10월 8일, Google Cloud가 Gemini at Work 2026에서 Gemini agent를 내놨습니다. "업무용 범용 에이전트"라는 이름 그대로, 질문 답하기·지식 작업·콘텐츠 제작·코딩을 창구 하나로 합친 제품입니다. 토머스 쿠리안 CEO의 한마디가 방향을 요약합니다. "지시가 아니라 목표를 주세요. 결과를 위임하면 완성된 일을 돌려받습니다."

기업 AI가 챗봇에서 업무 시스템과 직접 연결되는 에이전트 플랫폼으로 넘어가는 신호탄입니다. 이 글은 뭐가 왔는지, 도입 전에 뭘 따져야 하는지를 정리합니다.

뭐가 왔나: 창구 하나, 뒤에는 전부

구조를 그림으로 그리면 이렇습니다.

사용자: 목표 위임 ("이 분기 보고서를 정리해줘")
  ↓ 하나의 창구·하나의 API
Gemini agent:
  ├─ 일 계획 → 스킬·도구 고르기 → 업무 시스템 연결 → 완성본 반환
  ├─ 문서·받은편지함·개발 환경 안에서 동작 (이미 쓰는 곳에서)
  ├─ 오래 걸리면 서브에이전트를 만들어 병렬·순차로 처리
  └─ 모델 고르기·비용 통제·거버넌스가 기본 내장

닿는 곳:
  웹·모바일·데스크톱·CLI, Workspace·Microsoft 365·Slack,
  서드파티 앱 속 헤드리스(화면 없는 내장 실행)
  호출은 @Gemini 언급·이메일·공유·일정·이벤트로

접근 방식이 "어디서나"입니다. Workspace를 쓰는 회사는 물론, Microsoft 365와 Slack에 머무는 회사에도 Gemini를 얹겠다는 전략입니다. 개발자에게는 "에이전트가 제품이고 모델은 라우팅 결정"이라는 말이 핵심입니다. 작업마다 맞는 모델을 고르는 건 에이전트가 알아서 한다는 뜻입니다.

동료 에이전트와 기억: 사람처럼 등록되는 AI

이번 발표에서 가장 묵직한 건 동료(coworker) 에이전트입니다.

동료 에이전트 = persistent한 팀원 취급
 - 자기 Workspace 계정·이메일(@agents.company.com)·캘린더·드라이브 보유
 - 사람 대신이 아니라 자기 신분으로 행동 → 감사 로그에 주체가 남음
 - 임시 서브에이전트(건별 생성)와 달리 계속 살아서 일함
 - 노트북을 닫아도 클라우드에서 몇 시간·며칠짜리 작업을 이어감

기억 4종:
 세션(지금 일) · 의미(문서·사람에서 쌓은 지식)
 절차(일하는 법·스스로 쓴 스킬) · 일화(전에 한 일 기록)

회사의 맥락을 통째로 안다는 것도 강조됐습니다. 가격·제품 구성·부서 규범 같은 제도적 지식까지 grounding해서 답한다는 겁니다. 사내 문서 챗봇 글에서 다룬 검색·생성을 넘어, 실행까지 가는 구조입니다. RAG 고전→에이전트 글의 연장선으로 읽으면 됩니다.

스킬과 데이터도 세트로 왔습니다.

스킬: 재사용 가능한 일 묶음 (전역 라이브러리 + 회사 등록소 + 직접 만들기)
  → "이 일을 스킬로 바꿔줘"라고 말하면 템플릿으로 저장
  → 데이터·ML용 특화 스킬부터 (평이한 말로 PySpark 코드·노트북·학습·수습까지)

도구: 기업 도구 등록소 (Salesforce·ServiceNow·Jira·Git 등)
  → Confluence·Office·Teams·Slack·Workspace 연결
  → BigQuery·Databricks·Postgres·Snowflake·바탕화면 파일·MCP 서버

데이터 3종:
 Knowledge Catalog(업무 정의 1회 매핑) · Smart Storage(비정형 보강)
 Borderless Lakehouse(S3·Azure Data Lake를 이그레스 변동비 없이 조회)

비즈니스 사용자를 위한 "저장된 BigQuery 보고서"가 눈에 띕니다. 한 번 만들면 토큰 비용 없이 다시 돌려 매번 같은 답을 내는 구조입니다. 반복 보고를 매번 추론 과금으로 내지 않겠다는 겁니다.

