2026년 10월 29일

기업용 에이전트가 소비자 앱으로 내려온다

아침 글이 기업 안에서 에이전트를 운영하는 층을 다뤘다면, 오후 소식은 같은 기술이 일반 사용자에게 가는 경로를 보여 준다. 보도에 따르면 순다르 피차이 Google CEO는 기업용 'Gemini Agent'의 핵심 기능을 올해 안에 소비자에게 열겠다고 밝혔다¹⁹. 클라우드에서 하루 24시간 돌며 여러 서비스를 오가는 작업을 처리하는 기능이고, 첫 적용처는 이용자 10억 명의 Gemini 앱이다. Google은 기업용 에이전트에 쓰던 보안·실행 기술을 소비자 앱에도 가져온다고 설명했다.

하드웨어 쪽에서도 비슷한 움직임이 있다. Amazon은 AI 비서 Alexa+를 넣은 스마트홈 기기 5종을 공개했고, 같은 날 기기·서비스 부문에서 약 250명을 감원했다고 보도됐다¹⁶. 두 소식을 함께 보면 생성형 AI가 화면 속 대화를 넘어 생활 공간의 기기와 장시간 실행되는 작업으로 퍼지는 중이다. 사용자 대신 움직이는 AI가 많아질수록 무엇이 그것을 멈추고 점검하는지가 중요한 질문이 된다.

확산의 조건을 제도로 정하는 움직임

그 질문에 대한 답은 개발사의 자율 약속보다 법과 정책의 문장으로 옮겨 가는 모습이다. 보도에 따르면 OpenAI는 캘리포니아주에 AI 모델을 긴급히 멈출 수 있는 기능과 독립 외부 감사를 의무로 정하자고 제안했다¹⁵. Anthropic은 10월 15일 주지사에게 보낸 서한에서, 모델이 대중에게 심각한 위험을 줄 경우 정부가 법원에 출시 금지 명령을 청구할 수 있어야 한다고 밝혔다. 이런 장치가 입법되면 프런티어 모델을 배포하는 기업의 준수 부담도 달라진다.

규칙은 모델뿐 아니라 그 아래의 인프라에도 붙고 있다. 영국 재무부는 '데이터센터 협약'에서 2030년까지 AI 데이터센터 용량이 약 6GW 필요하다고 내다봤다²⁰. 영국 정부는 국내 컴퓨팅 확충이 기술주권과 국가안보에 필요하다고 설명하면서도, 전력 비용과 환경, 지역사회 영향을 관리하는 기준을 함께 제시했다. 서비스를 넓히는 일과 그 비용·위험을 누가 나눌지 정하는 일이 같은 날 함께 진행된 셈이다.

아직 정해지지 않은 것들

다만 이 흐름을 이미 굳어진 구도로 보기는 이르다. Google 계획은 보도로 전해졌을 뿐이며, 출시일과 요금, 지원 국가는 나오지 않았다. 소비자용 에이전트가 실제로 얼마나 넓게 쓰일지는 구체적인 출시 조건을 봐야 판단할 수 있다.

규제 쪽에서도 합의는 부분적이다. 모델 전체를 한 번에 멈추는 '킬 스위치'를 의무화할지를 두고 OpenAI와 Anthropic의 입장이 달랐다고 보도됐다. 안전 장치가 필요하다는 데는 뜻이 모였지만 어떤 형태로 강제할지는 이제 논쟁이 시작되는 단계로 볼 수 있다.

업무 시스템에 에이전트를 잇는 경쟁

첫 번째 근거는 에이전트를 기존 업무 플랫폼 안으로 들이는 방식이 바뀌고 있다는 점이다. OpenAI와 ServiceNow는 협력 범위를 기업 워크플로 전반으로 넓힌다고 발표했다¹. OpenAI의 모델과 에이전트는 ServiceNow 플랫폼 안에서 쓰이고, ServiceNow의 워크플로는 ChatGPT와 Codex에서 불러 쓸 수 있게 된다. 한쪽이 다른 쪽에 기능을 덧붙이는 방식이 아니다. 양쪽 제품이 모두 업무의 입구가 되는 구조라는 점이 핵심이다.

