Google Cloud Next 2024 참관 후기 1편 - AI로 업그레이드된 구글 클라우드와 우리의 준비

요약: 1편에서는 Google Cloud Next 2024 컨퍼런스의 주요 키노트와 Gemini를 활용한 구글 클라우드 기술을 다룹니다. 컨퍼런스에서는 “The new way to cloud”라는 슬로건 아래 AI 중심의 구글 클라우드 스택과 고성능 하드웨어, 멀티모달 처리 및 고급 추론 능력을 강조했습니다. 기술 발전 속에서 우리가 무엇을 준비하고 대응해야 할지 고민하는 시간을 가졌습니다.

시작하며

안녕하세요. 카카오페이 기술전략팀 제임스입니다. 기술전략팀에서 TPM(Technical Project Manager) 및 TAM(Technical Account Manager) 직무를 수행하고 있습니다. 카카오페이 기술 블로그를 통해서 TAM 직무소개와 DQR(Dynamic QR) 기술특허 그리고 “내가 언제까지 IT업계에서 일할 수 있을까?”라는 어그로로 기술사에 대한 소개까지 했는데요. 이번엔 구글 컨퍼런스 참석을 계기로 4번째 글을 작성하고 있습니다.

구글에서 미국 시간 기준 4월 9일(화)~4월 11일(목) 총 3일간 라스베가스에서 Google Cloud Next 컨퍼런스를 개최했습니다. 좋은 기회로 참관하여 컨퍼런스 주요 내용과 개인 의견을 공유하고자 합니다. 카카오페이에서는 총 4명의 크루가 컨퍼런스를 참관했고 관심 주제별로 4편에 걸쳐서 콘텐츠 업로드 예정입니다. 이번 1편에서는 키노트 주요 내용과 제목에도 적었듯 Gemini(AI)를 활용한 구글 클라우드 기술을 주요 내용으로 다루겠습니다.

AI의 비약적인 발전이 나한테 그냥 좋기만 한 것인가?

포스팅을 시작하기에 앞서서 chatGPT를 포함하여 AI는 우리 생활에 많은 영향을 미치고 있고 그중에서도 큰 영향으로 와닿는 사람은 IT 회사의 기술 직군일 것 같습니다. 나의 개발 생산성을 높여주고 기술적인 도움을 받으면서 편리하게 사용하고 있지만 언젠가는 나의 모든 기술을 AI가 대신할 날이 오지 않을까 하는 두려움이 큰 직군이 아닐까 싶습니다.

이번에 Google Cloud Next를 참관하며 내가 일하는 업무 환경에 더욱더 가까이 다가온 기술의 발전을 직접 보니 다시 한번 그런 부분을 느끼게 된 것 같습니다. 아직은 인간에 비해서 부족한 점이 있는 약인공지능이지만 기술은 점점 고도화될 것이고 1900년대 산업혁명으로 기계에게 일하는 인간이 대체되었듯이 AI가 대두되는 4차 산업 혁명은 어쩌면 더 많은 영역과 분야에서 인간의 역할을 대체하는 것은 분명할 것 같다는 생각이 듭니다.

기술과 더불어 앞으로 이런 기술의 발전 속에 무엇을 준비하고 어떻게 대응해야 먹고 살지도 같이 고민할 수 있는 시간이 되었으면 좋겠습니다.

Google Cloud Next 2024 개요 - AI로 승부를 건 구글 클라우드

올해 구글 컨퍼런스의 메인 슬로건은 The new way to cloud입니다.

말 그대로 클라우드의 새로운 방향을 제시한다는 개념으로 컨퍼런스를 개최했다고 느낄 수 있는 슬로건입니다. 그 새로운 방향성 가운데는 AI가 있었고, 구글의 AI인 Gemini 1.5 Pro를 통한 서비스 이용의 편리성과 생산성 등에 초점을 두었습니다. 3일간 총 500여 개의 세션을 진행했는데 대부분의 세션 내용이 Google AI인 Gemini에 대한 내용을 포함하고 있다고 해도 과언이 아닙니다.

The new way to cloud를 내세운 구글 클라우드는 AI를 기반으로 서비스를 제공하는데 승부를 걸었고 AI를 위한 구글의 클라우드 스택은 아래와 같습니다.

