티스토리 뷰
구글 AI 핵심 인재들이 한날한시에 짐을 쌌습니다. 알파폴드를 만든 팀, 트랜스포머 논문 공저자, 27년 경력의 전설적 개발자까지 이건 예상 밖이었습니다. 저도 현업에서 매일같이 제미나이를 포함한 여러 AI 툴을 쓰면서 "뭔가 달라졌다"는 느낌을 받았는데, 그 배경에 이렇게 복잡한 구조적 문제가 얽혀 있을 줄은 몰랐습니다.
구글 AI 인재 대이동, 단순한 이직이 아닌 이유
지난 8월 초, 구글에서 잇따른 인사 변화가 터졌습니다. 구글에서 27년을 일한 제프 딘 최고 과학자가 회사를 떠났고, 알파고를 만들어 노벨상까지 받은 데미스 허사비스 딥마인드 CEO도 일선 경영에서 물러났습니다. 여기에 파이낸셜 타임즈는 구글 공동창업자 세르게이 브린이 제미나이의 지휘권을 맡아 복귀한다는 보도까지 냈습니다. 이 소식들이 하루 안에 쏟아지면서 알파벳 주가는 4% 넘게 빠졌고, 시가총액 약 260조 원이 하루 만에 증발했습니다.
이게 단순한 임원 교체처럼 보일 수 있는데, 저는 조금 다르게 봅니다. 제프 딘 혼자 나간 게 아니라, 20년 동안 같이 일한 동료와 제미나이 설계를 함께 총괄한 연구자, 구글 브레인 공동창업자까지 총 네 명이 함께 회사를 세웠습니다. 그것도 영리 법인이 아닌 공익법인 '디스커버리 루프'를 차렸는데, 머신러닝으로 과학적 발견 자체를 자동화하겠다는 목표입니다. 돈보다 더 큰 가치를 찾아 나선 셈이죠.
6월에도 비슷한 일이 있었습니다. 트랜스포머(Transformer) 논문의 공저자 노암 아지어가 오픈AI로 떠났고, 허사비스와 노벨상을 공동 수상한 존 점퍼는 Anthropic으로 이직했습니다. 트랜스포머란? 현재 거의 모든 거대 언어 모델(LLM)의 기반이 되는 신경망 아키텍처로, 2017년 구글에서 탄생한 기술입니다. 그 기술을 만든 사람들이 정작 구글을 등진다는 아이러니가 시장에 불안 신호로 읽힌 것입니다. 그 날도 주가는 5% 가까이 빠졌습니다.
📌 핵심 요약
구글 AI 핵심 인재들이 연쇄 이탈하며 주가와 시장 신뢰를 동시에 흔들었고, 이는 단순 이직이 아닌 구조적 한계의 신호로 읽힙니다.
인재가 떠나는 진짜 이유: 컴퓨팅 자원 배분의 딜레마
구글 2분기 실적을 보면 아이러니합니다. 클라우드 매출이 248억 달러로 전년 대비 82% 성장했고, 전체 매출도 사상 최대를 기록했습니다. 겉으로는 잘 나가는데 왜 핵심 인재들이 나가는 걸까요?
여기서 TPU(Tensor Processing Unit) 이야기를 빼놓을 수 없습니다. TPU란? 구글이 자체 개발한 AI 전용 반도체로, 딥러닝 연산에 특화되어 엔비디아 GPU를 대체하는 역할을 합니다. 구글은 외부 엔비디아 GPU 대신 내부 TPU만 사용하기로 방침을 정했는데, 문제는 TPU 한 장이 생겼을 때 그걸 어디에 쓰냐는 겁니다.
선택지는 셋입니다. ①제미나이 모델 학습에 쓸 것인가?, ② 유튜브·검색 같은 자사 서비스에 쓸 것인가?, ③ 클라우드 고객에게 팔 것인가?. 클라우드가 82% 성장 중이니 당연히 클라우드 쪽 발언권이 세질 수밖에 없습니다. 흥미로운 건, 구글의 경쟁사인 Anthropic도 구글 클라우드의 TPU를 빌려 쓴다는 점입니다. 즉, 구글 연구자 입장에서는 자기 회사 AI 모델을 키워야 하는데, 경쟁사에 먼저 자원이 배정되는 상황이 벌어지는 겁니다.
저도 현업에서 이런 내부 자원 배분 충돌을 작은 규모로 경험한 적이 있습니다. 일이 잘 되는 부서에 리소스가 몰리면, 장기적으로 더 중요한 작업을 맡은 팀은 조용히 지쳐갑니다. 구글 안에서 벌어지는 일이 정확히 그 구도인 것 같습니다.
