Gemini Enterprise 란, 그리고 도입 전 거버넌스부터 짚어야 하는 이유

무슨 일이 일어나고 있나

구글코리아가 마케팅 행사 Google Marketing Live(GML)와 클라우드 행사 Google Cloud AI Live+Labs를 처음으로 하나로 묶어 'Google AI for Business 2026'을 7월 14일부터 16일까지 3일간 서울신라호텔에서 열었어요. 7월 14일 기자간담회 주제는 '구글 AI, 한국 파트너의 내일을 함께 그리다'였고요. 윤구 구글코리아 사장은 이 자리에서 '한국은 전 세계 AI 혁신을 이끄는 모든 주체들이 총집합해 진검승부를 겨루는 격전지'라며 '모바일 전환기엔 한국이 테스트베드로 불렸지만 AI 전환기엔 결코 테스트만을 위한 국가가 아니다'라고 했어요. 행사를 관통하는 키워드는 Gemini 하나였고요.

루스 선 구글 클라우드 코리아 사장 설명으로는 소비자용 Gemini 앱과 Gemini Enterprise는 같은 Gemini 모델을 쓰지만 설계 목적이 달라요. 앱이 개인 일상 업무를 개인화하는 쪽이라면, 이미 국내 수천 개 기업이 도입한 Gemini Enterprise는 '조직의 AI 프런트 도어'로 보안·기존 업무 환경 통합·자동화 세 가지에 초점을 맞췄다는 거예요.

국내 사례가 구체적이에요. 구글 클라우드는 기자간담회 전날인 7월 13일 별도 보도자료로, 한국을 포함한 전 세계 삼성전자 디바이스경험(DX)부문 임직원 전체에 Gemini Enterprise를 제공한다고 먼저 공개했어요. 국내 엔터프라이즈 agentic AI 도입 중 역대 최대 규모라고요. 아키텍처가 이중 구조예요. 임직원은 분산된 사내 시스템을 하나로 연결하는 중앙 집중형 게이트웨이로 앱을 써서 조직 지식 데이터를 실시간 검색·종합하고, 이건 향후 멀티스텝 AI 에이전트 도입의 발판이 돼요. 보안 측면에선 Gemini Enterprise가 DX부문 전용 구글 클라우드 테넌트(Tenant) 환경에 직접 배포돼 민감 데이터가 외부 유출 없이 통제된 경계 안에서만 관리되도록 설계됐고요. CJ올리브영은 'AI 퍼스트' 문화를 지향하며, 비기술 직군인 MD팀이 보안 거버넌스 요건 아래 시장 데이터 분석용 마케팅 에이전트를 자체 구축 중이에요. 매장 직원은 텍스트·이미지·음성 입력으로 재고를 능동 관리하고요.

같은 흐름을 다른 각도에서 보여주는 게 Tenon과 ServiceNow AI Platform 통합이에요(7월 15일, 인디애나폴리스 발표). 마케팅 자동화를 세일즈·서비스와 같은 CRM 플랫폼에 얹어 단일 고객 레코드로 360도 뷰를 만든다는 그림인데요. Tenon CEO Ben Person은 '마케팅팀은 역사적으로 별도 시스템에서 일하도록 강요돼 데이터 사일로와 단절된 경험을 만들었다'고 했어요. 미국 노스캐롤라이나의 기술 비영리 MCNC가 이미 운영·관계 데이터를 ServiceNow 안에서 활용해 아웃리치를 정렬하는 사례로 소개됐고요. 그 배경에 깔린 진단 하나는 MarTech가 짚은 'AI-ready 데이터 기반이 어려운 진짜 이유'와 정확히 겹쳐요. 완벽한 데이터가 아니라 한 가지 비즈니스 문제에 초점을 맞춘 데이터 기반이 필요하다는 거예요.