AI를 지원하는 고성능 하드웨어 아키텍처 위에 멀티모달과 100만 개의 Context Window를 처리하는 Gemini 모델, AI 플랫폼인 Vertex AI를 통해서 고객이 클라우드와 GWS를 활용하고, 맞춤형 Agent를 제공하는 기술 스택입니다.

그럼 각각의 스택에 대해서 한번 살펴보고 경쟁 제품이라고 할 수 있는 AWS의 AI인 Amazon Q와도 비교해 보겠습니다.

Google Cloud Next 2024 클라우드 스택

AI를 지원하는 고성능 하드웨어 아키텍처 - 하드웨어도 좋은 거 쓴다.

모든 시스템이 그렇듯 기반에 강력하고 안정적인 하드웨어가 뒷받침 되어야 좋은 시스템이라고 할 수 있습니다. 특히나 AI 성능은 대용량의 데이터를 병렬로 빠르게 처리해야 하기 때문에 하드웨어 성능에 비례할 수밖에 없습니다. 당연히 구글도 클라우드 스택의 근간에 강력한 하드웨어를 탑재했다는 부분을 강조하면서 시작을 했습니다.

위 그림은 고성능 하드웨어에 대한 아키텍처입니다. 아래에서 위로 올라가며, 좋은 성능의 하드웨어 기반 > 높은 사용성과 유연성을 가진 GKE(Google Kubernetes Engine, 이하 GKE) 기반의 오픈소스 > 유연하고 최적화된 비용관리(On Demand)가 가능한 아키텍처로 구성이 되어 있습니다. Keynote 세션에서는 이 중에서 TPU(Tensor Processing Unit, 구글 자체개발 GPU) / NVIDIA GPU / Axion과 이를 효율적으로 지원하는 GKE를 메인으로 소개했습니다.

클라우드 내에서 성능과 비용도 중요한 이슈로 떠오르고 있어 자체 개발한 고성능의 Axion과 NVIDIA와의 연계 그리고 그 성능을 제대로 활용할 수 있도록 지원해 주는 GKE를 통해서 구글이 기초를 튼튼히 쌓고 있는 것을 확인할 수 있습니다.

고성능 하드웨어 위, Gemini - 사람처럼 추론하는 AI 모델

스택의 2번째 Layer인 Gemini Model이 이번 컨퍼런스의 핵심으로 보입니다. 고성능 하드웨어 아키텍처를 기반으로 멀티모달 정보를 처리하고, 100만 개의 Context Window를 통해 고급 추론을 수행할 수 있는 AI 모델인 Gemini 1.5 Pro에 대해 살펴보겠습니다.

제목에 써두었지만 Gemini는 멀티모달+100만 개의 Context Window를 처리하는 게 핵심입니다. AI 모델의 Context Window는 정보 처리를 위한 토큰으로 구성되어 있습니다. 토큰은 단어, 이미지, 비디오, 오디오 또는 코드의 전체 부분 또는 하위 섹션 정도로 이해해 주시면 됩니다.

멀티모달이란?

사람이 김치찌개를 생각할 때 과거의 기억 습관, 미각, 청각, 후각 등 복합적인 경로로 생각하여 추론하듯이 단일 경로가 아닌 여러 가지 경로로 한 번에 데이터를 인지하고 처리하는 방식

멀티모달 기반 AI 모델의 Context Window가 커질수록 주어진 프롬프트¹에서 더 많은 정보를 받아들이고 처리할 수 있어 출력이 더욱 일관되고 관련성이 높아 유용해질 수밖에 없습니다. 그리고 그 결과는 인간의 생각처럼 고급추론(reasoning)이 될 수 있습니다.

그래서 대용량 데이터를 한 번에 처리하는 능력은?

60분 분량의 비디오
11시간 분량의 오디오
1만 페이지의 문서나 책
30만 라인의 소스코드

위와 같은 스펙으로 실제 현장에서 1시간 분량의 비디오를 읽어서 요약해 주는데 1분이 채 걸리지 않는 것을 시연하기도 했습니다.
* Gemini 1.5 Pro와 대화 기반으로 동영상을 실시간으로 분석하는 데모 영상

Gemini 기반 AI 개발 플랫폼 Vertex AI - 나도 머신러닝 할 수 있다.

