[태그:] 구글

노트북 하나 사려고 검색창을 열면 요즘 어딜 봐도 ‘AI 노트북’이다. 솔직히 처음엔 그냥 마케팅 문구 아닌가 싶었다. 기존 노트북도 ChatGPT 쓰는 데 아무 문제 없었으니까. 근데 파고들수록 얘기가 달랐다. 핵심은 소프트웨어가 아니라 하드웨어였다.

AI 노트북, 일반 노트북이랑 뭐가 다를까

결정적 차이는 NPU(Neural Processing Unit, 신경망처리장치) 탑재 여부다. 기존 노트북도 AI 작업을 못 하는 건 아니다. CPU나 GPU를 끌어다 쓰면 된다. 문제는 그게 비효율적이라는 거다. AI 연산에 특화되지 않은 칩이 억지로 일을 처리하면 다른 작업이 느려지고, 배터리도 금방 닳는다. NPU는 다르다. AI 알고리즘이 돌아가는 방식에 맞게 설계된 전용 엔진이다. 온디바이스 AI, 즉 인터넷 없이 기기 자체에서 AI 기능을 처리하는 것도 NPU가 있어야 제대로 돌아간다.

• 전용 하드웨어: NPU는 AI 연산에 특화된 구조라 CPU·GPU 대비 훨씬 효율적이다.
• 클라우드 의존도 감소: 인터넷 없이 기기 자체에서 처리하니 속도도 빠르고 개인 정보 유출 걱정도 줄어든다.
• 배터리 효율: NPU는 AI 작업을 저전력으로 처리하도록 설계됐다. 같은 AI 작업도 CPU로 돌리는 것보다 배터리를 훨씬 덜 먹는다.

NPU가 없으면 어떻게 되나

NPU의 강점은 병렬 연산이다. 사람 뇌가 여러 정보를 동시에 처리하는 방식과 비슷하다고 보면 된다. 이미지 인식, 음성 처리, 자연어 처리처럼 대규모 데이터를 다루는 AI 모델을 빠르게 돌리는 데 강하다.

NPU 없는 노트북에서 AI 기능을 켜면 어떻게 될까. CPU나 GPU가 과부하 상태가 되면서 다른 창이 버벅이기 시작한다. 발열도 심해지고 배터리는 눈에 띄게 줄어든다. NPU가 있으면 AI 연산을 따로 처리하니 나머지 시스템이 멀쩡하게 돌아간다. 이게 체감 차이의 본질이다.

인텔의 코어 울트라(Core Ultra) 프로세서, 퀄컴의 스냅드래곤 X 엘리트(Snapdragon X Elite)가 지금 시장을 주도하는 AI 칩이다. NPU 성능은 TOPS(Trillions Operations Per Second) 단위로 표기한다. 숫자가 클수록 AI 연산을 더 빠르게 처리한다는 뜻이다.

실제로 뭐가 달라지나

스펙 얘기는 이쯤 하고, 실생활에서 체감되는 차이를 보자.

• 생산성: 문서 요약, 실시간 번역, 코드 자동 완성 같은 기능이 훨씬 빠르고 자연스럽게 돌아간다.
• 미디어 편집: 사진·영상 편집 앱에서 AI 배경 제거, 얼굴 보정, 스타일 적용 등이 기기 내에서 즉각 처리된다. 클라우드로 올렸다 받는 시간이 사라지는 셈이다.
• 화상 회의: AI가 배경을 자동으로 지우고, 시선을 보정하고, 주변 소음을 걸러낸다. 별도 앱 없이도 된다는 게 포인트다.
• 개인화: 사용 패턴을 학습해서 시스템 설정을 스스로 최적화한다. 개인 비서처럼 일상을 돕는 기능도 점점 늘어나는 추세다.
• 보안: 민감한 데이터가 외부 서버로 나가지 않는다. 온디바이스 처리라 정보 유출 위험이 낮다. 이건 기업 사용자에게 꽤 중요한 부분이다.

살 때 뭘 봐야 하나 — 핵심 스펙 정리

NPU만 보고 사면 안 된다. 결국 시스템 전체 균형이 중요하다.

1. NPU 성능(TOPS): 현재 시중에 나와 있는 AI 노트북은 대부분 10~40 TOPS 이상의 NPU를 탑재한다. 수치가 높을수록 AI 작업 처리 속도가 빠르다.
2. RAM: AI 모델은 메모리를 많이 잡아먹는다. 최소 16GB, 가능하면 32GB 이상이 좋다. 램이 부족하면 NPU 아무리 좋아도 버벅인다. 이건 타협하지 말자.
3. SSD 용량: AI 모델 파일 자체가 수 GB를 차지한다. AI 관련 소프트웨어까지 여러 개 깔다 보면 저장 공간이 생각보다 빨리 찬다.
4. 배터리: NPU의 저전력 설계 덕에 AI 작업 중 배터리 효율이 높다. 외근이 잦다면 배터리 수명을 꼭 확인하자.
5. 소프트웨어 생태계: NPU 성능이 아무리 좋아도 소프트웨어가 지원 안 하면 반쪽짜리다. 윈도우의 ‘코파일럿+ PC’ 같은 플랫폼이 해당 NPU를 지원하는지 확인해야 한다.

구글이 준비 중인 안드로이드 AI 노트북

노트북 OS 시장은 오랫동안 윈도우와 맥OS 양강 구도였다. 여기에 구글이 새 패를 꺼내 들고 있다. Ars Technica 보도를 보면, 구글은 ‘Googlebooks’라는 이름의 안드로이드 기반 AI 노트북을 올해 출시할 예정이다.

크롬OS와 다른 점은 안드로이드 앱 생태계를 그대로 가져온다는 거다. 스마트폰에서 쓰던 앱들을 노트북 화면에서, AI 기능과 함께 쓰는 구조다. 모바일에 익숙한 사용자라면 진입 장벽이 낮을 수 있다. 구글의 AI 서비스와 안드로이드 생태계가 묶인다면, 특정 개발자나 모바일 퍼스트 사용자에게 꽤 강력한 대안이 될 여지가 있다. 아직 구체적인 스펙은 공개되지 않았다. 이 부분은 좀 더 지켜봐야 할 것 같다.

2~3년 후엔 이런 게 된다

지금 당장의 기능만 보면 아직 ‘와’ 싶은 게 많지 않을 수 있다. 하지만 방향성은 분명하다.

• 업무: 데이터 분석, 보고서 자동 생성, 실시간 회의록 요약. 반복 작업이 사라지는 방향이다.
• 창작: 텍스트로 이미지 생성, AI 작곡 보조, 영상 편집 자동화. 크리에이터 입장에서 시간이 확 줄어드는 부분들이다.
• 교육: 학생 개인 학습 패턴 분석, 맞춤형 콘텐츠 제공. 선생님 1명이 학생 30명을 동시에 개인 지도하는 수준에 가까워질 수 있다.
• 헬스케어: 개인 건강 데이터 분석, 의료 이미지 판독 보조. 민감한 데이터인 만큼 온디바이스 처리가 더 결정적인 분야다.