왜 중요한가

세 뉴스를 겹쳐 보면 축이 소비자 개인화에서 내부 데이터 활용으로 넘어가고 있어요. 윤구 사장 표현으로 클라우드 팀이 내부 인프라·운영을 안전하게 혁신하도록 돕고, 마케팅 쪽이 그 기업을 시장·소비자와 연결해 실질 매출을 올리도록 돕는다는 두 역할이 'AI라는 공통 주제 아래' 붙었다고 했어요. 삼성전자·CJ올리브영처럼 광고 플랫폼과 클라우드를 동시에 쓰는 고객사가 늘며 과거엔 크지 않던 두 조직 간 접점이 확대돼 행사까지 통합했다는 게 구글 설명이에요.

인과가 한 단계씩 물려 있어요. 에이전트가 쓸모 있으려면 사내 지식·운영 데이터에 접근해야 하고, 접근하려면 데이터가 정리돼 있어야 하며, 정리하려면 어떤 use case를 우선할지 결정이 서 있어야 해요. 그런데 MarTech 원문은 이 마지막 고리가 왜 막히는지를 짚어요. '활성 고객, 유효 리드, 유지 환자, 참여 회원을 정의해보라고 다섯 팀에 물으면 다섯 개의 살짝 다른 답이 나온다'고요. 보고서에 넣을 매출 숫자조차 재무·세일즈·운영·마케팅 중 누구에게 묻느냐에 따라 달라져요. 이 오래된 문제를 AI가 새로 만든 게 아니라 '무시하는 비용을 키운' 거예요. 전통 리포팅에선 분석가가 어느 소스가 믿을 만한지 알고 사람 판단으로 불완전한 데이터를 메웠는데, AI는 덜 관대해서 데이터가 불완전·비일관·거버넌스 부실이면 그 문제를 빠르게 스케일하고 나쁜 추천을 더 빨리 뽑아내요. 그래서 이건 데이터 프로젝트가 아니라 '조직 규율 테스트'라는 게 원문 결론이에요.

이해관계·역학

구글이 두 행사를 합친 이유를 액면 그대로 보면 안 돼요. 통합의 실익은 구글 쪽에 있어요. 마케팅 예산을 집행하는 CMO 조직(GML)과 클라우드 계약을 쥔 인프라 조직(Cloud AI Live+Labs)을 한 자리에 앉히면 교차 판매가 쉬워지거든요. 실제로 윤구 사장은 '삼성전자나 CJ올리브영처럼 광고 플랫폼과 클라우드를 함께 쓰는 고객사가 늘면서 두 조직 접점이 AI 아래 자연스럽게 확대됐다'고 통합 배경을 직접 밝혔어요. 두 조직 예산을 동시에 겨냥한 세일즈 구조라는 뜻이에요. '조직의 AI 프런트 도어'라는 표현도 뒤집으면 조직의 모든 데이터 흐름을 Gemini Enterprise 게이트웨이로 통과시킨다는 얘기고, 전용 테넌트에 사내 지식이 쌓일수록 이건 강력한 락인이 돼요. 앱을 멀티스텝 에이전트의 '발판'이라 부른 것도 마찬가지예요. 지금 게이트웨이를 깔면 다음 단계 에이전트 계약이 자연스럽게 따라오는 확장 경로거든요.

Tenon-ServiceNow도 마찬가지예요. '데이터 사일로를 깬다'는 명분은 늘 옳지만 실제 쟁점은 마케팅 자동화 도구를 CRM 플랫폼 하나로 갈아타는 전환비용과 종속이에요. Person이 '조직이 CRM 전략을 세일즈·서비스 너머 고객 참여까지 확장하도록 돕는다'고 한 건, 곧 마케팅 예산까지 ServiceNow 플랫폼 안으로 끌어들인다는 뜻이에요. 단일 고객 레코드가 벤더에 더 깊이 묶일수록 나중에 협상력이 줄어요.