3번째 Layer인 Vertex AI는 AI 애플리케이션을 학습 및 배포하고 대규모 언어 모델(LLM, Large Language Model)을 맞춤 설정할 수 있는 머신러닝(ML, Machine Learning) 개발 플랫폼입니다.

AI 모델도 내가 원하는 결과를 내기 위해서는 데이터에 대한 전처리와 모델 학습, 검증 그리고 파라미터 수정을 통해서 점점 좋은 결과를 내야 합니다. 이게 바로 머신러닝(기계를 학습)이고 이러한 머신러닝은 데이터 확보, 데이터 처리, 고성능 하드웨어, 전문인력 등이 필요하기 때문에 소규모 기업 또는 비전문가가 진행하기는 매우 어려운 작업입니다.

Vertex AI는 이러한 작업을 한 번에 처리해주는 플랫폼이며 모델 가든, 모델 빌더 그리고 에이전트 빌더 총 3개로 이루어져 있습니다.

구성	내용
Model Garden 모델 스토어	Gemini 기반의 130개 이상 기초 모델을 말합니다. 고객이 각 비즈니스에 적용할 수 있도록 여러 모델을 제공하고, 고객은 적정한 모델을 찾아서 학습하고 빌드하여 Agent로 활용할 수 있는 모델의 스토어입니다.
Model Builder 모델 개발 및 최적화	AI는 적용 모델의 파라미터를 조정하여 좋은 결과를 낼 수 있는 프롬프트 엔지니어링²이 중요합니다. 모델 빌더는 프롬프트 엔지니어링을 포함하여 각종 모델의 버전관리뿐만 아니라 적용한 모델의 비교(side by side)를 통해서 좋은 결과를 낼 수 있도록 지원하고 있습니다.
Agent Builder 비지니스에 맞는 Agent 생성 및 관리	Agent Builder에서 Agent는 고객의 비지니스를 지원하는 커스텀 된 최종 제품이라고 보시면 됩니다. 모델 가든에서 모델을 선택하고 모델 빌더로 튜닝을 한 뒤 최종적으로 고객의 Agent를 만들게 되며 이를 지원합니다.

Vertex AI는 머신러닝을 플랫폼 형태로 지원하여 비전문가도 AI 학습과 개발을 진행할 수 있다는 점이 인상적이었습니다. 또한 Gemini와 대화 형태로 업무를 안내받고 진행할 수 있어 AI의 일반적인 사용뿐만 아니라 머신러닝까지 일반 사용자에게 가까이 다가온 것 같습니다.

AI를 활용한 클라우드와 GWS - 이제 더 쉽게 더 효과적으로 사용하세요.

스택의 최상단은 Application으로 구성되어 있으며, 크게 클라우드, GWS, Agent 3가지를 제시했습니다. 3가지 모두 핵심은 근간에 있는 Gemini를 활용하여 클라우드나 GWS를 얼마나 효율적으로 사용할 수 있는지 그리고 각 기업에서 비즈니스에 맞는 Agent를 만들어 활용하고 있는지에 대한 내용입니다. 이번 목차에서는 AI를 활용한 GWS 기능을 간략하게 소개하고, 다음 목차에서 상세하게 클라우드에 대해 설명하겠습니다. Agent는 기업의 Best Practices 위주라서 생략하겠습니다.

GWS(Google Workspace)는 이미 많은 기업에서 사용하고 있다고 생각합니다. 아래 4가지 사항에서 AI의 활용을 눈여겨볼 수 있습니다.

Google Vids: 업무 데이터 기반의 손쉽고 빠른 영상 제작
AI Meetings: 동시번역+주문형 대화 요약을 통한 회의록 정리
AI Security: AI를 통한 자동 분류와 보안정책 적용
GenAI Powered Gmail Mobility: 내 스타일 그대로 말하는 대로 업무 내용 생성

개인적으로 제일 인상 깊은 기능은 업무 캘린더와 담당자 기반으로 회의 내용을 정리하고 Action Item까지 뽑아내는 부분입니다. chatGPT와는 차별화된 GWS의 강력한 비즈니스 Lockin 전략이 아닌가 싶습니다.

