Google Cloud Blog 한국어 - TheNote.app

Google Cloud Blog 한국어
팔로우

cloud.google.com/blog은 Google Cloud의 공식 블로그입니다. Google Cloud의 제품 및 서비스에 대한 뉴스, 업데이트 및 통찰, 클라우드 컴퓨팅 산업의 트렌드 및 혁신을 제공합니다. 이 블로그는 Google Cloud 전문가, 엔지니어 및 사상가들이 작성한 기사로 구성되어 있습니다. 인공 지능, 머신 러닝, 데이터 분석, 보안 등 다양한 주제를 다루고 있습니다. 기사들은 기술 튜토리얼, 케이스 스터디 및 베스트 프랙티스도 포함하여 Google Cloud를 사용하거나 관심이 있는 개발자, IT 전문가 및 비즈니스 리더에게 귀중한 자원이 됩니다. 블로그는 주제, 제품 및 산업별로 분류되어 있습니다. 방문객은 최신 기사를 브라우징하거나 특정 주제를 검색하거나 블로그의 RSS 피드를 구독하여 최신 뉴스 및 업데이트를 최신 상태로 유지할 수 있습니다. 블로그의 주요 기능 중 일부는 다음과 같습니다. - Google Cloud 제품 및 서비스에 대한 심층 기사, 예를 들어 Google Cloud Platform, Google Cloud Storage 및 Google Cloud AI Platform - Google Cloud 서비스 사용에 대한 기술 튜토리얼 및 가이드 - Google Cloud 고객의 케이스 스터디 및 성공 사례 - 산업 트렌드 및 혁신에 대한 통찰 및 분석 - Google Cloud의 파트너쉽 및 협력에 대한 뉴스 및 업데이트 - Google Cloud 전문가 및 사상가와의 인터뷰 전반적으로 Google Cloud 블로그는 클라우드 컴퓨팅, 인공 지능 및 관련 기술에 관심이 있는 모든 사람에게 귀중한 자원이 됩니다.

Cloud Blog cloud.google.com

RSS cloudblog.withgoogle.com

Google Cloud Blog 한국어 RSS thenote.app

RSS Hunter • 2024년 8월 23일

노트 스레드

클라우드 CISO 관점: AI 시대에 보안 기본 원칙을 고수하기

AI 시대는 핵심 보안 기본 원칙에 대한 재집중을 필요로 하며, 적들은 AI를 활용하여 고급 공격을 감행하고 있습니다. Google Cloud의 CISO인 Chris Betz는 이것이 복원력과 취약성 사이의 주요 차별점이라고 강조합니다. AI는 공격자와 방어자 모두에게 혁신을 가속화하지만, 고도로 맞춤화되고 신속한 악의적인 행동을 가능하게 합니다. 적들은 AI 기반 멀웨어를 배포하고 딥페이크를 사용하여 신원 도용을 하고 있으며, 이는 섀도우 에이전트와 같은 새로운 위협으로 이어집니다. 이에 대한 방어는 다단계 인증 및 제로 트러스트 프레임워크를 포함한 기본적인 보안을 강화하기 위해 되돌아가는 것을 요구합니다. 이러한 빌딩 블록에 집중하는 것은 공격 표면을 줄이고 방어 AI에 대한 맥락을 제공합니다. AI는 취약점 관리의 발견을 자동화하고 코드 수정을 제안함으로써 취약점 관리를 혁신하고 방어가 빠르게 발전하도록 보장합니다. 위협 모델링 또한 AI의 이점을 얻으며, 이는 코드, 아키텍처 및 네트워크의 데이터를 통합하여 포괄적인 보기를 얻는 능력을 확장합니다. CISO는 전략적 비즈니스 리더로서 행동해야 하며, AI를 사용하여 방어를 강화하고 보안을 비즈니스 목표와 일치시켜야 합니다. 이 접근 방식은 조직이 AI의 복잡성을 탐색하고 성장을 추구함에 따라 조직을 보호하는 데 도움이 됩니다.

Cloud CISO Perspectives: Sticking to security fundamentals in the AI era cloud.google.com

RSS Hunter • 8월 21일

에이전트가 더 잘 위임하는 방법

효과적인 위임은 중요한 리더십 기술이며, 이제 엔터프라이즈 워크플로우에서 AI 에이전트에게 적용되고 있습니다. 멀티 에이전트 시스템은 복잡한 작업을 처리하는 데 이상적이며, AI 에이전트가 지능적인 위임자가 되도록 요구합니다. Google DeepMind의 연구는 위임을 협상, 계약 및 보안을 포함하는 지능적인 프로세스로 강조합니다. 효과적으로 작업을 위임할 수 있는 AI 에이전트를 구축하기 위한 네 가지 원칙이 등장합니다.첫 번째 원칙은 작업을 관리 가능하고 검증 가능한 조각으로 분해하는 "계약 우선 분해"를 통해 위임된 작업을 확인하는 것입니다. 이상적으로는 작업을 안정적으로 평가할 수 있지만, 주관적인 평가는 인간 전문가의 판단을 필요로 할 수 있습니다. 두 번째 원칙은 작업 복잡성을 적절한 AI 모델과 일치시켜 비용에 대해 현명하게 행동하는 것을 강조합니다. 간단한 작업은 비싸고 강력한 모델에 부담을 주어서는 안 되며, 복잡한 작업은 더 큰 능력을 요구합니다.세 번째 원칙인 민감한 데이터를 존중하는 것은 AI 에이전트가 경계와 권한을 준수하고 작업에 필요한 최소한의 액세스만 부여해야 함을 의미합니다. 제로 지식 증명과 같은 고급 암호화는 개인 데이터를 공개하지 않고도 작업을 확인할 수 있습니다. 네 번째 원칙인 무관심 영역을 경계하는 것은 AI 에이전트가 요청을 맹목적으로 준수하는 것을 경고합니다. 지능적인 위임은 정보를 검증하고 모호한 요청에 도전하기 위해 "동적 인지 마찰"을 필요로 합니다. 이는 위임 체인을 통해 미묘한 오류나 피해가 확산되는 것을 방지합니다. 궁극적으로 목표는 AI 에이전트를 조직에 원활하게 통합하여 인간 전문가와 함께 일하는 것입니다.

How agents can delegate better cloud.google.com

RSS Hunter • 8월 21일

기업 고객을 위한 구글 안티그래비티 확장

Google Antigravity가 이제 적격한 Gemini Enterprise 앱 구독에 통합되어, 향상된 개발자 액세스 및 엔터프라이즈 제어에 대한 고객 피드백을 해결합니다. 개발자는 이제 VS Code, Visual Studio, Jetbrains 및 Zed용 IDE 확장 프로그램, 데스크톱 앱 및 CLI를 포함한 다양한 환경에서 Antigravity를 활용할 수 있습니다. 엔터프라이즈 거버넌스 팀은 Gemini Enterprise 관리 콘솔에 통합된 내장 관리 기능, 보안 제어 및 라이선스 관리의 이점을 누릴 수 있습니다. 금융 팀은 선불 토큰이 유휴 상태로 남는 것을 방지하는 풀링된 사용량 할당량으로 유연성을 확보합니다.세분화된 지출 임계값 및 초과 사용 허용 옵션을 통해 관리자는 프로젝트 수준 예산 상한선을 설정하고 지속적인 개발자 워크플로우를 유지할 수 있습니다. 포괄적인 사용량 지표는 최적화를 위한 토큰 소비 및 개발자 활동에 대한 가시성을 제공합니다. 이 통합은 Antigravity가 구성 가능한 보안 정책, 중앙 감사 로깅 및 데이터 개인 정보 보호 준수를 포함한 Google Cloud의 표준 보안 및 규정 준수 보호 하에 작동하도록 보장합니다. ID 연동 및 애플리케이션 기본 자격 증명은 기술 팀의 설정을 단순화합니다.Accenture, AirAsia, CGI 및 Cognizant와 같은 고객은 이미 Gemini Enterprise에서 Antigravity를 활용하여 개발을 가속화하고, 작업을 자동화하며, 혁신적인 가치를 제공하고 있습니다. 이 플랫폼은 팀이 단순한 코드 생성을 넘어 복잡한 결과를 안전하고 책임감 있게 오케스트레이션할 수 있도록 지원합니다. Gemini Enterprise의 Antigravity는 오늘부터 적격한 Gemini Enterprise Standard, Plus 및 Standard Emerging Market 라이선스에 대해 사용할 수 있습니다. 관리자는 엔터프라이즈 설정 가이드를 통해 AI 개발자 도구를 활성화할 수 있으며, 개발자는 Antigravity 2.0, CLI 또는 IDE 확장을 사용하여 구축을 시작할 수 있습니다.

Expanding Google Antigravity for enterprise customers cloud.google.com

RSS Hunter • 8월 20일

Google은 2026 Gartner® Magic Quadrant™ for Cloud-Native Application Platforms의 리더입니다.

Google Cloud는 3년 연속 Gartner Magic Quadrant for Cloud-Native Application Platforms에서 리더로 인정받았습니다. 이러한 인정은 현대 워크로드를 위한 인프라 복잡성을 단순화하는 개발자 중심 플랫폼에 대한 Google의 노력을 강조합니다. 이 플랫폼은 서버리스, 컨테이너화, 에이전트 기반 배포 옵션을 지원하며, 기존 마이크로서비스와 고급 AI 애플리케이션 모두를 충족합니다. Google AI Studio와 같은 도구와 AI 에이전트 상호 작용을 위한 관리형 MCP 서버를 통해 생성형 AI가 통합되어 신속한 프로토타이핑을 가능하게 합니다. Google의 공식 Skills Repository는 에이전트의 사전 구축된 전문 지식을 제공하여 개발을 더욱 가속화합니다.프로토타입에서 프로덕션으로 전환하는 과정에서 Google Cloud는 애플리케이션 수명 주기 전반에 걸쳐 아키텍트 및 플랫폼 엔지니어를 위한 도구를 제공합니다. Antigravity harness는 개발을 통합하는 반면, Application Design Center는 표준화된 배포를 위한 구성 및 설계를 자동화합니다. 운영을 위해 Gemini Cloud Assist는 효율성을 위해 머신 러닝을 활용하여 AI 기반 인시던트 조사 및 비용 분석을 제공합니다. Cloud Run의 자동화된 교차 지역 장애 조치와 같은 기능을 통해 높은 가용성과 안정성이 보장됩니다.Google Cloud는 향상된 애플리케이션 이식성을 위해 Cloud Native Computing Foundation에 기여하는 오픈 소스 전략을 옹호합니다. 앞으로 이 플랫폼은 자율 AI 에이전트에 중점을 두고 클라우드 네이티브 애플리케이션의 미래를 구축하고 있습니다. 전용 인프라 스택은 에이전트 함대를 호스팅, 거버넌스 및 보안을 지원하며 Agent Development Kit 및 기타 프레임워크와 통합됩니다. Gemini Enterprise Agent Platform은 확장 가능한 에이전트 개발을 위한 네이티브 개인화, 관찰 가능성 및 시뮬레이션 도구를 제공합니다. Cloud Run은 또한 지속적인 인스턴스 및 보안 샌드박스와 같은 예정된 기능을 통해 에이전트 호스팅을 위한 유연한 대안을 제공합니다. 강력한 보안 및 거버넌스는 Agent Identity, Registry 및 Gateway를 통해 제공되어 AI 에이전트를 효과적으로 관리하고 보호합니다.

Google is a Leader in the 2026 Gartner® Magic Quadrant™ for Cloud-Native Application Platforms cloud.google.com

RSS Hunter • 8월 20일

AI 프로토타입을 프로덕션으로 전환하기 전에 모든 스타트업이 답해야 할 10가지 질문

Google Cloud에서 AI 기반 스타트업을 시작하는 것은 Google AI Studio 및 Gemini Enterprise Agent Platform과 같은 도구를 통해 간소화됩니다. 그러나 API 키 유출로 인한 예상치 못한 청구, 마이그레이션을 방해하는 IAM 복잡성, 요청 오류를 유발하는 할당량 제한과 같은 문제가 발생할 수 있습니다. 이를 완화하기 위해 스타트업은 전략 계획이 필요합니다.첫 번째 단계인 온보딩은 견고한 기반 구축에 중점을 둡니다. 신속한 프로토타이핑을 위한 Google AI Studio와 엔터프라이즈급 제어를 위한 Gemini Enterprise Agent Platform 중 하나를 선택하고 계획된 마이그레이션 전략을 수립하는 것이 중요합니다. Google Cloud 프로젝트를 효율적으로 설정하려면 템플릿 사용, 필요한 API 사전 활성화, AI 지원을 활용하여 최소 권한의 IAM 역할 부여가 포함됩니다. 인증의 경우, 로컬 개발에는 원시 API 키만 적합하며, 프로덕션 워크로드에는 최소 권한 역할이 있는 서비스 계정이 가장 좋습니다. AI Studio의 API 키에서 Agent Platform의 IAM 모델로의 마이그레이션은 여러 사용자가 API 액세스를 필요로 하거나, 상당한 비용이 발생하거나, 유료 고객이 온보딩될 때 발생해야 합니다.확장 단계는 과도한 비용 없이 처리량 증가를 해결합니다. HTTP 429 오류는 공유 할당량 제한 또는 전역 수요 급증으로 인해 발생하는 경우가 많으며, 해결 방법에는 지역 엔드포인트 고정 및 지수 백오프를 사용한 적절한 재시도 메커니즘 구현이 포함됩니다. 소비 모드를 이해하는 것이 중요합니다. 표준 종량제는 비용 효율적이지만 보장은 없으며, 우선 종량제는 프리미엄으로 더 빠른 액세스를 제공하고, 프로비저닝된 처리량은 용량을 보장하지만 선불이 필요합니다.

