Google의 AI 개편, DeepMind의 새로운 지휘 체계를 시험하다
Google은 수개월간의 모델 출시 지연, 고위 인사 이탈, OpenAI와 Anthropic의 압박 심화 이후 AI 지휘 구조를 바꿨다. 최근의 Google 뉴스는 단순히 Demis Hassabis가 새 직함을 받았다는 이야기가 아니다. Gemini에 대한 일상적 권한이 이제 Alphabet CEO Sundar Pichai에 더 가까운 곳에 놓였다는 점이다.
기존 Google DeepMind 최고기술책임자였던 Koray Kavukcuoglu는 수석 부사장으로서 이 조직의 운영 통제권을 맡는다. Hassabis는 Google DeepMind 회장과 Alphabet 최고과학자가 된다. 그는 장기 연구, 인공일반지능, 그리고 점점 더 강력해지는 시스템이 가져올 과학적 영향에 집중할 예정이다.
동시에 오랜 기간 Google 과학자로 일한 Jeff Dean은 Sanjay Ghemawat, Oriol Vinyals, Quoc Le와 함께 Discovery Loop를 설립하기 위해 회사를 떠난다. Google은 신생 기업에 투자하고 클라우드 파트너로 남을 계획이다. 이 협력 구조는 결별의 충격을 완화하지만, Google의 기술적 역사에 깊은 영향을 미친 연구자 4명의 손실을 없애지는 못한다.
핵심 갈등은 이제 분명하다. Google은 여전히 DeepMind가 야심 찬 과학 연구를 추구하길 원하지만, Gemini는 코딩, 엔터프라이즈 소프트웨어, 검색, 소비자용 어시스턴트 분야에서도 경쟁해야 한다. 이번 개편은 두 임무를 더 명확히 분리하고, 실행 조직의 보고 체계를 Pichai에게 더 짧게 연결한다.
Google이 AI 조직 내부에서 바꾼 것
Google은 과학 리더십과 가장 상업적으로 중요한 AI 제품 출시 책임을 분리했다.
Hassabis는 Google이 2023년 DeepMind와 Google Brain을 통합한 뒤부터 Google DeepMind를 이끌어 왔다. 이 통합으로 최첨단 연구, 핵심 모델 개발, 회사 AI 전략의 상당 부분이 하나의 조직 아래 놓였다. 동시에 Hassabis는 장기 과학 목표와 Gemini를 둘러싼 즉각적인 요구를 모두 책임지게 됐다.
새 구조는 그 역할을 좁힌다. Hassabis는 Google DeepMind 회장으로서 영향력을 유지하고 Alphabet의 초대 최고과학자가 된다. 하지만 이제 Kavukcuoglu가 AI 연구, 모델 개발, Gemini 제품, 개발자 서비스를 담당하는 팀을 총괄한다.
Kavukcuoglu는 Alphabet의 최고 AI 아키텍트라는 더 넓은 역할도 계속 맡는다. 이 직책은 사업 부문 전반에서 AI 인프라, 모델, 배포를 조율하도록 요구한다. 따라서 그의 권한은 연구소의 벽을 넘어선다.
Reuters가 보도한 경영진 개편에 따르면, Google 공동 창업자 Sergey Brin도 회사의 AI 방향 설정에 더 깊이 관여하게 됐다. 보도에 따르면 Brin은 AI 시스템이 후속 시스템을 만드는 데 사용되는 도구, 실험 또는 모델을 개선하도록 돕는 과정인 재귀적 자기 개선을 장려했다.
이 개념은 극적으로 들리지만, 실제 형태는 더 이해하기 쉽다. 모델은 코드 변경을 제안하고, 평가를 설계하며, 실패한 실험을 분석하거나, 연구자들이 다음 학습 실행의 우선순위를 정하도록 도울 수 있다. 각 작업은 AI 시스템이 인간의 통제 없이 스스로를 재설계할 필요 없이 개발 주기를 단축할 수 있다.
Google은 이미 이 접근법의 일부를 탐색해 왔다. 연구 시스템은 더 나은 알고리즘을 찾고, 컴퓨팅 프로세스를 최적화하며, 과학적 발견을 지원했다. 전략적 질문은 이런 방법이 실제 운영 환경에서 Gemini 개발을 일관되게 개선할 수 있느냐는 것이다.
