AI 에이전트 활용 사례, Gemini 4 Carbon과 AlphaProof Code로 본 검증 설계

무슨 일이 일어나고 있나

Google DeepMind가 Gemini 4 Carbon을 개발자, 기업, 과학자, 일반 사용자에게 공개했어요. 구글은 Carbon을 사이버보안 역량과 장기(long-horizon) 에이전트 작업에서 프런티어 성능을 내는 자사 최강 모델로 소개합니다. 공개 2주 전에는 Fairwind Program으로 사이버보안 방어자 그룹에 먼저 제공했다고 밝혔어요. API는 Google AI Studio와 Gemini for business에서 유료 개발자와 기업 전체에 열렸고, Google AI Ultra 구독자에게는 Google Antigravity, Gemini 앱, 검색의 AI Mode로 순차 배포 중이라고 합니다.

가격은 앞서 나온 Gemini 4 Argon과 같은 도입가(introductory price)로, 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 10달러예요. 구글은 CursorBench 4.0, Perplexity의 WANDR, Zapier의 AutomationBench에서 1위를 했고, 차순위 외부 모델보다 작업당 비용이 2배 넘게 낮다고 밝혔습니다. Google Antigravity에서는 프롬프트 하나를 여러 에이전트 팀으로 나눠 실시간 추적하는 /swarm을 프리뷰로 내놨어요. Carbon에게 설계, 조율, 감사처럼 깊은 추론이 필요한 역할을 맡기고, 격리된 병렬 작업 공간의 더 빠르고 가벼운 모델, 그리고 모든 변경을 시험하는 적대적 검증자(adversarial verifier)를 함께 붙이는 구조입니다.

DeepMind는 AlphaProof Code라는 다중 LLM 에이전트 프레임워크로 Signal 프로토콜의 실제 코드를 형식 검증했다고 발표했어요. 절차는 세 단계입니다. 연구진이 여러 모델과 함께 Signal의 보안 목표를 형식 명세로 옮기고 사람 전문가가 그 명세를 하나하나 검토했어요. 이어 Gemini Carbon 기반 에이전트가 증명을 수행해 Lean 코드를 over six million lines(원문 표기) 생성했습니다. 마지막으로 에이전트가 증명을 감사해 사람이 다시 볼 부분을 표시했는데, 그 범위가 코드베이스의 1%였다고 해요. DeepMind는 널리 쓰이는 프로토콜의 구현 코드가 AI 사용 여부와 상관없이 어떤 방법으로든 형식 검증된 건 처음이라고 설명합니다.

One Useful Thing 필자는 공개 전 Claude Fable 5.2를 써 본 뒤 거의 AGI, 곧 Jagged AGI라고 평가했어요. 피드백 없이 프롬프트 한 번으로 반전 결말이 있는 영상을 만들어 냈지만, 많은 과제에 사람 역량에 한참 못 미치는 중요한 영역이 남아 있다고 썼습니다. 필자는 그 빈틈이 이제 단순 오류나 환각이 아니라서 설명하기 더 어렵다고 덧붙였어요. 정량 평가 수치는 공개되지 않았습니다.

광고 쪽에서는 The Trade Desk가 3분기 매출 736 million 달러를 발표했어요. 전년 동기 739 million 달러보다 소폭 줄었고, 이익은 116 million 달러에서 38 million 달러로 떨어졌습니다. 원자료 요약에 따르면 이 회사는 제품에 AI를 넣고 에이전틱 플랫폼을 베타로 선보이며 AI 활용을 넓히고 있어요.

왜 중요한가

첫째, 모델의 비용 구조가 단가에서 사용량 중심으로 바뀌고 있어요. 구글은 Carbon이 Argon보다 토큰을 더 써서 철저히 탐색하고, 깊이 추론하고, 확장된 검증 루프를 돈다고 직접 밝혔습니다. 작업당 비용은 토큰 단가에 작업 하나가 소비하는 토큰 수를 곱한 값이니, 단가가 같은 두 모델 중 토큰을 더 쓰는 Carbon은 같은 일에서 Argon보다 비싸질 수 있다는 계산이 나와요. 여기서 구분할 점이 있습니다. 구글이 말한 2배 넘게 낮은 작업당 비용은 차순위 외부 모델과의 비교이지 Argon과의 비교가 아니에요. 구글이 Argon을 대부분의 소프트웨어 엔지니어링과 지식 작업에 여전히 맞는 선택이라고 적은 것도 이 차이 때문으로 읽힙니다.

