Cloud OnBoard -
Google Skills Edition

미팅 개요

본 세션은 Gemini Enterprise의 핵심 기능과 보안 정책을 소개하고, 가상 시나리오를 통해 실제 업무 환경에서 어떻게 활용될 수 있는지 데모를 통해 설명합니다. 발표는 Gemini Enterprise의 전반적인 비전과 가치 제안, 그리고 실무 적용을 위한 구체적인 UI 기능 설명 및 데모 시연으로 구성되었습니다.

Gemini Enterprise 주요 특징

Gemini Enterprise는 도입 시점부터 장기적으로 기하급수적인 가치 증가를 제공하는 AI 플랫폼입니다.

• 보안 및 통제: 구글의 보안 플랫폼을 기반으로 작동하며, AI 에이전트가 허가된 행동만 하도록 보장하는 AI 특화 보안 가드레일을 제공합니다. 중앙 관리 콘솔을 통해 모든 AI 에이전트를 시각적으로 관리하고 제어할 수 있습니다.
• 거버넌스: 데이터 보존 및 삭제 정책, 역할 기반 접근 관리(RBAC), 모든 활동 로깅, 위협 탐지 및 관리자 이상 징후 알림 등 포괄적인 데이터 관리 및 보안 규정 준수 기능을 지원합니다.
• 단계별 가치 제공:
  • 초기 (1일차): 개인화된 채팅, 문서 인사이트 발굴 등 즉각적인 생산성 향상.
  • 중기 (수 주 후): 기업 맞춤형 에이전트 구축 및 전사 데이터 연동.
  • 장기: 업무 프로세스 전체를 AI로 통합하고 새로운 수익 모델 창출.

Gemini Enterprise UI 및 기능 소개

실무 활용을 위한 Gemini Enterprise의 주요 UI 및 핵심 기능은 다음과 같습니다.

• 모델 선택 (오토 버튼): 업무 성격에 맞게 프로(Pro), 플래시(Flash) 등 최신 Gemini 모델을 선택할 수 있습니다.
• 파일 연동 (플러스 버튼): 로컬 파일이나 구글 드라이브, 원드라이브의 자료를 손쉽게 연동하여 작업할 수 있습니다.
• 도구 호출 (도구 메뉴): Veo 모델을 통한 비디오 생성, 이미지 생성 모델 호출 등 텍스트 답변을 넘어 다양한 툴을 직접 실행합니다.
• 커넥터: 구글 워크스페이스, 클라우드 스토리지, 서드파티 앱 등 조직 내 데이터 소스와 연동하여 최신 내부 데이터를 기반으로 답변을 생성합니다.
• 개인화 설정: 사용자별 업무 패턴을 학습하는 개인별 메모리를 구축하여 더 관련성 높은 답변을 제공합니다.
• 에이전트: 즉시 사용 가능한 구글 제공 에이전트, 전사 공용 에이전트, 개인이 직접 생성한 맞춤 에이전트 등 3단계로 구성됩니다.
• 라이브러리: 생성된 이미지, 오디오, 동영상 등 미디어 자산을 한곳에서 관리합니다.
• 즐겨찾기 (스타드 메뉴): 중요한 채팅을 저장하여 반복적인 업무의 맥락을 효율적으로 관리합니다.
• 통합 검색: 채팅 히스토리, 에이전트, 라이브러리 자산을 한 번에 검색할 수 있습니다.

시나리오 기반 데모: 신입사원 '구름'의 캠페인 기획

입사 2일 차 신입사원 '구름'이 '2026년 봄맞이 바둑 캠페인 기획'이라는 미션을 받고, Gemini Enterprise를 활용하여 막막한 업무를 해결해나가는 과정을 시연했습니다.

데모 주요 단계

1. 회의록 정리: 선배들과의 회의 내용을 이해하기 어려웠던 '구름'은 NotebookLM에 회의 녹음 파일을 업로드하여 자동으로 요약된 회의록을 정리하고 핵심 내용을 파악했습니다.
2. 시장 조사: Deep Research 에이전트를 활용하여 간단한 프롬프트 입력만으로 리서치 계획을 수립하고, 출처가 명확한 상세 리포트를 10분 만에 생성했습니다.
3. 기획서 초안 작성: 리서치 보고서를 기반으로 마케팅 타겟과 테마를 정하고, 이를 바탕으로 기획서 초안과 마케팅 문구를 작성했습니다.
4. 이미지 생성: 텍스트만으로 구성된 기획서의 가독성을 높이기 위해, 프롬프트 내용을 드래그하여 캠페인 컨셉에 맞는 이미지를 즉시 생성했습니다.
5. 최종 검수 및 미팅 예약: 사내 가이드라인 문서와 직접 작성한 기획서를 함께 첨부하여 누락된 항목이 없는지 검수 요청을 했습니다. 이후, '@' 기능을 사용하여 팀장님과의 미팅을 손쉽게 예약하고, 기획서 요약이 포함된 초대장을 자동으로 발송했습니다.

