구글 제미나이 3.8 라이브 공개…말을 끊어도 알아듣고 대화 중 일을 처리하는 음성 AI

구글이 9월 15일 음성 대화용 AI 모델 ‘제미나이 3.8 라이브’와 ‘제미나이 3.8 라이브 확장 사고’를 공개했다. 핵심은 목소리를 글자로 바꾼 뒤 답을 읽어 주는 기능을 조금 개선한 데 있지 않다. 사용자가 말을 끊거나 언어를 바꾸고, 카메라로 보고 있는 장면을 설명해도 대화 흐름을 유지하면서 여러 단계의 일을 뒤에서 처리하도록 설계했다는 점이다. 구글은 이날부터 제미나이 앱과 검색, 구글 워크스페이스의 일부 라이브 기능에 새 모델을 적용한다고 밝혔다.

일반 이용자가 가장 궁금해할 질문은 이것이다. “지금까지의 음성 비서와 실제로 무엇이 다른가?” 짧게 답하면, 명령 한 번에 답 한 번을 돌려주는 비서에서 대화가 계속되는 동안 일을 병행하는 조수로 옮겨 가려는 변화다. 예전 음성 비서는 “내일 세 시에 알림을 만들어 줘”처럼 짧고 분명한 명령에는 강했지만, 설명이 길어지거나 도중에 조건을 바꾸면 흐름을 놓치기 쉬웠다. 구글이 내세우는 새 모델은 대화를 멈추지 않은 채 요청을 확인하고, 필요한 도구를 작동시키며, 진행 상황을 말로 알려 주는 데 초점을 맞춘다.

다만 발표 영상과 성능표만으로 모든 환경에서 자연스럽게 작동한다고 단정할 수는 없다. 시끄러운 장소, 여러 사람이 동시에 말하는 상황, 고유명사가 많은 업무, 통신이 불안정한 환경에서는 성능이 달라질 수 있다. 구글이 공개한 수치도 정해진 시험 조건에서 나온 결과다. 이번 발표의 의미는 ‘사람과 똑같이 대화하는 AI가 완성됐다’는 선언보다, 음성 AI가 검색과 메일, 문서, 일정 같은 실제 서비스의 조작 창구로 들어오기 시작했다는 데 있다.

두 모델은 어떻게 다른가

제미나이 3.8 라이브는 빠르고 자연스러운 대화를 넓은 이용자에게 제공하는 모델이다. 구글은 대화의 유창함, 비용 효율, 카메라 영상이나 화면 같은 시각 정보 이해를 함께 고려했다고 설명한다. 일상적인 질문, 실시간 안내, 화면을 보여 주며 받는 도움처럼 지연 시간이 짧아야 하는 상황에 더 적합한 모델이다.

‘확장 사고’라는 이름이 붙은 모델은 복잡한 일을 여러 단계로 나눠 처리하는 데 초점을 맞춘다. 예를 들어 여러 조건을 비교해 예약 순서를 짜거나, 긴 문서를 바탕으로 계획을 세우거나, 하나의 요청을 여러 도구에 나눠 맡기는 상황이다. 이 모델은 계산이나 검색이 끝날 때까지 침묵하는 대신 “확인해 보겠다”는 식으로 먼저 반응하고, 뒤에서 작업을 이어 가면서 진행 상황을 설명하도록 설계됐다.

두 모델의 차이를 음식 주문에 비유하면 이해하기 쉽다. 라이브 모델은 주문을 빠르게 알아듣고 메뉴 질문에 자연스럽게 답하는 직원에 가깝다. 확장 사고 모델은 알레르기, 예산, 인원, 배달 시간까지 여러 조건을 확인해 주문 전체를 조정하는 직원에 가깝다. 무조건 더 큰 모델을 쓰는 것이 좋은 게 아니라, 속도가 중요한지 복잡한 판단이 중요한지에 따라 선택이 달라진다.

구글은 제미나이 3.8 라이브가 대화 중 97개 언어를 자동으로 감지하고 전환할 수 있다고 밝혔다. 한국어로 말하다 영어 제품명을 섞거나, 두 언어를 오가는 회의에서도 별도의 언어 설정을 바꾸지 않는 사용 경험을 목표로 한다. 그러나 ‘97개 언어 지원’은 모든 언어에서 같은 정확도와 억양 이해를 보장한다는 뜻이 아니다. 한국어의 높임말, 지역 억양, 빠르게 이어지는 숫자와 주소를 얼마나 정확히 처리하는지는 실제 사용에서 따로 확인해야 한다.