10 questions every startup should answer before moving to production with their AI prototype cloud.google.com

RSS Hunter • 8월 20일

AlloyDB ScaNN이 벡터 검색을 100억 개의 벡터로 확장하는 방법

엔터프라이즈급 에이전트 AI 애플리케이션은 수십억 개의 벡터로 확장 가능한 벡터 데이터베이스를 필요로 하며, 이는 현재 시스템이 종종 충족하지 못하는 과제입니다. PostgreSQL 호환 데이터베이스 서비스인 AlloyDB는 통합 분석 엔진을 통해 높은 가용성과 확장성을 제공하며 이러한 까다로운 워크로드를 위해 설계되었습니다. 주요 발전 사항은 새로운 4단계 트리 아키텍처를 통해 100억 개의 벡터를 효율적으로 처리하는 ScaNN 인덱스입니다. 이 혁신적인 설계는 계층적 파티셔닝을 사용하여 계산 강도를 크게 줄여 쿼리 중 검색 공간을 대폭 좁힙니다. 4단계 구조는 복잡성 O(N1/4)으로 최적의 순회 효율성을 달성하여 이전의 한계를 뛰어넘습니다. 또한, 이 아키텍처는 균형 잡힌 트리 구성과 최적화된 샘플링 프로세스를 통해 메모리 사용량을 향상시킵니다. 이러한 전략을 통해 AlloyDB ScaNN은 사용 가능한 메모리 용량을 초과하지 않고 대규모 데이터 세트를 관리할 수 있습니다. 성능 테스트에 따르면 AlloyDB는 ScaNN 인덱스를 사용하여 100억 개 이상의 벡터로 효과적으로 확장할 수 있습니다. 이 방대한 규모에서 51ms 미만의 p95 지연 시간과 95%의 재현율을 달성합니다. 이제 사용자는 퀵스타트 가이드와 30일 무료 평가판을 통해 이 4단계 트리 아키텍처를 경험할 수 있습니다.

How AlloyDB ScaNN scales vector search to 10 billion vectors cloud.google.com

RSS Hunter • 8월 20일

Cloud KMS에 양자 내성 키 가져오기 기능 발표

기업들은 멀티클라우드를 채택하면서 데이터 주권과 클라우드 워크로드 보호를 위해 Bring Your Own Key(BYOK)가 필수적이 되었습니다. 양자 컴퓨팅의 발전은 안전한 암호화 키 전송을 재평가하도록 요구합니다. Google Cloud KMS는 이제 소프트웨어 기반 암호화 키에 대한 양자 안전 키 가져오기 미리보기를 제공합니다. 이 새로운 BYOK 기능은 양자 후 암호화 마이그레이션의 첫 번째 단계입니다. 이는 암호학적으로 관련된 양자 컴퓨터가 등장하기 전에 민감한 키를 보호하는 데 도움이 됩니다. 이와 함께, Cloud KMS의 일반적으로 사용 가능한 PQC 인사이트는 양자 후 상태를 모니터링할 수 있도록 합니다. 기존의 키 가져오기 방법은 미래의 양자 컴퓨터에 의한 "지금 저장하고 나중에 복호화" 공격에 취약합니다. 양자 안전 키 가져오기는 처음부터 양자 내성 봉투로 키를 감싸 이러한 공격을 완화합니다. 새로운 전송 메커니즘은 클라이언트 측 래핑 및 서버 측 언래핑과 함께 하이브리드 공개 키 암호화(HPKE)를 사용합니다. 이 프로세스는 기존 Cloud KMS API 워크플로우에 통합되어 사용자 노력을 최소화하고 전송 중 데이터 보호 기능을 내장합니다.

Announcing quantum-safe key import in Cloud KMS cloud.google.com

RSS Hunter • 8월 20일

흐름에 따르기(들): 러시아의 관심 대상 개인을 겨냥하는 뚜렷한 클러스터

Google 위협 인텔리전스 그룹은 학계, 항공우주, 국방, 정부 및 싱크탱크를 표적으로 하는 5개의 의심스러운 러시아 사이버 스파이 그룹을 추적하고 있습니다. UNC6293, UNC7005, UNC5976을 포함한 이 그룹들은 피싱 및 합법적인 인증 흐름 남용과 같은 다양한 방법을 사용합니다. 주요 목표는 정교한 사회 공학을 통해 신뢰를 악용하여 사용자 계정을 침해하는 것입니다. 잠재적으로 ICE RELIC의 하위 클러스터인 UNC6293은 미국 국무부를 사칭하여 앱 비밀번호 피싱에 집중합니다. 이 클러스터는 러시아 비판 개인을 대상으로 특정 앱 비밀번호를 설정하거나 인증 코드를 공유하도록 유인합니다. ICE RELIC과 연관된 것으로 평가되는 UNC7005는 낮은 정교함과 낮은 운영 보안을 보입니다. Microsoft 및 WhatsApp 계정에 대한 앱 비밀번호 피싱 및 기기 코드 피싱을 수행합니다. UNC7005는 합법적인 행사 및 조직을 사칭하는 등 정교한 사회 공학을 사용합니다. 그들의 전술에는 탐지를 회피하기 위한 시스템 지문 채취 및 운영을 위장하려는 시도가 포함됩니다. WhatsApp 피싱에서 UNC7005는 사용자 계정을 공격자 제어 기기에 연결하는 것을 목표로 합니다. 이를 통해 오디오 및 비디오 녹화를 포함한 추가적인 침해가 가능해집니다. 캠페인은 다르지만 공통적인 것은 인증 프로세스의 남용입니다. GTIG는 대상이 이러한 악의적인 사회 공학 노력을 식별하는 데 도움이 되도록 인식을 높이고 있습니다.

Going with the Flow(s): Distinct Clusters Target Individuals of Interest to Russia cloud.google.com

RSS Hunter • 8월 20일

Google Cloud의 Lakehouse 런타임 카탈로그를 사용하여 Apache Hive를 현대화하는 방법

10년 이상 Apache Hive Metastore(HMS)는 Spark 및 Presto와 같은 쿼리 엔진의 스키마를 관리하며 빅데이터 분석의 중앙 권위 역할을 해왔습니다. 그러나 데이터 아키텍처가 확장되고 여러 쿼리 엔진에 걸쳐 사용됨에 따라 레거시 HMS 배포는 상당한 운영 병목 현상이 됩니다. 이러한 레거시 시스템은 관계형 데이터베이스에 의존하여 성능 문제를 야기하므로 아키텍처 확장성 문제에 어려움을 겪습니다. 또한 사일로화된 ID 및 보안 거버넌스를 생성하여 다양한 제어 평면 전반에 걸쳐 파편화된 정책이 필요합니다. 더욱이 독립형 HMS 인스턴스를 관리하고 튜닝하는 것은 상당한 운영 오버헤드와 총 소유 비용 증가로 이어집니다.Google Cloud의 서버리스 Lakehouse 런타임 카탈로그는 개방형 Apache Iceberg REST Catalog 사양을 기반으로 구축된 솔루션을 제공합니다. 이 카탈로그는 레거시 Hive/Parquet 및 Iceberg와 같은 최신 형식을 모두 지원하는 통합되고 고가용성 메타데이터 레지스트리입니다. 메타데이터 검색을 컴퓨팅 엔진과 분리하여 여러 엔진이 데이터를 복사하지 않고 액세스할 수 있도록 합니다. 이를 통해 여러 엔진 상호 운용성, 개방형 API 및 클라우드 스토리지의 기존 데이터를 직접 참조하는 제로 데이터 복사 마이그레이션이 가능합니다. AI 기반 거버넌스는 Cloud IAM과 통합되어 일관된 보안 및 신뢰할 수 있는 컨텍스트를 제공하며, 자격 증명 발급은 보안을 더욱 강화합니다.Lakehouse 런타임 카탈로그는 엔터프라이즈급으로 Google의 인프라에서 확장되며 장애 조치를 위한 고가용성을 제공합니다. 서버리스 특성은 운영상의 어려움과 총 소유 비용을 줄입니다. 제로 복사 마이그레이션 기능을 통해 레거시 Hive Metastores에서 Lakehouse 카탈로그로 직접 전환할 수 있습니다. Lakehouse로 현대화하면 거버넌스가 통합되고 에이전트에 대한 신뢰할 수 있는 컨텍스트가 제공되며 운영 비용이 절감되어 에이전트 규모의 작업을 위해 클라우드 환경을 준비합니다.

How to modernize Apache Hive using Google Cloud’s Lakehouse runtime catalog cloud.google.com

RSS Hunter • 8월 19일

Google Cloud에서의 서버리스 Apache Spark: 아키텍처 선택 및 AI 문제 해결

Google Cloud의 Managed Service for Apache Spark는 인프라 관리를 추상화하여 데이터 엔지니어링을 간소화합니다. 사용자는 예측 가능하고 높은 활용도를 보이는 워크로드의 경우 관리형 클러스터를 선택하거나, 간헐적인 작업의 경우 서버리스를 선택하여 유휴 비용을 피할 수 있습니다. 서버리스는 탐색을 위한 대화형 세션과 자동화를 위한 일괄 작업을 제공합니다. Google Cloud에서 Spark를 최적화하려면 드라이버 및 실행기에 대한 리소스 할당을 신중하게 선언해야 합니다. 명시적인 최대 실행기 설정을 통해 예산 초과를 방지하고, 데이터 크기에 따라 셔플 파티션을 관리하여 성능을 향상시킬 수 있습니다. 파이프라인이 실패할 경우 Gemini Cloud Assist는 콘솔과 통합되어 자연어를 사용하여 문제를 진단합니다. 일괄 작업 제출 시 누락된 매개변수를 식별할 수 있습니다. Gemini는 또한 스키마 또는 데이터 유형 불일치로 인해 오류를 유발하는 코드를 정확히 찾아내어 데이터 이상을 해결하는 데 도움을 줍니다. 엔지니어는 Gemini에 프롬프트를 제공하여 수정되고 복원력이 뛰어난 코드를 생성하도록 하여 문제 해결을 간소화할 수 있습니다.

Serverless Apache Spark on Google Cloud: Architecture Choices & AI Troubleshooting cloud.google.com

RSS Hunter • 8월 19일

Box가 Gemini Embeddings 2로 멀티모달 엔터프라이즈 에이전트를 잠금 해제하는 방법

엔터프라이즈 콘텐츠 관리는 전통적인 텍스트 기반 AI를 넘어 상당한 아키텍처 변혁을 겪고 있습니다. 기업들은 금융 모델 및 법률 문서와 같은 방대한 양의 중요 데이터를 Box에 저장합니다. 텍스트 기반 검색 및 RAG가 효과적이었지만, 새로운 에이전트 시대는 멀티모달 기능을 요구합니다. 이러한 진화는 시스템이 텍스트뿐만 아니라 공간 및 구조 데이터도 처리하고 이해할 수 있도록 합니다. Google Cloud와 Box는 Gemini Multimodal Embeddings 2를 기반으로 Box의 Agentic Platform에 고급 멀티모달 기능을 통합하고 있습니다. 이 통합은 Google Cloud의 AI 임베딩으로 Box의 플랫폼을 향상시킵니다.향상된 임베딩은 금융 테이블과 같은 복잡한 문서를 이해하는 데 중요한 시각 및 공간 기하학을 보존합니다. 이는 차트 및 순서도와 같은 시각적 요소를 조명하여 텍스트와 함께 검색할 수 있도록 합니다. 이 기술은 또한 PDF, 스프레드시트 및 프레젠테이션 전반에 걸쳐 통합된 이해를 위해 하이브리드 파일 형식을 연결합니다. Gemini Multimodal Embeddings 2는 텍스트, 이미지 및 문서 페이지에 대한 통합 벡터 공간을 생성합니다. 수동 태그 지정 없이 크로스모달 검색(텍스트-시각 및 시각-텍스트)을 가능하게 합니다. 이 시스템은 또한 시각적 계층 구조를 보존하는 레이아웃 인식 문서 임베딩을 지원하며 이기종 형식을 원활하게 연결합니다.이러한 Box 내 통합에서 멀티모달 엔터프라이즈 에이전트의 세 가지 핵심 패턴이 나타납니다. 첫 번째 패턴은 테이블과 차트의 구조적 정렬을 캡처하여 복잡한 금융 및 분석 보고를 처리합니다. 이를 통해 에이전트는 시각적 추세 분석 및 맥락적 소싱을 수행할 수 있습니다. 두 번째 패턴은 물리적 사진 및 병리학 슬라이드와 같은 다양한 데이터 형식을 합성하는 멀티모달 임상 의사 결정 지원에 중점을 둡니다. 이는 크로스모달 임상 합성, 세분화된 이상 식별 및 위험 인식 의사 결정 지원을 가능하게 합니다. 세 번째 패턴은 파편화된 엔터프라이즈 정보에 대한 크로스 문서 멀티모달 합성 및 데이터 조정 문제를 해결합니다. 이는 크로스 파일 합성, 충돌 해결 및 분산된 문서 전반에 걸친 시각-텍스트 감사로 이어집니다.에이전트 기반 엔터프라이즈 콘텐츠 관리의 미래는 기본 검색을 넘어 지능형 협업으로 나아가기 위해 이 통합에 달려 있습니다. Box의 플랫폼은 AI 에이전트를 위한 거버넌스되고 의미론적으로 인덱싱된 추론 계층을 제공하여 규정 준수 및 보안을 보장합니다. Box는 통찰력을 선제적으로 제시하고 불일치를 표시함으로써 비즈니스 위험을 완화하는 데 도움을 줍니다. 이러한 멀티모달 이해는 금융 서비스 및 생명 과학과 같은 산업에 매우 중요합니다. Box는 AI 기반 워크플로가 승인되고 감사 가능한 데이터를 사용하도록 보장하는 거버넌스된 콘텐츠 기반 역할을 합니다. 본질적으로 멀티모달인 엔터프라이즈 데이터 환경을 이해하는 능력은 생산성과 혁신의 새로운 시대를 열어줍니다.

How Box is unlocking multimodal enterprise agents with Gemini Embeddings 2 cloud.google.com

RSS Hunter • 8월 18일

난기류 없이 자동 조종 모드로 운영되는 거버넌스

데이터 자산이 변환되고 공유될 때 컬럼 의미나 PII 상태와 같은 데이터 컨텍스트가 손실되면 거버넌스 부채가 발생합니다. 기존 거버넌스 도구는 반응적이어서 설명 및 문서 업데이트에 종종 지연을 초래합니다. 거버넌스 에이전트 프로젝트는 기존 메타데이터를 다운스트림으로 선제적으로 전파함으로써 이러한 패러다임을 전환하는 것을 목표로 합니다. 데이터 출처를 추적하고 설명, 비즈니스 용어집 용어, 정책 태그 및 신뢰 점수를 전송하기 위해 컬럼 수준의 계보를 활용합니다. 이러한 자동화는 수동 문서화의 부담을 줄여 데이터 관리자가 더 높은 가치의 판단에 집중할 수 있도록 합니다. 에이전트는 직접적인 계보를 사용할 수 없을 때 외부 문서에서 컨텍스트를 수집할 수도 있습니다. 강력한 증거가 있을 때만 메타데이터를 적용하는 보수적인 접근 방식을 사용합니다. 계보 외에도 계보 데이터가 불완전할 때 관계와 의미를 추론하기 위해 AI 기반 스캔을 활용합니다. 이 프로젝트는 임시 검토를 위한 사용자 친화적인 대시보드와 자동화된 파이프라인 통합을 위한 CLI를 모두 제공합니다. 강력하지만, 시스템은 중요한 결정과 최종 승인을 위해 인간의 감독이 필요합니다. 목표는 반복적인 작업에서 가치 있는 의사 결정으로 노력을 전환하여 데이터 검색 가능성을 개선하고 AI 솔루션 개발을 가속화하는 것입니다.

