AI에게 답을 받았는데, 왜 일은 아직 끝나지 않을까?

문서를 요약시키고, 코드를 고치게 하고, 조사 결과를 표로 받아도 마지막에는 사람이 다시 복사하고 확인하고 실행한다. AI를 쓰면서도 업무의 가장 긴 구간인 다음 행동으로 넘어가는 과정은 그대로 남아 있는 셈이다.

Google이 Gemini 3.5를 “frontier intelligence with action”이라고 부른 이유는 단순히 더 똑똑한 답변을 약속하기 위해서가 아니다. Gemini 3.5 Flash는 답변 생성보다 에이전트 작업, 코딩, 여러 단계가 이어지는 장기 작업을 전면에 내세운다. 내 결론은 분명하다. 이 모델을 또 하나의 채팅창으로 쓰면 체감 이득이 작다. 반복 업무를 입력·판단·실행·승인으로 쪼개고, 그중 일부를 맡기는 도구로 써야 한다.

이번 발표에서 중요한 것은 모델 이름이 아니라 ‘행동 단위’의 변화다

Google은 2026년 5월 19일 Gemini 3.5 제품군을 발표하면서 첫 모델로 3.5 Flash를 공개했다. 공식 발표에 따르면 이 모델은 에이전트와 코딩을 겨냥하고, 여러 단계의 긴 작업을 수행하도록 설계됐다. Gemini 앱과 Google Search의 AI Mode, Google AI Studio·Android Studio의 Gemini API, Google Antigravity, 기업용 플랫폼까지 적용 범위도 넓게 잡았다.

Google이 공개한 비교에서 Gemini 3.5 Flash는 Terminal-Bench 2.1 76.2%, GDPval-AA 1,656 Elo, MCP Atlas 83.6%, CharXiv Reasoning 84.2%를 기록했다고 설명한다. 출력 토큰 속도는 다른 프론티어 모델보다 4배 빠르다고 주장한다. 다만 이 수치는 Google이 제시한 평가 결과다. “최고 모델”이라는 결론보다, 긴 작업에서 속도와 품질을 동시에 확보할 수 있다는 가설로 읽는 편이 정확하다.

Gemini 3.5 Flash의 지능 지수와 출력 속도를 비교한 차트
출처: Google, “Gemini 3.5: frontier intelligence with action” (2026-05-19). Google이 제시한 지능 지수와 출력 속도 비교다.

실무에서 쓸 수 있는 이유는 긴 컨텍스트보다 연결 가능한 부품에 있다

Google AI for Developers 문서에서 안정화 모델 코드로 안내하는 값은 gemini-3.5-flash다. 텍스트·이미지·동영상·오디오·PDF를 입력으로 받고, 입력 토큰 한도는 1,048,576, 출력 한도는 65,536이다. 검색 그라운딩, URL 컨텍스트, 파일 검색, 코드 실행, 함수 호출, 구조화된 출력, 캐싱을 지원한다. 컴퓨터 사용은 지원되지만 아직 Preview다.

이 기능들을 따로 보면 흔한 체크리스트처럼 보인다. 하지만 한 업무 안에서 연결하면 의미가 달라진다. 자료를 읽고, 빠진 근거를 검색하고, 결과를 정해진 JSON으로 만들고, 코드나 자동화 함수에 넘길 수 있다. 즉 “요약해줘”에서 끝나는 모델이 아니라 작업의 중간 산출물을 다음 단계가 바로 소비할 수 있게 만드는 모델에 가깝다.

Gemini 3.5를 소개하는 Google 공식 이미지
출처: Google, “Gemini 3.5: frontier intelligence with action” (2026-05-19).