AI를 적용한 아마존 AWS와 구글 클라우드의 비교

다음 단락에서 AI를 적용한 클라우드를 상세히 살펴보기 전에 아마존 AWS도 구글 클라우드와 동일하게 Amazon Q라는 AI 모델을 적용하고 있어 기본 스택에 대해서 한번 비교해 보고 넘어가도록 하겠습니다.

이름만 다르지 내용을 자세히 살펴보면 구글과 아마존의 클라우드 스택은 비슷합니다. 고성능 하드웨어 위에 기반 모델 그리고 모델을 활용한 AI 플랫폼과 그 위에 application입니다.

구글은 GWS를 활용하여 이미 업무를 수행하고 있다는 점과 전 세계인이 주로 사용하는 강력한 Google Search 기반의 Ground with Google Search로 발전하고 있다는 점에서 구글의 손을 들어봅니다.^^ (물론 AWS도 RAG 기반으로 Retrieval 서비스 스택이 있긴 합니다.)

스택에서 보시다시피 모든 것이 AI로 초점이 맞추어져 있음을 알 수 있습니다. 하드웨어 모델도 좋아졌다고 하는데 그럼 클라우드 활용 부분에서 얼마나 좋아졌는지 한번 살펴보겠습니다.

AI로 강력해진 구글 클라우드

AI로 강력해졌다는 표현으로 시작했지만 현실적으로 클라우드 시장에서 구글 클라우드는 상당히 뒤쳐져 있습니다.

회사	본사	시장 점유율
Amazon Web Service(AWS)	워싱턴, 미국	32%
Microsoft Azure	레드몬드, 미국	22%
Google Cloud Platform(GCP)	캘리포니아, 미국	11%

*출처: 구글 검색

점유율은 Cost도 많은 부분을 차지하겠지만 결국은 기술로 승부해야 하는 분야라서 AI 모델의 대결이라고 볼 수도 있습니다. Google이 Gemini를 시작으로 얼마나 점유율을 높일 수 있을지 눈여겨보는 것도 좋을 것 같습니다. (전 구글의 손을 들어주었지만 3년 뒤에 한번 보시죠^^)

이번 단락에서는 구글에서 AI를 적용하여 사용자가 어떻게 효과적으로 개발하고 운영하는지에 대해 시스템 구축 및 운영, 보안, Data Warehouse, Database 4가지 부문으로 나누어 살펴보겠습니다. (개발자 분들이 관심 있을 Code Assist 부분은 다루지 않았는데 이 부분은 4편에서 다룰 예정이니 해당 편에서 자세히 보시면 될 것 같습니다.)

시스템 구축 및 운영 자동화 - 아키텍처 설계부터 트러블 슈팅까지 해준다고?

“Efficiently manage your application lifecycle with Gemini Cloud Assist”

위 문장처럼 구글 클라우드는 Gemini Cloud Assist와 함께 클라우드를 효과적으로 사용하고 Application Lifecycle을 관리하도록 지원합니다. 구글에서 발표한 주요 내용은 아래와 같습니다.

구분	내용
개발 및 설계 관점	- Gemini를 통해서 원하는 서비스를 설명 - 요구 사항에 맞는 아키텍처 구성을 제안하고 생성까지 진행 - 해당 아키텍처를 제안한 이유까지 설명
운영 관점	- Gemini Cloud Assist를 통해서 문제를 실시간으로 진행 - 근본 원인을 찾아내고 해결방안을 제시하여 신속한 이슈 해결을 지원
최적화 관점	- 비용 절감, 성능 또는 고가용성 등 기업에서 중요시하는 목표에 맞추어 제안

위 내용을 살펴보면 전문적인 TA(Technical Architect), DevOps, FinOps가 해야 할 일을 Cloud Assist가 해주고 있습니다. 궁극적으로는 기업이 원하는 방향의 시스템임은 분명해 보입니다. 과연 Gemini가 어디까지 해줄지 모르겠지만 위 내용 중 적어도 클라우드 내에서는 Cloud Assist가 점점 고도화되어 우리에게 제공될 것은 확실해 보입니다.