Executive Summary

본 세션에서는 구글 클라우드의 오일석 커스터머 엔지니어가 Gemini Enterprise를 '에이전트의 허브'로 활용하는 비전을 제시하며, 두 가지 상세한 데모를 통해 에이전트 구축 방법을 시연했습니다. 첫 번째 데모에서는 비개발자가 노코드(No-code) 방식으로 공시 규정 관련 에이전트를 제작하고, 두 번째 데모에서는 ADK(Agent Development Kit)와 RAG 엔진을 사용해 하이코드(High-code) 에이전트를 개발하고 전사 배포하는 과정을 심도 있게 다루었습니다.

Demo 1: 재무팀 노코드 에이전트 구축

비개발자인 재무팀 직원이 반복적인 공시 규정 문의에 대응하기 위해 코딩 없이 에이전트를 만드는 과정을 시연했습니다.

구축 과정

1. 에이전트 생성: Gemini Enterprise 내에서 대화형 프롬프트를 통해 기본 에이전트 초안을 생성합니다.
2. 플로우 수정: 자동 생성된 플로우를 검토하고, 불필요한 서브 에이전트를 제거하며 지시사항(Instruction)을 상세하게 직접 수정합니다.
3. 지시사항 상세화: 에이전트의 역할(페르소나), 주된 목적, 답변 형식을 명확하게 정의합니다.
4. 데이터 소스 연결: 공시 관련 법령 문서 4개를 직접 업로드하여 에이전트의 지식 기반으로 삼습니다.
5. 모델 선택: 빠른 응답이 중요한 경우 Gemini 1.5 Flash 모델을 선택합니다.
6. 테스트 및 검증: 에이전트가 업로드된 문서를 기반으로 정확한 답변을 생성하는지 확인합니다.
7. 공유 및 승인: 관리자가 Gemini Enterprise 관리 콘솔에서 에이전트의 품질을 검토하고 승인합니다.

Demo 2: 인사팀 하이코드 에이전트 개발

기존 노코드 인사 규정 에이전트에 '휴가 조회 및 신청' 기능을 추가하기 위해 ADK를 사용한 에이전트를 개발하는 과정을 시연했습니다.

개발 및 배포 과정

1. 프로젝트 초기 설정: Agent Starter Pack을 사용하여 파이썬 기반의 ADK 프로젝트 기본 구조를 신속하게 생성합니다.
2. 로컬 테스트: make playground 명령어로 로컬 테스트 환경을 실행합니다.
3. 에이전트 아키텍처 설계:
   • 루트 에이전트: 사용자의 질문 의도를 파악하여 적절한 서브 에이전트로 라우팅
   • 서브 에이전트 1 (휴가 규정 조회): Vertex AI RAG 엔진에 업로드된 휴가 규정 문서를 검색하여 답변
   • 서브 에이전트 2 (휴가 관리): 사내 휴가 시스템 API와 연동된 파이썬 함수를 호출
4. RAG 엔진 연동: Vertex AI에서 RAG 엔진을 생성하고 휴가 규정 PDF를 업로드합니다.
5. 클라우드 배포: make apply-infra로 인프라를 구축하고 make deploy로 Agent Engine에 배포합니다.
6. Gemini Enterprise 연동: 배포된 Agent Engine의 리소스 네임을 복사하여 전사 직원들이 사용하는 UI에 등록합니다.

Technical Deep Dive

• Agent Development Kit (ADK): 파이썬 기반의 개발 도구로 복잡한 로직과 외부 시스템 연동을 구현합니다.
• Agent Starter Pack: 프로젝트 구조, Terraform, 테스트 환경을 자동으로 생성하여 개발 초기 과정을 대폭 단축합니다.
• Vertex AI RAG Engine: 내부 문서를 업로드하면 LLM이 파싱, 임베딩하여 검색 가능한 API로 만들어줍니다.
• Agent Engine: ADK로 개발된 에이전트를 배포하고 안정적으로 운영하는 서버리스 컴퓨팅 환경입니다.