Governance on autopilot, minus the turbulence cloud.google.com

RSS Hunter • 8월 18일

Google Dataflow에서 비용 효율적이고 처리량이 높은 Gen AI 워크플로우 구축

현대 기업은 지속적인 데이터 처리를 위해 실시간 스트리밍 파이프라인에 의존합니다. 전통적으로 이러한 파이프라인은 정적인 로직을 가졌지만, 생성형 AI 에이전트는 적응형 실행을 가능하게 합니다. 이를 통해 워크플로우는 데이터 콘텐츠를 기반으로 동적으로 계획을 구성하고 작업을 수행할 수 있습니다. 예를 들어, 화난 고객 메시지는 주문 조회, 시정 조치 및 고객 알림을 트리거할 수 있습니다. 그러나 생성형 AI 워크플로우를 대규모로 실행하는 것은 높은 지연 시간 및 비용과 같은 문제에 직면합니다. 제안된 솔루션은 Google Dataflow와 Agent Development Kit (ADK)를 결합하여 하이브리드 파이프라인을 생성하고 고용량 스트림을 효율적으로 처리합니다. 경량의 업스트림 모델이 이벤트를 필터링하여 복잡한 경우만 다운스트림 생성형 AI 에이전트로 라우팅합니다. 이 사전 필터링과 에이전트식 작업 패턴은 대부분의 루틴 이벤트를 포함하는 스트림에 보편적으로 적용 가능합니다. 예로는 IT 운영 로그 분류, 금융 사기 탐지 및 산업 IoT 모니터링이 있습니다. 이 아키텍처는 로컬 CPU 모델의 비용 및 속도와 생성형 AI 에이전트의 고급 기능을 활용합니다. 초기 필터링을 위해 CPU 바운드 모델을 사용함으로써, 적은 수의 이벤트만이 무거운 생성형 AI 모델 사용 비용을 발생시킵니다. 이 하이브리드 접근 방식은 비용을 크게 절감하고 높은 스트리밍 처리량을 유지합니다. Apache Beam 및 ADK와의 통합은 유지 관리 가능하고 깔끔한 코드를 보장합니다.

Building cost-effective, high-throughput gen AI workflows in Google Dataflow cloud.google.com

RSS Hunter • 8월 18일

금융 서비스에서 에이전트 AI를 활용한 운영 복원력 구축

운영 복원력은 금융 기관에 매우 중요하며, EU의 DORA와 같은 규정은 요구 사항을 더욱 엄격하게 만들고 있습니다. 기업은 핵심 서비스가 중단을 견디고 효과적으로 복구될 수 있음을 입증해야 합니다. 도이체방크는 구글 클라우드와 함께 AI 기반의 에이전트 복원력 플랫폼을 개발하여 이를 해결했습니다. 이 플랫폼은 수동적인 복원력 연습을 실제 운영 데이터를 사용하는 맥락 인식, 증거 기반 시뮬레이션으로 전환합니다. 다양한 소스에서 엔터프라이즈 컨텍스트를 구축하여 현실적인 시나리오와 규제 기관 준비 산출물을 생성합니다. 이중 오케스트레이션 아키텍처는 LangGraph를 사용한 추적 가능하고 결정론적인 규제 기관 정렬 실행과 Google ADK를 사용한 적응형 에이전트 기반 시나리오를 분리합니다. 이 접근 방식은 제어와 유연성을 모두 제공하여 연습 및 실제 이벤트에 대한 일관된 복원력 모델을 가능하게 합니다. 이 플랫폼은 Cloud Run, Gemini Enterprise Agent Platform, Google ADK 및 Cloud SQL과 같은 구글 클라우드 서비스를 활용합니다. 이러한 도구는 확장 가능하고 증거 준비된 복원력 테스트를 촉진하여 일관되고 감사 준비된 문서를 생성합니다. 이 모델은 실제 사고에서 얻은 통찰력으로 향후 테스트에 정보를 제공하여 향상된 복원력을 위한 지속적인 피드백 루프를 만듭니다. 도이체방크의 목표는 지능적이고 지속적으로 적응하는 복원력 모델을 통해 복잡한 시스템에 대한 규제 기대를 충족하는 것입니다.

Building operational resilience with agentic AI in financial services cloud.google.com

RSS Hunter • 8월 18일

에이전트 기반 소스 코드 검토를 통한 적대적 AI 대응

AI 기반 코드 분석으로 인한 데이터 도난 및 갈취 위험 증가로 인해 체계적인 방어 접근 방식이 필요합니다. Agentic Vulnerability Discovery Harness (AVDH)는 오케스트레이션된 파이프라인에서 AI 모델과 인간의 전문 지식을 결합하여 취약점 발견을 강화합니다. 이 프레임워크는 사전 검토, 침투 테스트 및 사고 대응 중에 취약점 식별 및 검증을 가속화합니다. AVDH는 실제 성공 사례를 보여주었으며, 최근 사고 대응 중에 이틀 만에 100개 이상의 치명적인 취약점을 발견했습니다. 수백만 줄의 코드를 분석하여 수만 개의 결과를 생성했으며 수많은 CVE 공개로 이어졌습니다. AVDH 아키텍처는 AI의 예측 불가능성을 완화하고 코드 분석 효과를 개선하는 하네스를 활용합니다. Google의 Agent Development Kit (ADK)를 사용하여 구축되었으며 에이전트 워크플로우 관리를 위해 Google Antigravity와 통합됩니다. 파이프라인은 위협 모델링으로 시작하여 폭포수 개발과 유사한 체계적이고 순차적인 접근 방식을 따릅니다. Explorer 에이전트가 코드베이스의 목적을 식별한 다음, Specialist Explorers가 특정 영역을 탐색합니다. Threat Model Synthesis 에이전트가 결과를 집계하고, 이는 검증을 위해 인간 컨설턴트에게 제시됩니다. Gemini Flash Lite를 사용하는 Entry point discovery 에이전트는 애플리케이션 진입점과 관련된 사용자 입력 소스를 식별합니다. Enrichment 에이전트는 격리된 진입점에 대한 관련 코드를 집계하여 더 깊은 분석을 가능하게 합니다. Hypothesis generation 에이전트는 제어 및 데이터 흐름에 중점을 두며, confidence filter가 가설의 양을 관리합니다. Validation 에이전트는 높은 temperature 설정을 사용하여 이러한 가설을 평가하며, Synthesis 에이전트가 최종 결정을 내립니다. 확인된 결과는 동적 악용 및 개념 증명 실행을 포함한 엄격한 인간 전문가 검토를 거칩니다. 인간 검증을 통과하지 못한 결과는 폐기됩니다.

Staying Ahead of Adversarial AI Through Agentic Source Code Review cloud.google.com

RSS Hunter • 8월 18일

신뢰할 수 있는 에이전트 워크로드를 위한 측정 기준을 사용한 BigQuery 그래프

자율 AI 에이전트가 원시 데이터 테이블을 다룰 때 기업은 부정확한 인사이트에 직면합니다. 전통적인 데이터 구조는 실제 의존성을 포착하지 못해 에이전트가 복잡한 관계를 이해하는 데 장애가 됩니다. BigQuery Graph는 조직이 데이터를 상호 연결된 비즈니스 개체로 표현할 수 있도록 하여 이를 해결합니다. 이 새로운 접근법은 에이전트가 이러한 관계를 더 정밀하게 추론할 수 있게 합니다.관계는 매우 중요합니다. 평면 테이블에 맹목적으로 의존하면 AI 에이전트가 다중 합 비즈니스 맥락을 이해하지 못하게 되기 때문입니다. 예를 들어, 상담원이 매출 감소를 보고했지만 관계 경로를 추적하지 못해 원인을 파악하지 못할 수 있습니다. 이로 인해 비용이 많이 들고 무관한 마케팅 캠페인과 운영 비효율성이 발생할 수 있습니다. 관계와 지표를 별도로 유지하는 것은 이러한 문제를 더욱 악화시켜 런타임 스티칭이 느리고 일관성이 없게 만듭니다.BigQuery Graph의 측정은 기존 테이블을 속성 그래프에 즉시 매핑할 수 있게 하여 관계 매핑과 메트릭을 통합하여 ETL의 필요성을 없애줍니다. 이 체계는 메타데이터를 기반으로 하고, 비즈니스 성과를 계산하며, 성능 변화의 원인을 밝혀냅니다. BigQuery Graph는 그래프 탐색 시 SQL 조인이 잘못된 집계를 초래했던 과거 문제를 네이티브로 해결합니다. 데이터 모델러는 이제 Property Graph DDL 내에서 측정치를 정의합니다.이 엔진은 표준 SQL과 AGG 집계기를 사용해 지표를 평가하기 전에 그래프 경로를 해석하여, 에이전트가 분석 도구를 지능적으로 결합하도록 보장합니다. BigQuery Studio 내의 시각적 그래프 모델러와 대화형 분석 통합 같은 도구들은 그래프 인텔리전스를 민주화합니다. 대화형 분석은 자연어 상호작용을 가능하게 하여 쿼리를 정밀한 그래프 인식 SQL로 변환합니다. 네이티브 루커 통합은 비즈니스 지표가 데이터 계층에 위치하도록 하여 통합된 의미론을 제공하고 조각화된 논리를 방지합니다. 이 통합은 데이터베이스 관리 또는 Looker 관리 모델을 가능하게 하여 Git 기반 버전 관리 및 CI/CD 워크플로우를 통해 일관된 KPI를 보장합니다.

Using BigQuery Graphs with measures for trusted agentic workloads cloud.google.com

RSS Hunter • 8월 13일

Database Migration Service의 Gemini를 사용하여 PostgreSQL 마이그레이션 가속화

상용 데이터베이스에서 PostgreSQL 또는 AlloyDB와 같은 관리형 서비스로 복잡한 애플리케이션을 마이그레이션할 때, 독점적인 저장 프로시저 및 함수로 인해 병목 현상이 발생하는 경우가 많습니다. 일반적으로 PL/SQL 또는 T-SQL을 포함하는 이 수동 번역 프로세스는 시간이 많이 소요되고 오류가 발생하기 쉬워 현대화 프로젝트를 지연시킬 수 있습니다. 최근 AI, 특히 Database Migration Service(DMS)에 통합된 Gemini의 발전은 이 "마지막 단계" 문제에 대한 해결책을 제공합니다. DMS는 생성형 AI를 사용하여 이러한 레거시 루틴을 PostgreSQL PL/pgSQL 코드로 자동 변환하여 프로세스를 크게 가속화하고 정확도를 향상시킵니다. 일반적인 AI 도구와 달리 DMS의 Gemini는 더 안정적인 변환을 위해 전체 데이터베이스 컨텍스트를 분석합니다. Google Cloud의 보안 환경 내에서 작동하여 독점적인 비즈니스 로직을 보존합니다. 이 서비스는 변환된 코드를 설명과 함께 나란히 검토, 편집 및 검증할 수 있는 통합 워크스페이스를 제공합니다. 이 AI 지원 접근 방식은 복잡한 로직을 몇 달 대신 며칠 만에 변환하여 마이그레이션을 간소화하고 팀이 애플리케이션 개발 및 성능에 집중할 수 있도록 합니다. 스키마 컨텍스트를 자동으로 가져오고 구문을 검증함으로써 DMS는 안정적인 코드 변환을 위한 구조화된 워크플로를 보장합니다. 이를 통해 데이터베이스 팀은 스테이징 또는 프로덕션 환경에 배포하기 전에 전체 제어권을 유지하고 변경 사항을 검증할 수 있습니다. Gemini를 사용하는 Database Migration Service는 더 빠르고 정확하며 안전한 데이터베이스 현대화를 지원합니다.

Accelerate PostgreSQL migrations using Gemini in Database Migration Service cloud.google.com

RSS Hunter • 8월 11일

Looker의 시맨틱 계층은 사용자 신뢰를 위해 Gemini Enterprise 데이터를 관리합니다.

조직은 구조화된 데이터와 비구조화된 데이터를 모두 처리하는 AI 에이전트에 어려움을 겪고 있습니다. LLM은 텍스트를 잘 처리하지만 데이터베이스에서는 약점을 보이며, NL2SQL 모델은 부정확한 쿼리를 생성할 수 있습니다. Gemini Enterprise는 통합 AI 인터페이스를 제공하며, 이제 Looker의 거버넌스된 시맨틱 레이어를 통해 신뢰할 수 있는 구조화된 데이터를 활용할 수 있습니다. 이 통합을 통해 Looker 분석가는 안전한 A2A 프로토콜을 통해 Gemini Enterprise에 직접 대화형 에이전트를 게시할 수 있습니다. 이를 통해 직원들은 실시간으로 자연어를 사용하여 거버넌스된 비즈니스 인텔리전스에 액세스할 수 있어 마찰을 줄이고 데이터 기반 문화를 조성합니다.Looker의 시맨틱 레이어는 데이터 쿼리에서 추측을 제거하고, 코드화된 컨텍스트를 제공하여 일관성 없는 지표와 AI 환각을 방지합니다. Gemini Enterprise 사용자가 비즈니스 KPI를 요청하면 Looker 에이전트는 버전 관리되는 비즈니스 로직을 기반으로 정확한 SQL을 생성하여 결정론적이고 예측 가능한 결과를 보장합니다. 이 통합은 강력한 거버넌스와 안전한 액세스를 우선시하며, 사용자 데이터를 수집하거나 저장하지 않는 제로 리스크 패스스루 아키텍처를 사용합니다. 데이터 액세스는 OAuth 권한 부여와 Looker의 기존 행 및 열 수준 액세스 정책을 통해 제어되어 엄격한 보안 격리를 유지합니다. 기술 기능에는 네이티브 차트를 통한 풍부한 시각적 상호 작용과 다른 에이전트와의 상호 운용성이 포함되어 복잡한 다중 에이전트 워크플로우를 가능하게 합니다. 강력한 ID 중심 인증 모델은 모든 쿼리가 사용자 수준에서 인증되도록 하여 기존 권한 구조를 시행합니다. 이 통합은 신뢰할 수 있는 데이터 분석, 시각화 및 데이터 스토리텔링을 사용자의 일상 작업 공간으로 직접 가져와 운영 지표를 생생하게 구현합니다.