장기적으로는 사용자 의도를 먼저 파악해서 기능을 제안하는 ‘예측형 컴퓨팅’ 방향으로 간다. 키보드·마우스 대신 음성, 시선, 제스처로 조작하는 인터페이스도 점점 현실에 가까워지고 있다.

결국, 지금 살 사람은 누구인가

AI 노트북이 미래 컴퓨팅의 중심이 된다는 건 이제 큰 이견이 없다. 문제는 타이밍이다.

웹 서핑, 문서 작업, 유튜브 시청이 전부라면 굳이 지금 바꿀 필요 없다. 기존 고성능 노트북으로 충분하다. 하지만 AI 기반 작업이 이미 일상인 콘텐츠 크리에이터, 개발자, 영상·사진 편집자라면 체감 차이가 분명하다. 새 기술을 빠르게 경험하고 싶은 얼리어답터라면 지금 사는 것도 나쁘지 않다. NPU 기술과 AI 소프트웨어 생태계는 앞으로도 빠르게 발전할 것이므로, 구매 전 자신의 사용 패턴을 한 번 더 점검해보는 게 현명하다.

출처: Ars Technica

항공권 검색, 가격 비교, 온라인 양식 제출. 되돌아보면 하루에도 서너 번씩 반복하는 웹 작업이 꽤 된다. 그걸 AI가 알아서 처리해준다면? AI 에이전트는 바로 그 질문에서 출발한다. 챗봇처럼 질문에 답하는 수준이 아니다. 목표를 던져주면 스스로 웹을 뒤지고, 클릭하고, 원하는 결과를 가져온다. 생산성 도구의 개념 자체가 달라지고 있다.

AI 에이전트, 정확히 무엇인가?

AI 에이전트는 특정 목표를 달성하기 위해 자율적으로 판단하고 행동하는 인공지능 시스템이다. 기존의 챗봇이나 음성 비서는 사용자가 명확히 지시해야 움직인다. AI 에이전트는 다르다. 더 복잡한 추론과 계획을 스스로 세우고, 낯선 환경에서도 목표를 향해 나아간다.

웹 기반 AI 에이전트는 브라우저를 직접 조작하거나 API를 통해 온라인 서비스와 연동하며 실제 작업을 처리한다. 특정 조건에 맞는 항공권을 검색·예약하거나, 여러 사이트에서 정보를 긁어 보고서로 정리하는 것도 가능하다. 아직 완벽하지는 않지만, 방향은 분명하다.

핵심 기능을 정리하면 이렇다:

• 목표 설정 및 이해: 추상적인 목표를 구체적인 하위 태스크로 분해한다.
• 환경 인식: 웹페이지 내용, 데이터 구조, UI 요소를 분석해 현재 상황을 파악한다.
• 계획 수립: 목표 달성을 위한 최적의 행동 시퀀스를 스스로 만든다.
• 행동 실행: 클릭, 텍스트 입력, API 호출 등 실제 동작을 수행한다.
• 피드백 및 학습: 행동 결과를 평가하고 다음 단계에 반영한다.

AI 에이전트 작동 원리: LLM과 도구의 결합

현재 대부분의 자율 AI 에이전트는 대규모 언어 모델(LLM)을 두뇌로 쓴다. LLM은 복잡한 자연어 명령을 이해하고 추론하며 의사결정을 주도한다. 그런데 LLM 혼자서는 웹사이트를 직접 조작하거나 외부 데이터를 가져오는 데 한계가 있다. 그래서 ‘도구(Tools)’가 필요해진다.

에이전트는 LLM의 지시에 따라 필요한 도구를 호출한다. 웹 브라우저를 제어하는 도구, 검색 엔진 API를 쓰는 도구, 데이터베이스에 접근하는 도구 등이다. 이 도구들을 통해 에이전트는 실제 외부 환경과 상호작용하며 정보를 얻고 계획된 행동을 실행한다. 이 과정에서 ‘계획-실행-반성(Plan-Execute-Reflect)’ 루프가 반복된다. 계획을 세우고, 실행하고, 결과가 목표에 맞는지 평가하고, 필요하면 방향을 바꾼다. 이걸 계속 반복한다. 기존 자동화 스크립트와 근본적으로 다른 지점이 여기다. 정해진 순서를 따라가는 게 아니라, 중간 결과를 보고 스스로 판단을 내린다.

웹 자동화의 진화: 스크립트에서 자율 에이전트까지

웹 자동화가 어제오늘 이야기는 아니다. 초창기에는 매크로 스크립트나 특정 사이트에 특화된 크롤링 프로그램이 전부였다. 정해진 규칙대로만 움직이다 보니, 사이트 구조가 조금만 바뀌어도 무너졌다. 쓰다 보면 유지보수가 거의 반이었다.

로봇 프로세스 자동화(RPA)가 등장하면서 범위가 넓어졌다. 사람이 PC에서 수행하는 일련의 작업을 녹화하고 재현하는 방식이다. 기업 내부 시스템이나 특정 업무 프로세스 자동화에 강점을 보였다. 그래도 여전히 규칙 기반이었다. 비정형 데이터나 복잡한 판단이 필요한 상황에서는 거의 손을 못 썼다.

LLM이 나오면서 판이 달라졌다. 자연어 명령만으로 복잡한 목표를 이해하고, 웹 환경에서 스스로 문제를 해결하려는 시도가 본격화됐다. 정해진 스크립트나 규칙을 넘어, 상황에 따라 유연하게 대처하고 스스로 학습하며 발전하는 자동화다. 이게 진짜 변화다.

현재 시장의 AI 에이전트 솔루션 분석

시장에 나와 있는 툴들은 성격이 꽤 다르다. 용도에 맞게 고르지 않으면 돈도 시간도 날린다.