위 이미지는 운영 관점의 예시로 Gemini와 대화하면서 시스템 트러블 슈팅하는 내용입니다. (Amazing..) 이슈에 대해서 이렇게 처리할 수 있는 건 정말 고도화된 트러블 슈팅+문제해결 방식입니다.

이슈 확인
이슈 원인 상세 내역 요청
해당 부분에서 최근 변경사항 요청
(이미지에서는 생략되었지만) 이슈와 연관 있는 작업 내역 확인 및 이슈 해결

기업 내 SRE(Site Reliability Engineering) 담당자가 본다면 정말 탐나는 기능이 아닐까 싶습니다. 물론 구글 클라우드에 인프라를 사용해야 한다는 허들이 있긴 합니다. 다만 데이터센터 트렌드가 온프레미스에서 클라우드로 넘어가고 있는 시점에서 이러한 허들은 점점 낮아질 것이고 각 분야의 전문가가 아니더라도 트러블 슈팅 부분만 본다면 정말 강력한 클라우드 Lockin 전략일 것입니다.

엔터프라이즈급 보안 관리 - 나도 GCP 안에서는 보안 전문가 할 수 있다구!

“Elevate security expertise with Gemini in Security”

시스템 보안성은 생산성과 유지보수성외에도 굉장히 중요한 서비스 요소로 작용합니다. 아무리 잘 만들어도 보안 하나 잘못 뚫리면 천문학적인 피해를 입을 수 있기 때문에 시스템에서 보안은 아무리 강조해도 부족함이 없습니다.

구글 역시 이러한 점을 Gemini 기반의 강력한 엔터프라이즈급 보안체계 구축을 내세우고 있습니다. 보안팀이 쉽고 빠르게 위협을 감지, 조사, 대응할 수 있도록 Gemini를 Chronicle에 추가할 예정이라고 하며 그 기능은 아래와 같습니다. (Chronicle은 보안팀이 보안위협을 더욱 효과적으로 방어할 수 있도록 지원하는 클라우드 기반 SecOps 플랫폼입니다.)

* Gemini 기반 보안 체계

기능	내용
정확한 위협 탐지	Google에서 선별한 탐지 기능을 활용하여 최신 위협을 찾아 MITRE ATT&CK에 매핑
손쉬운 위협 분석	조사 보기, 시각화, 위협 인텔리전스 및 사용자 커스텀을 통해 실시간 활동 분석
빠르고 정확한 대응	300개 이상의 대응 전략 조합으로 대응의 일관성을 높이고 반복적인 작업을 자동화
생성형 AI로 생산성 향상	자연어를 사용하여 데이터를 검색하고, 반복하고, 드릴다운
전문가 지원	고급 기술을 활용하는 Mandiant 전문가 지원으로 공격자 식별 및 대응

주요 보안 체계 내용은 위 표 내용을 참고하시고 아래 보안 위협 대응 샘플을 같이 보시죠.

이전 트러블 슈팅과 마찬가지로 Gemini 기반 대화형으로 해결하고 있습니다.

조건에 맞는 위협 탐지 요청
시스템 이벤트 데이터 요약
취해야 할 조치 제안(w. MITRE ATT&CK)

자연어 및 대화형 접근을 통해 공격자를 식별하고, 전문가의 지원으로 추가적인 위협을 탐지해 공격을 원활하게 막을 수 있습니다. 구글 클라우드 내에서 한정적이라는 제약이 있겠지만 보안 전문가가 아니더라도 클라우드 이용 시 AI를 통한 시각화 MITRE ATT&CK의 대응 방안으로 위협에 대한 식별과 해결은 어느 정도 될 것으로 보이며 점점 고도화될 것 같습니다.