Looker’s semantic layer governs Gemini Enterprise data for user trust cloud.google.com

RSS Hunter • 8월 11일

PQC in Plaintext: Google Cloud의 양자 후 암호화 로드맵

Google은 2029년까지 양자 후 암호화(PQC)로 완전히 전환하기 위해 Google Cloud 로드맵을 업데이트하고 있습니다. 이 전략은 '지금 저장하고 나중에 복호화하는' 위험 완화, 위조에 대한 무결성 보장, 암호화 민첩성 향상이라는 세 가지 핵심 영역에 중점을 둡니다. Google은 이미 내부 및 고객 대면 서비스를 PQC 알고리즘으로 전환하고 있습니다. 또한 Sovereign Cloud 이니셔티브 전반에 PQC 솔루션을 배포하고 AI 서비스에 통합하고 있습니다.이 회사는 2029년까지 PQC 준비를 완료하는 것을 목표로 하며, 진화하는 글로벌 표준에 맞춰 2030년대까지 노력을 확장할 것입니다. 2026년의 주요 마일스톤에는 양자 안전 API 엔드포인트 및 로드 밸런서, 양자 안전 인증서 실험이 포함됩니다. Cloud Key Management Service(KMS)는 이제 암호화 및 서명 키에 대해 NIST 표준화된 PQC 알고리즘을 지원합니다.2029년까지의 로드맵은 양자 컴퓨팅 영향에 가장 취약한 영역을 우선시하는 고객 중심 여정을 중심으로 구성됩니다. 도메인 1은 2027년까지 '지금 저장하고 나중에 복호화하는' 위험 완화를 목표로 하며, 고객 워크로드, 관리자 흐름 및 데이터 파이프라인을 보호합니다. 도메인 2는 무결성 및 부인 방지에 중점을 두고 소프트웨어 공급망을 보호하고 양자 안전 인증서를 발급하며 신원 및 액세스를 보호함으로써 2028년까지 완료를 목표로 합니다. 도메인 3은 표준화된 양자 안전 키, 하드웨어 기반 서비스 및 파트너 솔루션을 통해 2028년까지 완료를 목표로 기반 및 키 관리를 다룹니다. Google은 클라우드 인프라 전환을 관리하는 동안 고객이 자체 애플리케이션 및 데이터를 관리하는 양자 안전에 대한 공유 책임을 강조합니다.

PQC in Plaintext: Google Cloud’s post-quantum cryptography roadmap cloud.google.com

RSS Hunter • 8월 11일

아메리카 대륙의 연결성 확장: Alisios, Canoa, OlaLuz 해저 케이블 소개

Google은 아메리카 지역의 글로벌 네트워크 인프라를 3개의 새로운 해저 케이블 시스템인 Alisios, Canoa, OlaLuz를 통해 확장하고 있습니다. 이 케이블들은 Firmina 케이블의 연장선 및 기존 투자와 함께 Americas Connect라는 네트워크를 형성합니다. Alisios 케이블은 무역풍의 이름을 따서 도미니카 공화국, 파나마, 칠레를 연결할 것입니다. 카누를 뜻하는 타이노어인 Canoa는 도미니카 공화국을 버뮤다와 연결하여 유럽 및 북미와의 연결성을 강화할 것입니다. OlaLuz는 파도와 빛을 뜻하는 스페인어를 사용하여 도미니카 공화국을 플로리다와 직접 연결할 것입니다. Firmina 케이블의 새로운 지선도 도미니카 공화국에 상륙하여 도달 범위를 확장할 것입니다. Americas Connect는 다양한 지역에 걸쳐 연결 인프라의 도달 범위, 신뢰성 및 복원력을 개선하는 것을 목표로 합니다. 이 네트워크는 태평양에 중복 경로를 생성하고, 카리브해 연결을 상호 연결하며, 대서양을 미국 및 유럽의 Google Cloud 지역과 연결할 것입니다. 도미니카 공화국, 파나마, 버뮤다, 칠레의 정부 관계자들은 이러한 투자에 대한 열정을 표명했습니다. 이 새로운 해저 케이블은 디지털 연결성을 증진하고, 경제 성장을 촉진하며, 디지털 격차를 해소할 것으로 예상됩니다. Google은 이러한 전략적 확장을 통해 더욱 연결되고 개방적인 글로벌 클라우드 네트워크에 지속적으로 투자하고 있습니다.

Expanding connectivity in the Americas: Introducing Alisios, Canoa, and OlaLuz subsea cables cloud.google.com

RSS Hunter • 8월 11일

에이전트 기반 모바일 앱 개발을 위한 개발자 디바이스 플랫폼 소개

기업은 기기 기반 고객 상호 작용에 의존하므로 사용자 경험을 위해 로컬 앱 성능이 중요합니다. 수많은 기기에서 앱을 테스트하는 것은 필수적이지만 조달 비용, 복잡성 및 불안정한 테스트로 인해 어렵습니다. 이로 인해 개발자는 제한된 개인 기기 테스트에 의존하게 되어 광범위한 호환성을 위태롭게 합니다. Google Cloud는 이러한 문제를 해결하기 위해 Developer Device Platform(DDP)을 공개 미리 보기로 출시합니다. DDP는 Firebase Test Lab을 발전시킨 실제 물리적 기기 및 가상 에뮬레이터에 대한 관리형 클라우드 액세스를 제공합니다. 코딩, 테스트, 디버깅 및 최적화를 위해 선호하는 에이전트를 사용할 수 있도록 에이전트 기반 개발을 지원합니다. DDP의 Device Streaming API는 선택한 기기에서 앱에 원격으로 액세스하고 상호 작용하여 대화형 디버깅을 가능하게 합니다. Device Run API는 CI/CD 파이프라인 내에서 수백 개의 기기에 걸쳐 병렬 테스트를 촉진하여 문제를 식별하고 해결하는 데 도움을 줍니다. DDP는 에이전트 기능을 향상시켜 복잡한 여정을 실행하고 시각적 아티팩트를 식별하며 온디바이스 성능을 분석할 수 있도록 합니다. Android Studio 및 CLI와의 통합, 에이전트 기술은 개발 및 코드 최적화를 가속화할 것입니다. DDP는 효율적인 병렬 테스트 및 빠른 오류 해결을 위해 스마트 샤딩 및 자동 재시도를 지원합니다. 이 플랫폼은 공개 미리 보기 기간 동안 분당 요금 모델을 활용하여 모든 Google Cloud 사용자에게 제공됩니다.

Introducing the Developer Device Platform for agentic mobile app development cloud.google.com

RSS Hunter • 8월 10일

Google, The Forrester Wave™: AI Platforms, Q3 2026에서 리더로 선정

Google Cloud는 조직이 자신감을 가지고 에이전트 기반 워크플로우를 구축하고 배포할 수 있도록 지원합니다. 통합 AI 플랫폼은 연구와 유연성을 결합하여 비즈니스 가치를 제공합니다. Gemini Enterprise는 에이전트 기반 엔터프라이즈를 위한 도구를 통합하고 내장된 엔터프라이즈 신뢰를 제공하는 데 핵심적인 역할을 합니다. 이러한 접근 방식 덕분에 Google은 The Forrester Wave AI Platforms 보고서에서 전략 부문 최고 점수를 획득하며 리더로 선정되었습니다. Gemini Enterprise는 AI에 대한 통합 진입점 역할을 하여 사일로를 해소하고 비즈니스 사용자, 개발자 및 IT 리더를 공유된 컨텍스트로 연결합니다. Gemini Enterprise Agent Platform은 Gemini Enterprise 앱을 통해 전체 인력에 걸쳐 안전하고 보안이 강화된 비용 효율적인 에이전트 개발 및 배포를 가능하게 합니다. 데이터, 모델, 개발자 도구 및 IT 운영을 통합함으로써 Gemini Enterprise는 제어를 유지하면서 혁신을 지원합니다. 이 플랫폼은 다양한 빌더의 요구를 충족하며, 수많은 모델과 템플릿에 대한 액세스를 통해 하이코드, 로우코드 및 노코드 환경을 지원합니다. Gemini Enterprise는 본질적으로 멀티모달이며, 다양한 데이터 유형을 처리하고 생성하여 컨텍스트 기반 비즈니스 경험을 만듭니다. 신뢰가 가장 중요하므로 Agent Platform에는 기본적으로 엔터프라이즈급 거버넌스, 보안 및 관찰 기능이 포함됩니다. 내장된 가드레일, 지속적인 평가 및 실시간 추적은 에이전트 기반 워크플로우의 안전한 확장을 보장합니다. Knowledge Catalog와 같은 기능은 보편적인 컨텍스트 엔진을 구축하여 에이전트의 정확성을 향상시킵니다. Google은 Gemini Enterprise가 개발자가 자신감을 가지고 에이전트 기반 시스템을 구축하는 데 필요한 기반을 제공한다고 믿습니다.

Google named a Leader in The Forrester Wave™: AI Platforms, Q3 2026 cloud.google.com

RSS Hunter • 8월 10일

WPP가 AI 마케팅을 위해 플랫폼 및 데이터 엔지니어링을 운영하는 방법

WPP는 변동성이 큰 시장에서 고객에게 예측 가능한 확실성을 제공하기 위해 AI를 활용하여 마케팅 및 커뮤니케이션 서비스를 혁신하고 있습니다. 전통적으로 에이전시는 직관에 의존했지만, WPP는 이제 WPP Open이라는 AI 기반 시스템을 사용하여 시장 역학을 분석하고 있습니다. WPP의 파편화된 글로벌 마케팅 데이터는 AI 배포를 어렵고 불안정하게 만드는 상당한 엔지니어링 과제를 야기했습니다. 이를 해결하기 위해 WPP는 Google Cloud와 협력하여 통합된 데이터 백본과 맞춤형 플랫폼 엔지니어링 경로를 구축했습니다. 이 협업은 서버리스 컴퓨팅 패턴과 데이터 처리를 표준화하여 더 빠르고 안전한 마케팅 캠페인을 가능하게 했습니다.이 프로젝트는 중앙 집중식 서비스 기반 데이터 기반을 설계하고, 안전하고 공유된 Google Cloud Storage 및 BigQuery 프로젝트로 데이터를 통합하는 것을 포함했습니다. 세분화된 ID 및 액세스 관리 제어는 데이터 보안을 보장하며, Apache Spark용 관리형 서비스는 원시 데이터를 정리하고 표준화합니다. 이 서버리스 아키텍처는 Kubeflow와 결합하여 WPP가 인프라 오버헤드를 관리하지 않고 데이터 변환 논리에 집중할 수 있도록 했습니다. 그런 다음 플랫폼은 연령, 성별, 지역, 제품 및 관심사와 같은 주요 지표를 기반으로 원시 데이터를 표준화된 코호트 정의(SCD)로 변환합니다.이러한 SCD는 민감한 정보를 노출하지 않고 글로벌 데이터 집계를 가능하게 하며, 타입 안전한 Scala 프레임워크는 AI 애플리케이션에 대한 데이터 추적성과 규정 준수를 보장합니다. WPP는 또한 안전하고 효율적인 배포를 위해 재사용 가능한 GitLab CI/CD 템플릿을 사용하여 엔터프라이즈 소프트웨어 수명 주기를 표준화했습니다. 그들은 "한 번 빌드하고 여러 번 배포"하는 방법론을 채택하여 일관성을 위해 검증된 컨테이너 이미지를 프로덕션에 직접 배포했습니다. 통합된 보안 스캔 및 지능형 네트워킹 도구는 취약점 탐지를 자동화하고 네트워크 충돌을 해결하여 릴리스를 더욱 가속화합니다.지연 시간 및 오류율과 같은 세분화된 지표를 통해 운영 상태를 모니터링하는 것은 플랫폼 복원력과 고가용성을 보장합니다. 이러한 포괄적인 접근 방식은 WPP가 크리에이티브 및 전략 시간을 크게 단축하고, 생산 효율성을 높이며, 콘텐츠 볼륨을 늘리고, 캠페인 투자 수익률을 개선할 수 있도록 했습니다. Google Cloud를 통해 강력한 데이터 및 AI 기반을 구축함으로써 WPP는 상당한 비즈니스 영향을 달성하고 AI 기반 미래로의 전환을 가속화했습니다.

How WPP operationalizes platform and data engineering for AI marketing cloud.google.com

RSS Hunter • 8월 10일

GKE의 ClusterNetworkPolicy: 마이크로서비스의 제어와 자율성 균형 맞추기

다중 테넌트 Kubernetes 네트워크 보안 관리는 개발자의 통신 요구와 보안 팀의 규정 준수 요구 사이의 균형을 맞추는 것을 필요로 합니다. 표준 Kubernetes NetworkPolicy는 단일 네임스페이스에는 유용하지만, 네임스페이스 범위와 개발자 중심 설계로 인해 클러스터 전체 적용에 어려움을 겪습니다. ClusterNetworkPolicy(CNP)는 이러한 한계를 해결하기 위해 오픈 소스 표준으로 도입되었습니다. CNP는 관리자가 중앙 집중식 네트워크 보안 관리를 가능하게 하는 클러스터 전체 리소스입니다. CNP는 계층적 티어 시스템을 특징으로 합니다: 최우선 순위의 전역 규칙을 위한 관리자 티어, 네임스페이스별 개발자 정책을 위한 네트워크 정책 티어, 기본 클러스터 동작을 위한 기준선 티어입니다. 이 계층적 구조는 보안과 조직 역할을 일치시켜 보안 팀의 규정 준수 의무와 플랫폼 팀의 기본 거부(deny-all) 정책을 가능하게 합니다. 개발자는 핵심 보안 의무를 무시하지 않고 애플리케이션별 정책을 관리할 수 있습니다. 결정론적 평가는 정책 충돌을 해결하며, 관리자 티어는 네임스페이스 정책에 최종 결정을 위임하기 위한 명시적 Pass 동작이 가능합니다. 일반적인 사용 사례에는 민감한 워크로드 격리, 핵심 서비스 보호, 외부 나가는 트래픽 관리가 포함됩니다. CNP는 민감한 네임스페이스에 대한 액세스를 거부하면서 필수 서비스를 허용하는 것과 같은 복잡한 보안 요구 사항을 중앙 집중식 규칙으로 단순화합니다. ClusterNetworkPolicy API는 오픈 소스 표준으로, 환경 간 이식성을 보장합니다. GKE의 CNP 구현은 명확하고 결정론적인 정책 평가를 위한 네이티브 티어 선택을 제공합니다. 이는 워크로드 네트워크 보안을 통합된 클러스터 전체 거버넌스로 격상시킵니다.