• RPA 솔루션: UiPath, Automation Anywhere, Blue Prism이 대표적이다. 반복적이고 규칙적인 업무 프로세스 자동화에 특화돼 있다. 웹 브라우저뿐 아니라 데스크톱 애플리케이션과의 연동도 강력하다. 다만 유연성이 떨어지고 LLM 기반 추론 능력은 없다. 프로세스가 명확하게 정해진 대기업 환경에 잘 맞는다.
• 노코드/로우코드 자동화 플랫폼: Zapier, Make(구 Integromat)가 유명하다. 서로 다른 웹 서비스 간 API를 연결해 자동화 워크플로우를 만드는 방식이다. 개인 사용자나 소규모 팀에겐 진입장벽이 낮고 실용적이다. 단, 미리 정의된 트리거와 액션 안에서만 작동한다. 복잡한 웹 탐색이나 동적 판단은 기대하기 어렵다.
• LLM 기반 자율 에이전트 프레임워크: Auto-GPT, BabyAGI 같은 오픈소스 프로젝트들이 초기 개념을 제시했다. LLM을 핵심 엔진으로 삼아 반복적인 사고 과정을 통해 목표를 달성하려 한다. OpenAI의 GPT-4o나 Google Gemini 같은 주요 LLM들이 ‘함수 호출(Function Calling)’ 기능을 강화하면서, 개발자들이 LLM에 도구를 붙여 자율 에이전트를 구축하는 기반이 마련됐다. 커스텀 GPTs(Custom GPTs with Actions)도 이런 자율 에이전트의 한 형태로 볼 수 있다.
• 전문 웹 자동화 AI 도구: 특정 분야에 집중한 솔루션들도 늘고 있다. 복잡한 데이터 수집에 AI를 적용한 웹 스크래퍼나, 고객 문의 내용을 파악해 자동으로 관련 정보를 찾아 응대하는 CS 에이전트 같은 형태다. 범용보다 좁은 범위에서 더 높은 완성도를 보이는 경향이 있다.

AI 에이전트 도입 시 고려사항

잠재력은 크다. 그런데 섣불리 도입했다가 낭패 보는 경우도 적지 않다. 몇 가지는 짚고 넘어가야 한다.

• 보안 및 개인정보 보호: 에이전트가 제대로 작동하려면 계정 정보나 민감한 데이터에 접근해야 한다. 데이터 유출 위험을 최소화하는 보안 조치와 개인정보 보호 규정 준수는 선택이 아니라 기본이다.
• 신뢰성과 정확성: 자율 에이전트는 아직 완벽하지 않다. LLM의 환각(Hallucination) 현상이나 예측하기 어려운 웹 환경 변화로 오작동할 여지가 있다. 중요한 작업은 반드시 사람이 검토하는 단계를 별도로 두어야 한다.
• 비용 효율성: 에이전트 개발과 운영에는 컴퓨팅 자원, API 사용료 등이 든다. 자동화로 얻는 이점이 비용을 넘는지 먼저 따져봐야 한다. 기대치가 과하면 실망이 크다.
• 복잡성 관리: 목표가 복잡할수록 에이전트 설계와 디버깅이 어렵다. 처음에는 단순하고 반복적인 작업부터 시작해서 점진적으로 범위를 넓히는 편이 낫다.
• 윤리적 문제: 에이전트가 자율적으로 행동하면서 생기는 윤리적, 사회적 문제에 대한 논의도 필요하다. 의도치 않은 결과를 낳거나 특정 집단에 불이익을 줄 가능성도 배제하기 어렵다.

남은 과제들, 그리고 다음 수순

자율 AI 에이전트는 수많은 웹 기반 태스크를 자동화하고 개인 생산성을 크게 끌어올릴 잠재력을 갖고 있다. 솔직히 아직은 초기 단계다. 에이전트의 신뢰성을 높이고, 복잡한 상황에 대한 이해도를 심화하며, 인간과의 자연스러운 상호작용을 구현하는 게 핵심 과제다.

기술 발전과 함께 에이전트 행동의 투명성 확보, 책임 소재 명확화, 적절한 규제 프레임워크 마련도 시급하다. The Verge 보도를 보면, Google이 Project Mariner 같은 실험적 프로젝트를 중단한 사례도 있다. 이 기술 개발이 얼마나 도전적이고 변화무쌍한지를 잘 보여준다. AI 에이전트가 일상과 비즈니스에 깊숙이 자리잡으려면, 기술적 완성도와 함께 사회적 수용성을 높이는 노력이 함께 가야 한다. 웹 자동화의 다음 단계는 ‘무엇을 할 수 있는가’를 넘어, 어떻게 안전하고 책임감 있게 할 것인가의 문제다.

출처: The Verge

2026년 5월 4일. 구글의 ‘프로젝트 마리너(Mariner)’가 공식 종료된다. The Verge가 보도한 내용이다. 만능 웹 비서를 꿈꿨던 실험이 조용히 막을 내리는 셈인데, 솔직히 그렇게 놀랍지는 않다.

‘프로젝트 마리너’가 뭐였냐면

Wired 보도를 보면, 마리너는 이름 그대로 웹이라는 바다를 사용자 대신 헤엄쳐 다니는 프로젝트였다. 직접 웹 페이지를 돌아다니며 항공권 예매, 정보 추출, 양식 작성 같은 작업을 알아서 처리해주는 개념이다. 말 그대로 AI가 마우스를 대신 잡아주는 것.

• 처리 가능 작업: 웹 페이지 탐색, 정보 추출, 양식 작성, 예약 진행
• 목표: 반복적인 웹 작업 자동화로 사용자 시간 절약
• 종료일: 2026년 5월 4일 — 현재 마리너 랜딩 페이지에 이 날짜가 명시되어 있다

구글 입장에서 마리너는 꽤 야심찬 베팅이었다. AI가 단순히 텍스트를 생성하는 게 아니라 실제로 뭔가를 ‘해내는’ 방향이었으니까. 근데 결국 이렇게 됐다.

왜 접었을까 — 추측 세 가지

구글은 공식적으로 종료 이유를 밝히지 않았다. 이건 좀 답답한 부분이다. 합리적인 추측을 해보면:

첫째, 웹 환경 자체가 너무 복잡하다. 웹사이트 구조는 수시로 바뀌고, 로그인 방벽이나 캡챠 같은 예외 상황이 넘쳐난다. AI가 아무리 정교해도 이 변수들을 다 감당하기가 쉽지 않다. ‘왜 또 안 되지?’ 하는 순간이 너무 많았을 거다.

둘째, 회사 전략 자체가 바뀌었다. 마리너가 기획됐을 때와 지금은 AI 트렌드가 다르다. 구글은 지금 제미나이(Gemini) 중심의 생성형 AI에 모든 걸 걸고 있다. 자원이 한정된 상황에서 마리너가 우선순위 밖으로 밀린 건 당연한 수순이었을 것이다.

셋째, 사용자 신뢰 문제. 이게 결정적이다. AI가 내 계정으로 뭔가를 예약하고 결제까지 진행한다? 기술적으로 가능해도 심리적 저항은 상당하다. 완성도가 99%여도 나머지 1%에서 실수 한 번 나오면 신뢰가 무너진다. 되돌릴 수 없는 실수라면 더더욱.

구글의 다음 수순은

마리너가 사라진다고 해서 구글이 AI 비서를 포기한 건 아니다. 방향을 틀었다고 보는 게 맞다. 검색에 생성형 AI를 얹은 SGE(Search Generative Experience), 그리고 제미나이 기반의 대화형 인터페이스가 지금 구글의 주력이다.

