개요
Google의 AI 발표에는 연구 조직, 모델, 사용자 제품과 개발 인프라가 함께 등장한다. 이 문서는 Google 전체의 기업사를 요약하기보다 AI 소식을 읽을 때 어떤 층위의 변화인지 구분하는 데 초점을 둔다. Google Research는 여러 분야의 연구를 공개하며, Google DeepMind는 AI 연구·개발 조직으로 자신을 소개한다.[1][2]
연구 조직·모델·제품·인프라의 차이
- Google Research: 논문, 실험과 연구 프로젝트를 읽는 출발점이다. 연구 소개가 곧 모든 사용자에게 제공되는 제품 기능이라는 뜻은 아니다.[1]
- Google DeepMind: Gemini와 연결되는 AI 연구·개발 조직이다. 조직의 이름과 특정 모델 버전을 구분해서 읽어야 한다.[2]
- 모델과 제품: 모델의 입력·출력 능력, 실제 서비스의 기능, 개발자에게 제공되는 인터페이스는 각각 확인할 대상이다.
- Google Cloud: 개발·운영 인프라를 제공하는 층위다. TPU는 머신러닝 계산을 가속하기 위한 전용 하드웨어이며, 이용 조건은 Cloud의 해당 안내에서 확인한다.[3]
사례: 새 AI 기능 발표를 읽는 순서
다음은 ORBiS Tree가 만든 가상 사례다. '문서 이해 능력이 개선됐다'는 발표를 보았다고 하자. 먼저 모델의 평가 결과인지, 특정 앱의 새 기능인지, 연구용 시제품인지 확인한다. 그다음 지원 문서 형식·언어, 제공 지역, 이용 권한과 공개 시점을 찾는다. 발표에 해당 정보가 없다면 이미 이용할 수 있다고 추정하지 않고 확인되지 않은 항목으로 남긴다.
모델의 실험 점수가 좋아졌더라도 자신의 문서와 질문에서 같은 개선이 나타나는지는 별도 문제다. 실제로 사용할 문서 묶음에서 정보 추출, 출처 확인, 답을 찾지 못한 질문의 처리를 각각 확인하는 편이 유용하다.
연구 프로젝트를 제품 소식으로 오해하지 않기
Project Suncatcher는 우주 기반 AI 계산의 가능성을 탐색하는 연구 사례다. 연구 목표, 지상 시험, 궤도 시험 계획과 상용 서비스 제공은 서로 다른 단계다. 한 단계의 발표를 다른 단계의 완료로 넓혀 읽으면 기술의 성숙도를 잘못 판단할 수 있다.
공식 자료를 비교하는 체크 항목
- 주체: 연구 조직, 제품 팀, Cloud 인프라 중 누가 발표했는가?
- 대상: 조직, 모델 버전, 서비스 기능, 하드웨어 중 무엇이 바뀌었는가?
- 근거: 논문·평가 조건·문서·실제 제공 안내 중 무엇을 공개했는가?
- 범위: 언어·지역·계정·지원 형식 등 적용 조건은 무엇인가?
- 한계: 아직 시험하지 않은 조건, 예정 단계, 비교할 수 없는 지표는 무엇인가?
위 항목은 ORBiS Tree의 독자용 정리다. 특정 회사의 발표가 독립적인 성능 검증을 거쳤다는 보증은 아니다. 기술 배경은 LLM, 서비스와 모델의 차이는 ChatGPT, 하드웨어 선택의 조건은 GPU와 TPU 문서로 이어서 읽을 수 있다.
비교표에서 발표 주체와 제공 경로를 분리하기
기사나 발표를 저장할 때 발표 조직, 논문·모델의 이름, 앱 또는 개발 인터페이스, 실행 인프라를 다른 칸에 둔다. Google Research ↗는 연구 공개의 출발점이고,[1] Gemini API 모델 목록 ↗은 해당 API의 모델을 확인하는 자료다.[4] 두 자료는 서로 다른 질문에 답한다.
가상의 '문서 분석 개선' 소식에는 연구 결과만 있을 수도 있다. 앱의 파일 기능, API 입력 형식, 제공 지역과 계정 조건은 각각 해당 경로에서 확인한다. 연구 조직, 모델, 계산 장치의 이름을 제품 기능의 동의어로 쓰지 않는다.
제공 단계의 날짜를 따로 남기기
연구 발표, 제한된 미리보기, 대상 확대, 내 계정에서의 실제 사용 확인을 날짜별로 남긴다. 가상 기록으로 10월 1일 연구 공개, 8일 제한 시험, 20일 제공 예정이라고 적혀 있다면 12일 현재 '전체 제공 완료'로 바꾸지 않는다. 예정일과 완료일은 다르며 이 날짜들은 실제 Google 출시 일정이 아니다.
모델 목록과 제품 안내에서 지원 입력, 제한과 현재 상태를 읽고 확인 날짜를 붙인다.[4] 확인하지 않은 경로는 미확인으로 남긴다. 연구 제안과 시험 단계도 같은 원리로 읽되 연구 프로젝트와 사용자용 서비스에 같은 성숙도를 가정하지 않는다.
계산 예제: 읽힌 문서 기준과 전체 문서 기준
가상의 문서 12개 중 10개를 읽었고, 읽힌 10개 중 8개에서 요청한 값을 정확히 추출했다고 하자. 읽힌 문서 기준 정확 추출은 8 / 10 = 80%지만, 전체 작업 기준 성공은 8 / 12 = 약 66.7%다. 읽지 못한 두 문서를 빼고 제품 전체의 성공률을 80%로 쓰면 범위가 달라진다.
각 실패를 업로드·파싱·정보 추출·단위 처리·근거 확인 단계로 나눠 남긴다. 문서 이해 안내 ↗는 PDF와 다른 형식의 처리 차이를 확인하는 자료다.[5] 이 예제의 문서 수와 결과는 실제 Gemini 평가가 아니다. 시각 정보 처리와 근거 없는 답도 별도 항목이다.
인프라 성능과 업무 성과를 연결하는 조건
Cloud TPU 안내 ↗는 머신러닝 가속기와 지원 구성을 설명한다.[3] 장치 성능을 사용자 제품의 완료 속도로 옮기기 전에 모델·입출력 길이·전처리·네트워크·도구·동시 요청과 실패 처리 조건을 맞춘다. 하드웨어 이름만으로 서비스의 가격·정확도·지역 제공을 추론하지 않는다.