둘째, 사람의 자리가 실행에서 명세와 예외 검토로 옮겨 가고 있어요. AlphaProof Code의 1%는 검토를 줄인 결과라기보다 검토를 옮긴 결과입니다. Lean은 증명이 명세를 만족하는지는 기계적으로 확인하지만, 명세가 원래 의도한 보안 목표를 제대로 옮겼는지는 확인하지 못해요. 그래서 사람 전문가가 명세 단계를 전부 검토했습니다. 명세가 틀리면 증명은 틀린 목표를 정확하게 증명하게 되니, 검증 비용의 핵심은 명세 단계에 남는다는 뜻이에요. DeepMind가 설계 수준에서 멈추던 기존 검증과 달리 컴파일된 코드까지 내려갔다고 강조하며, 실제 취약점이 설계와 구현 사이 틈에 숨는 경우가 많다고 설명한 것도 같은 맥락입니다.

셋째, 이 구조를 마케팅에 옮길 때 막히는 지점이 분명해요. 마케팅에는 Lean에 해당하는 판정기가 일부 업무에만 있습니다. Fable 체험기가 짚은 빈틈이 원자료 요약대로 취향과 판단 영역에 있다면, 정답을 기계로 확인할 수 없는 카피, 크리에이티브, 예산 배분 판단은 1% 검토 모델을 그대로 가져오기 어려워요. 마테크노트의 Snowflake 내부감사 사례가 참고가 됩니다. Snowflake 내부감사팀은 CoCo와 Cortex AI Functions로 샘플링 감사를 전체 데이터 상시 점검으로 바꾸고 증거 수집, 테스트, 감사 보고서 작성 시간을 50% 줄였다고 밝혔어요. 벤더 자체 발표 수치이고, 대사와 통제 테스트처럼 규칙으로 판정할 수 있는 업무라서 가능했던 구조라는 점을 같이 봐야 합니다.

넷째, 결정 권한이 위로 올라가고 있어요. The Trade Desk CEO Jeff Green은 3분기 실적 발표에서 매체 구매 결정이 키보드 앞 트레이더에서 에이전시 고위 리더, 대형 브랜드의 구매 조직, 경영진으로 옮겨 가고 있다고 말했습니다. CFO와 CEO도 프로그래매틱 광고의 세부를 알거나 빠르게 배우고 있다고 덧붙였어요. 실행은 자동화되고, 승인과 설명 책임은 더 높은 직급에 모이는 흐름입니다.

이해관계와 역학

구글 발표의 가격 설계부터 볼게요. Carbon 가격을 Argon과 같게 맞추면 토큰 단가 비교표에서 불리해지지 않습니다. 동시에 Carbon은 토큰을 더 쓰도록 설계됐으니, 고난도 작업이 늘수록 구글 매출은 단가 인상 없이 사용량으로 커져요. 이 가격이 도입가라는 점도 중요합니다. 도입가는 2026년 11월 30일까지 적용돼요. 이후 일반 공개용 Carbon은 입력 토큰 100만 개당 4달러, 출력 토큰 100만 개당 20달러가 적용된다고 공식 발표에 명시돼 있습니다. 도입가 기준으로 워크플로를 짜면 가격 조정 때 비용 구조가 한꺼번에 바뀔 수 있습니다.

/swarm도 같은 유인으로 읽혀요. 구조상 Carbon은 설계, 조율, 감사를 맡고 가벼운 모델과 검증자가 병렬로 붙습니다. 에이전트 수와 검증 단계가 늘수록 호출 수가 늘어나니, 구글 입장에서는 한 프롬프트가 여러 모델 호출로 불어나는 구조예요. 배포 경로가 Antigravity, Gemini 앱, 검색의 AI Mode까지 걸쳐 있다는 점은 개발자 시장과 소비자 구독 시장을 한 모델로 동시에 묶으려는 의도로 볼 수 있습니다.