애플 시리, 삼성 빅스비 같은 기존 음성 비서들도 지금은 생성형 AI를 끌어다 쓰는 방향으로 진화 중이다. 시장 전체가 ‘알아서 다 해주는 AI’에서 ‘사용자 의도를 파악하고 같이 일하는 AI’로 무게중심을 옮기고 있는 셈이다. 마리너는 그 전환점 이전에 기획된 프로젝트였다. 타이밍 문제도 있었다는 얘기다.

국내 AI 서비스가 가져갈 교훈

네이버 클로바, 카카오i. 국내 빅테크도 AI 비서 경쟁에 오래전부터 뛰어들었다. 구글 마리너의 전철을 밟지 않으려면 방향 설정이 중요하다.

마리너가 걸린 함정은 ‘웹 전체를 커버하려 했다’는 점이다. 솔직히 무모한 목표였다. 반면 네이버 예약 자동화, 카카오톡 챗봇, 금융 앱 연동처럼 특정 생태계 안에서 작동하는 ‘좁고 깊은 자동화’는 현실적이다. 범위를 좁히면 완성도가 올라가고, 완성도가 올라야 사용자가 믿는다.

기술적 완성도 못지않게 중요한 게 있다. AI가 어디까지 개입하는지, 내 개인정보를 어떻게 다루는지, 원하면 언제든 멈출 수 있는지. 이 세 가지를 명확히 보장하지 못하면 아무리 편한 기능이어도 쓰는 사람이 없다. 국내 사용자들은 특정 앱 생태계 안에서 서비스를 이용하는 경향이 강한 만큼, 그 울타리 안에서 신뢰를 쌓는 쪽이 훨씬 현실적인 전략이다.

결국 AI 자동화의 성패는 기술력이 아니라 사용자가 실제로 불편함을 느끼는 지점을 얼마나 정확히 건드리느냐에 달렸다. 마리너가 남긴 가장 솔직한 교훈이다.

출처: The Verge

“거실 불 켜줘”는 이미 10년 전 기술이다. 구글이 스마트홈 기기에 제미나이 3.1을 얹었다. The Verge가 전한 바에 따르면, 이번 업데이트의 핵심은 복합 명령 처리 능력이다. “거실 불을 켜고, 밝기를 50%로 낮추고, 재즈 틀어줘”처럼 세 단계짜리 요청을 한 번에 소화한다.

“영화 볼 준비해줘” — 이게 실제로 되냐

기존 스마트홈 AI의 한계는 단순했다. 명령 하나에 동작 하나. 조명 켜기, 음악 재생, 온도 조절 — 각각은 됐지만 묶어서 말하면 막혔다. 단일 명령에는 강했고, 맥락 이해에는 약했다.

• 제미나이 3.1은 이 구조를 바꾼다. 복합적이고 다단계적인 명령을 한 번에 처리하는 게 골자다.
• The Verge 기사를 보면, 이번 업데이트가 스마트홈 비서의 명령 해석과 실행 능력을 크게 끌어올릴 것이라고 한다.
• 사용자가 일일이 기기를 지정하지 않아도 된다. 말 그대로 사람한테 부탁하듯 지시를 내리면 된다.

“영화 볼 준비해줘”라고 말하면 AI가 스스로 조명을 어둡게 하고, 커튼을 닫고, 사운드 시스템을 켠다. 이전까지 이 수준의 맥락 기반 실행은 없었다. 사용자의 의도를 파악해서 필요한 동작을 순서대로 엮어낸다는 점에서, 기존 음성 인식과는 결이 다르다.

솔직히 말하면, 이게 실제 환경에서 얼마나 매끄럽게 돌아가는지는 아직 모른다. 기능 발표와 실제 사용감 사이의 간격이 늘 있었으니까. 대규모 실사용 후기가 쌓이기 전까지는 두고 볼 일이다.

알렉사·시리와 뭐가 다른가

아마존 알렉사, 애플 시리도 복합 명령 처리 쪽으로 계속 개발하고 있다. 방향은 같다. 구글이 다른 점은 자사의 최신 AI 모델인 제미나이를 스마트홈 기기에 전면 연결한다는 전략이다. 기존 어시스턴트를 패치하는 방식이 아니라, 아예 모델 자체를 교체하는 것이다.

• AI 비서 경쟁의 기준이 바뀌었다. 검색 잘 하는 것, 날씨 알려주는 것이 아니라 — 사용자의 생활 속 비서 역할을 얼마나 자연스럽게 소화하냐가 기준이 됐다.
• “말을 잘 못 알아듣는 기계”라는 스마트홈 AI에 대한 인식은 오래됐다. 제미나이 3.1은 그 인식을 바꾸는 데 집중하며, AI 비서의 실질적인 활용도를 높이는 쪽으로 방향을 잡았다.

결국 누가 더 복잡한 상황을 이해하고, 여러 기기를 유기적으로 연결하며, 의도를 빠르게 파악하냐가 이 경쟁의 핵심이다. 구글은 이번 업데이트로 그 선두에 서겠다는 의지를 드러냈다.

국내 시장 — 직접 타격은 아니지만

한국 스마트홈 판도는 조금 다르다. 네이버 클로바, 카카오 i가 있고, 통신사·건설사 중심의 생태계가 따로 돌아간다. 구글 홈의 국내 점유율이 압도적이라고 보기는 어렵다.

• 하지만 구글의 이번 업데이트는 국내 사용자들의 ‘기대치’를 한 단계 끌어올리는 효과는 분명히 있다.
• 글로벌 기준이 복합 명령 처리로 넘어가면, 국내 사용자들도 자연스럽게 그걸 요구하기 시작한다. 네이버·카카오·삼성 SmartThings 입장에서는 따라가야 할 기준점이 하나 더 생긴 셈이다. 혁신의 압박이다.

직접 타격이 아니어도 결국 돌아온다. 국내 AI 스피커 제조사와 스마트홈 서비스 업체들이 자사 AI 비서의 이해력과 실행력을 끌어올려야 할 시점은 이미 지났을지 모른다. 구글의 이번 움직임이 그 속도를 끌어당기는 건 분명하다.

출처: The Verge

안드로이드폰을 쓰다 보면 AI 비서는 자연스럽게 Gemini가 된다. 기본값이 그거니까. 그런데 솔직히, Gemini 하나로 다 해결되는 건 아니다. ChatGPT, Claude, Microsoft Copilot 같은 앱들이 플레이스토어에 버젓이 있고, 각자 잘하는 게 다르다. 목적에 따라 골라 쓰면 체감이 확실히 달라진다.

구글 Gemini, 안드로이드에서의 현재 위치

구글 어시스턴트가 구글 Gemini로 교체되는 건 기정사실이다. 구글이 현재 어시스턴트 기능을 Gemini로 통합하는 중이고, 기존 어시스턴트 사용자들은 앱 업데이트 또는 Gemini 앱 설치로 전환이 이뤄지고 있다. ‘헤이 구글’ 대신 이제는 Gemini가 응답한다. 안드로이드 생태계 안에서 AI 비서 자리를 사실상 Gemini가 독점하고 있는 셈이다.