- TPU 자원 배분 우선순위: 클라우드 고객 수익 > 자사 서비스 > 내부 AI 연구
- 구글 클라우드 2분기 수주잔고(미래 매출로 잡힐 계약액): 5,140억 달러 수준
- 영업 현금흐름 391억 달러를 벌었지만 데이터센터 설비에 449억 달러를 지출해 잉여현금흐름이 마이너스 전환 (출처: Alphabet 투자자 관계)
- 경쟁사 Anthropic도 구글 TPU 인프라를 임차해 사용 중
📌 핵심 요약
구글의 수익화 압박이 내부 연구 자원을 잠식하고 있으며, 이것이 핵심 인재 이탈의 구조적 원인으로 작용합니다.
제미나이 성능 논란과 환각 현상의 실체
"제미나이 요즘 좀 멍청해진 거 아니야?" 커뮤니티에서 자주 보이는 말인데, 저도 비슷한 체감을 한 적이 있습니다. 특히 긴 작업을 이어갈 때 앞에서 나눈 내용을 AI가 잊어버리는 상황이 반복됐습니다.
실제로 유료 구독자들이 실험한 결과, 소비자용 제미나이 앱에서 대화 맥락 기억이 100만 토큰(Token)이 아닌 약 16,000 토큰 수준에서 끊기는 현상이 확인됐습니다. 토큰이란 AI가 한 번에 처리할 수 있는 텍스트의 단위로, 대략 한글 기준 한 글자가 1~2토큰에 해당합니다. 구글이 "100만 토큰 컨텍스트"를 대대적으로 홍보했지만, 정작 일반 사용자들이 경험한 건 그 60분의 1 수준이었다는 겁니다.
더 흥미로운 건, 개발자용 API에서는 100만 토큰이 그대로 작동한다는 점입니다. 즉, 사용량에 따라 비용을 내는 기업 고객에게는 풀 성능을 제공하고, 월정액 개인 구독자에게는 서버 비용 절감을 위해 성능을 줄여놓은 것으로 해석할 수 있습니다. 전 세계 제미나이 앱 사용자가 9억 5천만 명에 달하는데, 그 모든 이들에게 100만 토큰을 매번 제공하면 운영 비용이 기하급수적으로 늘어날 테니 어떻게 보면 사업적 선택이긴 합니다.
환각 현상(Hallucination)도 문제입니다. 환각 현상이란? AI가 실제로 존재하지 않는 정보를 자신 있게 사실인 것처럼 생성하는 오류를 말합니다. 제가 직접 써봤는데, 마케팅 보고서 작성 중에 AI가 존재하지 않는 통계 수치를 각주까지 달아서 출력한 적이 있었습니다. 겉보기에 완벽한 형식이라 그냥 넘길 뻔했는데, 원본 데이터를 뒤져보니 출처 자체가 없었습니다. 출처: arXiv — LLM 환각 현상 관련 연구에서도 지적하듯, 모델 규모가 커질수록 자신감 있게 틀리는 경향이 오히려 강해지는 역설이 있습니다.
📌 핵심 요약
제미나이의 성능 저하 체감은 모델 퇴보가 아닌 비용 절감을 위한 서비스 등급화와 환각 현상이 복합적으로 작용한 결과입니다.
AI 수익화 한계, 낙관론에 제동이 필요하다
AI 산업 전망을 밝게 보는 분들도 많은데, 저는 조금 다른 각도에서 생각합니다. 구글 2분기 실적에서 영업 현금보다 설비 투자가 더 많아 잉여현금흐름(Free Cash Flow)이 마이너스로 돌아섰습니다. 잉여현금흐름이란 기업이 영업 활동으로 번 돈에서 설비 투자 비용을 뺀 실질 여유 자금으로, 이게 마이너스라는 건 버는 것보다 쓰는 게 더 많다는 뜻입니다. 구글이 상장한 2004년 이후 22년 만에 처음 있는 일입니다.
물론 이 투자가 미래 클라우드 수요를 선점하기 위한 전략적 지출이라는 시각도 있습니다. 맞는 말입니다. 하지만 수익화 모델이 아직 불분명한 상태에서 수백 조 원짜리 인프라 경쟁이 장기간 지속될 수 있을지는 냉정하게 봐야 합니다.
오픈소스 진영의 추격도 독점 프리미엄을 빠르게 갉아먹고 있습니다. 메타의 Llama 시리즈를 비롯해 최근 오픈소스 모델들의 벤치마크(Benchmark) 점수가 상용 모델의 90% 수준까지 올라왔습니다. 벤치마크란? 모델의 추론·코딩·언어 이해 능력을 수치로 비교하는 표준 평가 지표입니다. 이 격차가 줄어들수록 폐쇄형 모델을 고집하는 기업들의 가격 결정력은 약해질 수밖에 없습니다.