한편, “클라우드 보안은 서비스 제공자가 책임져야 하는 거 아니야?”라고 물어볼 수 있습니다. 서비스 제공자인 구글은 인프라와 보안수단을 제공하는 것일 뿐 기업의 데이터와 계정, Key 등 관리적인 보안은 기업에서 책임을 져야 합니다. 이를 위한 클라우드 책임공유 모델이 나왔으니 참고하시면 좋을 것 같습니다. (참고: 구글 클라우드 책임공유 모델)

Data Warehouse 구축과 활용 - 빅테크 기업만 빅데이터 할 수 있는 거 아니다

“Accelerate analytics and workflows with Gemini in BigQuery”

Data Warehouse(데이터 웨어하우스, DW)란 사용자 의사 결정에 도움을 주기 위하여 기간 시스템 데이터베이스에 축적된 데이터를 공통의 형식으로 변환해서 관리하는 데이터베이스를 말합니다. 기본적으로 기업은 축적된 데이터를 잘 관리하고 정제하여 데이터에서 insight를 찾아 매출 증가나 생산성 향상을 이루어 내길 원합니다. 기업 데이터 분석을 위해서는 데이터 웨어하우스 구축이 필요하지만 소규모 기업 또는 전문 인력이 없는 경우에는 많이 어려운 일입니다.

구글의 BigQuery는 머신러닝, 지리정보 분석, 비즈니스 인텔리전스와 같은 기본적인 기능을 제공해 데이터를 관리하고 분석할 수 있게 해주는 완전 관리형 엔터프라이즈 데이터 웨어하우스입니다. 데이터 웨어하우스인 BigQuery에 Gemini를 더해 사용성을 확대하고 손쉽게 데이터 웨어하우스를 구축하여 기업에 활용할 수 있도록 제공합니다.

* BigQuery 주요 기능

기능	내용
데이터 인사이트	- 메타 데이터로 데이터 인사이트 제공 - 통계 분석 직관화 및 자동화
데이터 캔버스	- 자연어로 데이터 디스커버리 확보 - 데이터 쿼리 자동화 및 시각화
SQL, Python 지원	- Gemini를 사용해 SQL 또는 Python 코드 생성 및 제안 - SQL 쿼리 생성 및 분석
인프라 최적화	- SQL 워크로드를 모니터링하여 파티셔닝, 클러스터링 처리 - VIEW 등을 통해 성능 향상 및 비용 절감 포인트 제안

아래 이미지와 같이 여러 Source 데이터 분석 및 시각화가 가능하며 Gemini와 자연어를 통해서 손쉽게 진행할 수 있습니다.

일반 기업에서 데이터 웨어하우스를 구축하고 운영하는 것은 기술적으로나 비용적으로 매우 힘든 일입니다. GCP를 사용하는 기업이라면 BigQuery로 데이터 웨어하우스를 구축해 효과적으로 데이터를 활용하여 가치를 창출할 수 있습니다. 빅테크만 할 수 있던 빅데이터 영역을 GCP를 활용하여 일반 기업도 사용할 수 있다는 점에서도 기술의 불균형을 완화할 수 있다고 생각합니다.

Database 개발 및 운영 - 나도 DB 전문가

“Supercharge database development and management with Gemini in Databases”

Database 관점에서는 아래 이미지 하나면 설명이 충분할 것 같습니다.

자연어로 원하는 데이터를 추출할 수 있는 쿼리를 생성해 주고 왜 그렇게 쿼리를 만들었는지 설명까지 해주고 있습니다. 이 정도면 쿼리를 모르는 사람도 바로 원하는 데이터를 추출할 수 있는 수준에 이르렀다고 할 수 있습니다.

Gemini는 Database 개발 및 운영 팀이 전문 기술을 습득할 필요 없이 데이터베이스 lifecycle 모든 단계에서 도움 되는 AI 기반 도우미 기능을 제공합니다. 단순히 쿼리뿐만 아니라 DB 설계부터 최적화까지 모두 Gemini를 통해서 제안받고 생성이 가능하도록 기능이 지원되고 있습니다. 물론 실제 현장에서는 기술을 습득할 필요가 없는 건 아니고 알면 당연히 더 잘 사용할 수 있다로 마무리했습니다.^^