기능도 이전 어시스턴트랑 비교가 안 된다. 대화가 훨씬 자연스럽고, 이전 맥락을 기억하면서 이어간다. 사진 속 건축물을 설명해 달라거나, 찍은 음식이 뭔지 물어보는 멀티모달 기능도 된다. 이메일 초안 작성, 문서 요약, 브레인스토밍까지. 구글 워크스페이스와 연동하면 시너지가 꽤 크다.

Gemini 주요 기능 정리

• 향상된 대화: 여러 턴에 걸친 대화에서 이전 내용을 기억하고 맥락을 유지한다. 단발성 검색이 아니라 주제를 파고들 때 유리하다.
• 멀티모달 처리: 사진을 올려서 “이 식물 이름이 뭐야?” 같은 질문이 된다. 텍스트만 주고받는 수준을 넘어선다.
• 생산성 기능: 이메일 초안, 회의록 요약, 아이디어 정리. 구글 워크스페이스 연동 시 훨씬 편해진다.
• 크리에이티브 작업: 짧은 글쓰기, 시나리오 구상, 이미지 생성. 혼자 다 해결하려는 올인원 성격이 강하다.

Gemini 외 선택지 — 앱으로 충분히 쓴다

시스템에서 기본 AI를 바꾸는 건 현재 안드로이드에서 제한적이다. 공식 설정에서 Gemini 이외의 앱을 기본 디지털 어시스턴트로 지정하기가 쉽지 않다. 그래도 앱 형태로는 얼마든지 활용 가능하다. 대표적인 세 가지가 있다.

• ChatGPT: 오픈AI 앱이 플레이스토어에 있다. 복잡한 코딩 질문이나 주제를 깊이 파고드는 데 강하다. 유료 구독(ChatGPT Plus) 시 최신 모델과 이미지 분석, 코드 실행 기능이 열린다. 무료도 쓸 만하긴 하다.
• Claude: Anthropic의 Claude는 긴 텍스트 처리에서 두드러진다. 논문 전체를 붙여 넣고 요약해 달라거나, 계약서를 분석하는 식의 작업에서 체감이 확실히 다르다. 안드로이드 앱으로 제공된다.
• Microsoft Copilot: GPT-4 기반에 DALL-E 3 이미지 생성까지 묶였다. 웹 검색 결합 답변이라 최신 정보 접근이 빠른 편이다. 마이크로소프트 365 사용자라면 워드, 엑셀 연동이 추가된다.

‘헤이 구글’ 한마디로 호출은 못 되지만, 홈 화면 위젯이나 단축키 설정으로 진입 속도를 줄이는 건 된다. 목적에 따라 앱을 달리 쓰는 게 결국 더 효율적이다.

어떤 기준으로 고를까

• 목적: 코딩 질문엔 ChatGPT, 긴 문서 처리엔 Claude, 이미지 생성까지 포함이면 Copilot, 구글 서비스 연동 우선이면 Gemini. 대체로 이렇게 나뉜다.
• 생태계: 구글 서비스를 주로 쓰면 Gemini, 마이크로소프트 오피스가 주력이면 Copilot이 자연스럽다. 억지로 어색한 연동을 만들 필요는 없다.
• 개인정보: 대화 내용이 학습 데이터로 쓰일 수 있다. 민감한 정보는 어떤 AI에도 넣지 않는 게 기본이다. 각 서비스의 데이터 처리 정책은 한 번쯤 확인해 두는 게 좋다.
• 비용: 무료 플랜만으로도 일상적인 쓸모는 충분하다. 단, 최신 모델이나 고급 기능은 유료 구독이 필요하다. ChatGPT Plus, Claude Pro, Copilot Pro 모두 월정액 형태다.
• 인터페이스: 아무리 기능이 좋아도 쓰기 불편하면 손이 안 간다. 음성 인식률, 반응 속도, UI 직관성도 실제로 중요한 요소다.

제대로 쓰는 5가지 방법

• 질문을 구체적으로: “날씨 알려줘” 대신 “내일 오전 10시 서울 강남구 날씨 어때?”처럼 맥락을 넣으면 답이 확 달라진다. 막연할수록 답도 막연해진다.
• 역할 지정: “지금부터 너는 마케팅 전문가야. 이 제품 광고 문구 3가지 제안해줘.”처럼 역할을 부여하면 전문성 있는 답변이 나온다. 차이가 꽤 크다.
• 대화를 이어서: 한 번에 모든 걸 넣으려 하지 말고, 대화를 이어가며 점진적으로 수정·추가하는 방식이 효과적이다. AI는 이전 대화를 기억한다.
• AI별 강점 활용: 간단한 검색은 Gemini, 코드 문제는 ChatGPT, 긴 문서 분석은 Claude. 하나에 다 몰아넣는 것보다 나눠 쓰는 게 낫다.
• 설정 다듬기: 언어 설정, 음성 인식, 알림 등 커스텀 옵션이 각 앱마다 있다. 귀찮아도 한 번 정돈해 두면 매일 쓸 때 편하다.

다음 수순은 — 선택권이 열릴까

Ars Technica 보도를 보면, 유럽이 구글에 안드로이드에서 다른 AI 어시스턴트에도 시스템 접근권을 열도록 압력을 넣는 방향으로 흘러가고 있다. 실현되면 Gemini가 독점하고 있는 ‘기본 AI 비서’ 자리를 ChatGPT나 Claude 같은 앱이 대신할 수도 있다.

지금 당장은 시스템 기본값을 바꾸는 데 한계가 있다. 그래도 앱 형태로 활용하는 것만으로도 충분히 쓸모 있다. 결국 중요한 건 내 사용 패턴에 맞는 AI를 찾는 것이다. 구글 생태계에 깊이 묶여 있으면 Gemini가 편하고, 문서 작업이 많으면 Claude, 코드 쓰는 시간이 길면 ChatGPT가 더 잘 맞는다. 하나만 고집할 이유가 없다.

자주 묻는 질문

• Q: 구글 어시스턴트가 Gemini로 완전히 대체되는 건가요?
  A: 맞다. 구글은 현재 어시스턴트 핵심 기능을 Gemini로 통합하는 중이다. 기존 어시스턴트 사용자는 Gemini 앱 설치 또는 업데이트를 통해 전환된다.
• Q: 다른 AI 앱을 기본 AI 비서로 설정할 수 있나요?
  A: 현재 안드로이드 시스템의 기본 디지털 어시스턴트 설정에서는 Gemini를 포함한 구글 관련 서비스만 선택 가능하다. 각 앱 내 자체 AI 기능을 활용하는 건 된다.
• Q: AI 비서를 쓰면 개인정보가 유출될 위험이 있나요?
  A: 대화 내용이 서비스 개선 목적으로 쓰일 수 있다. 민감한 정보는 입력하지 않는 게 좋고, 각 서비스의 개인정보처리방침을 확인하는 게 기본이다.