ClusterNetworkPolicy in GKE: Balancing control and autonomy for your microservices cloud.google.com

RSS Hunter • 8월 10일

말라카이트가 관리형 실시간 AI로 리테일의 콜드 스타트 문제를 해결하는 방법

Malachyte는 신규 사용자에게 제품을 추천하는 과제를 해결하기 위해 AI 기반 플랫폼을 개발했습니다. 온라인 서비스에 필수적인 이러한 개인화는 대규모 언어 모델의 발전에 영감을 받았습니다. 이 회사는 Bigtable 및 Managed Service for Apache Kafka와 같은 Google Cloud 도구를 활용하여 고급 추천 알고리즘을 구축했습니다. Malachyte의 혁신은 LLM과 유사한 어텐션 메커니즘을 갖춘 신경망을 리테일 상호작용에 적용하는 것을 포함했습니다. 그들은 사이트 내 활동 시퀀스를 분석하여 사용자가 다음에 원하는 항목을 예측하고자 했습니다. 이 접근 방식은 모든 상호작용을 사용하여 사용자 프로필 벡터를 개선함으로써 "콜드 스타트" 문제를 해결합니다. 새로운 데이터가 추가됨에 따라 예측이 개선되고 전체 모델은 익명화된 사용자 정보의 이점을 얻습니다. Malachyte의 시스템은 사용자 프로필을 밀리초 단위로 업데이트하여 실시간 추천을 가능하게 합니다. 광범위한 과거 데이터를 요구하는 기존 방법과 달리 Malachyte는 더 나은 개인화와 개인 정보 보호를 위해 세션 상호작용에 중점을 둡니다. 이 멀티모달 시스템은 사용자 데이터를 인코딩하고 정확한 추천을 위해 제품을 동일한 벡터 공간에 임베딩합니다. Kafka를 통한 스트리밍 이벤트 및 빠른 조회를 위한 Bigtable을 포함한 Google Cloud의 실시간 AI 인프라는 신속한 업데이트 및 추천을 가능하게 합니다. 이 확장 가능한 아키텍처는 Malachyte가 효율적으로 개인화된 경험을 제공하는 능력에 필수적입니다.

How Malachyte solves retail’s cold-start problem with managed real-time AI cloud.google.com

RSS Hunter • 8월 10일

제로 코드, 저비용 데이터 수집: 새로운 BigQuery DTS 기능

디지털 경제에서 효율적인 데이터 관리는 매우 중요하지만, 많은 기업들이 복잡한 자체 ETL 파이프라인이나 신뢰할 수 없는 타사 도구로 어려움을 겪고 있습니다. BigQuery Data Transfer Service(DTS)는 완전 관리형 제로 코드 솔루션을 제공하여 BigQuery로의 데이터 수집을 자동화하고 팀이 파이프라인 유지 관리에서 벗어날 수 있도록 합니다. 이 서비스는 다양한 플랫폼에 걸쳐 데이터 사일로를 해결하기 위해 통합을 확장하고 있습니다. 새로운 기능에는 클라우드 스토리지에서 Apache Iceberg 테이블로 직접 수집하는 기능이 포함되어 BigQuery의 성능으로 멀티 클라우드 호환성을 지원합니다.차세대 에이전트 아키텍처를 통해 AI 애플리케이션은 데이터 전송을 프로그래밍 방식으로 검색하고 관리할 수 있습니다. DTS는 이제 Microsoft SQL Server, PostgreSQL, MySQL과 같은 엔터프라이즈 데이터베이스를 전체 및 증분 전송 모두에 대해 지원하여 데이터를 BigQuery로 통합합니다. Shopify, Klaviyo, HubSpot, Mailchimp와 같은 전자 상거래 및 마케팅 플랫폼도 세분화된 데이터 추출을 자동화하기 위해 통합되었습니다.Snowflake를 포함한 마이그레이션 커넥터는 원활한 데이터 이동 기능을 제공합니다. ServiceNow, Salesforce, Oracle과 같은 주요 커넥터는 네이티브 증분 업데이트로 강화되었습니다. BigQuery DTS는 많은 Google 및 기타 주요 소스에 대한 무료 수집과 타사 SaaS에 대한 낮은 사용량 기반 요금으로 비용 효율성을 제공합니다.보안은 추가 구성 없이 Column-Level Security 및 Customer-Managed Encryption Keys와 같은 BigQuery의 보안 기능을 자동으로 상속하여 간편합니다. 이 서비스는 월 >=99.99%의 가동 시간 SLA를 통해 업계 최고의 성능과 복원력을 자랑하며 안정적인 데이터 업데이트를 보장합니다. 기업은 BigQuery DTS를 사용하여 확장 가능한 데이터 스택을 구축하여 데이터 운영을 혁신할 수 있으며, 사용자 요구에 따라 새로운 커넥터가 지속적으로 개발되고 있습니다.

Zero-code, low-cost data ingestion: New BigQuery DTS capabilities cloud.google.com

RSS Hunter • 8월 7일

골! 텔레비사유니비전이 구글 클라우드로 FIFA 월드컵을 수백만 명에게 스트리밍한 방법

라이브 스포츠 방송은 수백만 명의 시청자와 밀리초 단위의 지연 시간을 처리하기 위한 강력한 디지털 인프라를 요구합니다. TelevisaUnivision은 2026 FIFA 월드컵 기간 동안 멕시코가 개최국으로서 팬 참여를 증폭시키면서 이러한 도전에 직면했습니다. 브랜드 평판은 중요한 순간들의 끊김 없는 스트리밍과 직접적으로 연결됩니다. 따라서 기술적 실행은 고객 신뢰를 유지하고 구독자 이탈을 방지하는 데 매우 중요합니다. TelevisaUnivision은 Google Cloud와 파트너십을 맺고 아키텍처와 고객 중심을 이유로 Media CDN을 선택했습니다. Media CDN의 분산 인프라는 ISP 내 깊숙한 엣지 캐싱과 직접적인 ISP 피어링을 통해 네트워크 혼잡을 우회합니다. 전용 용량 예약은 라이브 트래픽을 격리하고 피크 서지를 흡수할 수 있도록 보장했습니다. 세션 스토어를 Memorystore for Valkey 9.0으로 마이그레이션하여 필수 검사를 위한 밀리초 미만의 응답 시간을 달성했습니다. 기술 외에도 Google Cloud는 통합된 24/7 워룸 및 사전 예방적 모니터링을 갖춘 공동 엔지니어링 모델을 제공했습니다. 이러한 협력은 104개 경기에 걸쳐 100% 플랫폼 가용성을 달성하여 6억 7,500만 뷰를 제공했습니다. 이 파트너십은 로컬화된 엣지 전달, 빠른 컴퓨팅, 공동 운영 노력을 결합하여 대규모 라이브 스트리밍의 새로운 기준을 세웠습니다.

GOL! How TelevisaUnivision streamed the FIFA World Cup to millions with Google Cloud cloud.google.com

RSS Hunter • 8월 7일

Google Cloud가 신종 위협을 탐지, 격리 및 보호하는 방법

Google Cloud는 인프라, 도구 및 거버넌스를 통해 데이터 및 비즈니스 시스템 보안에 전념하고 있습니다. 고객에게 영향을 미치기 전에 위협을 사전에 식별하고 완화하는 공유 운명 모델을 사용합니다. 하이퍼스케일 클라우드 플랫폼은 파괴 또는 금전적 이득을 추구하는 악의적인 공격자에게 매력적인 표적이 됩니다. Google Cloud 보안 팀은 AI 워크로드 악용, 암호화폐 채굴 및 자격 증명 유출을 적극적으로 모니터링합니다. 또한 피싱 및 세션 쿠키 탈취와 같은 기술을 사용하여 계정 탈취를 방어합니다.이러한 위험을 완화하기 위해 Google Cloud는 비정상적인 트래픽에 대한 세분화된 격리 및 스로틀링 조치를 구현합니다. 복잡한 AI 워크로드에 대한 협업 트리아지 및 측면 이동을 방지하기 위한 로컬화된 ID 격리를 사용합니다. 최후의 수단으로 플랫폼 무결성이 심각하게 위협받는 경우 대상 프로젝트 중단이 시행됩니다. Google은 또한 저장소 호스트와 협력하여 노출된 자격 증명을 조기에 감지합니다.Cloud Abuse Event Logging은 보안 알림에 대한 가시성을 제공하여 투명성이 중요합니다. 중요한 남용이 감지되면 사전 지원 사례 및 남용 알림이 생성됩니다. Cloud Audit Logging 및 이상 지출 알림은 무단 활동을 식별하는 데 도움이 되며, 필수 연락처는 시기적절한 통신을 보장합니다. 고객은 다단계 인증 시행 및 서비스 계정 보안과 같은 조치를 통해 환경을 강화할 책임이 있습니다.최소 권한, 경계 방어 및 정기적인 리소스 위생 구현도 권장됩니다. Google은 비정상적인 사용 패턴을 감지하기 위해 플랫폼 상태를 지속적으로 모니터링합니다. 안전한 환경을 유지하는 것은 Google Cloud와 고객 모두의 헌신이 필요한 파트너십입니다. 강력한 액세스 제어 및 보안 모범 사례를 채택함으로써 함께 워크로드 보안 및 복원력을 보장할 수 있습니다.

How Google Cloud detects, contains, and protects against emerging threats cloud.google.com

RSS Hunter • 8월 7일

BQ Search 혁신을 통한 구조화 및 비구조화 데이터 인사이트 통합

기업들은 PDF, 오디오, 이미지와 같은 비정형 데이터를 관리하는 데 어려움을 겪고 있습니다. BigQuery는 이제 이러한 데이터에서 인사이트를 발굴하기 위한 간소화된 5단계 프레임워크를 제공합니다: 액세스, 처리, 그라운딩, 관계 설정, 활성화. 이 게시물은 "그라운딩" 단계를 향상시키는 세 가지 주요 마일스톤에 중점을 둡니다. 자율 임베딩 생성(Autonomous Embedding Generation)이 이제 정식 출시되어, 복잡한 파이프라인 없이 새로운 정보가 수집될 때 자동으로 데이터 임베딩을 생성합니다. 이 기능은 외부 및 네이티브 Gemma 임베딩 모델을 모두 지원하며, 이제 멀티모달 이미지 임베딩 기능도 포함합니다. BigQuery는 엔터프라이즈 규모의 처리를 관리하고 데이터를 자동으로 동기화하여 별도의 벡터 데이터베이스의 필요성을 제거합니다. AI.SEARCH의 정식 출시는 상당한 단일 쿼리 성능 향상으로 자연어 검색 성능을 개선합니다. 이 기능은 사용자가 검색 경로에 임베딩이 필요 없이 의미적으로 관련된 레코드를 쉽게 찾을 수 있도록 합니다. 성능 최적화는 상당한 속도 향상을 가져와 사용자 대면 검색을 더 빠르고 비용 효율적으로 가능하게 합니다. 하이브리드 검색(Hybrid Search)의 공개 미리 보기(Public Preview)는 키워드 및 벡터 검색 기능을 통합합니다. 이 접근 방식은 의미 검색의 개념적 이해와 어휘 일치의 정확한 일치를 결합합니다. 하이브리드 검색은 의미 관련성과 키워드 빈도를 모두 기반으로 결과를 재순위화하여 정확도를 높이고 LLM 환각을 줄입니다. 이러한 발전은 엔드투엔드 비정형 데이터 분석 플랫폼을 구축하려는 BigQuery의 더 넓은 비전의 일부입니다.

Unifying Structured and Unstructured Data Insights with BQ Search Innovations cloud.google.com

RSS Hunter • 8월 7일

당신의 에이전트적 여름: Google 전문가들의 무료 강의로 에이전트를 구축하고 확장하세요

개발 및 IT 리더십 분야의 많은 사람들이 AI 에이전트를 프로덕션에 배포할 실질적인 방법을 모색하고 있습니다. 제공된 정보는 AI 개념부터 완전 자율 에이전트까지 사용자를 안내하도록 설계된 포괄적인 프로그램을 통해 실질적인 솔루션을 제공합니다. 올여름, 개인은 Google의 프레임워크와 접근 방식을 활용하여 비용 없이 에이전트를 구축하고 확장할 수 있습니다. Gemini Enterprise Agent Ready(GEAR) 프로그램은 사용자에게 필요한 도구와 청사진을 제공하기 위한 랩과 코스를 제공합니다. 학습 경로는 AI 에이전트와 생산성에 미치는 영향에 대한 기초적인 소개를 포함합니다. 사용자는 적응형 에이전트를 위한 의사 결정 모델 및 실행 루프와 같은 에이전트 기본 사항을 자세히 살펴볼 것입니다. 커리큘럼은 또한 엔터프라이즈 에이전트 사용 사례, KPI에 에이전트 매핑, 다양한 코딩 프레임워크 활용을 다룹니다. Gemini Enterprise 애플리케이션 생성, 다중 에이전트 워크플로 오케스트레이션, Agent Development Kit를 사용한 AI 에이전트 엔지니어링 전문성을 검증하는 여러 기술 배지가 제공됩니다. 추가 모듈은 통화 도구 통합, 에이전트 메모리 및 상태 관리, 사용자 지정 에이전트 기술 생성, Google Cloud에서 에이전트 운영에 중점을 둡니다. 참가자는 All Things Agentic Hackathon에서 자신의 기술을 테스트하여 상당한 상을 놓고 경쟁할 수 있습니다. 이 프로그램은 수요가 많은 기술과 자격 증명을 구축하기 위해 즉각적인 참여를 장려하며, 다중 에이전트 시스템 및 엔터프라이즈 에이전트 보안을 위한 새로운 학습 경로를 제공합니다.