도입할 때는 ‘무엇이든 해줘’가 아니라 세 단계로 맡겨라

1단계는 입력 묶음이다. 매주 반복하는 경쟁사 조사, 고객 문의 분류, PDF 검토처럼 자료가 여러 형식으로 흩어지는 업무를 고른다. URL 하나만 던지지 말고 관련 문서·스크린샷·표·기존 결과를 목적 아래 묶는다. 단, 자료를 많이 넣는 것 자체가 품질을 보장하지는 않는다. 목표와 제외 조건을 먼저 적어야 한다.

2단계는 판단 결과를 고정된 형식으로 받는 것이다. 자유로운 에세이 대신 결론, 근거 링크, 불확실한 항목, 다음 행동, 사람 승인 필요 여부를 필드로 정한다. 구조화된 출력은 AI를 더 신뢰하기 위한 장치가 아니다. 누락을 눈에 띄게 만들고, 사람이 검토할 위치를 줄이는 장치다.

3단계는 실행 권한을 분리하는 것이다. 모델은 후보를 만들고, 파일을 분류하고, 코드 변경안을 작성할 수 있다. 하지만 외부 메일 발송, 결제, 계약 확정, 운영 배포는 별도의 승인 버튼 뒤에 둔다. 컴퓨터 사용 기능이 Preview인 만큼, 브라우저를 직접 조작하는 실험은 실행 로그와 중단 조건을 먼저 만들어야 한다.

목표: 매주 업데이트되는 AI 도구 10개의 도입 후보를 비교한다.
입력: 공식 문서, 가격 페이지, 우리 팀의 요구사항 표
결과 형식:
- 결론: 도입 / 보류 / 제외
- 근거 링크: 항목마다 최소 1개
- 확인 필요: 공식 문서에서 찾지 못한 값만 기록
- 다음 행동: 사람이 30분 안에 할 수 있는 행동 1개
- 승인 필요: 외부 연락·결제·데이터 업로드 여부를 true/false로 표시
규칙: 근거가 없으면 추정하지 말고 “확인 필요”라고 쓴다.

비용 설계까지 포함해야 ‘에이전트’가 업무가 된다

현재 Google AI for Developers 가격표에서 Gemini 3.5 Flash 표준 요금은 입력 100만 토큰당 1.50달러, 출력 100만 토큰당 9달러다. Batch와 Flex 요금은 각각 입력 0.75달러, 출력 4.50달러로 안내된다. 검색 그라운딩은 Gemini 3.x 모델 전체가 공유하는 월 5,000회 무료 구간 뒤 1,000회당 14달러가 붙는다. 가격은 바뀔 수 있으므로 실제 도입 전 공식 가격표를 다시 확인해야 한다.

이 숫자가 말해주는 것은 “싸다”가 아니다. 모든 요청을 최고 우선순위로 실시간 처리할 필요가 없다는 뜻이다. 사람이 바로 답을 받아야 하는 분류와, 밤새 처리해도 되는 문서 분석을 같은 경로에 넣지 말고 Standard·Batch·Flex로 나눈다. 반복되는 자료를 캐시하고, 결과를 짧은 구조화 형식으로 제한하면 비용과 검토 시간 모두 측정할 수 있다.

구독 전에 7일 동안 ‘맡길 수 있는 업무’인지 시험하라

  • 1일차: 매주 반복되며 사람이 복사·분류·대조하는 업무 하나를 고른다.
  • 2일차: 기존 방식의 완료 시간, 수정 횟수, 근거 누락 수를 기록한다.
  • 3~4일차: Gemini 3.5 Flash에 실제 자료를 넣고 입력 규격과 결과 스키마를 고정한다.
  • 5일차: 출처가 없을 때 멈추는 규칙과 사람 승인 지점을 추가한다.
  • 6일차: 같은 업무를 기존 방식과 나란히 실행해 재작업과 비용을 비교한다.
  • 7일차: 모델의 인상평이 아니라 “반복해서 맡길 수 있는가”로 도입 여부를 결정한다.