출처: Ars Technica

스마트글래스가 번번이 외면받은 이유, 스펙 문제가 아니었다. 쓰고 다니기 민망한 디자인이 문제였다. 그런데 구글이 이번엔 구찌를 데려왔다. 더버지(The Verge)가 전한 바에 따르면, 구찌의 모회사 케어링 그룹이 구글과 손잡고 2027년 출시를 목표로 AI 스마트글래스를 개발 중이라고 한다. 솔직히 이 조합, 꽤 흥미롭다.

스마트글래스가 왜 매번 실패했나

구글 글래스가 나왔던 2013년을 떠올려보자. 기능은 신기했는데, 실제로 끼고 다닌 사람은 거의 없었다. 카메라 달린 두꺼운 안경테를 얼굴에 걸치고 지하철을 탈 배짱이 쉽지 않았으니. 메타의 레이밴 스마트 글래스가 그나마 낫긴 했지만, 여전히 “저 사람 스마트 기기 끼고 있네”라는 게 티 났다.

• 기존 스마트글래스의 가장 큰 약점은 디자인과 착용감.
• 구찌의 참여는 대중의 패션 아이템으로서의 수용성을 높이는 전략.
• 단순한 기술 기기가 아닌, ‘입는’ IT 기기로서의 가능성 모색.

이번 협업이 다른 건 딱 이 지점이다. 구찌는 단순한 명품 브랜드를 넘어, 젊은 층에게도 통하는 패션 아이콘이다. 구찌가 디자인한 안경이라면 “저거 구찌야?”라는 반응이 먼저 나올 수 있다. 기술 얘기는 그다음이고. AI 기능이 아무리 뛰어나도, 쓰고 나가기 부끄러운 물건은 결국 서랍 속에 처박히기 마련이다. 구글도 그걸 잘 알고 있다는 신호다.

구글의 두 갈래 전략: 기술과 패션

구글은 올해 ‘프로젝트 아우라(Project Aura)’라는 안드로이드 XR 글래스도 별도로 선보일 예정이다. 증강현실(AR) 기능 중심의 본격 XR 기기다. 개발자나 얼리어답터를 겨냥한 기기에 가깝다.

구찌와의 협업은 결이 전혀 다르다. 기술 시연용이 아니라 진짜 ‘팔리는 제품’을 만들겠다는 의지가 짙다. 하이엔드 소비자들이 기꺼이 지갑을 열 만하면서, AI 기능도 자연스럽게 녹아든 기기. 구글 입장에서는 두 트랙을 동시에 굴리는 셈이다—기술 선도는 아우라로, 시장 침투는 구찌로. 명품 브랜드와의 협업을 통해 하이엔드 시장을 공략하면서, 동시에 구글의 AI 및 XR 기술을 실생활에 자연스럽게 녹여내려는 시도로 읽힌다.

2027년이라는 숫자가 뜻하는 것

2027년. 지금으로부터 약 1년 반 뒤다. 개발 기간치고는 빡빡하기도 하고, 그 무렵이면 AI가 지금보다 훨씬 성숙해질 시점이기도 하다. 음성 인식 정확도, 실시간 번역, 카메라 기반 컨텍스트 인식 같은 기능들이 2027년엔 지금과 상당히 달라진다. 단순히 개발 기간을 의미하는 게 아니라, AI 기술의 발전 속도와 시장 수용성을 고려한 전략적 선택으로 풀이된다.

물론 장밋빛 전망만 있는 건 아니다. 착용감, 배터리, 프라이버시—이 세 가지가 숙제로 남아 있다. 구찌 디자인이 아무리 예뻐도 2시간 만에 배터리가 방전되거나, “저 사람 지금 나 촬영하나?”라는 불쾌감을 준다면 끝이다. 패션으로는 해결 못 하는 영역이다. 하지만 구글 같은 거대 IT 기업이 명품 브랜드와 직접 손을 잡았다는 것 자체가, 스마트 웨어러블 시장이 새로운 전환점을 향해 가고 있다는 강력한 신호다.

삼성·LG도 눈여겨봐야 할 이유

삼성전자, LG전자도 XR 기기 개발을 밀어붙이고 있다. 이번 협업이 던지는 메시지는 꽤 직접적이다.

• 하드웨어 스펙 넘어선 가치: 구글과 구찌의 협력은 스펙 경쟁을 넘어, ‘사용자 경험’과 ‘디자인’, ‘브랜드 가치’가 스마트 기기 성공의 핵심임을 다시 보여주는 사례다.
• 패션 민감도 높은 한국 시장: 패션과 트렌드에 민감한 한국 소비자 특성을 고려하면, 명품 브랜드와 IT 기업의 협업 모델은 국내 시장에서도 먹힐 가능성이 높다.
• K-패션/K-콘텐츠와의 접목: K-패션과 K-콘텐츠가 세계적으로 인정받고 있는 만큼, 국내 IT 기업들도 글로벌 패션 브랜드나 국내 유수 브랜드와의 협업을 적극적으로 모색할 필요가 있다.

스펙만으로는 이미 차별화가 어렵다. ‘어떻게 입고 다닐 것인가’에 대한 답을 찾은 쪽이 다음 스마트 웨어러블 시장을 가져간다. 구글이 구찌를 선택한 이유가 바로 거기에 있고, 국내 IT 기업들이 눈여겨볼 만한 전략이다.

출처: The Verge

텍스트 몇 줄 쳐넣으면 영상이 나온다. 1년 전만 해도 믿기 힘든 얘기였는데, 이제는 현실이다. OpenAI 소라(Sora)가 공개됐을 때 업계 반응이 충격 그 자체였고, 런웨이(Runway)는 그 사이에도 꾸준히 업데이트를 쌓아왔다. 거기다 구글까지 Vids를 들고 나오면서 선택지가 갑자기 세 개로 늘었다. 뭘 써야 할지 모르겠다면 정상이다. 각 툴이 실제로 뭘 잘하는지, 누구한테 맞는지 하나씩 짚어봤다.

세 툴, 정체부터 파악하자

어떤 목적으로 만들어진 툴인지 알면 선택이 반은 끝난다.

• 구글 Vids: 한마디로 ‘업무용’이다. 구글 독스, 시트, 슬라이드와 나란히 워크스페이스 생태계에 들어앉아 있다. 전문가급 퀄리티보다는 회의 자료, 사내 공지, 마케팅 브리핑 같은 걸 빠르게 만드는 데 초점을 맞췄다.
• 런웨이(Runway): 크리에이터와 아티스트 쪽이다. ‘전문가용’에 가까운데, 텍스트를 영상으로 바꾸는 것 외에 기존 영상 편집, 특정 부분만 움직이게 하기 같은 세밀한 제어가 가능하다. 실제 뮤직비디오나 단편 영화 제작에 쓰인 사례도 꽤 있다.
• 오픈AI 소라(Sora): 지금 시점의 ‘끝판왕’. 최대 1분짜리 영상을 생성하는데, 물리 법칙을 이해하는 것처럼 자연스러운 움직임과 시네마틱한 화질이 특징이다. 다만 아직 일반 공개가 아니다. 데모 단계라는 게 함정이다.