Brin은 영향력을 갖기 위해 운영 직함이 필요하지 않다. 그는 여전히 Google 공동 창업자이자 Alphabet 이사이며, 상당한 의결권을 보유하고 있다. 공식적인 경영 체계가 계속 Pichai를 중심으로 운영되더라도, 그의 참여는 관심과 자원의 배분을 바꿀 수 있다.
따라서 이번 구조조정은 세 개의 뚜렷한 영향력 중심을 만든다. Pichai는 기업 우선순위와 자원 배분을 통제한다. Kavukcuoglu는 모델과 제품 전반의 실행을 책임진다. Hassabis는 장기 과학과 인공일반지능, 즉 다양한 인지 과제 전반에서 폭넓은 역량을 갖춘 시스템을 향한 경로에 집중한다.
이러한 분리는 경영 부담을 줄일 수 있다. 반면 컴퓨팅 자원, 연구 우선순위, 안전성 검토, 출시 시점을 둘러싼 분쟁을 낳을 수도 있다. 이 조직은 세 중심이 Gemini가 무엇을 먼저 제공해야 하는지 합의할 때만 제대로 작동할 것이다.
Jeff Dean의 퇴사는 이 전환을 더욱 중요하게 만든다. Dean은 1999년 Google에 합류해 검색, 광고, 분산 컴퓨팅, 머신러닝을 뒷받침한 시스템을 만드는 데 기여했다. Ghemawat는 현대 데이터 처리에 영향을 준 시스템을 포함한 핵심 인프라를 그와 함께 개발했다.
Vinyals는 언어 모델과 Gemini에서 중요한 역할을 했고, Le는 Google Brain 설립에 기여했다. 보도에 따르면 이들의 새 회사 Discovery Loop는 머신러닝을 활용해 과학 실험의 일부를 자동화하려 한다.
Google의 Discovery Loop 투자 결정은 떠나는 연구자들과의 관계를 유지한다. 또한 Google Cloud가 이 스타트업에 필요한 컴퓨팅 인프라를 제공할 수 있게 할 수도 있다. 그러나 파트너십 권리는 경험 많은 기술 리더에게 매일 직접 접근할 수 있는 가치를 대체하지 못한다.
이 발표가 직함 이상의 의미를 갖는 이유가 여기에 있다. Google은 기술적 우위를 만드는 데 기여한 여러 인물을 잃는 동시에 권한을 재배분했다. 새로운 리더들은 이제 더 정돈된 조직이 이전 조직보다 더 빠르게 움직일 수 있음을 증명해야 한다.
이번 개편이 지금 이뤄진 이유
Google의 강력한 사업 성과는 더 이상 AI 조직을 실행력에 대한 질문으로부터 보호하지 못하는 시점에 리더십 변화가 찾아왔다.
Google은 수년간 연구팀을 통합하고 제품 조직을 DeepMind에 더 가깝게 옮겨 왔다. 2024년 4월에는 책임 있는 AI 팀을 Google Research에서 모델 개발 조직으로 이전했다. 그해 후반에는 Gemini 앱 팀을 DeepMind로 옮겼다.
이전의 조직 개편은 일관된 논리를 따랐다. 연구자, 안전성 전문가, 제품 관리자, 모델 엔지니어는 더 적은 조직 계층을 거쳐 보고할 때 더 빠르게 움직일 수 있다는 것이다. 2024년 통합은 고급 모델과 그 안전장치에 대한 책임을 서로 더 가깝게 가져왔다.
이 통합은 Hassabis에게 더 많은 통제권을 줬지만, 동시에 운영상 부담도 키웠다. Google DeepMind는 더 이상 연구소로만 기능하지 않았다. 소비자 챗봇, 개발자 API, 엔터프라이즈 제품, 검색 경험, 과학 시스템, 확대되는 모델 포트폴리오를 지원해야 했다.
AI 코딩이 주요 격전지가 되면서 압박은 커졌다. Anthropic은 Claude와 코딩 도구를 중심으로 개발자들의 강한 관심을 구축했다. OpenAI는 ChatGPT를 소프트웨어 개발, 연구, 비즈니스 워크플로로 계속 확장했다. Google은 Search를 보호하고 Cloud를 성장시키는 동시에 양사와 경쟁해야 했다.
