에이전트의 가장 가혹한 테스트는 벤치마크가 아니다. 달리는 사람의 몸이다. 눈이 보이지 않는 러너가 트랙을 도는 동안, 에이전트는 ‘어디로, 언제, 얼마나 빨리’를 실시간으로 결정해야 하고, 한 박자 늦으면 부딪힌다. 구글 딥마인드는 지난 5월, 바로 그 조건에서 에이전트를 실제로 굴렸다. 이 글은 그 뉴스가 단순한 접근성 스토리가 아니라 — 에이전트가 드디어 ‘채팅창 밖으로 나갔다’는 신호라는 해석이다.

눈이 보이지 않는 러너에게 ‘줄’이 없다면

시각·저시력(BLV) 러너에게 달리기는 전통적으로 테더(tether) 없이는 불가능했다. 곁에서 함께 달리는 인간 가이드, 또는 트랙에 칠해진 가이드 라인. 둘 다 ‘다른 누군가’ 또는 ‘영구 인프라’에 기댄다. 가이드가 없다면, 라인이 없는 야외 코스라면, 그 사람은 달리기를 포기해야 했다.

구글 딥마인드가 공개한 Running Guide agent는 그 전제 자체를 바꾸려 한다. 가슴에 착용한 Pixel 10 Pro 스마트폰이 앞길을 보고, 청각 피드백으로 방향과 위험을 실시간 안내하는 접근성 에이전트다. 인터넷 연결 없이, 인간 가이드 없이, 칠해진 라인 없이 혼자 달리는 것. 구글은 이를 ‘러닝 언바운디드(running unbounded) — 무한한 달리기로 가는 한 걸음’이라고 불렀고, 목표를 ‘모든 러너를 위한 무인도의 독립’으로 못 박았다.

흥미로운 지점은 기술적 전환이다. 이전 프로젝트인 Project Guideline이 ‘칠해진 라인을 따라가는’ 수준이었다면, 이번 시스템은 ‘칠해진 라인 없이 실시간 공간 추론(realtime spatial reasoning)’을 한다. 라인이라는 인프라가 사라지고, 에이전트가 장면을 스스로 이해한다. 이것이 왜 중요한지는, 잠시 뒤 ‘테더’라는 단어로 다시 설명하겠다. 이 뉴스는 한 가지 이유로 우리에게도 직접적인 관심사다. 딥마인드가 해낸 것은 접근성이 아니라, 에이전트를 실제 세계의 실시간 루프에 넣는 일이기 때문이다.

그런데 에이전트는 왜 지금까지 ‘채팅창’에 묶여 있었나

우리가 ‘에이전트’라고 부르는 것들의 대부분은 여전히 텍스트 인풋 → 텍스트 아웃풋이고, 모든 행동이 한 번의 클라우드 라운드트립을 거친다. 프롬프트가 데이터센터로 날아가고, 답이 돌아온다. 여기서 클라우드가 곧 테더다. 그리고 이 테더가, 에이전트가 채팅창 밖으로 나가지 못한 이유다.

실제 세계는 기다리지 않는다. 어떤 작업이든 ‘센싱 → 결정 → 행동’이라는 폐루프(closed loop)는 마감 시간 안에 닫혀야 한다. 문제는 그 마감이 네트워크 지연과 함께 살 수 있느냐다.

채팅 에이전트가 세계에 반응하지 못한 이유는 결국 세 개의 벽이었다.

  • 지연의 벽 — 라운드트립은 밀리초 단위의 마감을 깬다. 달리기처럼 실시간인 대상에겐 ‘느린 답변’은 곧 ‘사고’다.
  • 비용의 벽 — 세계는 프레임 단위로 온다. 모든 프레임을 클라우드 모델에 보내면 연속 인식은 가격이 감당이 안 된다.
  • 프라이버시의 벽 — 위치, 신체 상태, 시야에 들어온 모든 것이 기기를 떠나면, 민감한 워크플로는 애초에 설계 불가다.

이 세 개의 벽이 쌓인 채로는, 에이전트는 아무리 똑똑해도 채팅창 안에서만 똑똑할 수밖에 없다. 그런데 딥마인드가 이 세 벽을 한꺼번에 걷어냈다. 그것이 이 뉴스의 진짜 내용이다.

딥마인드가 ‘테더’를 끊는 방식

이 섹션의 제품·구조·파트너십에 대한 사실은 딥마인드 공식 발표와 관련 자료에서 가져온 외부 정보다.