기능으로 보면 누가 앞서나

세 툴은 지향점이 다르니 강점도 다를 수밖에 없다.

구글 Vids의 핵심 무기는 두 가지다. 워크스페이스 연동과 템플릿 기반 제작. 구글 드라이브에 쌓아둔 문서나 이미지를 바로 불러다 쓸 수 있고, 스타일 템플릿을 고르면 톤앤매너가 자동으로 맞춰진다. AI가 내레이션 스크립트를 써주고, 아바타로 발표 영상까지 만드는 기능도 있다. 복잡한 편집 없이 그럴듯한 결과물이 필요한 사람한테는 딱 맞다.

런웨이는 창의적 자유도에서 확실히 다르다. Gen-2 텍스트-투-비디오는 기본이고, 이미지-투-비디오, 비디오-투-비디오 변환도 된다. ‘모션 브러시’로 영상 특정 부분만 콕 집어 움직임을 주거나, ‘인페인팅’으로 원치 않는 개체를 지우는 것도 가능하다. 이 두 기능만으로도 다른 툴과는 급이 다르다는 느낌이 온다. 아이디어를 정교하게 구현하고 싶은 창작자에게는 런웨이만 한 게 없다.

소라의 강점은 솔직히 압도적인 퀄리티 하나다. 공개된 데모들을 보면, 여러 캐릭터가 복잡하게 상호작용하는 장면이나 역동적인 카메라 워크도 거의 완벽하게 구현된다. ‘골든아워에 찍은 도쿄 거리’ 같은 감성적인 묘사도 영상에 고스란히 담긴다. 지금 다른 툴들이 따라잡기엔 격차가 꽤 크다.

내가 쓸 툴인지 확인하는 법

목적에 맞는 툴이 곧 좋은 툴이다.

• 구글 Vids가 맞는 사람:
  • 사내 보고나 프레젠테이션 영상을 정기적으로 만들어야 하는 직장인
  • 제품 소개나 서비스 안내 영상을 빠르게 뽑아야 하는 마케터
  • 영상 편집 툴 배울 시간이 없는 비전문가
• 런웨이가 맞는 사람:
  • SNS 숏폼에 올릴 독창적인 영상을 만들고 싶은 크리에이터
  • 자신의 작품에 영상 효과를 더하고 싶은 아티스트
  • AI 영상 기술의 가능성을 직접 실험해보고 싶은 영상 전문가
• 소라를 기다려야 하는 사람:
  • 단편 영화나 광고 제작을 준비 중인 영화감독, 프로덕션 (정식 출시 후)
  • AI 영상 기술 최전선을 직접 체험하고 싶은 얼리어답터 (현재는 대기만 가능)

지금 당장 쓸 수 있는 건 런웨이뿐이다

접근성과 비용. 현실적인 얘기다.

런웨이는 지금 바로 써볼 수 있다. 가입하면 무료로 일부 기능을 체험할 수 있고, 월 12달러부터 시작하는 유료 구독으로 본격 사용이 된다. 이미 수많은 유저를 확보한 만큼 서비스 안정성도 괜찮은 편이다.

구글 Vids는 구글 워크스페이스 유료 사용자 대상으로 점진적으로 풀릴 예정이다. Gemini for Workspace 유료 플랜에 포함될 가능성이 높다. 개인보다는 기업 단위 도입이 주가 될 것 같다. 정식 출시되면 구글 생태계의 규모를 등에 업고 빠르게 퍼질 잠재력은 충분하다.

소라는 현재 레드팀(보안·유해성 검증 전문가)과 일부 비주얼 아티스트, 영화 제작자에게만 제한적으로 열려 있다. 일반 사용자가 언제 쓸 수 있을지는 아직 모른다. 지금으로선 그냥 기다리는 것 외에 선택지가 없다. 그래도 소라가 보여준 비전 자체가 다른 툴들의 개발 방향에 영향을 주고 있다는 건 부정하기 어렵다.

플랫폼 싸움으로 번지고 있다

이 경쟁, 단순한 기능 대결이 아니다.

구글은 Vids를 워크스페이스에 묶어 ‘업무 생산성’ 생태계 안에서 승부를 보려 한다. 문서 작성부터 영상 제작까지 구글 안에서 다 해결하게 만드는 전략이다. 이미 수억 명이 쓰는 워크스페이스가 배경이라는 점에서 무시하기 어렵다.

런웨이는 어도비(Adobe) 전략과 비슷하다. 영상 전문가와 크리에이터를 위한 강력한 단일 툴을 제공하며 ‘창작 허브’로 자리잡으려 한다. 다른 창작 툴과의 연동성도 높이는 중이다.

오픈AI는 ChatGPT로 쌓은 AI 브랜드와 기술력을 바탕으로 시장의 ‘표준’을 제시하려 한다. 소라를 API 형태로 공개해 다른 서비스들이 소라 엔진을 가져다 쓰게 만드는 더 큰 그림을 그리고 있을 가능성이 크다.

결국 살 만한 건 지금은 하나, 나머지는 상황 봐서

업무나 마케팅용 영상을 빠르게 만들어야 한다면 구글 Vids를 기다렸다가 써라. 구글 생태계 연동은 다른 툴이 흉내 내기 힘든 강점이다. 독창적인 영상이 목표고 AI 창의성을 직접 탐구하고 싶다면 런웨이가 지금 시점에서 가장 현실적인 선택이다. 최고 퀄리티가 목표고 미래의 영상 제작 방식이 궁금하다면 소라 소식을 계속 체크하는 것 외에 방법이 없다. 소라가 대중화되는 순간 영상 업계 구도가 흔들릴 거라는 건 이미 업계 안팎의 공통된 시각이다.

AI 영상 생성 기술은 이제 막 궤도에 오른 단계다. 어떤 툴이 최종 승자가 될지는 아무도 모른다. 다만 이들의 경쟁 덕분에 1년 전엔 불가능했던 작업들이 지금은 월 12달러로도 된다. 자신의 목적에 맞는 툴을 골라서 써보면 된다.

출처: TechCrunch 보도

도쿄 뒷골목에서 메뉴판을 펼쳤는데 한자와 히라가나가 뒤섞여 있었다. 읽히는 글자라곤 없었다. 예전이라면 손짓 발짓으로 버텼겠지만, 이제는 카메라를 들이대면 1~2초 안에 한국어로 바뀐다. 비주얼 검색과 실시간 번역이 그냥 ‘있는 기능’에서 ‘없으면 불편한 기능’으로 자리 잡은 게 얼마 안 됐다.