* Database 주요 활용

서비스	역할	서비스 설명
Database Studio	개발자	- 간단한 자연어로 SQL 코드 생성 및 요약 - 애플리케이션을 더 빠르게 구축하고 배포
Database Insights	운영자	- AI의 효과적인 제안을 통해 성능을 쉽게 최적화
Database Center	플랫폼 엔지니어	- AI로 구축한 지능형 대시보드를 활용해 데이터베이스 관리 - 맞춤형 도구나 프로세스 없이 가용성, 데이터 보호, 보안 및 규정 준수 - 사전에 위험, 이슈 인지 및 대응
Database Migration Service	DBA	- 자동화된 데이터베이스 변환을 통해 데이터베이스 마이그레이션에 대한 신속한 처리

Database에 관해서는 구조나 구성 관점에서 어느 정도 정형화된 부분이 있기 때문에 확실하게 생산성이나 유지보수성, 안정성에서는 월등히 나아질 것으로 보입니다. 예시에서는 쿼리 업무에 대해서만 나와 있는데 DB 설계와 구축 그리고 운영 최적화까지 모두 Gemini의 지원을 받아서 DBA급 전문가가 아니더라도 운영이 가능할 수준이며, 점점 고도화될 것은 분명합니다.

Studio를 통한 빠른 구축과 배포, Insights와 Center를 통한 모니터링과 최적화, 그리고 그 힘들다던 마이그레이션까지 자동화로 처리된다면 GCP 위에서는 저도 전문가처럼 할 수 있을 것 같다는 자신감이 듭니다.^^

마치며

지금까지 Google Cloud Next 2024 주요 내용과 Gemini를 기반으로 한 Google Cloud 활용을 살펴보았습니다. 3줄 요약과 함께 서두에서 말씀드린 우리의 준비에 대한 제 의견을 전달하고자 합니다.

3줄 요약

위 내용을 3줄로 요약하자면 다음과 같습니다.

구글 클라우드는 AI로 승부를 걸었고 뒤처진 클라우드 시장에서 AWS를 따라잡을 수 있는 기반을 마련했다.

GCP를 사용하는 기업이라면 시스템 구성부터 운영까지 AI를 활용해 비약적인 생산성 향상을 기대할 수 있다.

마지막은 아래 남길 내용으로 그럼 우리는 무엇을 준비해야 할까요? 입니다.

GCP를 참관하면서 느낀 점은 아직 부족한 점은 많지만 AI를 사용한 기술의 발전은 비약적으로 발전했고 지금도 우리가 익히고 배우는 것보다 더 빠르게 발전하고 있다입니다. 서두에 말씀드린 약인공지능을 지나 인간을 뛰어넘는 강인공지능이 나올 일은 머지않았다고 생각하고 지금 글을 읽고 계신 개발자분들은 더욱더 이런 부분이 민감하게 다가오지 않을까 싶습니다.

우리의 준비

현재 소속해 있는 기술전략팀 팀장 앨빈이 작년에 깨어 있으라고 전달했던 동영상이 하나 있습니다. 내용 중에 1903년 헨리 포드가 근대적 개념의 자동차를 만들었을 때 록펠러는 이를 캐치하고 미국 전역에 주유소를 지어 막대한 부를 끌어 모았다는 내용이 있습니다. 당시 끌고 있는 포드사의 자동차가 AI이고, 주유소는 AI를 활용 또는 변화를 감지하여 가치를 창출한 그 무엇일 것입니다.

이번 글을 작성하면서 AI 활용까지 고려한 CSB(Cloud Service Broker) 컨설턴트 역량을 확보하면 나중에 잘 먹고살 수 있겠다는 생각을 했습니다. 기술전략팀의 일원으로서 의견을 하나 드리자면 이 글을 읽고 있는 우리는 록펠러 될 수 없을지 몰라도 록펠러와 같이 이미 AI 활용분야가 점점 넓어질 것이라는 것은 캐치하고 있습니다. 우리는 각자의 위치에서 변화를 받아들이고 AI를 어떻게 활용할지 고민하는 것이 중요하고, 더 나아가 고민에서 그치지 않고 AI 기술에 대해서 공부하고 준비해야 한다는 의견을 드리면서 글을 마치도록 하겠습니다.

2편은 결제플랫폼파티 dave가 자바 개발자를 위한 Google Cloud Serverless 주제로 포스팅할 예정이니 많은 관심 부탁드립니다.

감사합니다.