Your agentic summer: No-cost lessons from Google experts to build and scale agents cloud.google.com

RSS Hunter • 8월 6일

AI 시대의 디지털 주권: 통제와 혁신 사이에서 선택할 필요는 없습니다

기업과 정부는 엄격한 데이터 규정 준수 및 주권 요구 사항으로 인해 AI 도입에 어려움을 겪고 있으며, 종종 온프레미스 데이터 스토리지가 필요합니다. 이러한 조직은 해외 데이터 처리에 따른 지역적, 경제적, 지정학적 위험을 관리해야 합니다. 최근 설문 조사에 따르면 IT 리더의 거의 절반이 데이터 상주 및 현지 보안법을 지원하는 인프라를 우선시하는 것으로 나타났습니다. 과거에는 데이터를 온프레미스에 유지하는 것이 최신 AI 발전에 대한 접근을 포기하는 것을 의미했습니다. 그러나 온프레미스와 멀티 클라우드 솔루션을 결합한 하이브리드 클라우드 접근 방식의 채택이 이제 이 격차를 해소하고 있습니다. 이러한 하이브리드 전략을 통해 조직은 퍼블릭 클라우드의 강력함과 현지 주권 및 규정 준수 이점을 균형 있게 유지할 수 있습니다. 이는 이전에 엄격한 규칙을 가진 조직에게 어려웠던 데이터 위치 및 액세스 제어를 가능하게 합니다. 또한 자체 AI 시스템 구축은 이러한 조직에게 너무 느리고 비용이 많이 드는 것으로 간주되었습니다. Google Distributed Cloud(GDC)는 Google Cloud 기능을 온프레미스 또는 엣지 환경으로 가져와 솔루션을 제공합니다. GDC는 AI 워크로드 주권 요구 사항을 충족하기 위해 에어갭 및 연결된 배포 모델로 제공됩니다. 최적화된 인프라, 모델 선택 및 비용 효율적인 추론 서비스를 갖춘 완전한 온프레미스 AI 솔루션을 제공합니다. 이를 통해 조직은 완전한 데이터 제어를 유지하면서 안전한 AI 에이전트를 구축할 수 있습니다.

Digital sovereignty in the age of AI: You don’t have to choose between control and innovation cloud.google.com

RSS Hunter • 8월 6일

BigQuery와 함께하는 에이전트 미래 준비: 지속적인 가격-성능 개선, 제로 노력

현대 데이터 플랫폼은 특히 에이전트 워크로드가 증가함에 따라 쿼리 성능 튜닝 및 시스템 가격 대비 성능에 대한 과제에 직면해 있습니다. 데이터의 양, 다양성, 속도가 증가하고 에이전트에 의해 쿼리가 자동으로 생성됨에 따라 수동 쿼리 최적화는 비현실적이 되고 있습니다. BigQuery는 에이전트 AI 시대의 주요 엔진으로 발전했으며, 자율 쿼리 처리에 중점을 두고 있습니다. 분산된 스토리지 및 컴퓨팅 아키텍처, 서버리스 처리, 세분화된 컴퓨팅 관리는 최적의 가격 대비 성능에 기여합니다. 주요 혁신에는 과거 쿼리 실행으로부터 학습하여 사용자 개입 없이 유익한 최적화를 자동으로 적용하는 History-Based Optimizations(HBO)을 갖춘 Self-Learning Engine이 포함됩니다. 이 시스템은 회귀를 방지하기 위한 안전 가드레일을 포함하며, 성능을 개선하지 않는 최적화를 거부합니다. 고급 런타임은 벡터화를 향상시키고 짧은 쿼리 최적화를 구현하여 적격 쿼리를 가속화하고 슬롯 사용량을 줄입니다. 이러한 개선 사항은 개방형 레이크하우스 아키텍처를 포함한 다양한 데이터 형식에 걸쳐 일관되게 적용됩니다. 유연한 스케일링은 자동 스케일링을 향상시켜 컴퓨팅 리소스에 대한 초당 요금 청구를 가능하게 하고 비용을 절감합니다. 이러한 자율 기능은 AI 에이전트가 인간 사용자보다 훨씬 높은 쿼리 지연 시간과 동시성을 요구하므로 데이터 플랫폼의 미래에 중요합니다. BigQuery의 목표는 쿼리를 자동으로 안전하게 최적화하여 사용자가 수동 인프라 관리 및 쿼리 최적화 대신 더 나은 경험을 제공하는 데 집중할 수 있도록 하는 것입니다.

Agentic Future Ready With BigQuery: Continually Improving Price-Performance, Zero Effort cloud.google.com

RSS Hunter • 8월 6일

프라이버시 우선 AI로 뇌종양 연구를 발전시키다

의학과 인공지능의 교차점은 수많은 혁신을 이끌어냈지만, 개발자들은 이제 환자 개인 정보를 보호하면서 다양한 실제 환자 데이터를 통해 테스트 및 평가된 견고한 의료 AI 도구를 구축하는 과제에 직면해 있습니다. 이 문제를 해결하기 위해 Google Cloud는 MLCommons와 협력하여 MedPerf 이니셔티브를 통해 AI 모델 벤치마킹을 위한 안전한 환경을 구축하는 데 기밀 컴퓨팅을 사용하고 있습니다. 2023년에 MLCommons가 시작한 MedPerf 이니셔티브는 연합 평가를 사용하여 모델을 테스트함으로써 의료 AI 평가를 표준화하는 것을 목표로 합니다. Google Cloud Confidential Space를 활용함으로써 독점 AI 모델은 하드웨어 격리된 신뢰 실행 환경 내에서 평가될 수 있으며, 관련된 어떤 당사자도 모델 코드나 환자 데이터를 볼 수 없도록 보장합니다. Confidential VM은 CPU를 넘어 GPU까지 확장되어 GPU 가속 추론 중에 모델 가중치와 환자 데이터를 보호합니다. MedPerf 플랫폼은 이미 전 세계의 개인 뇌 MRI 데이터에 대한 AI 모델을 검증하여 뇌종양 연구를 개선하는 데 노력하는 연합 종양 분할 이니셔티브와 같은 중요한 연구를 주도하고 있습니다. 이러한 협력적 접근 방식은 AI 도구가 진정으로 대표적인 환자 집단 전체에서 작동함을 입증할 수 있으며, 임상적 신뢰와 검증을 달성할 수 있음을 보여줍니다. 이 협력의 영향은 상당하며, 연구원과 임상의는 Google Cloud가 제공하는 안전하고 확장 가능하며 협력적인 클라우드 환경을 칭찬하고 있습니다. 의료 AI의 미래는 엄청난 가능성을 가지고 있지만, 임상의, 연구원 및 규제 기관이 이를 평가하는 데 사용되는 벤치마크를 신뢰할 수 있을 때만 실현될 수 있습니다. MLCommons와 Google Cloud 간의 협력은 데이터와 모델을 안전하게 공유하고 평가하는 것을 더 쉽게 만듦으로써 더 빠르고 안전하며 공평한 의료 발전을 위한 길을 열고 있습니다.

Advancing brain tumor research with privacy-first AI cloud.google.com

RSS Hunter • 8월 6일

UNC6671 리브랜딩: 금융 서비스 및 엔터프라이즈 클라우드 환경을 겨냥한 다중 브랜드 보이스 피싱 갈취

Google 위협 인텔리전스 그룹은 BlackFile 브랜드의 은퇴가 주장되었음에도 불구하고 데이터 절도 및 갈취 작전을 계속 수행하는 위협 행위자 그룹인 UNC6671을 추적하고 있습니다. UNC6671은 Redact, Pink, Helix, Falcon을 포함한 여러 갈취 전선으로 활동을 다각화했습니다. 이들은 IT 헬프데스크 직원을 사칭하기 위해 음성 피싱(보이스 피싱)을 사용하여 개인 모바일 장치를 통해 직원을 표적으로 삼습니다. 이러한 통화는 피해자를 위조된 로그인 포털로 유도하며, 여기서 Adversary-in-the-Middle(AiTM) 인프라가 자격 증명과 다단계 인증 토큰을 가로챕니다. 액세스가 확보되면 자동화된 스크립트를 사용하여 Microsoft 365 및 Okta와 같은 클라우드 환경에서 데이터를 유출합니다. 분석 결과 이러한 다양한 갈취 브랜드들을 연결하는 중복된 인프라와 피싱 템플릿이 드러났으며, 이는 공통된 운영 스레드를 시사합니다. UNC6671의 표적화는 진화하여 최근에는 금융 서비스, 사모 펀드 및 전문 서비스 회사에 집중하고 있습니다. 새로운 기술에는 피싱을 위한 패스키 명분을 사용하고 지속성을 유지하고 증거를 삭제하기 위해 방어 회피 전술을 사용하는 것이 포함됩니다. BlackFile의 폐쇄가 예상되었음에도 불구하고 상당한 금액이 거래되는 등 랜섬 지급이 계속 관찰되고 있습니다. 조직은 이러한 위협을 완화하기 위해 피싱 방지 다단계 인증을 시행하는 것이 좋습니다.

UNC6671 Rebrands: Multi-Brand Vishing Extortion Targets Financial Services and Enterprise Cloud Environments cloud.google.com

RSS Hunter • 8월 6일

Mirendil, 사전 및 사후 훈련 애플리케이션을 위해 AI 슈퍼컴퓨터 TPU 및 GPU 활용

대부분의 주요 AI 연구소와 고성장 AI 스타트업에게 Google Cloud 인프라는 선호되는 플랫폼입니다. 이들 조직은 모델 학습, 추론 및 최첨단 연구를 위해 이를 활용합니다. 새로운 개척지 AI 연구소인 Mirendil도 이제 Google Cloud의 AI Hypercomputer를 활용하고 있습니다. 이는 Google의 TPU AI 가속기와 NVIDIA의 AI 인프라를 조합하여 사용할 것입니다. 이 특화된 설정은 Mirendil의 모델 사전 학습 및 사후 학습 애플리케이션을 지원하도록 설계되었습니다. Mirendil은 AI 연구 개발을 가속화하고 민주화하는 AI 시스템을 개발하는 것을 목표로 합니다. 그들의 작업에는 복잡한 학습 워크플로우 관리와 대규모 강화 학습 지원이 포함됩니다. Google Cloud에서 TPU와 NVIDIA의 플랫폼을 모두 선택할 수 있는 유연성은 Mirendil에게 컴퓨팅 리소스에 대한 신속한 액세스를 제공합니다. 이를 통해 시간이 지남에 따라 워크로드에 가장 적합한 아키텍처를 매칭할 수 있습니다. Google Cloud는 이 통합 인프라의 설계 및 배포에 Mirendil과 긴밀하게 협력했습니다. 또한 Gemini Enterprise Agent Platform 내의 관리형 학습 클러스터를 사용하는 시스템에 대해서도 협력했습니다. Mirendil은 이미 TPU v5P 칩을 사용하고 있으며 곧 NVIDIA 가속 컴퓨팅 시스템을 통합할 예정입니다. 이러한 확장은 Mirendil이 AI 시스템을 확장하고 향상시킬 수 있도록 합니다. 그들은 고급 AI 연구 기능을 더 많은 과학자와 엔지니어의 손에 쥐여주는 것을 목표로 합니다.

Mirendil taps AI Hypercomputer TPUs and GPUs for pre- and post-training applications cloud.google.com

RSS Hunter • 8월 6일

"노이즈 이웃" 해결하기: 샤드 아키텍처가 멀티 테넌트 플랫폼을 보호하는 방법

SaaS 제공업체 및 기업에서 사용하는 것과 같은 공유 인프라 환경은 "노이즈 이웃" 문제에 취약합니다. 단일 테넌트의 집중적인 데이터 활동이나 실패한 데이터베이스는 모든 사용자에게 성능 저하를 유발하여 백로그 및 SLA 위반으로 이어질 수 있습니다. 모든 데이터가 단일 스트림을 통해 흐르는 레거시 모놀리식 아키텍처는 이 문제를 악화시킵니다. 이는 하나의 데이터베이스 장애가 모든 처리를 중단시킬 수 있음을 의미하며, 최악의 시나리오에 대한 비효율적인 확장이 필요합니다. 한 테넌트의 높은 볼륨이 전체 시스템에 영향을 미칠 때 안정적인 SLA를 유지하는 것은 거의 불가능해집니다.해결책은 샤딩된 허브 앤 스포크 아키텍처로, 처리를 라우팅을 위한 중앙 허브와 실행을 위한 격리된 스포크로 분리합니다. 경량 Dataflow 작업인 허브는 트래픽 컨트롤러 역할을 하여 테넌트 ID를 파싱하고 데이터를 격리된 버퍼로 분산시킵니다. 내구성 있는 Pub/Sub 토픽으로 구현된 이러한 버퍼는 느린 다운스트림 싱크가 원본 소스에 영향을 미치는 것을 방지합니다. 스포크는 고우선순위, 공유 티어 또는 도메인별 파이프라인과 같은 워크로드별로 분류된 여러 개의 작은 Dataflow 인스턴스로 구성됩니다. 이러한 격리는 실패의 파급 효과를 100%에서 5% 미만으로 크게 줄입니다. 또한 모놀리식 시스템의 비효율적인 최악의 시나리오 확장과 달리 테넌트 부하에 따라 독립적인 확장을 허용합니다. 한 도메인에 대한 업데이트가 다른 도메인에 반드시 영향을 미치지 않으므로 유지 관리가 더 안전해집니다. Dead Letter Queue, 엄격한 연결 풀링 및 비동기 I/O와 같은 추가 최적화는 안정성을 더욱 향상시키고 파이프라인 중단을 방지합니다. 이 샤딩된 접근 방식을 채택함으로써 플랫폼은 노이즈 이웃 위협을 제거하고 엄격한 SLA를 보장하며 더 안전한 배포를 가능하게 할 수 있습니다.