모델 출시 시점도 또 다른 압박 요인이 됐다. Reuters는 Wall Street가 Google의 주력 모델 출시 지연과 코딩 및 최첨단 추론 분야에서의 회사 입지에 우려를 나타냈다고 보도했다. Pichai가 더 광범위한 AI 전략을 옹호했음에도 이러한 우려는 계속됐다.
인재 이탈은 문제를 더 첨예하게 만들었다. 노벨상 수상자인 John Jumper는 6월 Anthropic으로 옮기기 위해 Google DeepMind를 떠난다고 발표했다. Noam Shazeer는 OpenAI로 떠났으며, 다른 Gemini 연구자들도 경쟁 연구소로의 이동을 고려하거나 이미 완료한 것으로 보도됐다.
Hassabis는 Google이 매력을 잃었다는 견해에 반박했다. 그는 시장을 매우 경쟁적인 환경으로 묘사하며, 인재가 모든 주요 연구소 사이를 이동한다고 주장했다. OpenAI, Anthropic, Meta, 그리고 스타트업들도 주목할 만한 영입과 이탈을 겪었기 때문에 그의 입장에는 타당한 근거가 있었다.
그럼에도 Google 내부에서는 그 양상이 중요했다. 연구자 한 명을 잃는 것은 일반적인 이직을 반영할 수 있다. 하지만 모델 아키텍처, 과학 AI, 리더십 전반에서 고위 기여자를 잃는 것은 특히 경영 변화 중에 조율 위험을 만든다.
Google의 재무 실적은 이러한 조직적 위험을 더 쉽게 무시할 수 없게 했다. 회사가 AI 제품 수요 부족 때문에 구조조정을 한 것은 아니었다. 수요가 가속하는 가운데 구조조정을 진행한 것이다.
Alphabet은 Reuters 보도에 앞선 분기 Google Cloud 매출이 82% 성장했다고 발표했으며, 이는 해당 보도에서 인용된 애널리스트 평균 추정치를 크게 웃도는 수준이었다. 회사는 AI 인프라와 고객 수요를 위해 증가하는 자본 지출이 필요하다고도 옹호했다.
앞선 공시도 같은 방향을 보여줬다. Alphabet은 2025년 Cloud 매출이 연환산 기준 500억 달러를 넘었으며, AI 제품이 고객 활동 확대에 기여했다고 밝혔다. 이후 2026년 자본 지출을 1,750억~1,850억 달러로 전망했다.
이 수치는 엄격한 운영 요건을 만든다. 더 많은 서버와 데이터센터는 모델, 소프트웨어, 영업팀이 이를 유용한 제품으로 전환할 때만 이점이 된다. 리더십은 어떤 연구 노력이 희소한 컴퓨팅 자원을 받을지, 어떤 제품이 고객에게 먼저 도달할지 선택해야 한다.
Alphabet의 AI 투자 전망 역시 Kavukcuoglu의 통합된 책임이 중요한 이유를 보여준다. 회사의 머신러닝 컴퓨팅 자원 중 절반을 조금 넘는 비중이 2026년 Cloud를 지원할 것으로 예상됐다. 따라서 최첨단 연구는 매출을 창출하는 고객 워크로드와 인프라를 공유해야 한다.
이는 어려운 배분 문제다. 연구팀은 결과가 불확실한 더 큰 규모의 실험 실행을 원할 수 있다. 클라우드 임원은 계약을 맺은 고객을 위한 예측 가능한 용량을 원할 수 있다. Search 팀은 라이브 사용자에게 답변을 생성하는 데 쓰이는 컴퓨팅, 즉 추론을 안정적으로 제공받아야 한다.
이번 개편은 Kavukcuoglu를 이 세 가지 선택 모두에 더 가깝게 둔다. 또한 그 선택들이 충돌할 때 그에게 책임을 묻는다. Pichai는 모델 품질, 제품 마감일, 인프라 가용성의 균형을 맞출 수 있는 직접적인 운영 리더를 얻게 된다.
Hassabis에게 새 역할은 그러한 일상적 조정 업무의 상당 부분을 덜어준다. 그는 과학적 방향, AI 안전성, 더 장기적인 시스템에 집중할 수 있다. 이것이 승진인지, 축소된 운영 역할인지, 혹은 둘 다인지는 최고과학자 직책이 실제로 어느 정도의 영향력을 갖는지에 달려 있다.
