Gemini 3.5: 행동을 통한 경계 인공지능

Gemini 3.5는 구글이 발표한 차세대 프론티어 모델로, 단순한 질의응답을 넘어 '에이전트 워크플로우(agentic workflow)' 실행에 최적화되어 있다. 이 모델은 멀티스텝 추론(multi-step reasoning), 도구 호출(tool use), 장기 컨텍스트 처리, 그리고 코드 실행을 결합한 'planner-executor' 구조를 핵심으로 한다. 기존 LLM이 텍스트 생성에 머물렀다면, Gemini 3.5는 외부 API 호출, 브라우저 자동화, 파일 시스템 조작, 코드 실행 등을 자율적으로 연쇄(chain)할 수 있도록 설계되었다. 내부적으로는 강화학습 기반의 도구 사용 훈련(RLHF + tool-use fine-tuning)과 함께, 작업 분해(task decomposition) 및 자기검증(self-verification) 능력을 강화한 것으로 알려져 있어, 한 번의 프롬프트로 다단계 작업을 끝까지 완수하는 비율이 크게 향상되었다.

개발자 관점에서 가장 큰 변화는 '코드 어시스턴트'에서 '코드 에이전트'로의 전환이다. 단순히 코드 스니펫을 제안받는 수준에서 벗어나, 레포지토리 분석 → 이슈 파악 → 브랜치 생성 → 코드 수정 → 테스트 실행 → PR 작성까지의 전 과정을 모델이 자율적으로 수행할 수 있게 된다. 이는 Claude Code, Cursor, GitHub Copilot Workspace와 같은 에이전틱 IDE 생태계의 경쟁을 본격화시키며, 한국 개발자들이 일상적으로 사용하는 코드 리뷰, 마이그레이션, 레거시 리팩토링, 테스트 작성 같은 반복 업무의 자동화 비중을 크게 끌어올릴 전망이다. 특히 사내 시스템 연동(예: Jira, Confluence, 사내 API)을 위한 함수 호출 정확도가 개선되어, 단순 챗봇이 아닌 '업무 자동화 봇'으로의 활용이 현실화된다.

다만 에이전트 모델이 강력해질수록 권한 관리, 감사 로깅(audit logging), 비용 통제가 중요한 엔지니어링 과제로 부상한다. 자율 실행이 가능한 모델은 잘못된 명령 한 번으로 운영 환경에 의도치 않은 변경을 일으킬 수 있으며, 멀티스텝 호출 특성상 토큰 비용도 기하급수적으로 증가한다. 따라서 개발자는 ① 에이전트의 권한을 최소 권한 원칙(least privilege)으로 격리된 샌드박스/컨테이너에서 실행하고, ② human-in-the-loop 체크포인트를 워크플로우에 명시적으로 삽입하며, ③ 도구 호출 단위로 비용·지연시간을 모니터링하는 옵저버빌리티(observability) 체계를 갖춰야 한다.

마지막으로 한국 SI/SaaS 환경에서는 Gemini 3.5의 한국어 추론 품질과 함수 호출(function calling) 안정성을 먼저 검증해 보는 것이 우선이다. OpenAI Assistants API, Anthropic Claude의 도구 사용과 비교해 스키마 호환성, 멀티 도구 병렬 호출(parallel tool calls), 그리고 장기 컨텍스트(1M 토큰 이상)에서의 정확도 저하 여부를 PoC로 측정해 보아야 한다. 또한 Vertex AI 기반 배포 시 데이터 거버넌스(리전, 로그 보관 정책)와 사내망 연동 방식을 사전에 확인해, 도입 후 컴플라이언스 이슈가 발생하지 않도록 대비할 필요가 있다.