Solving the "Noisy Neighbor": How Sharded Architecture Protects Multi-Tenant Platforms cloud.google.com

RSS Hunter • 8월 5일

에이전트 AI 확장: UiPath가 AI 하이퍼컴퓨터 기반의 고성능 GPU 플랫폼을 구축한 방법

UiPath는 복잡한 비즈니스 프로세스를 조정하기 위해 추론하고 의사 결정을 내리는 자율 에이전트를 배포하며 에이전트 AI로 전환하고 있습니다. 이러한 전환은 특히 대기업의 경우 상당한 컴퓨팅 성능과 안정적인 인프라를 필요로 합니다. 수백 개의 GPU를 효율적으로 조정하는 것은 비용이나 지연 시간을 늘리지 않고 학습과 추론의 균형을 맞추는 글로벌 AI 플랫폼에 매우 중요합니다. UiPath는 Google Cloud에서 인프라를 재설계하여 지능형 문서 처리를 위해 공유 GPU 플릿으로 전환했습니다. 이제 학습에는 A3 VM 인스턴스를, 추론에는 G4 VM 인스턴스를 사용하여 급증하는 워크로드를 처리하고 예측 가능한 비용을 보장합니다. Google Cloud와의 파트너십은 UiPath의 야심찬 에이전트 AI 이니셔티브에 필요한 확장성, 유연성 및 전문 AI 기능을 제공합니다. 온디맨드로 GPU를 프로비저닝하는 회사의 이전 접근 방식은 급증하는 워크로드, 고급 칩의 공급 병목 현상 및 운영 오버헤드로 인해 관리 불가능해졌습니다. GPU를 공유 전략 리소스로 취급함으로써 UiPath의 ML Services 플랫폼은 작업을 우선순위 지정하고 워크플로 전반의 수요를 조정하여 활용도를 최적화합니다. 하드웨어, 소프트웨어 및 유연한 소비 모델을 통합하는 Google Cloud의 AI Hypercomputer 아키텍처는 UiPath의 성장하는 규모를 더욱 지원합니다. UiPath는 Google Kubernetes Engine과 Google Cloud의 Dynamic Workload Scheduler(DWS)를 활용하여 GPU 용량을 미리 확보하여 사전 계획을 가능하게 했습니다. 이제 학습에는 A3 VM 인스턴스를, 추론에는 비용 효율적인 G4 VM 인스턴스를 사용하여 성능과 가격을 최적화합니다. 이 새로운 인프라를 통해 UiPath는 Omega Healthcare 및 Thermo Fisher Scientific에서 사용하는 것과 같은 고급 모델을 프로덕션에 적용하여 놀라운 정확도와 처리 효율성을 달성할 수 있습니다. 주요 학습 내용은 용량 분리, 컴퓨팅 미리 예약, 다양한 워크로드에 대한 실리콘 크기 조정입니다.

Scaling agentic AI: How UiPath built its high-performance GPU platform on AI Hypercomputer cloud.google.com

RSS Hunter • 8월 5일

공유 스토리지의 미래를 열다: Colossus 기반 Filestore

Google Cloud의 확장 가능한 NFS 파일 서비스인 Filestore가 Colossus 기반의 클라우드 네이티브 백엔드 스토리지 계층을 통합하여 상당한 개선을 이루었습니다. 이 업그레이드를 통해 Filestore는 Google의 가장 큰 글로벌 서비스를 지원하는 동일한 기반 분산 스토리지 시스템을 활용할 수 있게 되었습니다. 이 통합은 AI 및 에이전트 워크플로우를 포함한 까다로운 최신 워크로드에 대한 유연성과 확장성을 높여줍니다. 주요 이점은 스토리지 용량과 성능을 분리하여 IOPS를 워크로드 요구 사항에 정확하게 맞추도록 독립적으로 프로비저닝할 수 있다는 것입니다. 이러한 분리된 확장은 컨테이너화된 환경에 특히 유리하며, Filestore CSI 드라이버를 통해 GKE 워크로드에 대한 영구적이고 고성능 스토리지를 제공합니다. GKE용 Filestore 멀티셰어는 인스턴스를 프로젝트별 요구 사항에 맞게 더 작은 공유로 분할하여 리소스 활용도를 더욱 최적화합니다. 이 새로운 아키텍처는 공유 데이터 액세스가 필수적인 AI 에이전트 스웜을 위한 고동시성 워크스페이스와 같은 중요한 사용 사례를 가능하게 합니다. Colossus로 지원되는 Filestore의 NFS 프로토콜은 NFS 파일 잠금을 통해 일관된 파일 시스템 액세스와 엄격한 데이터 일관성을 갖춘 수백만 개의 에이전트를 지원합니다. 운영 측면에서 이 개선 사항은 실시간 IOPS 확장 및 더 빠른 장애 복구를 통해 민첩성을 향상시킵니다. 또한 Google Cloud IAM 및 IP 액세스 제어 목록과의 긴밀한 통합을 통해 보안이 강화되었습니다. 이 업데이트는 Filestore가 AI 시대의 데이터 워크플로우의 진화하는 요구 사항을 충족할 수 있도록 유연성과 비용 효율성을 제공합니다.

Unlocking the future of shared storage: Filestore on Colossus cloud.google.com

RSS Hunter • 8월 5일

다중 결과 집합: 데이터베이스 마이그레이션 서비스가 SQL 서버에서 PostgreSQL 변환을 자동화하는 방법

SQL Server에서 PostgreSQL로 다중 결과 저장 프로시저를 마이그레이션하는 것은 아키텍처 차이로 인해 상당한 어려움을 제시합니다. SQL Server는 네이티브로 여러 결과 집합을 스트리밍하는 반면, PostgreSQL은 명시적인 커서 관리가 필요합니다. 수백 개의 프로시저를 수동으로 다시 작성하는 것은 비현실적이므로 Google Cloud의 Database Migration Service(DMS)와 같은 자동화 도구가 필수적입니다. DMS는 프로시저를 분석하여 단일 또는 다중 결과 집합을 반환하는지, 스칼라 반환 값이 있는지 여부를 결정합니다. 단일 결과 집합 또는 스칼라 반환의 경우 INOUT refcursor를 가진 PostgreSQL PROCEDURE를 생성합니다. 다중 결과 집합 또는 조합은 SETOF refcursor를 반환하는 PostgreSQL FUNCTION으로 변환됩니다. 스칼라 반환 값은 별도의 "return_value" 커서로 추가됩니다. 마이그레이션된 코드를 테스트하려면 트랜잭션 블록 내에서 실행하고 각 커서에서 순차적으로 데이터를 가져와야 합니다. DMS는 결과 집합 수를 정확하게 결정하기 위해 정교한 사전 처리 메커니즘과 깊이 우선 탐색을 사용한 방향 그래프 분석을 사용합니다. 이 자동화된 접근 방식은 핵심 로직을 보존하면서 애플리케이션 통합 및 QA를 위한 출력 처리를 조정합니다. DMS의 변환 전략을 이해하는 것은 PostgreSQL에서의 원활한 Day-Two 운영에 중요합니다.

Multiple result sets: How Database Migration Service automates SQL server to PostgreSQL translation cloud.google.com

RSS Hunter • 8월 4일

데이터베이스 운영 에이전트 소개: 자율 데이터베이스 관리의 미래

Google Cloud는 데이터베이스 관리를 간소화하기 위해 두 가지 AI 기반 데이터베이스 에이전트를 출시했습니다. 데이터베이스 온보딩 에이전트는 자연어로 설명된 사용자 요구 사항에 따라 적합한 데이터베이스 서비스를 추천하여 초기 설정, 구성 및 배포를 지원합니다. 지속적인 운영을 위해 데이터베이스 관찰 에이전트는 데이터베이스를 모니터링, 문제 해결 및 유지 관리합니다. 이러한 에이전트는 IDE와 같은 다양한 Google Cloud 표면 및 타사 도구에 통합되어 필요할 때 필요한 곳에서 지원을 제공합니다. 전통적으로 데이터베이스 관리는 상당한 문제 해결 시간을 포함하는 복잡하고 수동적이며 기술 집약적인 프로세스였습니다. 새로운 에이전트는 쿼리 최적화 및 이상 감지와 같은 작업을 자동화하여 운영 오버헤드를 줄이고 효율성을 향상시킵니다. 관찰 에이전트는 여러 소스의 데이터를 분석하여 근본 원인 분석을 제공하고 검증된 수정 조치를 제안하거나 실행하여 복잡한 문제를 해결하는 데 도움이 됩니다. Cloud Monitoring 및 Cloud Logging과 같은 서비스의 원격 측정을 상관시켜 플릿 수준 문제 해결 및 제품 내 조사를 제공합니다. Cloud Assist 채팅, 콘솔 내 조사 및 개발자 도구를 통해 액세스 가능한 기능을 통해 기존 워크플로 내에서 원활하게 통합됩니다. 이 에이전트는 Cloud SQL, Spanner, AlloyDB 및 Bigtable을 포함한 광범위한 Google Cloud 데이터베이스를 지원하여 다양한 성능 및 운영 문제를 해결합니다. 온보딩 에이전트는 워크로드 요구 사항을 분석하여 특정 관리형 데이터베이스 서비스를 추천하여 선택 및 프로비저닝 프로세스를 간소화합니다.

Introducing Database Operations Agents: The future of autonomous database management cloud.google.com

RSS Hunter • 8월 4일

Target, Spanner Graph를 통해 리테일 디스커버리를 강화하고 데이터베이스 유지보수 비용을 50% 절감하는 방법

현대 리테일은 개인화된 상품 탐색과 자연스러운 대화형 지원을 요구합니다. Target은 신뢰를 구축하고 구매 결정을 안내하기 위해 Guest Product Confidence 플랫폼을 구축했습니다. 한 예로, 2025년 홀리데이 시즌에 출시된 Gift Finder 챗봇은 대화형 상품 탐색 기능을 제공합니다. 실시간 개인화와 의미론적 응답을 대규모로 달성하기 위해 Target은 분산된 데이터 생태계를 단일 플랫폼으로 통합해야 했습니다. 이 플랫폼은 트랜잭션 워크로드, 그래프 관계, 벡터 유사도 검색 및 키워드 검색을 동시에 지원해야 했습니다. Target은 Spanner Graph를 선택하여 생성형 AI 기반 쇼핑 그래프를 위한 "그래프 오브 그래프"인 엔터프라이즈 온톨로지를 구축했습니다. 데이터를 통합함으로써 Spanner는 이제 트랜잭션 상태 및 의미론적 지능에 대한 단일 진실 공급원 역할을 합니다. 아키텍처에는 엔터프라이즈 증강, 통합 그래프/벡터/검색 스토어, AI 인터페이스를 지원하는 오케스트레이션 계층이 포함됩니다. 스키마 매핑 및 병렬 데이터 리플레이를 포함한 4단계의 무중단 마이그레이션이 성공적으로 실행되었습니다. 이러한 통합은 추천 관련성 향상 및 고객 만족도 증대를 포함한 측정 가능한 비즈니스 영향으로 이어졌습니다. 또한 인프라 유지보수를 50% 줄여 새로운 AI 기능 개발을 가속화했습니다.

How Target is enhancing retail discovery and cutting database maintenance by 50% with Spanner Graph cloud.google.com

RSS Hunter • 8월 4일

Deutsche Bank가 API 준비 생태계로 민첩성을 확보한 방법

도이체방크는 API가 디지털 뱅킹 전환의 필수 인프라임을 인지했습니다. 그들은 모놀리식 시스템에서 중앙 API 관리 플랫폼을 필요로 하는 모듈식의 재사용 가능한 API로 전환했습니다. Google Cloud의 Apigee는 적응성, 확장성, 신뢰성, 보안 및 AI 준비성 때문에 선택되었습니다. Apigee는 현재 핀테크 파트너를 연결하고 내부 및 고객 대면 애플리케이션을 지원하는 API 생태계를 관리합니다. 이 플랫폼은 검색 용이성을 위한 통합 거버넌스와 표준의 자동 적용을 제공합니다. API 보안은 직원 접근 제어와 유사하게 최소 권한 접근 방식으로 관리됩니다. Apigee는 로드 밸런싱 및 자동 확장을 통해 복원력과 성능을 보장합니다. 관찰 가능성은 API 성능 지표에 대한 실시간 통찰력을 제공하는 통합 대시보드를 통해 달성됩니다. 이러한 API 우선 접근 방식은 미래의 지능형 서비스와 신흥 산업 표준을 위한 강력한 기반을 구축하고 있습니다. 도이체방크는 API를 은행 기능의 보편적인 인터페이스로 간주하여 새로운 서비스의 원활한 통합을 가능하게 합니다. 이 인프라에 투자함으로써 그들은 미래의 요구에 적응하고 안전하게 혁신할 수 있습니다.

How Deutsche Bank unlocked agility with an API-ready ecosystem cloud.google.com

RSS Hunter • 8월 4일

퓨처 모드 파트 2: 에이전트 브라우징 보안을 위한 기반

Google의 Chrome Enterprise는 자율 AI 에이전트의 증가를 지원하기 위해 보안 기능을 발전시키고 있습니다. 이러한 에이전트는 브라우저 내에서 복잡한 작업을 점점 더 많이 수행하고 있으며, 사용자 및 AI 자체 모두를 위한 강력한 데이터 보호가 필요합니다. 브라우저는 사용자 컨텍스트, 기존 액세스 정책 및 활성 애플리케이션에 대한 인식을 보유함으로써 고유한 이점을 제공합니다. 이를 통해 에이전트는 기존 엔터프라이즈 권한을 활용하면서 안전하게 운영될 수 있습니다.Chrome Enterprise Premium은 에이전트 데이터 흐름을 실시간으로 검사하는 고급 데이터 손실 방지(DLP) 기능을 도입합니다. 이를 통해 민감한 정보가 공개 대규모 언어 모델로 유출되는 것을 방지하고 확장 프로그램 권한 관리를 허용합니다. 액세스 제어는 사용자에서 AI 에이전트로 확장되므로, 사용자가 특정 데이터에 액세스할 수 없다면 에이전트도 액세스할 수 없습니다.안전한 에이전트 협업을 보장하기 위해 Chrome은 여러 가지 안전 장치를 구현하고 있습니다. 사용자 정렬 비평가(User Alignment Critic)는 메타데이터를 분석하여 프롬프트 주입 공격을 방지하는 게이트키퍼 역할을 합니다. 사이트 격리(Site Isolation)는 에이전트 활동을 관련 작업 출처로 제한하여 관련 없는 사이트에서의 무단 작업을 방지하도록 강화됩니다. 에이전트는 자신의 작업을 기록하며, Chrome은 중요한 시점에서 자동으로 일시 중지하여 인간의 승인을 받도록 하여 직원을 계속 참여시킵니다. 예를 들어, 주요 금융 거래 또는 대량 이메일은 명시적인 인간의 동의가 필요합니다. 에이전트 작업은 투명성을 위해 Chrome 기록에 명확하게 태그가 지정됩니다.Google은 자동화된 레드팀(red-teaming)을 통해 이러한 방어를 적극적으로 테스트하고 있으며 취약점 보상 프로그램(Vulnerability Rewards Program)을 확장했습니다. 브라우저 격리 원칙을 확장하고 가시성 제어를 제공함으로써 Chrome Enterprise는 기업이 보안을 손상시키지 않고 AI 생산성 도구를 채택할 수 있도록 하는 것을 목표로 합니다. 이 접근 방식은 기업이 AI 지원 작업의 진화하는 환경에서 안전하게 혁신할 수 있도록 보장합니다.