Google 뉴스의 본질은 연구와 실행의 대결이다
주된 경쟁은 Google과 한 경쟁사 간의 대결이 아니다. Google의 연구 문화와 자사 제품이 요구하는 출시 속도 간의 대결이다.
Google은 현재 AI 시장의 기반이 된 기술 상당 부분을 만드는 데 기여했다. Google 연구자들은 현대 언어 모델의 핵심이 된 트랜스포머 아키텍처를 개발했다. DeepMind는 AlphaGo, AlphaFold를 비롯해 머신러닝의 과학적 도달 범위를 보여준 여러 시스템을 선보였다.
그 기록이 곧바로 선도적인 소비자 챗봇으로 이어진 것은 아니었다. OpenAI는 ChatGPT를 통해 대규모 언어 모델을 널리 채택된 제품으로 만들었다. 이후 Anthropic은 Claude, 안전성, 긴 컨텍스트 작업, 코딩을 중심으로 독자적 입지를 구축했다.
Google은 조직 통합, Gemini 출시 가속, Search, Workspace, Android, Cloud 전반에 생성형 AI를 배치하는 방식으로 대응했다. 대부분의 경쟁사가 따라올 수 없는 유통망도 보유했다. 동시에 어떤 출시든 영향을 받을 수 있는 더 많은 의존성, 검토 절차, 기존 사업도 안고 있었다.
연구 조직은 보통 독창성과 지속 가능한 발견에 보상한다. 제품 조직은 신뢰성, 속도, 사용자 성장, 매출에 보상한다. 같은 프로젝트도 한 기준에서는 성공적으로 보이고 다른 기준에서는 실망스럽게 보일 수 있다.
Hassabis는 이러한 기준을 하나로 묶어 유지할 책임을 맡은 경영자였다. 그의 과학적 명성은 특히 연구 커뮤니티에서 Google DeepMind의 신뢰도를 높였다. 그러나 Gemini를 관리하려면 출시 일정, 개발자 도구, 엔터프라이즈 지원, 광고 제품과의 통합에 관한 결정도 내려야 했다.
Kavukcuoglu의 임명은 Google이 실행에 더 직접적으로 초점을 둔 권한을 가진 리더를 원한다는 점을 시사한다. 그의 이전 책임 범위는 이미 DeepMind의 연구를 제품 개발 및 인프라와 연결하고 있었다. 이번 개편은 그 가교 역할을 공식화한다.
이 대비를 과학자와 비즈니스 운영자의 구도로 단순화해서는 안 된다. Kavukcuoglu는 대규모 시스템을 다뤄온 머신러닝 연구자다. Hassabis 역시 수년간 조직과 상업적 파트너십을 이끌어 왔다.
차이는 각자에게 부여된 목표에 있다. Hassabis는 가치가 입증되기까지 수년이 걸릴 수 있는 질문을 이제 추구할 수 있다. Kavukcuoglu는 향후 몇 분기 안에 경쟁력을 갖출 출시 제품으로 Gemini 로드맵을 전환해야 한다.
이 구분은 개발자들에게 중요하다. 개발자들은 모델의 동작, API 안정성, 코딩 성능, 컨텍스트 처리, 지연 시간, 도구 통합을 통해 Gemini를 평가한다. 이러한 지표가 개선되지 않는다면 조직 구조의 우아함은 큰 의미가 없다.
엔터프라이즈 구매자들은 다른 기준을 적용한다. 이들에게는 보안 제어, 예측 가능한 성능, 데이터 거버넌스, 기존 시스템 지원이 필요하다. Google Cloud의 유통망은 Gemini가 이러한 고객에게 접근할 수 있게 해주지만, 특정 작업에서 경쟁사 모델의 성능이 더 뛰어나다면 경쟁사는 여전히 워크로드를 확보할 수 있다.
지식 근로자들은 Search, Workspace, 독립형 어시스턴트를 통해 경쟁을 체감한다. 문서를 잘 요약하는 모델도 프로젝트 전반에서 컨텍스트를 잃는다면 실패할 수 있다. 그러면 팀은 소스 자료와 의사결정을 보존하기 위해 자체 아카이브를 구축하거나 개인 지식 베이스를 사용한다.
Google의 강점은 이미 이메일, 문서, 회의, 검색어, 모바일 기기, 엔터프라이즈 데이터를 아우르고 있다는 점이다. 반면 이러한 접점을 안전하게 통합하려면 수많은 제품 조직 간의 조율이 필요하다는 것이 약점이다.