구글 딥마인드에 따르면 Running Guide agent는 하이브리드 아키텍처로 ‘무조건적인 안전’을 설계했다. 두 가지 일이 동시에, 서로를 막지 않고 돈다.

안전 경로는 즉각적인 STOP 알림과 방향을 알리는 사운드 같은 안전 크리티컬 출력을 담당하고, 스마트폰 기기 안에서 완전히 오프라인으로 동작한다. 추론 경로는 고수준 장면 이해를 담당한다. 핵심은 두 경로 모두 클라우드가 아니라 기기 안에 있다는 것. 셀룰러 연결이 죽어도 시스템은 멈추지 않는다. 연결이 안 되는 지하 트랙, 이동통신이 닿지 않는 공원 코스에서도 안전 출력은 계속 나온다.

이 설계는 곧 세 벽의 해체다. 실시간 안전 출력에 네트워크가 개입하지 않으니 지연의 벽이, 연속 인식 부하를 기기 안의 저전력 경로로 나누니 비용의 벽이, 민감 데이터가 기기를 떠나지 않으니 프라이버시의 벽이 사라진다. 이 세 가지가 ‘한 시스템 안에서’ 동시에 성립했다는 것 자체가 시장에 보내는 신호다.

다만 경계를 정직하게 그어야 한다. 5월 기준 이 시스템은 리서치 프로토타입이다. 공개 SDK·API·가격·출시 일정은 없다. 싱가포르의 장애인·포용 기관인 SG Enable과 파트너십을 맺고 실제 BLV 러너와 필드 트라이얼을 진행하는 단계이고, 밀리초 단위의 지연 수치조차 공개되지 않았다. 구글의 공식 표현 그대로, 이것은 ‘도착’이 아니라 ‘러닝 언바운디드로 가는 한 걸음’이다.

그래서 이 뉴스에서 가져갈 배달물은 제품이 아니라 패턴이다. 그리고 그 패턴이 낳는 이득은, 접근성이 아니라 아키텍처에서 나오기 때문에 당신의 워크플로에도 그대로 이식된다.

테더를 끊으면 워크플로에 무엇이 바뀌는가

이 트렌드를 실제 워크플로에 들이는 이득은 세 가지로 정리할 수 있다.

이득 1 — ‘더 빠른 요청’이 아니라 ‘성격이 다른 에이전트’가 생긴다. 결정 루프가 네트워크에 의존하지 않게 되는 순간, 에이전트는 세계의 마감 시간 안에서 행동할 수 있게 된다. 이것은 단순히 레이턴시가 줄어드는 문제가 아니다. ‘요청에 답하는’ 존재에서 ‘실시간으로 반응하는’ 존재로 단계가 바뀐다. 그 차이는 성능 개선이 아니라 기능의 추가다.

이득 2 — 연속 인식이 현실적인 비용이 된다. 온디바이스 에이전트가 쓰는 기본적인 절약법은 ‘모든 프레임을 큰 모델에 보내지 않는 것’이다. 장면이 크게 바뀐 순간만 선별해서 추론 경로에 넘기고, 안정적인 구간은 값싼 경로로 흘린다. 전부를 처리하되, 비싼 처리를 선택적으로 한다. 같은 예산으로 ‘항상 켜져 있는’ 인식이 가능해지는 것이다.

이득 3 — 민감 데이터가 기기를 떠나지 않는 것이 기본값이 된다. 데이터의 이동은 곧 규제·신뢰·보안 비용이다. 왕복 자체를 없애면 ‘어떻게 안전하게 옮길까’의 문제 대신 ‘이 데이터로 무엇을 만들까’에 집중할 수 있다. 데이터가 밖으로 나가지 않는다는 설계 전제는, 진입 장벽이 아니라 오히려 도입을 가능하게 하는 조건이 된다.

이 이득들은 ‘접근성’이라는 주제에 갇혀 있지 않다. 접근성은 딥마인드의 동기일 뿐이고, 그들이 풀어낸 것은 모든 실시간 에이전트에 공통인 골격이다. 그렇기에 이 패턴은 오늘, 공개된 도구로 조립 가능하다.

직접 굴려 본 입장에서 — ‘왕복’을 빼면 일의 성격이 바뀐다

이 섹션은 외부 통계가 아니라, 내가 운영 중인 다중 에이전트 시스템에서 실제로 겪은 경험이다.