벤치마크 발표의 구조도 따져 봐야 해요. 1위를 한 세 벤치마크는 Cursor, Perplexity, Zapier라는 외부 회사가 만든 것이고 구글은 이를 실제 워크플로를 시험하는 독립 벤치마크라고 표현했습니다. 다만 세 회사는 모두 모델을 자기 제품에 붙여 쓰는 고객이기도 해서, 벤치마크가 측정하는 작업이 각 회사 제품 시나리오에 맞춰져 있을 수 있어요. 차순위 외부 모델이 무엇인지, 작업 하나를 어떻게 정의했는지도 발췌에 공개되지 않았습니다.

AlphaProof Code의 Signal 검증은 Carbon의 신뢰 증거로 쓰입니다. 발표에서 증명을 수행한 에이전트를 Gemini Carbon 기반이라고 명시했고, Carbon은 공개 전 Fairwind Program으로 보안 방어자에게 먼저 풀렸어요. 신뢰가 가장 까다로운 보안 영역에서 연구 성과와 선공개를 앞세워 엔터프라이즈 판매 근거를 쌓는 순서입니다. 연구 자체의 의미와 별개로, over six million lines라는 증명 규모와 1%라는 숫자가 사람 전문가의 전수 명세 검토와 Lean 자동 검사라는 두 조건 위에서 나왔다는 사실은 영업 자료로 옮겨질 때 빠지기 쉬워요.

The Trade Desk는 처지가 다릅니다. 매출이 제자리인데 이익은 3분의 1 수준으로 떨어졌어요. 이익 감소의 원인은 발췌에 공개되지 않았습니다. 이런 분기에 에이전틱이라는 말은 투자자에게 성장 서사를 주는 역할을 해요. 그런데 Green의 발언을 겹쳐 보면 더 구체적인 유인이 보입니다. 구매 결정권자가 트레이더에서 경영진과 구매 조직으로 바뀌고 이들이 로그 파일 같은 세부까지 알게 됐다면, 트레이더용 콘솔을 파는 회사는 경영진이 이해할 언어로 제품을 다시 설명해야 해요. 사람 손을 덜 타는 에이전틱 플랫폼은 그 언어에 맞는 상품입니다. 동시에 세부를 아는 구매자는 수수료와 성과를 더 날카롭게 따질 수 있어서, 회사 입장에서는 기회이자 압박이에요.

실제 성장 숫자는 에이전틱 쪽이 아니라 다른 곳에 있었습니다. 연초부터 9개월 누적 기준 APAC 사업이 전년 대비 30% 늘었고 그중 중국이 45% 성장했으며, EMEA는 20% 넘게 늘었어요. 그동안 의존해 온 북미는 성장이 정체하거나 오히려 꺾였다고 원문은 적었습니다. 채널별로는 CTV, 온라인 비디오, 모바일 비디오를 합친 비디오가 전체 지출의 50% 초반, 모바일이 20% 후반, 디스플레이가 10% 초반, 오디오가 사업의 7%였어요. Green은 오디오를 비율 기준 가장 빠르게 성장하는 채널로 꼽았습니다. 에이전틱 플랫폼이 이 숫자에 얼마나 기여했는지는 공개되지 않았어요.

Fable 체험기 필자는 출시 전 접근권을 받은 사용자입니다. 글은 강점과 빈틈을 함께 다루지만, 필자 스스로 OpenAI와 구글이 곧 경쟁 모델을 내놓을 것이라고 적었듯 모델 교체 주기가 짧다는 점도 읽어야 해요. 특정 모델의 습성에 맞춰 짠 프롬프트와 워크플로는 몇 달 안에 다시 손봐야 할 수 있습니다.

실무에 주는 함의

마케팅과 데이터 조직이 바로 점검해 볼 항목이에요. 모두 조건부 제안이니 조직 상황에 맞춰 확인 절차를 먼저 거치세요.