새로운 지휘 체계는 이러한 조율 비용을 줄이려는 시도다. Kavukcuoglu는 모델 개발을 Search, Cloud, Gemini 애플리케이션의 요구와 일치시킬 수 있다. Pichai는 별도의 연구 조직 체계를 거치지 않고도 분쟁을 해결할 수 있다.
그러나 중앙집중화에도 한계는 있다. 한 명의 리더가 기술적 불확실성을 없앨 수는 없다. 더 큰 팀은 더 많은 의존성을 만들 수 있고, 더 촉박한 제품 마감일은 즉각적인 상업적 가치가 없는 실험을 위축시킬 수 있다.
Google은 이전에도 이러한 긴장을 겪었다. 회사는 내부 중복을 줄이기 위해 Brain과 DeepMind를 통합했다. 이후 Gemini의 소비자 팀을 같은 조직으로 옮겼다. 모든 조직 개편은 더 긴밀한 협업을 약속했지만, 동시에 하나의 조직에 부여되는 목표의 수를 늘렸다.
이번 개편은 다른 접근법을 택한다. 하나의 AI 조직은 유지하되 과학적 비전과 일상적 실행을 분리한다. 이 설계는 더 명확하지만, 성공 여부는 Google이 공개적으로 충분히 설명하지 않은 경계 설정에 달려 있다.
OpenAI와 Anthropic, 인재를 제품 경쟁 압력으로 전환하다
Google의 경쟁사들은 연구자와 고객을 동시에 두고 경쟁하도록 Google을 압박하고 있다.
가장 눈에 띄는 압력은 OpenAI에서 나온다. ChatGPT는 대화형 AI의 소비자 기준점을 마련했고, OpenAI는 코딩, 에이전트, 연구 도구, 엔터프라이즈 서비스로 영역을 확장했다. Microsoft와의 파트너십은 유통과 인프라를 제공하지만, 이 관계는 전략적 의존성도 만든다.
Anthropic은 다른 방향에서 압박을 가했다. Claude는 코딩 성능, 긴 문서 처리, 제어된 모델 동작을 중시하는 개발자와 기업 사이에서 채택을 얻었다. 이 회사는 Jumper를 비롯한 Google DeepMind 출신 연구자와 다른 고위 기여자들을 영입했다.
이러한 이탈이 Google의 연구 프로그램이 실패하고 있다는 증거는 아니다. 선도 연구소들은 일상적으로 서로의 인재를 영입하며, 전문 인력의 보상 패키지는 급격히 상승했다. 연구자들은 더 좁은 범위의 프로젝트를 추진하거나 더 많은 자율성을 얻기 위해 기존 회사를 떠나기도 한다.
그럼에도 인재 이동은 제품 약점과 맞물릴 때 전략적으로 중요해진다. Google은 AI 코딩에 관한 의문에 직면했고, 그 과정에서 연구자들은 코딩 분야에서 강한 평판을 가진 경쟁사로 옮겼다. 이러한 흐름은 직원 사기, 고객 인식, 향후 채용에 영향을 줄 수 있다.
Hassabis는 Google이 더 이상 선도 연구자를 유치할 수 없다는 견해를 공개적으로 반박했다. 인재 경쟁에 대한 응답에서 그는 현재 시장을 자신이 본 것 중 가장 치열한 기술 인력 경쟁 환경이라고 표현했다.
이 설명은 업계 맥락을 포착하지만 운영상의 과제를 없애지는 않는다. Google은 이탈한 전문성을 보충하는 동시에 출시 일정을 맞춰야 한다. 새 연구자들이 내부 학습 시스템, 평가 방법, 제품 제약을 이해하려면 시간이 필요하다.
Discovery Loop는 또 다른 경쟁 변수를 더한다. 이 스타트업은 처음부터 Gemini의 직접 경쟁자로 자리매김한 것은 아니다. 보도에 따르면 목표는 과학 실험을 위한 머신러닝 시스템이며, 이는 AI를 과학에 활용하는 Hassabis의 오랜 관심 분야와 겹친다.
Google의 투자는 이 관계를 협력적으로 만든다. Discovery Loop가 유용한 연구 인프라를 개발하고 이를 Google Cloud를 통해 배포한다면 Google도 이익을 얻을 수 있다. 창업자들은 이전 고용주와의 모든 연결을 끊지 않으면서도 독립성을 확보한다.