한 발 더 나가면 규제 표준화도 벤더 이해관계와 얽혀요. OpenAI 최고글로벌책임자 Chris Lehane이 내세운 '역방향 연방주의'는 캘리포니아·뉴욕·일리노이 주 안전 법이 서로를 닮은 법으로 수렴해 사실상의(de facto) 전국 표준을 만들고, 트럼프 행정부는 8월 초까지 사이버 보안 관련 AI 모델 테스트 표준을 담은 연방 프레임워크를 완성한다는 그림이에요. 문제는 규제를 설계하는 쪽이 규제 대상 기업이라는 점이에요. 자사에 유리한 안전 기준을 주 단위에서 먼저 깔아 연방 표준으로 굳히려는 로비 성격이 강하고, '민주주의 기반 글로벌 AI 스택'이라는 명분은 규제 포획을 그럴듯하게 포장한 측면이 커요. Anthropic 슈퍼볼 광고 논란도 같은 교훈을 줘요. 다만 원문의 Claude Fable 5·슈퍼볼 문구·IPO 임박·30초당 최대 1000만 달러 광고비 같은 세부는 미검증 정황이 섞여 그대로 인용하면 위험하고요. 교훈만 유효해요. 벤더가 안전 필터나 사용 정책을 조용히 바꾸면(원문의 '침묵 안전장치'가 48시간 만에 번복된 것처럼) 그 위에 RAG나 에이전트를 얹은 기업 서비스가 예고 없이 응답 품질이 떨어지거나 막혀요.

실무에 주는 함의

내일 점검할 것부터 정리했어요.

1. use case를 하나로 좁히세요. '데이터 다 정비하고 AI 하자'는 프로젝트가 표류하는 이유는 완벽한 데이터에 끝이 없어서예요. 고객 이탈 감소나 매출 생산성 같은 목표 하나를 정하면 필요한 테이블과 지표가 저절로 정해지고 거버넌스도 추상 원칙이 아니라 그 use case에 쓸 데이터의 정합성 문제로 구체화돼요. '활성 고객' 정의부터 팀 간에 하나로 맞추는 게 파이프라인 구축보다 먼저예요.

2. 에이전트에 데이터를 열기 전에 권한과 감사 로그 체계를 먼저 세우세요. CJ올리브영 MD팀 사례처럼 비개발 직군이 에이전트를 찍어낼 수 있는 시대인데, 거버넌스 없이 각자 만들면 데이터 접근 권한과 프롬프트 관리가 순식간에 엉켜요. 삼성전자가 DX부문 전용 테넌트로 경계를 친 것처럼 어떤 민감 데이터를 어디까지 열지 통제 범위를 먼저 정하세요.

3. 벤더 계약서에 model behavior 변경 고지 조항과 SLA를 문서로 못 박으세요. Anthropic의 '침묵 안전장치'처럼 정책이 조용히 바뀌면 RAG·에이전트 응답이 예고 없이 막힐 수 있으니까요. 미국식 표준화와 EU AI Act 이중 컴플라이언스 부담에 대비해 문서화된 위험 평가·사건 보고 체계를 요구 조건으로 넣어두는 게 안전해요.

4. 주니어 성장 경로를 별도로 설계하세요. copy 작성·A/B 테스트·결과 분석은 단순 생산 작업이 아니라 마케터가 '무엇이 통하는지'를 배우고 실패에서 회복하며 판단을 얻던 자리예요. AI가 이걸 대신하면 신입이 '검증'만 배우고 '왜'를 못 배워요. prompt 교육보다 AI 결과를 일부러 틀리게 만들어 오류를 잡게 하는 판단 훈련이 더 급해요. 한 인터뷰 참가자가 '한 달 몇백 달러 AI에 팀 하나를 통째로 얻은 느낌'이라고 할 만큼 효율은 분명하지만, 그 효율이 인재 육성 사다리를 걷어차는 대가로 온다는 걸 리더가 봐야 해요.

리스크·반대 관점

가장 현실적인 함정은 도구가 쉬워질수록 조직 규율이 뒤처지는 거예요. 구글이 '보안 내재화'를 강조해도 어떤 데이터를 어디까지 열지 정하지 못하면 그 문구는 벤더 슬라이드에만 남아요. Tenon이 약속한 360도 뷰도 부서별로 정의가 다른 고객 상태값을 통합 워크플로에 억지로 밀어넣으면 오히려 지저분한 레코드만 늘어요. MarTech가 짚은 '다섯 팀 다섯 정의' 문제가 통합 플랫폼 안에서 그대로 재생산되는 거예요.