• 에이전트 후보 업무를 판정기가 있는 일과 없는 일로 나눠 보세요. SQL 결과 대조, 스키마 준수, 링크와 UTM 형식 확인처럼 규칙으로 맞고 틀림을 가릴 수 있는 일이라면 기계 검증 뒤 예외만 사람이 보는 구조를 검토할 만합니다. 카피 톤, 브랜드 적합성, 예산 재배분처럼 판정 규칙을 문서로 쓸 수 없는 일이라면 사람 승인 단계를 남겨 두는 편이 안전해요. 경계가 애매한 업무는 판정 규칙을 먼저 문서로 써 보고, 쓸 수 없으면 판정기가 없는 일로 분류하는 방식이 실용적입니다.
• 모델 비교표에 토큰 단가와 별도로 작업당 비용 칸을 만드세요. Carbon과 Argon처럼 단가가 같아도 토큰 사용량이 다르면 비용이 갈립니다. 내부 대표 작업 묶음을 정해 후보 모델로 돌리고 완료율, 소요 토큰, 재작업 횟수를 같이 기록하면, 벤더가 발표한 작업당 비용 주장과 우리 업무 기준 수치를 따로 볼 수 있어요. 도입가로 계산했다면 가격 조정 시나리오도 함께 적어 두세요.
• 토큰 비용이 새는 지점을 요청 단위로 확인하세요. 마테크노트의 Datadog 사례는 반복해서 보내는 시스템 지시문, 도구 정의, 대화 기록을 모델 제공사가 재사용하지 못해 비용이 새던 문제를 Cloud Cost Management와 Agent Observability로 추적했습니다. 캐시 옵션을 켰는지만이 아니라 요청 앞부분과 도구 순서, 제어값 전달까지 요청 단위로 봐야 한다는 게 핵심이에요. 검증 루프가 긴 모델일수록 반복 호출이 많아지니 먼저 점검할 가치가 큽니다.
• 오프라인 테스트로 끝내지 말고 운영 트래픽에서 변형을 비교하는 절차를 검토하세요. 마테크노트에 정리한 Datadog Online Experiments는 프롬프트, 모델, 도구를 바꾼 에이전트 변형을 실제 트래픽에 무작위 배정해 품질 점수와 지연, 비용, 토큰 사용량, 오류를 한 화면에서 비교하는 기능이에요. 이미 Datadog을 쓰고 있다면 Agent Observability 계약 범위에 포함되는지, 제공 여부를 먼저 확인하세요.
• 명세 작성을 사람의 핵심 업무로 다시 정의하세요. DeepMind 사례에서 사람이 전수 검토한 건 실행 결과가 아니라 명세였습니다. 마케팅이라면 캠페인 브리프, 금지 표현 목록, 측정 정의서가 그 명세에 해당해요. 명세가 모호하면 에이전트가 예외를 표시할 기준 자체가 없으니, 에이전트 파일럿 전에 이 문서들의 버전 관리와 승인자를 먼저 정해 두는 편이 낫습니다.
• 매체 구매 승인 라인을 다시 그려 보세요. The Trade Desk CEO 발언처럼 결정이 경영진과 구매 조직으로 올라가는 중이라면, 에이전트가 만든 입찰과 배분 결과를 누가 어떤 지표로 승인했는지 기록이 남아야 감사와 사후 설명이 가능해요. 사용 중인 플랫폼이 에이전트 판단 로그를 내보내는지 확인하는 것부터 시작하세요.

리스크와 반대 관점

가장 큰 함정은 1%라는 숫자를 다른 업무로 일반화하는 일이에요. 그 수치는 Lean이 나머지를 수학적으로 확인하는 환경과 전문가의 명세 전수 검토라는 조건에서 나왔습니다. 판정기가 없는 마케팅 산출물에 같은 비율을 기대하고 검토를 줄이면, 줄인 만큼의 오류가 걸러지지 않은 채 고객에게 나갑니다. 더구나 Fable 체험기 필자 말대로 빈틈이 단순 오류가 아니라 설명하기 어려운 판단의 문제라면, 표본 검수로도 잘 드러나지 않을 수 있어요.

반대로 검증을 과하게 쌓는 함정도 있습니다. /swarm처럼 에이전트 여러 개와 적대적 검증자를 병렬로 돌리면 호출 수가 늘어나요. 검증 단계를 더할수록 품질은 오를 수 있지만 토큰 비용과 지연도 함께 늘어나니, 작업당 비용 상한과 허용 지연을 정하지 않은 파일럿은 효과를 확인하기 전에 예산이 먼저 바닥날 수 있습니다.