하지만 이 구조는 고위 연구자들이 대기업을 떠나는 이유도 보여준다. 스타트업은 Search, 광고, 클라우드 계약, 안전성 검토, 소비자 제품 출시를 동시에 조율하지 않고 하나의 사명에 집중할 수 있다. Google의 규모는 자원을 제공하지만, 경쟁하는 의무도 만들어낸다.
OpenAI와 Anthropic 역시 각자의 트레이드오프에 직면해 있다. OpenAI는 투자자 및 파트너와의 관계를 관리하면서 막대한 인프라 요구 사항을 충당해야 한다. Anthropic은 급격히 증가하는 사용량을 지원하는 동시에 기술적 채택을 지속 가능한 사업으로 전환해야 한다.
Google에는 어느 경쟁사도 쉽게 재현할 수 없는 자산이 있다. 자체 텐서 처리 장치를 설계하고, 글로벌 데이터센터를 운영하며, 주요 소비자 플랫폼을 보유하고, AI 개발 자금을 지원하는 수익성 높은 사업을 유지한다. Google의 모델은 기존 제품을 통해 수십억 명의 사용자에게 도달할 수 있다.
이러한 자산은 조직에 관한 질문의 중요성을 줄이는 것이 아니라 더 키운다. 유통력이 뛰어난 기업도 팀들이 소유권을 두고 의견이 엇갈리면 느리게 움직일 수 있다. 강력한 연구 역량을 갖춘 연구소도 제품 통합이 늦으면 시장을 놓칠 수 있다.
이제 Kavukcuoglu가 그 격차를 좁힐 책임을 맡는다. 그의 성공은 벤치마크 순위만으로 측정되지 않을 것이다. 개발자 채택, 엔터프라이즈 계약, 코딩 워크플로, Search 참여도, 제품 출시 속도에서 드러날 것이다.
이 때문에 최신 Google 뉴스는 구매자들에게도 의미가 있다. 리더십 변화는 공개 모델을 바꾸기 전에 로드맵 우선순위를 바꿀 수 있다. Gemini를 중심으로 구축하는 고객은 문서, API, 할당량, 출시 약속이 더 예측 가능해지는지 지켜봐야 한다.
개발자들은 Google이 최고의 연구자들을 어디에 배치하는지도 주시해야 한다. 자동화 연구에 대한 더 많은 투자는 학습 효율과 모델 품질을 개선할 수 있다. 하지만 작업이 실험적 상태에 머문다면 당면한 제품 격차에서 관심을 빼앗을 수도 있다.
새 구조는 Google의 가장 큰 위험을 해결하지 못한다
더 짧아진 지휘 체계는 의사결정을 개선할 수 있지만, 더 나은 모델이나 추가 이탈 방지를 보장하지는 않는다.
첫 번째 불확실성은 Hassabis의 실제 권한에 관한 것이다. Alphabet은 그를 위해 권위 있는 과학 직책을 만들었고, 그는 여전히 Google DeepMind의 회장이다. 그러나 Kavukcuoglu는 조직의 일상 업무를 통제하며 Pichai에게 보고한다.
Hassabis가 연구 우선순위를 설정하고 자원을 확보할 수 있다면, 이 구조는 그의 과학적 영향력을 보존할 수 있다. 그의 역할이 주로 자문에 그친다면 Google은 많은 DeepMind 연구자들을 끌어들였던 리더십 스타일을 잃을 수 있다.
보도에 따르면 직원들은 이 조치를 엇갈리게 해석했다. 일부는 Hassabis가 선호하던 과학 연구로 돌아갈 수 있는 방식으로 보았다. 다른 이들은 회장직이 점차 그를 내부 의사결정에서 멀어지게 할지 의문을 제기했다.
Google은 이번 전환을 긍정적으로 제시했다. Hassabis는 AGI와 그 함의에 집중하고 싶다고 말했다. Kavukcuoglu는 Gemini 로드맵을 위한 명확한 경로를 강조했다. Pichai는 회사의 인재, 컴퓨팅 자원, 제품 도달 범위를 높이 평가했다.