나는 여러 에이전트를 로컬 머신에서 운영한다. 그리고 모든 작업을 클라우드에 보내지 않는다. ‘로컬에서 돌 일’과 ‘클라우드에 보낼 일’을 나누는 기준은 딱 셋이다 — 지연 예산, 비용 예산, 데이터 민감도. Running Guide가 안전 경로와 추론 경로를 기기 안에서 나눈 것과 같은 원리를, 내 경우엔 작업 단위로 나눠 쓰고 있다. 딥마인드 발표를 읽으면서 이 원리에 이름이 붙는 느낌이었다.

가장 뚜렷했던 변화는 이것이다. 한 작업에서 클라우드 왕복을 제거하자, 그 작업의 성격이 ‘요청’에서 ‘반응’으로 바뀌었다. 서버에 물어보고 답을 기다려야 했을 때는 시도조차 않던 일 — 매분, 매초 반복되는 일 — 이 가능해졌다. ‘물어보는 것’은 비싸고 느려서 못 하던 일이었는데, ‘반응하는 것’은 저렴하고 즉각적이라 오히려 그게 기본이 됐다.

프라이버시도 마찬가지였다. 민감한 데이터가 기기를 떠나지 않게 하자, 그 데이터를 어떻게 처리해야 안전할지 걱정하는 대신 그 데이터로 무엇을 할지에 집중할 수 있었다. 왕복을 없애는 것은 ‘제약’이 아니라, 역설적이게도 ‘허용’이었다.

이번 주, 당신의 ‘테더’ 하나를 끊어보라

Running Guide agent가 보여준 것은 결국 하나다. 에이전트가 실제 세계에서 쓰이려면, 결정 루프가 네트워크에 의존하면 안 된다. 채팅창 밖으로 나간 에이전트는 전부 이 원리로 달리기 시작할 것이다.

시작은 거창하지 않다. 당신의 워크플로에서 아래 세 조건 중 하나에 걸리는 작업을 찾아라.

  • 반드시 즉시 반응해야 하는 것 — 왕복이 마감을 깨고 있는 작업
  • 민감한 데이터를 다루는 것 — 밖으로 나가면 곤란한 작업
  • 계속 돌아야 하는 것 — 매 요청마다 비용을 내기에는 너무 잦은 작업

그 작업 하나를 ‘왕복 없이’ 돌도록 바꿔보라. 온디바이스·로컬 모델, 로컬 임베딩, 오프라인 도구 — 오늘 쓰는 도구들로 충분하다. 그 변화가 가져오는 것은 ‘빨라짐’이 아니라 ‘가능해짐’이다. 그것이 러닝 언바운디드가 우리에게 건넨 진짜 이득이다.

당신의 워크플로에서 어떤 작업이 ‘테더’에 묶여 있는가? 댓글로 남겨준다면, 실제로 왕복을 제거해 본 사례들을 모아 다음 글을 쓰겠다. 그리고 에이전트를 ‘채팅창 밖으로’ 옮기는 이야기를 계속 다룰 예정이니, 관심이 있다면 구독해 두는 것을 추천한다.

근거 출처

외부 정보 (하베스터 수집): 본문의 제품·구조·파트너십 관련 사실(‘딥마인드가 테더를 끊는 방식’ 섹션)은 다음 출처에서 가져왔다.

  • Google DeepMind 공식 발표 — “Running Guide agent: A step towards running unbounded” (2026-05-20, blog.google) — BLV 러너의 물리적 테더 문제, 실시간 공간 추론, 가슴 착용 Pixel 10 Pro, 청각 피드백, 하이브리드 아키텍처, 무인도의 독립 목표, Project Guideline 계보, SG Enable 파트너십
  • Google Developers Blog — 온디바이스 AI·엣지 배포 문서 (추론 경로의 온디바이스 동작)
  • Creeta 기술 분석 — “DeepMind Guides Blind Runners On-Device — No Cloud, No Tether” (2026-05-30) — 듀얼패스 아키텍처·오프라인 안전 경로 해설

상호작용 (에이전트-드루 대화·작업): ‘직접 굴려 본 입장에서’ 섹션은 필자가 운영 중인 다중 에이전트 시스템(Drewgent)에서 실제로 겪은 운영 경험을 바탕으로 한 1인칭 서술이다. 외부 통계나 인용된 수치가 아니다.