요. 데이터를 옮기고 한 곳에 모으는 대신 AI 에이전트가 데이터가 있는 곳으로 직접 찾아가는 구조로 전환했습니다. AI 보안: 처음부터 설계하는 3단계 보안 AI 에이전트가 스스로 판단하고 실행하는 구조에서는 AI 에이전트의 행동 추적이 쉽지 않습니다. 또한 AI 에이전트가 업무 전반에 활용되면서 민감한 데이터에 접근하는 일도 많아졌는데요. 이로 인해 AI 보안 위협은 더 많아지고 복잡해졌습니다. Google Cloud는 이번 행사에서 AI 공격을 AI로 방어한다는 원칙 아래 3단계 자동 보안 체계를 선보였습니다.첫 번째는 AI가 코드를 분석해 취약점을 알아내고 수정안을 제시하는 단계입니다. 공격자가 허점을 발견하기 전에 미리 대비하는 것입니다. 두 번째는 다크 웹과 해커 커뮤니티의 동향 기반으로 위험도가 높은 위협을 탐지하는 단계입니다. 실제로 위협 우선순위 정확도가 98%에 달한다고 하죠. 세 번째는 보안 에이전트 기반의 자동 대응 단계인데요. 침투 테스트, 위협 분석, 자동 복구를 담당하는 보안 에이전트들이 빠르게 보안 작업을 실행합니다.이 과정에서 Google이 인수한 클라우드 보안 기업 Wiz의 기술이 활용되었는데요. Wiz는 코드부터 운영 환경까지 AI의 전 과정을 보호하고요. 인프라, 데이터, 모델, 에이전트 등 모든 계층의 보안을 한 곳에서 관리할 수 있는 것이 특징입니다. 또한 Google Cloud뿐 아니라 AWS와 MS Azure의 AI 에이전트 개발 플랫폼에 대한 보안도 지원합니다.Google Cloud가 내세운 AI 보안의 핵심은 보안을 AI 에이전트 시스템의 기본값으로 만드는 것입니다. AI 에이전트가 만들어지는 순간 보안의 대상이 되는 것이죠. AI 에이전트가 많아질수록 보안 면에서의 부담이 함께 늘어나기 때문에 처음부터 구조적으로 해결하는 것입니다. 보안 범위를 Google Cloud 밖으로까지 확장한 것도 같은 맥락인데요. 어떤 클라우드 환경에서 AI 에이전트를 운영하든지 일관된 보안 체계를 제공하겠다는 전략입니다. 우리가 지금 챙겨야 할 3가지는?I 지금까지 이번 행사의 핵심 발표들을 살펴봤는데요. 구독자님들이 참고하면 좋을 3가지 인사이트를 정리해 보았습니다.AI 에이전트, 도구가 아닌 시스템으로: 많은 기업들이 AI 에이전트를 도입하면서 특정 기능이나 업무 하나를 자동화하는 것에 집중합니다. 하지만 AI 에이전트가 조직 전반으로 확산될수록 이러한 접근 방식은 한계를 드러낼 수 밖에 없는데요. AI 에이전트가 실질적인 성과로 이어지기 위해서는 AI 에이전트 개발부터 운영 및 관리, 데이터, 인프라, 보안 등을 하나의 시스템으로 설계하는 것이 중요합니다.AI가 이해하고 행동하는 데이터로: 지금 우리 기업의 데이터 전략이 AI 에이전트 시대에 맞는지 점검해야 합니다. 앞서 설명했듯이 이제 데이터가 얼마나 많고 깨끗이 정리되어 있는지만큼, AI 에이전트가 그 데이터의 맥락을 제대로 이해하는지가 중요해졌기 때문입니다. 또한 데이터 파이프라인 역시 한곳으로 모으는 것이 아닌 AI 에이전트가 찾아가는 구조로 전환할 수 있는지 등을 살펴보는 것이 필요합니다.보안과 거버넌스는 처음부터: AI 에이전트 도입 초기에는 보안과 거버넌스가 후순위로 밀리는 경우가 많은데요. 하지만 AI 에이전트가 많아질수록 보안 위협은 커지기 마련입니다. 나중에서야 보안 체계를 갖추려 하면 이미 운영 중인 AI 에이전트들을 다시 설계하는 등 병목이 발생할 수도 있습니다. 