이러한 발언은 의도된 구조를 설명할 뿐, 결과를 설명하지는 않는다. 리더십 전환은 해결되지 않은 이견이 비공개로 남아 있기 때문에 발표 메모에서는 흔히 질서정연해 보인다.
두 번째 위험은 연구자 유지와 관련된다. Dean의 그룹은 투자와 파트너십을 받았지만, 다른 직원들은 존경받는 베테랑들이 외부에서 더 자유롭게 야심 찬 작업을 추진할 수 있다는 증거로 이탈을 볼 수 있다. 경쟁사들은 이러한 인식을 채용에 활용할 것이다.
Google은 보상, 컴퓨팅 접근성, 더 큰 프로젝트 자율성으로 대응할 수 있다. 또한 연구자들이 여전히 방대한 대중에게 도달하는 제품에 영향을 미친다는 점을 보여줄 수도 있다. 이러한 대응의 효과는 향후 이탈과 채용을 통해 드러날 것이다.
세 번째 위험은 재귀적 자기 개선에 관한 것이다. AI 연구의 일부를 자동화하면 실험을 가속할 수 있지만, 시스템이 스스로를 개선한다는 주장은 신중히 검토해야 한다. 성능 향상은 좁은 작업, 사람이 선택한 목표, 또는 대규모 추가 컴퓨팅에 의존할 수 있다.
자동화 연구는 결함 있는 측정 기준을 증폭시킬 수도 있다. 모델이 불완전한 벤치마크를 최적화하면, 더 유용해지지 않은 채 점수만 높아지는 변화를 만들어낼 수 있다. 인간 연구자들은 여전히 안전성, 일반화, 숨겨진 실패 모드를 검토해야 한다.
Google DeepMind는 알고리즘과 과학적 해법을 탐색하는 시스템을 구축한 경험이 있다. 이러한 이력은 Brin의 보도된 관심이 연구 방향으로서 타당하다는 점을 뒷받침한다. 그러나 자율적 개선 루프가 Gemini 개발을 변화시킬 준비가 됐다는 뜻은 아니다.
안전성은 또 다른 트레이드오프를 만든다. 더 빠른 실험은 팀이 평가해야 하는 모델 변경의 수를 늘릴 수 있다. Google은 모델 구축 과정에 안전성 작업을 통합하기 위해 2024년에 책임 있는 AI 담당 직원을 DeepMind에 더 가깝게 배치했다.
새 조직은 출시 속도를 높이는 동시에 이러한 연결을 유지해야 한다. 안전성 검토가 우회해야 할 장애물이 된다면 Google은 신뢰할 수 없는 제품과 규제 당국의 감시에 직면할 위험이 있다. 검토가 엔지니어링과 분리된 채 남는다면, 문제를 조기에 해결하지 못하면서 출시만 지연시킬 수 있다.
마지막 위험은 제품 복잡성과 관련된다. Gemini는 하나의 애플리케이션이 아니다. 소비자용 채팅, 개발자 API, Workspace 기능, Cloud 서비스, Android, Search, 특화 연구 도구를 지원한다.
코딩에 도움이 되는 모델 변경은 다른 영역에서 지연 시간이나 비용을 높일 수 있다. 소비자용 어시스턴트에 적합한 안전성 정책은 엔터프라이즈 개발자들을 답답하게 만들 수 있다. Search 답변은 독립형 챗봇에는 적용되지 않는 정확성 및 광고 제약을 충족해야 한다.
어떤 경영 구조도 이러한 충돌을 없앨 수는 없다. 기껏해야 소유권을 명확히 하고 트레이드오프를 더 빠르게 처리할 수 있을 뿐이다. 다음 단계에서는 Google의 새 리더들이 DeepMind의 명성을 만든 연구 문화를 약화시키지 않고 이를 해낼 수 있는지가 드러날 것이다.
향후 3개월이 보여줄 것
세 가지 신호가 이번 개편이 실행력을 개선했는지, 아니면 단지 Google의 보고 체계만 재배치했는지를 보여줄 것이다.
첫 번째 신호는 Gemini 로드맵이다. Google은 차세대 주요 모델을 출시하고 코딩, 추론, 신뢰성, 효율성 측면에서 측정 가능한 진전을 보여야 한다. 안정적인 개발자 액세스를 갖춘 적시 출시는 Kavukcuoglu의 운영 책임 체계를 뒷받침하는 근거가 될 것이다.