비용과 거버넌스: CFO와 보안팀이 볼 곳

에이전트가 몇 시간씩 도구를 두드리면 요금이 겁납니다. Google은 세 레버를 내세웠습니다.

레버 내용
멀티모델 오케스트레이션 쉬운 조각은 Flash 같은 소형에, 어려운 부분은 Argon 같은 대형에 (오늘은 Gemini + Claude, 다른 모델 추가 예정)
스마트 라우팅 각 작업을 가장 싸게 되는 모델에 자동 배정
실시간 지출 상한 Cloud Billing에서 프로젝트별 상한 설정, 넘으면 에이전트 일시정지 (재개는 승인 필요, 부서별 전가 가능) 
거버넌스 4문장 (누가·무엇을·흔적·금지):
 신원 — 암호화로 증명되는 에이전트 신원, 최소 권한
 인가 — 역할 기반 + OAuth로 외부 시스템에 매핑
 감사 — 사람 이름이 아니라 에이전트 명의로 모든 행동 기록
 정책 — Agent Sandbox에서 실행, Agent Gateway(AI 방화벽)로 전 트래픽 통제

숫자도 나왔습니다. Gemini 월간 10억 사용자, Fortune 100의 약 90%가 Gemini Enterprise 사용, 토큰 1조 개 넘게 처리한 고객이 약 500곳. 초기 테스터로 On·Shopify·PayPal, 고객으로 BNP Paribas·Bradesco·Merck 등이 거론됐고, Commerzbank의 문서 검토 20시간→1시간, SOMPO의 맞춤 에이전트 1만 개 같은 사례가 소개됐습니다. 금융·법률 특화가 프리뷰, 정부·헬스케어·리테일이 다음 차례입니다.

다만 세 가지는 아직 비었습니다. 벤치마크, 가격, 정식 출시일입니다. 현재 비공개 프리뷰이고, 업계에서는 10월 말~11월 초 정식 출시를 점칩니다. 소비 기반 과금이 기본이고 별도 SKU 추가는 없다는 설명까지만 나왔습니다. 동료 에이전트가 Workspace 계정을 가지는데 자리당 요금을 안 매긴다는 발언도 있어, 실제 과금 단위가 나와야 판단이 섭니다.

CodeBridge Mini Lab: 도입 전 점검표

브리핑의 액션 그대로입니다. 데모가 아니라 권한·범위·돈부터 보세요.

데이터 접근:
 [ ] 에이전트가 읽을 수 있는 범위 (부서·폴더·DB 단위로 끊기는가)
 [ ] Knowledge Catalog 같은 정의 공유 구조가 있는가
 [ ] 민감 데이터는 제외·마스킹되는가

커넥터 범위:
 [ ] 연결할 시스템 목록 (Workspace·Slack·Jira·Salesforce·DB…)
 [ ] 각 커넥터의 권한이 사람 권한과 따로 관리되는가
 [ ] 에이전트 신원의 행위가 사람과 구분돼 감사되는가

비용과 승인:
 [ ] 프로젝트별 상한·부서 전가가 되는가, 넘으면 멈추는가
 [ ] 모델 라우팅을 자동·수동 중 고를 수 있는가
 [ ] 저장된 보고서처럼 반복 작업을 과금 없이 돌릴 대안이 있는가

운영:
 [ ] 동료 에이전트의 계정 발급·회수 절차가 인사·IT와 맞는가
 [ ] 몇 시간짜리 작업의 중간 보고·취소 버튼이 있는가
 [ ] 금융·법률 특화처럼 내 업종 스킬이 있는가

결론: 창구는 하나, 따질 건 넷이다

한 줄로 정리합니다.

에이전트 플랫폼은 데모가 아니라 권한·범위·돈·흔적으로 고르세요.

Gemini agent의 메시지는 분명합니다. 일의 시작은 프롬프트 창이지만, 승부는 뒤에 있는 연결·기억·라우팅·거버넌스에서 난다는 것. 챗봇을 고르듯 고르면 실패하고, 동료를 뽑듯 따져보면 길이 보입니다. 데이터 접근, 커넥터 범위, 비용 상한, 승인 절차. 이 넷을 확인한 뒤에 파일럿을 시작하세요.

함께 읽으면 좋은 글

참고 자료

이 주제를 직접 따라가며 배우고 싶다면

사내 문서와 업무 흐름에 AI를 연결하는 연습이 필요하다면, 문서 검색·답변 생성을 실제 업무에 붙이는 과정이 이 글의 도입 점검표와 바로 이어집니다.