Executive Summary

본 세션은 구글 클라우드의 AI 솔루션 아키텍트인 조혜민님이 진행한 발표로, Gemini 앱과 NotebookLM을 활용하여 연구 및 정보 탐색 과정의 혁신과 생산성을 극대화하는 방법을 다룹니다. 연구의 초기 브레인스토밍부터 최종 보고서 및 발표 자료 제작까지의 전 과정을 효율적으로 수행하는 구체적인 워크플로우와 최신 기능들을 소개했습니다.

AI를 활용한 연구의 3가지 핵심 가치

• 집중과 몰입: AI가 기초 자료 수집의 수고를 덜어주어 연구자가 핵심 아이디어에 집중하고 몰입감을 유지할 수 있도록 지원합니다.
• 역량의 확장: 전문 분야를 넘어서는 새로운 지식이 필요할 때, AI가 전문가 조력자 역할을 수행하여 역량을 빠르게 확장합니다.
• 새로운 인사이트 발굴: AI와의 대화를 통해 기존에 매몰되었던 관점에서 벗어나 새로운 시각이나 아이디어를 얻을 수 있습니다.

Gemini 앱 주요 기능

• 모델 선택 옵션: 빠른 모델, 사고 모델(Advanced), Pro 모델 중에서 선택하여 답변의 속도와 품질을 조절
• 딥 리서치 (Deep Research): 연구 계획을 먼저 제시하고 확인받은 후, 신뢰할 수 있는 여러 소스를 참조하여 심층적인 보고서를 생성
• 데이터 기반 질의: 구글 드라이브 문서를 직접 연결하거나 로컬 파일을 업로드하여 질의 가능
• NotebookLM과의 연동: 신뢰성 있는 자료를 소스로 지정하여 할루시네이션을 최소화

NotebookLM 주요 기능

• 신뢰성 있는 정보 활용: 신뢰하는 소스 안에서만 답변과 요약, 자료 생성을 수행하여 정보의 정확성을 보장
• 직관적인 인터페이스: 누구나 쉽게 사용할 수 있도록 설계
• 다양한 산출물: 마인드맵, 비교표, FAQ, 슬라이드 등 다양한 형태의 요약 및 시각 자료를 자동으로 생성

연구 워크플로우

1. 아이디어 발상 (Gemini): 연구 주제에 대한 아이디어를 Gemini에 요청하여 초안들을 얻습니다.
2. 심층 연구 (Gemini - Deep Research): 선택한 주제로 '딥 리서치'를 실행하여 체계적인 보고서 초안을 생성합니다.
3. 시각화 (Gemini - Canvas): 보고서 내용을 기반으로 인포그래픽을 제작합니다.
4. 문서화 및 수정 (Google Docs): 보고서를 구글 문서로 내보낸 후 Gemini를 활용해 세부 조정을 진행합니다.
5. 발표 자료 제작 (NotebookLM): 완성된 문서를 NotebookLM에 업로드하여 비교표나 슬라이드를 자동 생성합니다.

주요 신규 기능 및 업데이트

• PowerPoint 직접 내보내기: NotebookLM에서 생성된 슬라이드를 파워포인트 파일 형식으로 바로 다운로드 가능
• MS Office 파일 지원: Gemini 앱에서 워드(.docx) 및 파워포인트(.pptx) 파일을 직접 업로드하여 분석 가능
• 통합된 인터페이스: Gemini 앱과 NotebookLM 내에서 상호 기능을 직접 호출 가능

Executive Summary

이 세션은 'Vibe Coding'이라는 주제로, 구글의 AI 개발 도구(Gemini, Stitch, Android Gravity)를 활용한 현대적 소프트웨어 개발 방법론을 심도 있게 다루었습니다. '가치러닝'이라는 개인 프로젝트 앱 개발 과정을 실시간으로 시연하며, 아이디어 구상부터 UI 디자인, 코드 생성 및 디버깅, 배포에 이르는 전 과정을 AI와 협업하여 약 1주일 만에 핵심 기능을 완성한 사례를 공유했습니다.