대화하면서 일을 처리한다는 의미

기존 음성 AI는 대개 한 차례씩 순서대로 움직였다. 이용자가 말하면 듣고, 처리가 끝나면 답한 뒤 다음 요청을 기다렸다. 작업 중간에 사용자가 말을 보태면 처음부터 다시 시작하거나 앞의 조건을 잊는 경우가 많았다. 새 모델은 대화를 이어 가는 부분과 도구를 실행하는 부분을 동시에 처리하도록 설계됐다.

예를 들어 출장 준비를 한다고 하자. 이용자가 “다음 주 부산 출장 일정을 정리해 줘. 오전 회의 뒤에는 고객사까지 이동 시간이 얼마나 걸리는지도 확인해 줘”라고 말할 수 있다. AI가 일정을 읽고 지도를 확인하는 동안 사용자는 “기차는 너무 이른 시간은 빼고, 저녁에는 팀 식사도 넣어 줘”라고 조건을 추가할 수 있다. 목표는 AI가 첫 요청을 취소하지 않고 새 조건을 반영하며, 무엇을 확인했고 아직 무엇이 남았는지 대화로 알려 주는 것이다.

이 변화는 손을 쓰기 어려운 상황에서 특히 체감될 수 있다. 요리 중 카메라로 냄비를 보여 주며 다음 단계를 묻거나, 기기를 수리하면서 부품을 비추고 설명을 듣거나, 이동 중 메일과 일정을 음성으로 정리하는 식이다. 화면을 여러 번 누르는 대신 보고 말하는 방식으로 서비스를 조작할 수 있다면 접근성도 좋아질 수 있다. 시력이 낮거나 작은 화면 조작이 어려운 이용자에게 음성은 편의 기능이 아니라 주요 입력 수단이 될 수 있다.

하지만 ‘대화가 자연스럽다’와 ‘일을 정확하게 끝낸다’는 별개의 문제다. 말투가 유창하면 이용자는 AI가 상황을 제대로 이해했다고 믿기 쉽다. 실제로는 날짜를 잘못 들었거나, 비슷한 이름의 연락처를 선택했거나, 중요한 조건을 빠뜨릴 수 있다. 예약·송금·메일 발송처럼 되돌리기 어려운 행동은 마지막 확인 화면과 취소 수단이 필요하다.

제미나이 앱·검색·업무 도구에서 달라지는 점

구글 발표에 따르면 새 라이브 모델은 제미나이 앱뿐 아니라 검색의 라이브 도움, 워크스페이스의 문서·메일·메모 기능으로 확대된다. 구글은 문서에서 내용을 함께 검토하는 ‘독스 라이브’, 메일을 정리하는 ‘지메일 라이브’, 메모를 다루는 ‘킵 라이브’ 사례를 제시했다. 검색에서는 카메라로 문제 상황을 보여 주며 단계별 해결 방법을 묻는 사용 장면을 소개했다.

일반 사용자에게 중요한 변화는 별도의 AI 앱을 열지 않아도 이미 쓰는 서비스 안에서 음성 대화가 이어진다는 점이다. 받은 편지함을 보면서 “이번 주 회의 변경 사항만 찾아 줘”라고 묻고, 이어서 “그중 내가 답하지 않은 것에 짧은 회신 초안을 만들어 줘”라고 요청하는 식이다. 검색에서는 고장 난 가전의 표시등을 카메라로 보여 주고 설명을 들을 수 있다.

직장인에게는 회의 전 자료 확인, 긴 메일 묶음 정리, 문서 초안 수정 같은 작업이 음성 중심으로 바뀔 가능성이 있다. 키보드보다 말이 항상 빠른 것은 아니지만, 작업 맥락을 눈으로 보면서 조건을 구두로 보태는 방식은 유용할 수 있다. 특히 현장 업무, 매장 운영, 의료·돌봄 보조, 물류처럼 손이 바쁜 직종에서 가능성이 크다.

출시 범위는 계정과 국가, 서비스, 요금제에 따라 달라질 수 있다. 구글의 발표문은 여러 제품에서 이날부터 사용할 수 있다고 설명하지만 모든 한국 이용자의 모든 계정에 같은 시점에 표시된다고 보장하지 않는다. 앱 업데이트 뒤에도 기능이 보이지 않는다면 단계적 배포나 관리자 설정, 요금제 제한 때문일 수 있다. 회사·학교 계정은 조직 관리자가 라이브 기능과 데이터 사용을 제한할 수도 있다.