비주얼 검색, 어떻게 작동하나

텍스트 검색과 근본적으로 다르다. 키보드를 칠 필요가 없다. 카메라로 찍으면 끝이다. AI가 이미지를 분석해 사물이 뭔지, 어디서 살 수 있는지, 어떤 의미인지까지 파악한다.

기술적으로는 네 가지가 합쳐진다.

• 이미지 인식 및 분류 — 강아지인지, 참나리인지, 에코백인지 구분한다.
• 텍스트 인식(OCR) — 이미지 속 글자를 뽑아서 번역하거나 검색에 쓴다.
• 콘텐츠 매칭 — 비슷하게 생긴 상품이나 관련 정보를 웹에서 연결한다.
• 상황 맥락 이해 — 사물 자체만 보지 않고, 그게 놓인 맥락까지 읽어낸다.

배경엔 딥러닝 기반 이미지 인식 모델이 있다. 수억 장의 시각 데이터를 학습해서 처음 보는 이미지도 기존 패턴과 연결해 의미를 붙인다. 정확도가 5년 전과는 비교가 안 된다. 분류하고, 맥락을 읽고, 연결하는 과정이 0.몇 초 안에 동시에 일어나는 것이 핵심이다.

구글 렌즈, 이만큼 왔다

처음 나왔을 때 주변 반응이 「오, 신기하다」였다면, 지금은 「아 이거 진짜 쓰네」다. 구글 렌즈를 켜고 카메라를 들이대면 이런 것들이 된다.

• 식물·동물 — 이름, 특징, 심지어 키우는 방법까지 나온다. 가끔 틀리긴 한다.
• 텍스트 — 외국어 간판을 실시간으로 번역하고, 책 문단을 찍으면 그대로 복사된다. 교과서 긴 공식을 일일이 타이핑했던 기억을 떠올리면 그 시간이 진짜 낭비였다 싶다.
• 상품 — 길에서 맘에 드는 신발을 봤을 때, 사진 한 장이면 비슷한 제품을 찾아준다. 온라인 최저가 확인에도 쓴다.
• 랜드마크 — 건물을 비추면 역사와 관련 정보가 바로 뜬다.
• 수학 문제 — 수식을 찍으면 풀이 과정까지 보여준다. 이건 좀 과한 것 같기도 한데, 학생들한테는 꽤 유용하다.

Engadget이 전한 바에 따르면, 구글은 최근 ‘서치 라이브(Search Live)’ 기능을 전 세계로 확대하고 있다. 카메라를 켜고 사물이나 장면에 비추면서 질문하면 바로 답이 온다. Gemini 3.1 Flash Live 모델 기반이고, 다국어를 기본 지원하며 기존 구글 렌즈보다 빠르고 안정적이라고 한다. 기존 렌즈를 오래 써봤다면 체감 차이가 얼마나 될지 궁금해진다.

이어폰 하나로 통역? 실시간 번역의 현재

말하면 상대방 언어로 바뀌고, 상대방 말은 내 귀에 번역돼서 들어온다. SF 영화 같지만 이미 스마트폰 안에 들어와 있다. 세 기술이 실시간으로 맞물리면서 가능하다.

1. 음성 인식 — 말을 텍스트로 변환한다.
2. 기계 번역 — 그 텍스트를 상대 언어로 바꾼다.
3. 음성 합성 — 번역된 텍스트를 자연스러운 목소리로 내보낸다.

구글 ‘라이브 트랜슬레이트(Live Translate)’는 iOS까지 확대 적용됐다. 독일·이탈리아·스페인·일본·영국 등에서 안드로이드와 iOS 모두 쓸 수 있고, 현재 70개 이상 언어를 지원한다. 어떤 이어폰과도 연동된다는 점도 실용적이다. 70개라는 숫자가 인상적인 건, ‘지원은 하는데 어색하다’에서 ‘그냥 쓸 만하다’로 넘어온 언어가 늘었다는 뜻이기도 하다.

해외 출장에서 클라이언트와 실시간으로 대화가 오가는 장면을 상상해보면 이 기술이 가져올 변화의 크기가 느껴진다. 딜레이가 얼마나 느껴지는지는 직접 써봐야 알겠지만, 솔직히 여기서 감이 갈린다. 자연스럽게 돌아가면 판이 바뀌는 거고, 딜레이가 눈에 띄면 아직 반 발짝이다.

실생활에서 이렇게 쓰면 된다

• 해외여행 — 메뉴판, 기차표, 안내판을 카메라로 찍으면 바로 번역된다. 현지인과 대화할 땐 실시간 번역 이어폰. 굳이 앱을 열고 타이핑할 이유가 없다.
• 공부 — 교과서나 참고서 페이지를 찍으면 관련 설명이 나온다. 모르는 식물이나 곤충을 발견했을 때 즉석 정보 탐색도 된다.
• 쇼핑 — 진열대에서 맘에 드는 물건이 있으면 사진을 찍어 비슷한 제품이나 구매처를 찾는다. 최저가 비교 용도로도 쓴다.
• 박물관·미술관 — 전시물 설명이 외국어일 때 카메라로 찍으면 번역된다. 현지 가이드와 대화할 때도 실시간 번역이 대화의 깊이를 다르게 만든다.

편리함보다 더 큰 얘기가 있다. 언어 때문에, 글을 모른다는 이유 때문에 정보에서 배제되던 경우가 줄어든다. 정보 접근성을 바꾸는 기술이다. 이건 작은 변화가 아니다.

데이터 문제, 짚고 넘어가야 한다

카메라로 찍은 이미지와 음성 데이터는 서버로 올라가서 처리된다. 여기서 발생하는 개인정보 이슈는 무시하기 어렵다. AI 기업들이 비식별화와 보안 강화를 내세우지만, 어떤 데이터가 어떻게 쓰이는지 사용자가 직접 확인하고 동의 여부를 결정하는 게 맞다.

「AI가 알아서 잘 처리하겠지」는 조금 위험한 태도다. 설정 화면에서 데이터 공유 항목을 한 번씩 들여다보는 습관을 들이는 게 좋다. 번거롭더라도.

다음 수순은 AR 글라스

스마트폰 화면에서 벗어나는 게 다음 단계다. 증강현실(AR) 글라스에 이 기능이 탑재되면, 눈앞에 보이는 모든 것이 실시간으로 번역되고 정보가 겹쳐 보이는 장면이 현실이 된다. 상용화까지는 시간이 더 필요하지만, 방향은 명확하다.

스마트폰이 지금의 역할을 하듯, 10년 후엔 웨어러블이 그 자리를 대신할 가능성이 있다. 비주얼 검색과 실시간 번역은 결국 ‘세상을 읽는 방법’을 바꾸는 기술이다. 텍스트를 치는 시대에서 보고 듣는 것만으로 정보를 얻는 시대로. 그 전환이 이미 절반쯤 진행됐다.

출처: Engadget