이 실험은 Gemini 3.5 Flash가 모든 모델보다 낫다는 것을 증명하려는 일이 아니다. 오히려 모델이 바뀌어도 남는 업무의 기준선을 만드는 일이다. 입력 자료, 결과 스키마, 승인 정책, 평가 기록이 남으면 다른 모델과도 공정하게 비교할 수 있다. 반대로 이 네 가지가 없으면 어떤 모델을 써도 “이번 답변은 꽤 괜찮았다”는 인상만 남는다.

행동하는 AI의 경쟁력은 자율성이 아니라 멈추는 지점이다

Google은 Gemini 3.5 Flash를 활용해 여러 에이전트가 협업하는 코딩, 장기 데이터 분석, 복잡한 문서 검토 사례를 소개했다. Shopify, Macquarie Bank, Salesforce, Ramp, Xero, Databricks 같은 기업의 활용 사례도 발표에 포함했다. 그러나 이 사례들은 Google이 소개한 파트너 사례이지, 모든 팀에서 같은 성과가 재현된다는 보증은 아니다.

그래서 도입의 첫 질문은 “이 모델이 무엇을 할 수 있나?”가 아니다. “틀렸을 때 어디에서 멈춰야 하나?”다. 출처가 없는 결론은 보류하고, 민감한 자료는 허용 범위를 벗어나지 않게 하며, 외부 시스템을 바꾸기 전에는 승인을 요구한다. 이 경계선을 먼저 정하면 에이전트는 사람을 밀어내는 자동 실행기가 아니라 사람이 판단할 수 있는 상태까지 일을 밀어주는 보조자가 된다.

Gemini 3.5 Flash를 써볼 이유는 새 모델이라서가 아니다. 조사·문서·코드·함수 호출 사이에 끊긴 단계를 하나의 흐름으로 묶을 수 있기 때문이다. 오늘 모든 업무를 자동화할 필요는 없다. 반복 업무 하나를 골라 입력 묶음, 결과 형식, 승인 지점만 먼저 설계하면 된다.

CTA: 지금 가장 자주 반복하는 조사나 문서 업무 하나를 정하고, 실제 자료 5개로 7일 기준선을 만들어보라. Gemini 3.5 Flash에 “결론·근거 링크·확인 필요·다음 행동·승인 필요 여부”를 고정 형식으로 요청한 뒤 기존 방식과 완료 시간과 수정 횟수를 비교하라. 차이가 확인되면 그때 두 번째 업무에 연결하라. AI 도입의 시작은 더 많이 묻는 것이 아니라, 처음으로 안전하게 맡겨보는 것이다.

근거 출처

[외부 정보 (하베스터 수집)] Gemini 3.5 Flash의 2026년 5월 19일 발표, 적용 제품, Google이 제시한 벤치마크·속도 비교, 파트너 활용 사례와 안전 프레임워크는 Google, “Gemini 3.5: frontier intelligence with action”(2026-05-19)에서 확인했다. 모델 코드 gemini-3.5-flash, 입력·출력 토큰 한도, 멀티모달 입력, 검색 그라운딩·URL 컨텍스트·파일 검색·코드 실행·함수 호출·구조화된 출력·컴퓨터 사용 Preview 지원 여부는 Google AI for Developers, “Gemini 3.5 Flash”(2026-07-21 최종 업데이트)를 참고했다. 표준·Batch·Flex 가격과 검색 그라운딩 요금은 Google AI for Developers, “Gemini Developer API pricing”을 참고했다. 본문 이미지는 Google 공식 발표 페이지의 공개 이미지이며 각 캡션에 출처를 표시했다.

[상호작용 (에이전트-드루 대화·작업)] 이 글에는 특정 에이전트-드루 대화나 개인 작업의 결과를 외부 통계처럼 사용하지 않았다. 7일 실험, 입력 묶음, 결과 스키마, 승인 지점은 외부 기능을 humanerd.kr 독자의 실제 워크플로에 적용하기 위해 제안한 편집 분석이다.