개발 패러다임의 변화

• Java 개발자 / WAS 엔지니어: JVM 튜닝 등 하드웨어와 미들웨어의 깊은 이해가 필요한 작업, 온프레미스 환경에서 최적화에 집중
• DevOps 엔지니어: 클라우드 환경으로 넘어오면서 수평적 확장(Scale-out) 방식으로 접근법 변화. 코드 기반 인프라 관리, 높은 테스트 커버리지가 핵심
• 현재 (AI 시대): 소프트웨어 스택이 점차 하위 단계를 추상화하는 방향으로 진화. 'Vibe Coding'은 이러한 추상화의 연장선

'가치러닝' 앱 개발 실전 사례

사용된 기술 및 도구

• 아이디어 및 컨셉: Gemini를 활용하여 '가치러닝'(같이 달린다 + 가치를 가진다)이라는 이름과 초기 컨셉 확립
• UI/UX 디자인: Stitch (stitch.withgoogle.com)를 사용하여 프롬프트 기반 디자인 시안 제작
• 백엔드 개발: Go 언어 + PostgreSQL, gRPC 통신
• 모바일 앱 개발: Flutter 기반, Android Gravity가 주요 코딩 작업 수행

AI 기반 개발 과정

1. 프로젝트 초기 설정: Android Gravity에 모노레포(Monorepo) 생성을 지시하여 기본 스켈레톤 코드를 구축
2. 디자인 통합: Stitch MCP를 호출하여 디자인한 스플래시 화면을 앱 코드로 자동 변환
3. 기능 구현: GPS 트래킹, 폴리라인, 칼로리 계산, OAuth 등의 기능을 AI와 협업하여 구현
4. 디버깅 및 수정: 스택 트레이스를 Android Gravity에 전달하여 자동 코드 수정
5. 개발 효율화: Makefile로 반복적인 터미널 명령어를 자동화

AI 개발의 장점과 한계

장점

• 압도적인 개발 속도: 핵심 기능 포함 앱 개발에 총 약 1주일 소요
• 자동화된 테스트: AI가 Docker를 활용해 테스트 환경을 구축하고 실행
• 1인 스쿼드 팀: 디자이너+개발자 역할을 동시에 수행하는 AI 덕분에 혼자서도 팀처럼 작업 가능

한계

• 복잡한 로직 처리의 어려움: 비기능적 요구사항(가용성, 보안, 트랜잭션 정합성)에서 AI가 루프에 빠지는 경우 발생. 사람의 개입이 필수
• 결과의 불확실성: AI가 항상 정확한 결과를 내는 것은 아니므로 개발자의 검증 필요

세션 개요

이번 세션에서는 구글의 AI 기반 개발 도구인 Antigravity와 Gemini CLI를 활용하여 애플리케이션을 단계별로 개발, 최적화하고 클라우드에 배포하는 전체 과정을 시연했습니다. Python으로 시작하여 C++로 성능을 개선하고, 최종적으로 Google Cloud에 배포하는 엔드투엔드 워크플로우를 다루었습니다.

Antigravity를 이용한 시뮬레이션 개발 및 최적화

N-body 그래비티 시뮬레이션 애플리케이션을 개발하고 성능을 개선하는 과정을 단계별로 시연했습니다.

1. 1단계: 초기 개발 — 200개의 파티클을 포함하는 2D 그래비티 시뮬레이션을 Python Flask와 HTML Canvas를 사용하여 개발. AI가 app.py, physics.py 및 관련 HTML 파일을 자동 생성
2. 2단계: 성능 테스트 — 파티클 수를 2,000개로 늘려 성능 한계를 테스트, 심각한 렉(lag) 발생 확인
3. 3단계: 1차 최적화 (NumPy) — NumPy 벡터라이제이션을 사용한 최적화로 약 15배 속도 향상 달성
4. 4단계: 2차 최적화 (C++) — 파티클 5,000개, 60 FPS 목표로 핵심 로직을 C++로 재작성. kernel.so 파일 생성하여 Python에서 활용, 매우 부드러운 동작 시연

Gemini CLI를 이용한 클라우드 배포

Gemini CLI 소개

• 터미널에서 직접 실행되어 가볍고 빠르며, 로컬 파일 및 환경에 쉽게 접근 가능
• Gemini.md 파일을 통해 작업 가이드를 제공하며, AWS, GCP 등 다양한 CLI와 확장 사용 가능

배포 시나리오 및 과정

• 개발된 코드를 GCP에 Slurm 클러스터를 구성하여 배치(batch) 형태로 실행하도록 지시
• gemini --yolo 명령어로 AI 에이전트가 자율적으로 작업을 수행하도록 권한 부여
• Gemini CLI가 Slurm 클러스터 정보를 리서치하고 플래닝을 세운 후, VPC, VM 인스턴스 생성 등 클러스터 구성 작업을 자동으로 수행
• 배포 문제 발생 시 Terraform 로그 등을 분석하여 문제 진단 및 수정 가능