성능 숫자는 어디까지 믿어야 하나

구글은 확장 사고 모델이 음성 대화 품질 평가와 작업 완료 시험에서 높은 점수를 기록했다고 밝혔다. Artificial Analysis의 음성 대화 품질 지수에서 82.6점을 받았고, 복잡한 음성 작업을 평가하는 다른 시험에서도 앞선 결과를 제시했다. 이런 숫자는 이전 모델과 비교할 근거를 제공하지만, 일상 사용의 모든 상황을 대신하지는 않는다.

벤치마크는 정해진 질문, 음질, 언어, 도구 연결 상태에서 진행된다. 가족이 동시에 말하는 거실, 지하철 소음, 한국식 주소와 이름, 회사 내부 약어가 섞인 회의처럼 현실의 복잡성을 전부 담기 어렵다. 회사가 공개한 시험 결과는 독립 연구자가 같은 조건에서 재현할 수 있는지도 확인해야 한다. 특히 구글은 일부 시험이 자사 기업용 플랫폼의 라이브 환경에서 실행됐다고 명시했다.

따라서 이용자가 볼 지표는 점수 하나가 아니다. 첫째, 말을 끊었을 때 이전 맥락을 유지하는가. 둘째, 잘못 들었을 때 추측하지 않고 다시 묻는가. 셋째, 도구 실행 전 중요한 행동을 확인하는가. 넷째, 작업이 실패했을 때 성공한 척하지 않고 원인을 설명하는가. 다섯째, 한국어와 혼합 언어에서 이름·숫자·날짜를 정확히 처리하는가를 함께 봐야 한다.

편리함과 함께 커지는 사생활 문제

음성 AI가 유용하려면 마이크와 카메라, 화면, 메일, 문서, 일정에 접근해야 한다. 바로 이 점이 가장 큰 위험이기도 하다. 사용자는 대화가 언제 녹음되는지, 영상이 서버로 전송되는지, 자료가 얼마나 오래 보관되는지, 모델 개선에 사용되는지를 알아야 한다. 회사 계정에서는 고객 정보와 미공개 문서가 음성 요청에 섞일 수 있다.

카메라 기반 도움을 사용할 때는 주변 사람의 얼굴, 집 안 구조, 문서의 개인정보가 함께 들어갈 수 있다. 사용자가 “이 화면을 설명해 줘”라고 요청했을 뿐이어도 알림창의 메시지나 계좌번호가 노출될 수 있다. 필요한 부분만 비추고, 민감한 앱은 닫고, 화면 공유 표시를 확인하는 습관이 중요하다.

업무 자동화에서는 권한을 작게 나누는 설계가 필요하다. AI가 메일을 읽는 권한과 실제 발송하는 권한은 분리할 수 있어야 한다. 일정 후보를 찾는 것과 예약을 확정하는 것도 다르다. 자연스러운 음성이 사람의 경계심을 낮출 수 있으므로, 서비스는 중요한 행동에서 오히려 더 분명한 확인을 요구해야 한다.

가족이 함께 쓰는 기기에서는 목소리만으로 사용자를 구분하는 기능도 주의해야 한다. 어린이가 부모의 일정이나 메시지를 열람하거나 구매를 확정하지 않도록 계정별 권한과 잠금이 필요하다. 공용 회의실에서는 누가 요청했고 어떤 계정으로 행동했는지 기록이 남아야 한다. 음성 인터페이스가 화면보다 편해질수록, 화면에서 보던 권한 표시와 확인 절차를 소리만으로도 이해할 수 있게 설계해야 한다.

이번 발표가 중요한 이유

제미나이 3.8 라이브의 핵심은 AI가 더 사람처럼 말한다는 데만 있지 않다. 음성이 검색창과 키보드를 보조하는 기능에서, 여러 디지털 서비스를 이어 움직이는 조작 방식으로 커지고 있다는 점이 중요하다. 구글처럼 검색·메일·문서·스마트폰을 함께 운영하는 회사가 음성 모델을 넣으면 AI는 독립 앱이 아니라 일상의 서비스 층이 된다.

이용자가 앞으로 확인할 변화는 두 가지다. 첫째, 한국어 환경에서 긴 대화와 끼어들기, 숫자·이름 인식이 발표 시연만큼 안정적인가. 둘째, 메일 발송과 예약 같은 실제 행동에서 확인·취소·기록 기능이 충분한가. 새 음성 AI의 가치는 말을 얼마나 자연스럽게 하느냐보다, 틀렸을 때 멈추고 사람이 바로잡을 수 있느냐로 판단해야 한다.