반대 시나리오도 있어요. '에이전트 도입이 필수'라는 프레임은 벤더 판매 유인이 만든 과장일 수 있어요. 루스 선 사장은 한국 기업의 실험이 '실질적이고 측정 가능한 임팩트'로 나아간다고 했지만 구체 ROI 수치는 공개되지 않았어요. 강조된 건 도입 규모뿐이에요. 삼성 DX부문 전체, 국내 수천 개 기업 같은 배포 규모가 성과의 증거는 아니에요. AdExchanger가 짚은 지역 TV 사례에서 구글이 2025년 슈퍼볼 광고를 50개 지역 버전으로 만든 것처럼, 세분화·자동화가 정밀도를 높이는 건 맞아도 크리에이티브 제작비 대비 이득이 실제로 남는지는 자체 지표로 따져야 해요. 원리를 안다고 통제력이 바로 생기는 것도 아니에요. Google Research(ICLR 2026)는 diffusion model의 창의성이 신경망이 score function을 '부드럽게' 학습하며 생기는 보간(interpolation) 오차라고 설명했는데, 마케팅 관점에서 뒤집으면 이 '빈 공간 채우기'가 브랜드 톤이나 제품 디테일 같은 정확성이 중요한 영역에선 사실 왜곡으로 나타나요. 무한 자동화보다 검수 프로세스를 붙이는 게 먼저예요.

자주 묻는 질문

gemini enterprise 란

소비자용 Gemini 앱과 같은 Gemini 모델을 쓰지만 조직 전체가 사내 데이터에 안전하게 접근하도록 설계한 기업용 버전이에요. 구글 설명으로는 보안, 기존 업무 환경 통합, 자동화 세 가지에 초점을 맞춘 '조직의 AI 프런트 도어'이고, 국내 이미 수천 개 기업이 도입했어요.

gemini enterprise 비교, 소비자용 Gemini와 뭐가 다른가요

모델은 같아요. 소비자용 앱은 개인 일상 업무를 개인화하는 쪽이고, 엔터프라이즈는 전용 클라우드 테넌트 안에서 민감 데이터를 통제하며 조직 전체가 사내 지식을 실시간으로 검색·종합하는 중앙 게이트웨이로 쓰여요. 삼성전자 DX부문은 이 방식으로 국내 최대 규모 agentic AI 도입을 진행했고, 이 게이트웨이가 향후 멀티스텝 에이전트의 발판이 된다고 구글은 설명해요.

생성형 AI 마케팅 사례로 어떤 게 있나요

CJ올리브영은 비기술 직군인 MD팀이 보안 거버넌스 요건 아래 시장 데이터 분석용 마케팅 에이전트를 자체 구축하고 있고, 매장 직원은 텍스트·이미지·음성으로 재고를 관리해요. Tenon-ServiceNow 통합처럼 마케팅 자동화를 CRM에 얹어 단일 고객 레코드로 개인화 아웃리치를 하는 방향(미국 MCNC 사례)도 확산 중이에요.

AI 마케팅 전략을 세울 때 뭐부터 해야 하나요

모든 데이터를 완벽히 정비하려는 욕심을 버리고 핵심 비즈니스 use case 하나로 범위를 좁히세요. 그러면 필요한 데이터와 거버넌스가 저절로 구체화돼요. 에이전트에 데이터를 열기 전 권한·감사 로그부터 세우고, 벤더 계약에 model behavior 변경 고지 조항과 SLA를 넣는 게 순서예요.

마케팅 자동화 란 무엇인가요

캠페인 기획·실행·측정을 시스템이 자동으로 처리하도록 하는 방식이에요. 최근엔 Tenon이 ServiceNow CRM에 통합한 것처럼 세일즈·서비스와 같은 고객 데이터·워크플로를 공유하며 돌아가는 방향으로 진화하는데요. 다만 부서 간 데이터 소유권과 상태값 정의를 먼저 맞추지 않으면 통합 자체가 새 사일로가 돼요.