개발 도구에서도 같은 흐름이 나타난다. GitHub는 Universe 2026에서 '코파일럿 프로젝트'를 공개했다. 개발 목표를 정해 주면 하위 에이전트를 띄워 작업을 나눠 맡기는 기능이다². 코파일럿 오케스트레이터(여러 에이전트를 지휘하는 조정 역할)가 여러 저장소에 걸친 작업을 조율한다. 각 에이전트가 끝낸 결과는 PR로 모여 검토를 기다린다. 팀의 규칙과 선호를 반영하는 'GitHub intelligence'도 함께 나왔다. 개발자의 일이 코드 작성에서 목표 설정과 결과 검토로 옮겨 가는 신호로 볼 수 있다.

전문 서비스 영역의 사례도 같은 방향을 가리킨다. 법률 스타트업 Legora는 OpenAI 모델과 ChatGPT, Codex를 바탕으로 계약 분석과 법률 업무를 처리하는 '에이전틱 운영체제'를 만들고 있다⁹. 세 사례는 모두 모델 성능보다 에이전트가 실제 업무 흐름의 어디에 자리 잡는지를 경쟁의 단위로 삼는다.

통제와 비용 설명이 도입 조건이 되다

에이전트가 업무 깊숙이 들어갈수록 기업은 이를 어떻게 통제하고 비용을 정당화할지 따지게 된다. AWS는 Amazon Bedrock AgentCore 위에 거버넌스를 갖춘 멀티 계정 에이전트 플랫폼을 짓는 오픈소스 레퍼런스 청사진을 공개했다¹¹. 이 청사진은 추론 게이트웨이와 도구 게이트웨이를 나누어 둔다. 또 모든 에이전트가 CI/CD(지속적 통합·배포) 평가 파이프라인을 거친 뒤에야 프로덕션에 오르도록 했다. 여러 팀이 동시에 에이전트를 운영하는 상황을 전제로 한 설계다.

비용 쪽 신호도 같은 날 나왔다. TechCrunch 보도에 따르면 Anthropic은 기업 고객이 자사 모델에 쓰는 비용과 사용처를 살펴볼 수 있는 도구를 출시했다³. 보도는 이를 상장을 앞두고 투명성을 높이려는 움직임으로 해석했다. Microsoft는 보안 모델 'MAI Cyber 1.1 Flash'를 공개하며 기존과 비슷한 탐지 성능에서 스캔당 비용을 18% 줄였다고 밝혔다⁶. 회사는 개별 모델보다 다중 에이전트 보안 프레임워크 MDASH 전체의 효율을 겨냥했다고 설명했다.

앞 절에서 본 연결·조율과 이 절의 통제·비용은 따로 떼어 볼 수 없다. 에이전트를 여러 시스템에 연결하는 순간 권한 관리와 평가, 지출 추적도 함께 필요해지기 때문이다. 서로 다른 회사들이 같은 날 이 영역을 내놓았다. 기업 도입의 과제가 모델 바깥에 있다는 인식이 업계에 퍼져 있음을 보여 준다.

모델 경쟁과 겹쳐 가는 흐름

그렇다고 이 흐름을 모델 경쟁이 끝났다는 뜻으로 읽기는 이르다. Google과 Artificial Analysis에 따르면 Gemini 4 Carbon은 Artificial Analysis 지능 지수 v5.0에서 59점으로 1위에 올랐다. Google은 WebDev Arena에서도 89 Elo가 올랐다고 밝혔다⁴. Google은 코딩과 에이전트 작업, 사이버 보안 방어 역량이 좋아졌다는 점도 강조했다. 운영 층의 경쟁도 결국 그 아래 모델의 코딩·도구 사용 능력에 기댄다. 따라서 두 경쟁은 한쪽이 다른 쪽을 대신하는 관계라기보다 함께 진행된다고 보는 편이 맞다.

오늘 근거의 성격에도 한계가 있다. 대부분이 제공자의 발표나 보도다. 실제 기업 현장에서 생산성이나 비용이 얼마나 달라졌는지를 보여 주는 수치는 아직 나오지 않았다. Gemini 4 Carbon도 보도에서 일반 사용자는 아직 쓸 수 없다는 점이 지적됐다. 운영 층의 가치는 발표가 아니라 도입 뒤에 쌓이는 데이터로 확인해야 한다.