제미니 3.8 라이브 및 3.8 라이브 익스텐디드 싱킹 공개

(deepmind.google)

구글이 실시간 시각 정보 처리와 복잡한 추론 능력을 결합한 '제미니 3.8 라이브' 시리즈를 공개하며, 음성 기반 AI 에이전트가 단순 대화를 넘어 실시간 업무 수행이 가능한 수준으로 진화했음을 알렸습니다.

이 글의 핵심 포인트

1Gemini 3.8 Live는 실시간 시각 및 언어 지원과 함께 배경에서의 도구 및 API 호출 실행 기능을 갖춤
2Gemini 3.8 Live Extended Thinking은 고난도 추론을 수행하면서도 대화의 흐름을 유지하기 위해 '확인 중입니다...'와 같은 자연스러운 언어적 큐를 사용함
3Speech to Speech Quality Index에서 82.6점을 기록하며 업계 최고 수준의 음성 품질을 입증함
497개 언어에 대해 대화 도중 자동 언어 전환(Language Switching) 기능을 지원함
5Gemini API, Google Workspace, Search, Gemini 앱을 통해 즉시 사용 가능함

이 글에 대한 공공지능 분석

왜 중요한가?

AI가 단순한 텍스트 응답기를 넘어, 시각과 음성을 실시간으로 인지하고 도구를 직접 조작하는 '액션 중심의 에이전트'로 진화했음을 의미합니다. 이는 AI와의 상호작용 패러다임이 '질의응답'에서 '실시간 협업'으로 전환되는 중요한 변곡점입니다.

어떤 배경과 맥락이 있나?

기존 LLM의 한계였던 지연 시간(Latency)과 추론 중 대화 단절 문제를 해결하기 위해, 실시간 멀티모달 처리와 배경 작업(Background Task) 실행 기술이 도입되었습니다. 이는 에이전틱 워크플로우(Agentic Workflow)의 완성도를 높이려는 빅테크들의 경쟁을 반영합니다.

업계에 어떤 영향을 주나?

음성 기반 인터페이스를 활용하는 서비스 스타트업들에게 강력한 인프라가 제공됨에 따라, 고도의 코딩 없이도 정교한 음성 에이전트 개발이 가능해질 것입니다. 반면, 단순한 기능 구현 위주의 래퍼(Wrapper) 서비스들은 구글의 기본 기능과 차별화하기 더욱 어려워질 전망입니다.

한국 시장에 어떤 시사점이 있나?

한국어 및 다국어 지원이 강화된 만큼, 국내 고객 응대(CS)나 교육, 제조 현장 가이드 등 실시간 시각/음성 인지가 필요한 도메인에서의 AI 에이전트 도입 기회가 확대될 것입니다.

이 글에 대한 큐레이터 의견

이번 발표는 AI 에이전트가 '생각하는 시간'을 대화의 흐름을 끊는 방해 요소가 아닌, 자연스러운 대화의 일부로 통합했다는 점에서 매우 혁신적입니다. 특히 'Extended Thinking' 모델이 보여주는 실시간 진행 상황 중계는 사용자 경험(UX)의 차원을 한 단계 높여, 인간과 AI의 협업 경계를 허무는 중요한 기술적 도약입니다.

스타트업 창업자들은 이 강력한 API를 활용해 기존에 불가능했던 '눈과 귀가 있는 에이전트'를 구축할 기회를 맞이했습니다. 하지만 주의할 점은 구글이 제공하는 기본 에이전트 기능이 강력해질수록, 단순한 기능 구현 위주의 서비스는 플랫폼 종속성(Platform Dependency) 리스크에 직면하게 된다는 것입니다. 따라서 단순한 기능 구현을 넘어, 특정 산업군(Vertical)의 깊은 도메인 지식과 고유한 데이터셋을 어떻게 결합할 것인지에 대한 전략적 고민이 필수적입니다.

원문 보기 →