벤치마크 1위도 재현 가능성을 따져 봐야 해요. 세 벤치마크가 외부 회사 것이긴 하지만 비교 모델과 작업 정의가 발췌에 없어 우리 업무에 대입할 수 없습니다. Fable 체험기 필자가 예상했듯 경쟁 모델이 이어서 나오면 순위는 다시 바뀔 수 있어요.

The Trade Desk에는 에이전틱 서사가 실적 반등의 주인공이 아닐 수 있다는 반대 시나리오가 있습니다. 3분기에 눈에 띈 동력은 정치 광고, 의료 헬스케어 수요, 아시아 지역이었고, Green은 이번 플랫폼 내 정치 광고 지출이 2024년 대선 때를 넘었다며 최고의 정치 광고 주기였다고 말했어요. CFO Nate Olmstead도 의료 헬스케어와 정치 선거 사업에서 수요가 특히 강했다고 밝혔습니다. 정치 광고는 선거 주기에 묶여 있어서 다음 비교 시점의 기준이 높아지고, 그 구간에서 매출이 꺾이면 에이전틱 서사의 설득력도 함께 시험받게 돼요.

자주 묻는 질문

ai 에이전트 란 무엇인가요

목표를 받으면 여러 단계를 스스로 계획하고 도구를 호출하며 결과를 확인하는 AI 시스템을 말해요. 구글은 Gemini 4 Carbon 발표에서 복잡한 다단계 코딩과 디버깅, 확장된 검증 루프를 돌리는 장기 에이전트 작업을 핵심 용도로 꼽았습니다. 사람은 목표와 명세를 정하고 예외를 검토하는 역할로 옮겨 가요.

ai 에이전트 활용 사례에는 어떤 것이 있나요

DeepMind는 AlphaProof Code로 Signal 프로토콜 코드를 형식 검증했고, 에이전트가 Lean 코드를 over six million lines(원문 표기) 만들어 사람이 다시 볼 부분을 코드베이스의 1%로 좁혔어요. 이 결과는 사람 전문가가 명세를 전수 검토하고 Lean이 나머지를 자동 확인한 조건에서 나왔습니다. 광고 쪽에서는 The Trade Desk가 에이전틱 플랫폼을 베타로 선보였지만 성과 수치는 공개되지 않았어요.

ai 에이전트 비교는 어떤 기준으로 해야 하나요

벤더 벤치마크 순위보다 우리 대표 작업의 완료율, 작업당 비용, 재작업 횟수를 직접 재는 편이 정확해요. 구글은 Carbon이 세 벤치마크에서 1위를 했고 차순위 외부 모델보다 작업당 비용이 2배 넘게 낮다고 밝혔지만, 비교 대상과 작업 정의는 원문 발췌에 없습니다. 내부 테스트 결과와 나란히 놓고 판단하세요.

ai 에이전트 가격 비교 시 주의할 점은 무엇인가요

토큰 단가만 보면 오판하기 쉽습니다. Gemini 4 Carbon과 Argon은 입력 토큰 100만 개당 2달러, 출력 토큰 100만 개당 10달러로 도입가가 같지만, 구글은 Carbon이 Argon보다 토큰을 더 써서 검증 루프를 돈다고 밝혔어요. 같은 작업의 모델별 토큰 사용량을 측정하고, 일반 공개용 Carbon은 2026년 12월 1일부터 입력 100만 토큰당 4달러, 출력 20달러가 적용된다는 일정까지 넣어야 실제 비용이 나옵니다.

ai 에이전트 트렌드 2026의 핵심은 무엇인가요

모델은 더 오래 스스로 검증하고, 사람은 명세 작성과 예외 검토로 이동하는 흐름이에요. Claude Fable 5.2 체험기는 성능이 전문가 수준에 다가가도 설명하기 어려운 빈틈이 남는다고 평가했습니다. 자동 판정이 가능한 업무부터 에이전트에 넘기고, 판정 기준이 없는 업무에는 사람 승인을 남기는 설계가 현실적인 출발점입니다.