실무자로서 솔직히 말씀드리면, AI 툴에 월 수만 원을 내면서 가장 많이 쓰는 시간은 AI 결과물을 검증하고 수정하는 시간입니다. 처음엔 작업 시간을 10분의 1로 줄여준다고 느꼈는데, 정밀도가 필요한 업무일수록 검증 과정이 따라붙어 실제 절감 효과가 생각보다 제한적이었습니다. 이 경험이 "AI는 아직 핵심 권한을 맡기기 어렵다"는 산업 현장의 공통된 목소리와 맞닿아 있다고 생각합니다.
📌 핵심 요약
구글을 포함한 빅테크의 AI 투자는 수익보다 지출이 앞서는 구조이며, 오픈소스 추격과 실무 적용 한계가 수익화 전망을 불투명하게 만듭니다.
자주 묻는 질문
Q. 제미나이 성능이 진짜 떨어진 건가요, 아니면 원래 이 정도인가요?
A. 모델 자체가 나빠졌다기보다는 서비스 운영 비용을 아끼기 위해 일반 사용자의 컨텍스트 길이를 제한했다는 해석이 더 설득력 있습니다. 개발자용 API에서는 100만 토큰이 정상 작동한다는 점이 그 근거입니다. 다만 경쟁 모델들이 빠르게 업데이트되는 동안 제미나이 상위 모델 업데이트가 오래 지연된 것도 체감 품질 저하에 영향을 줬다고 봅니다.
Q. 구글 AI가 무너지는 건가요? 앞으로 제미나이 써도 되나요?
A. 무너진다고 보기는 이릅니다. 구글은 경량 모델인 플래시 라인업을 꾸준히 업데이트하고 있고, 전 세계 무료 사용자 기반이 9억 5천만 명에 달합니다. 다만 최상위 프론티어 모델 경쟁에서 뒤처지고 있다는 건 사실입니다. 일상적인 업무 보조 도구로는 여전히 충분하지만, 고정밀 작업에는 결과 검증을 병행하는 게 좋습니다.
Q. AI 환각 현상을 줄이려면 어떻게 해야 하나요?
A. 제가 직접 써봤는데 가장 효과적인 방법은 AI에게 출처 링크나 근거를 함께 달라고 요청하는 것입니다. 출처를 요구하면 AI가 확인되지 않은 내용을 무작정 생성하는 빈도가 줄어드는 경향이 있습니다. 그 출처를 실제로 클릭해 원문을 확인하는 습관까지 더하면 환각 현상으로 인한 오류를 상당히 걸러낼 수 있습니다.
Q. 세르게이 브린이 복귀하면 제미나이가 좋아질까요?
A. 2022년 ChatGPT 등장으로 구글에 코드레드가 걸렸을 때도 세르게이 브린이 직접 코드에 관여하며 제미나이 출시를 이끌었다는 전례가 있습니다. 창업자의 복귀가 조직에 긴장감을 주는 건 사실이지만, 그것만으로 기술 격차를 단기에 뒤집기는 어렵습니다. 리더십 변화보다 실제 모델 출시 타임라인이 단축되는지를 지켜보는 게 더 현실적인 판단 기준이 될 것 같습니다.
결론
구글 AI의 리더십 대이동은 단순한 인사 뉴스가 아닙니다. 수익화 압박, 내부 자원 배분 충돌, 모델 업데이트 지연이 맞물리면서 생긴 구조적 균열의 신호에 가깝습니다. 거대 언어 모델(LLM) 패권 경쟁이 치열할수록 기술 진보의 화려함 뒤에 가려진 비용 구조와 지속 가능성을 함께 들여다봐야 한다고 생각합니다.
실무자로서 제 결론은 이렇습니다. AI 툴은 분명히 강력하지만, 지금 당장은 "검증하는 사람 없이 홀로 돌아가는 시스템"을 구축하기엔 아직 이릅니다. 어떤 모델을 쓰든 출처 확인과 결과 검증을 습관화하는 것, 그리고 특정 플랫폼에 지나치게 의존하지 않는 분산 전략이 가장 현실적인 대응이라고 봅니다.
참고: 유튜브 채널 <손에잡히는경제 및 김덕진의 AI디아> - AI 리더 싹 바꿨다. 구글에 무슨 일이 - 김덕진 IT커뮤니케이션 연구소 소장