반대로 또 한 번의 지연은 이를 약화시킬 수 있다. 지연에는 정당한 기술적 또는 안전성상의 이유가 있을 수 있지만, 일정 변경이 반복된다면 핵심 병목이 경영 구조가 아니었음을 시사할 수 있다.
두 번째 신호는 고위 인재 유지다. Google이 모든 이탈을 막을 필요는 없다. 다만 새로운 우선순위를 위한 전문가를 영입하는 동시에 모델의 연속성을 유지할 수 있을 만큼의 숙련된 연구자를 확보해야 한다.
Gemini의 핵심 학습, 추론 또는 코딩 팀에서 추가 이탈이 발생한다면 DeepMind 내부의 불확실성이 여전히 남아 있음을 시사할 수 있다. 뛰어난 인재 영입이나 연구자의 복귀는 Google이 여전히 최고 수준 인재가 찾는 곳이라는 Hassabis의 주장을 뒷받침할 것이다.
세 번째 신호는 제품 채택이다. Alphabet의 다음 실적은 AI 수요가 Cloud 성장, 더 큰 계약, Search와 Gemini 전반의 지속적인 참여로 계속 이어지고 있는지를 보여줄 것이다.
매출만으로 모델 경쟁의 승패가 결정되지는 않는다. 고객이 다른 공급업체의 모델을 사용하더라도 Google Cloud는 인프라 수요를 통해 성장할 수 있다. 투자자들은 컴퓨팅을 판매하는 것과 Gemini 자체의 워크로드를 확보하는 것을 구분해야 한다.
개발자들도 실무 테스트를 통해 같은 구분을 할 수 있다. Gemini API는 프로덕션 트래픽에서도 안정적인가? 코딩 에이전트는 더 적은 수정으로 복잡한 작업을 완료하는가? 팀은 프롬프트와 평가를 다시 구축하지 않고도 모델 버전 간 이동이 가능한가?
엔터프라이즈 구매자들은 Google이 조직 통합을 더 명확한 지원 체계로 전환하는지 지켜봐야 한다. 소프트웨어가 프로덕션에 도달하면 제품 로드맵, 보안 약속, 용량 보장, 마이그레이션 도구는 벤치마크 리더십만큼 중요하다.
지식 근로자들은 Gemini가 실제 프로젝트 전반에서 컨텍스트를 어떻게 처리하는지에 주목해야 한다. 더 나은 답변을 위해서는 정확한 원천 자료, 권한, 그리고 조직의 지식 자산에 접근할 수 있어야 한다. 모델 업그레이드만으로는 흩어진 문서나 불분명한 출처를 보완할 수 없다.
Sergey Brin이 AI 지원 연구를 추진하고 있다는 보도는 주목할 만하지만, 내부의 열의보다 구체적인 출시가 더 중요하다. 그 근거로는 공개된 방법론, 재현 가능한 평가, 또는 학습 효율성 개선에 대한 문서화된 성과가 포함될 수 있다.
Hassabis의 역할 역시 눈에 보이는 정의가 필요하다. 그의 리더십 아래 나온 과학 논문, 안전성 프레임워크 또는 주요 연구 프로그램은 Alphabet의 최고 과학자 직책이 실질적인 권한을 지닌다는 점을 보여줄 것이다. 침묵은 이 직함이 주로 어려운 전환을 완화하기 위한 것이었는지에 대한 의문을 낳을 수 있다.
따라서 최신 google news는 독자들에게 검증 가능한 명제를 제시한다. Google은 AI 미션을 분열시키지 않으면서 장기적인 과학 리더십과 제품 실행을 분리할 수 있다고 믿는다.
이 구조는 Kavukcuoglu에게 더 명확한 통제권을, Pichai에게 더 직접적인 감독권을, Hassabis에게 더 깊은 연구를 추진할 여지를 제공한다. 동시에 고객과 직원이 확인할 수 있는 위치에 책임을 둔다.
향후 한 분기 동안에는 의례적인 직함을 무시하고 결과물을 지켜봐야 한다. Gemini 출시, 고위 기술 인력의 이탈, 그리고 고객이 Google의 인프라만이 아니라 모델 자체를 선택하고 있다는 증거를 추적하라. 이러한 신호는 Google이 AI 조직을 단순화했는지, 아니면 같은 긴장을 새로운 사무실로 옮겼을 뿐인지를 보여줄 것이다.
