핵심 요약

  • 구글은 언어 모델을 검색어 교정과 광고에 활용했고, Google Brain의 연구를 거쳐 2017년 트랜스포머 논문을 발표했다.
  • 구글은 트랜스포머를 검색 품질 개선에 적용했지만, 대화형 AI를 검색의 새 중심으로 내놓는 데는 신중했다. 진행자들은 기존 광고 수익, 답변의 정확성, 게시자와의 관계를 그 이유로 짚었다.
  • ChatGPT 출시 후 구글은 Brain과 DeepMind를 통합하고 Gemini를 공통 모델로 정했다. 검색에는 AI 개요를 일부 질의에 적용하고, 별도의 AI 모드도 도입했다.
  • 자체 TPU, Google Cloud, 검색 유통망은 구글의 강점이다. 다만 AI 서비스가 검색 광고만큼 수익을 낼 수 있을지는 원문에서도 열린 문제로 남는다.

검색과 광고에서 시작된 언어 모델

구글의 AI 연구는 최근의 챗봇 경쟁보다 오래됐다. 원문에 따르면 2000년대 초 구글 연구진은 단어 배열의 확률을 다루는 언어 모델을 검색의 ‘Did you mean’ 철자 교정에 활용했다. 잘못 입력한 검색어를 다시 검색해야 하는 불편과 그 과정에서 발생하는 인프라 부담을 줄이는 용도였다.

이후 언어 모델은 제3자 웹페이지의 내용을 파악해 광고를 배치하는 AdSense에도 쓰였다. 구글에서 AI는 오랫동안 독립된 상품보다 기존 서비스의 성능을 높이는 기술이었다. 진행자들은 이 성공 방식이 훗날 트랜스포머를 받아들이는 방식에도 이어졌다고 설명한다.

Google Brain에서 트랜스포머까지

2011년 출범한 Google Brain은 큰 신경망을 구글의 분산 인프라에서 구동하는 실험을 했다. 유튜브 영상의 이름표가 없는 화면에서 고양이 이미지를 구별한 연구는, 사람이 정답을 일일이 표시하지 않아도 신경망이 유용한 패턴을 학습할 수 있음을 보여준 사례로 소개된다. 이런 기술은 영상 내용을 파악해 추천하는 문제와도 연결됐다.

연산 수요가 커지자 구글은 2014년 엔비디아 GPU 4만 개를 1억3000만 달러에 주문하기로 했다. 이어 신경망 연산에 특화된 자체 칩 TPU를 개발했다. 원문에 따르면 첫 TPU는 설계부터 데이터센터 배치까지 15개월이 걸렸다. 범용성이 낮은 대신 필요한 계산을 더 효율적으로 처리해, AI 기능을 구글 규모로 제공하려는 선택이었다.

2017년 구글 연구원 8명은 트랜스포머를 제시했다. 이는 문장을 처리할 때 가까운 단어뿐 아니라 더 넓은 문맥에 주의를 기울이면서, 연산을 병렬로 처리하기 좋게 만든 구조다. 구글은 이후 BERT 등을 검색 품질 개선에 활용했다. 따라서 논문 발표 뒤 아무것도 하지 않았다는 설명은 원문과 다르다. 진행자들이 지적한 간극은 이 기술을 검색 자체를 바꿀 플랫폼으로 다루는 속도에 있었다.

먼저 만들고도 챗봇 출시에 신중했던 이유

구글 내부에는 ChatGPT 이전에 대화형 모델 실험이 있었다. 원문에 등장하는 Meena는 안전을 위한 후속 조정이 부족해 공개 상품으로 내놓기 어려웠다. 구글은 2022년 공개한 AI Test Kitchen에서 LaMDA 대화를 다섯 차례 응답 뒤 끝내도록 제한했다. 진행자들은 대화가 길어질수록 부적절한 답변이 나올 우려가 있었다고 설명했다.

사업상의 부담도 있었다. 검색이 웹사이트와 광고로 이어지는 방식에서 즉답형 챗봇으로 바뀌면 기존 수익이 줄 수 있었다. 게시자와 이용자 사이에서 구글이 직접 답을 제공하는 데 따른 문제, 답변을 신뢰할 수 있는지도 검토해야 했다. 진행자들의 설명에서 이는 기술을 보유했는지와 실제로 출시할 수 있는지를 가르는 조건이었다.

ChatGPT 이후의 조직과 제품 변화

OpenAI는 2022년 11월 ChatGPT를 공개했다. 예상보다 큰 이용 수요가 나타나자 구글은 그해 12월 대응을 서둘렀다. 2023년 공개한 Bard의 초기 반응은 좋지 않았다. 구글은 이어 Brain과 DeepMind를 Google DeepMind로 통합하고, 여러 팀의 AI 제품에 공통으로 사용할 모델 Gemini 개발을 추진했다.

구글은 검색 결과에 AI 개요를 넣되 모든 질의에 똑같이 적용하지 않았고, 별도의 AI 모드와 Gemini 앱도 내놓았다. 원문은 이를 검색 사업을 운영하면서 새 사용 경험을 시험하는 방식으로 해석한다. 2025년 녹음 시점의 진행자들은 Gemini의 이용 규모와 제품 개선을 긍정적으로 평가했지만, 구글이 Gemini만으로 얼마를 버는지는 공개 자료에서 알 수 없다고 선을 그었다.

인프라의 강점과 남은 수익 문제

구글은 모델뿐 아니라 TPU, 데이터센터, Google Cloud를 갖고 있다. 원문에서 Google Cloud의 연 매출 환산 규모는 500억 달러를 넘는 것으로 제시된다. 클라우드는 외부 개발자가 구글의 AI 모델과 TPU를 이용하는 통로이기도 하다. 검색은 새 AI 기능을 많은 이용자에게 배포할 수 있는 채널이다.

그러나 이 자산들이 AI 사업의 수익성을 보장하지는 않는다. 진행자들은 칩 비용에서 구글이 유리할 수 있다고 보면서도, AI 대화에 검색 광고에 견줄 수익 모델이 자리 잡았는지는 확인되지 않았다고 했다. 다른 AI 제품으로 이동하는 데 드는 부담도 현재는 낮다고 평가했다. AI가 가치 높은 검색 수요를 가져갈 경우, 구글은 AI 이용을 늘리면서 기존 검색 수익의 감소도 감당해야 할 수 있다.

결론

이 대담이 제시하는 구글의 과제는 연구 성과를 AI 제품으로 옮기는 일과 그 제품의 경제성을 확인하는 일이다. 구글은 필요한 기술과 유통망을 갖췄고 출시 속도도 높였다. 검색에서 작동한 수익 구조가 AI에서도 성립할지는 아직 드러나지 않았다.