따라서 처음 AI 에이전트를 도입하는 시점부터 신원 관리, 권한 정의, 이상 행동 감지 체계 등의 보안과 거버넌스를 함께 준비하는 것이 좋습니다.지금까지 Google Cloud Next 2026의 주요 내용을 살펴보았습니다. 앞서 강조한 것처럼 AI 에이전트를 도입하는 것과 기업 전체에서 안정적으로 운영하는 일은 전혀 다른 문제인데요. Google Cloud는 AI 에이전트가 제대로 작동하기 위한 환경을 풀스택으로 제공하며, AI 에이전트 실행의 표준이 되고자 하는 의지를 보여주었습니다. 그리고 이미 여러 글로벌 기업들이 AI 에이전트를 하나의 시스템으로 구축하는 방향으로 움직이고 있습니다.여러분의 기업은 지금 어떤 고민을 하고 계신가요? AI 도입을 넘어 안정적인 운영까지 고려하고 계신가요? 오늘 콘텐츠가 귀사의 AI 전략을 세우는 일에 도움이 되길 바랍니다. ※본 콘텐츠는 베스핀글로벌의 뉴스레터 ‘베스픽’을 통해 매주 화요일 발행되는 콘텐츠입니다. 베스픽을 구독하시면 가장 먼저 IT 업계 최신 이슈 및 인사이트를 전달받으실 수 있습니다. 방금 읽은 이 콘텐츠가 마음에 드셨다면?지금 바로 베스핀글로벌의 뉴스레터 ‘베스픽’을 구독하고, 매주 인사이트를 가장 빠르게 받아보세요. 베스핀글로벌 문의하기 뉴스레터 구독하기 FAQ Q1. Google Cloud Next 2026에서 가장 강조된 핵심 키워드는 무엇인가요?‘AI 에이전트의 실제 운영(Production)’입니다. 단순히 모델의 성능을 자랑하는 단계를 넘어, 기업 환경에서 AI 에이전트를 어떻게 기획, 배포, 관리하고 보안을 유지할 것인지에 대한 통합 시스템 구축을 강조했습니다.Q2. 새로 공개된 ‘Gemini Enterprise Agent Platform’은 무엇이 다른가요?AI 에이전트의 생애 주기 전반을 관리하는 통합 플랫폼입니다. 코딩 지식 없이도 에이전트를 생성할 수 있으며, 서로 다른 역할을 가진 에이전트들이 협업하고 외부 서비스 및 타사 AI 모델(Claude 등)과도 연동되는 개방성이 특징입니다.Q3. 구글이 발표한 8세대 TPU(v8)의 듀얼 칩 전략은 무엇인가요?학습용 ‘TPU 8t’와 추론용 ‘TPU 8i’로 이원화했습니다. 특히 추론용 8i는 에이전트 운영 시 발생하는 막대한 연산 비용을 줄이기 위해 달러당 성능을 80% 향상시켜 경제성을 확보했습니다.Q4. ‘Agentic Data Cloud’가 기업 데이터 관리에 주는 이점은 무엇인가요?데이터의 물리적 저장보다 ‘비즈니스 맥락 이해’에 집중합니다. 비정형 데이터에서도 자동으로 의미를 추출하여 AI 에이전트가 수천 개의 문서를 읽지 않고도 필요한 정보만 즉시 찾아 활용할 수 있게 합니다.Q5. AI 에이전트 도입 시 기업이 가장 먼저 고려해야 할 보안 사항은?보안을 도입 후순위가 아닌 ‘기본 설계(Default)’로 잡아야 합니다. AI가 스스로 코드를 분석해 취약점을 찾는 자동 보안 체계를 갖추고, 멀티 클라우드 환경에서도 일관된 권한 관리와 거버넌스가 작동하도록 구조화하는 것이 필수적입니다. 더 읽어볼 만한 컨텐츠 생산성을 다시 설계하는 업무 성향별 맞춤형 AI 에이전트 추천GPT보다 20배 저렴하다? 1달러 AI로 세계를 공습하는 중국의 실용주의 전략AI 보안, 이제는 실전이다! RSAC 2026으로 본 실전 보안 트렌드1년 만에 매출 20배 성장, 미스트랄 AI가 증명한 ‘소버린 AI’의 파워 Agentic AI PlatformAIAI AgentAI 데이터AI 트렌드BESPINGLOBALHELPNOWHelpNow AIHelpNow AI Foundry베스핀글로벌온톨로지