Future Mode Part 2: The foundation for securing agentic browsing cloud.google.com

RSS Hunter • 8월 4일

AI를 활용한 실제 메인프레임 현대화: 메인프레임에서 클라우드로 가는 안전하고 확장 가능한 경로

기업들은 레거시 메인프레임을 유지하거나 위험 부담이 큰 빅뱅 마이그레이션을 수행해야 하는 어려운 선택에 직면해 있습니다. Google Cloud는 AI와 클라우드로 구동되는 대안적인 반복적 현대화 전략을 제공합니다. 이 접근 방식은 메인프레임 현대화가 코드 변환 이상의 복잡한 종속성, 데이터 형식, 트랜잭션 모니터, 워크플로우 및 독점 인터페이스를 포함한다는 점을 인정합니다. Google Cloud의 솔루션은 Gemini 모델과 네 가지 핵심 영역에 걸친 전문 메인프레임 현대화 제품을 결합합니다: 평가, 현대화, 위험 완화 및 데이터 마이그레이션.메인프레임 평가 도구(MAT)는 AI를 사용하여 레거시 애플리케이션을 역공학하여 종속성, 비즈니스 규칙, 문서 및 도메인 검색에 대한 통찰력을 제공합니다. 현대화는 혁신을 위한 애플리케이션 재작성 또는 동작 보존을 위한 결정론적, 동일한 현대화를 포함한 유연한 경로를 제공합니다. Google Cloud의 Dual Run 프로세스는 메인프레임과 클라우드 환경 모두에서 워크로드를 동시에 실행하고 출력을 비교하여 동등성을 검증함으로써 안전을 보장합니다. 메인프레임 커넥터는 다양한 Google Cloud 서비스로의 데이터 마이그레이션을 촉진하여 처리 오프로딩을 가능하게 하고 사일로화된 데이터를 해제합니다. 이 포괄적인 접근 방식은 기존 프로세스를 이해하고, 애플리케이션을 현대화하고, 운영 개시 전에 위험을 완화하고, 데이터를 현대화함으로써 실제 메인프레임 현대화 과제를 해결합니다. Google Cloud는 자동화된 코드베이스 평가로 시작하는 파일럿 프로그램을 통해 기업들이 이 AI 가속화 접근 방식을 테스트하도록 초대합니다.

Real-world mainframe modernization with AI: A safe, scalable path from mainframe to cloud cloud.google.com

RSS Hunter • 8월 3일

Cortex Framework v7 출시: SAP 운영에 지장을 주지 않고 에이전트 워크플로우 구축

기업은 수익을 증대하고 위험을 줄이기 위해 AI 에이전트를 빠르고 안전하게 배치해야 하며, 동시에 핵심 ERP 시스템을 보호해야 합니다. 이는 단순한 원시 데이터 이상을 요구합니다; 복잡한 기록을 이해하기 쉬운 비즈니스 용어로 변환하는 단일 진실의 출처 역할을 하는 상호 운용 가능한 데이터 제품을 요구합니다. 구글 클라우드의 Cortex Framework 버전 7은 AI 에이전트 준비성을 위한 데이터 아키텍처를 현대화하여 이를 해결합니다. 이번 릴리스는 데이터 제품의 배포, 맞춤화, 확장을 단순화하여 인프라 오버헤드를 줄입니다.Cortex Framework v7은 SAP용 전용 데이터 제품 가속기를 포함하고 있으며, BigQuery와 Knowledge Catalog에 직접 배포됩니다. 이들은 Gemini Enterprise Agent Platform에 정확한 비즈니스 맥락을 제공하여 AI 에이전트가 고해상도로 실행할 수 있도록 합니다. Dataform은 프레임워크의 모듈식 확장 가능한 배포 아키텍처를 구동하여 오케스트레이션을 단순화하고 데이터 팀이 워크플로우를 구축하고 버전 관리를 할 수 있도록 지원합니다.이번 새 릴리스는 AI 친화적인 메타데이터를 포함한 에이전트 준비형 데이터 제품을 제공하여 에이전트가 워크플로우를 추론하고 실행할 수 있게 합니다. 원시 SAP 데이터를 명확한 비즈니스 용어로 변환하고, 통화 소수점 이동과 같은 복잡한 논리를 처리하여 AI에 높은 데이터 충실도를 보장합니다. 맞춤형 AI 프로젝트를 가속화하기 위해 v7에는 자연어를 사용하는 AI 기반 데이터 제품 빌더를 위한 에이전트 스킬이 포함되어 있습니다. 프레임워크는 또한 프레임워크 내용과 사용자 정의 모델 간 분리를 유지하도록 확장하여 깔끔한 업데이트를 가능하게 합니다.Dataform이 지원하는 모듈형 배포는 버전 제어 SQL과 네이티브 의존성 관리를 보장하며, 필요한 테이블만 처리합니다. 이 모듈식 접근법은 복잡한 SAP 환경을 처리하며, 다양한 SAP 시스템용 제품을 병렬로 배포하고 맞춤형 필드를 자동으로 인징합니다. 비용 효율적인 확장성은 BigQuery의 점진적 로딩과 비파괴적 스키마 업데이트를 통해 이루어져 계산 시간과 운영 비용을 최소화합니다. 오케스트레이션은 추가 인프라 없이 확장 가능한 데이터 처리를 위해 Dataform의 서버리스 실행에 의존합니다.Cortex Framework v7은 이제 SAP 비즈니스 데이터 클라우드를 네이티브로 지원하며, SAP BDC 데이터 제품과 데이터 제품을 결합해 새로운 비즈니스 기회를 발굴하고 있습니다. SAP BDC와 SAP ERP 데이터 모두에 대한 솔루션 샘플이 포함되어 있어 중요한 비즈니스 질문을 해결합니다. 업계 리더들과의 공동 혁신은 v7을 형성했으며, 기업의 민첩성과 AI 준비 능력을 우선시했습니다. 이번 릴리스는 서버리스 실행, AI 적용 시맨틱, 그리고 네이티브 SAP 통합을 통해 복잡한 엔터프라이즈 데이터를 전략적 자산으로 전환합니다.

Cortex Framework v7 is GA: Build agentic workflows without disrupting SAP operations cloud.google.com

RSS Hunter • 8월 3일

공공 및 민간 데이터 통합: Spanner의 Data Commons를 활용한 지식 그래프 확장

Data Commons 프로젝트는 100개 이상의 권위 있는 제공업체의 파편화된 공개 데이터셋을 통합하여 전 세계 정보를 정리하고 보편적으로 접근 가능하며 유용하게 만드는 것을 목표로 합니다. Data Commons는 표준화된 Schema.org 정의를 사용하여 구조화된 4,000억 개 이상의 데이터 포인트를 통해 실제 사물과 그 관계를 연결하는 지식 그래프를 제공합니다. 이 플랫폼은 데이터 탐색 도구, MCP 도구 및 클라우드 기반 API를 제공하여 정리된 데이터셋에 액세스하고 통합할 수 있도록 하여 기업이 내부 데이터를 공개 참조 데이터와 더 쉽게 연결할 수 있도록 합니다. Data Commons는 농업, 인구 통계, 경제, 환경 및 건강을 포함한 여러 도메인에 걸쳐 공개 정보를 통합하여 국가 GDP 추세 분석 및 지역 건강 형평성 추적과 같은 강력한 사용 사례를 발굴합니다. 이 플랫폼은 Spanner Graph를 통해 네이티브 그래프 모델로 전환되었으며, 이는 고가용성, 수평적 확장 및 네이티브 ISO/IEC 39075 Graph Query Language 지원을 갖춘 Spanner에 SQL과 유사한 인터페이스와 그래프 표현의 편리성을 제공합니다. 다중 엔티티 Spanner Graph 스키마를 채택함으로써 Data Commons는 엔티티를 노드로, 도메인 링크를 동적 그래프 엣지로 표현하여 GQL을 사용하여 데이터베이스 내에서 직접 복잡한 관계 쿼리를 수행할 수 있습니다. 새로운 아키텍처는 복잡한 사전 계산된 인덱스의 필요성을 제거하여 파이프라인을 단순화하고 전체 데이터베이스를 새로 고치지 않고도 특정 데이터셋의 증분 업데이트를 가능하게 합니다. Data Commons는 또한 통계 데이터 및 메타데이터 교환 기술 표준의 간결한 구현을 채택하여 통계 데이터와 설명적인 통계 메타 정보를 함께 설명하고 교환하는 일관된 접근 방식을 제공합니다. Data Commons 플랫폼 업데이트는 SDMX 기술 표준 버전 3.0에 대한 지원을 추가하여 다차원 데이터셋을 위한 타사 도구와의 즉시 사용 가능한 통합을 제공합니다. 공개 지식 그래프와 자체 데이터를 포함하는 개인 지식 그래프를 통해 연합함으로써 사용자는 데이터 격리를 유지하고 데이터 중복이 없도록 보장하면서 흥미로운 새로운 사용 사례를 발굴할 수 있습니다.

Unifying public and private data: Scale knowledge graphs with Data Commons on Spanner cloud.google.com

RSS Hunter • 8월 3일

비하인드 스토리: Google Agent Skills를 구축, 테스트 및 확장하는 방법

AI 에이전트의 효과는 제공되는 지침과 컨텍스트의 품질에 크게 좌우됩니다. Google Agent Skills는 Google Cloud 도메인 지식을 구조화된 오픈 소스 지침으로 인코딩하여 AI 코딩 에이전트의 기능을 향상시키는 것을 목표로 합니다. Google Cloud Next 2026을 위한 신속한 "스웜" 노력으로 시작된 이 이니셔티브는 AI 에이전트를 더 똑똑하고 안전하며 정확하게 만드는 것을 목표로 합니다. 여러 부서의 팀이 Google Cloud 지식을 위한 표준화된 에이전트 읽기 가능 지침을 개발했습니다. 이 프로젝트는 빠르게 인기를 얻었으며 15,000개 이상의 GitHub 스타는 강력한 커뮤니티 관심을 나타냅니다.인기가 높아짐에 따라 다양한 팀 기여 전반에 걸쳐 품질 관리를 유지하는 데 상당한 어려움이 있었습니다. 이를 해결하기 위해 혼란스러운 저장소를 방지하기 위해 엄격한 표준과 자동화된 거버넌스가 수립되었습니다. 각 스킬은 표준화된 레이아웃을 따르며 더 나은 아키텍처를 위해 원격 MCP 도구를 우선시합니다. 스킬은 공개적으로 내보내기 전에 내부적으로 엄격하게 구축 및 평가되며, 민감한 내부 데이터를 제거하고 청결성을 보장합니다.린터, 링크 검사기, AI 지원 검증을 포함한 자동화된 검사가 저장소에 스킬이 병합되기 전에 수행됩니다. 제출 시 및 주간 단위의 지속적인 평가는 문서, API 또는 LLM 모델의 진화로 인한 회귀를 포착하는 데 중요합니다. 이러한 평가는 정확성과 효율성을 측정하여 스킬이 측정 가능한 향상을 제공하도록 합니다. 이 프로젝트는 스킬이 지속적인 유지 관리가 필요한 살아있는 제품으로 취급되며, 저장소 상태 및 개별 스킬 유지 관리에 대한 정의된 소유권을 강조합니다.작성자를 지원하기 위해 효과적인 지침 및 평가 제품군을 만드는 데 도움이 되는 도구와 에이전트 워크플로가 개발되었습니다. 병렬 내부 이니셔티브인 DevRel Skills는 효율성과 일관성을 개선하기 위해 내부 팀 워크플로를 위한 에이전트 스킬 구축에 중점을 둡니다. Google Agent Skills는 GitHub에서 공개 스킬과 개발자를 위한 관련 소개 자료를 제공합니다.

Behind the scenes: How we build, test, and scale Google Agent Skills cloud.google.com

RSS Hunter • 8월 3일

이번 달 AI 인프라 및 오케스트레이션의 새로운 소식

Google은 에이전트 시대를 지원하기 위해 AI 인프라에 대한 포괄적인 발전을 이루고 있습니다. Gemini와 같은 선도적인 AI 모델을 개발하고 소프트웨어 프레임워크 및 하드웨어를 설계합니다. Google은 또한 AI를 일상적인 도구에 통합하고 컴퓨팅, 가속기 및 오케스트레이션 소프트웨어를 포함한 기본 인프라를 구축합니다. 이 강력한 인프라는 더 빠르게 혁신하고 더 나은 사용자 경험을 제공하려는 기업에 매우 중요합니다. Google은 제품, 기술 및 도구 업데이트를 포함하여 AI 인프라 뉴스에 대한 월별 업데이트를 제공합니다. 최근 업데이트에서는 Google Cloud Managed Lustre, C4N 네트워크 최적화 VM 및 GKE Dataplane V2 확장이 강조되었습니다. 새로운 기능에는 RL 워크로드를 위한 협력적 시간 분할 및 오픈 소스 k8s-aibom 보안 도구가 포함됩니다. 실무자 가이드에서는 Kimi K3와 같은 모델 배포 및 TPU에서 다양한 AI 워크로드 실행에 대한 자세한 지침을 제공합니다. 기술 청사진은 Google의 TPU에서 대규모 모델의 성능 최적화를 보여줍니다. Google은 Gartner로부터 AI 인프라 분야의 리더로 인정받았습니다. 보고서에 따르면 AI 야망과 인프라 현실 간의 격차가 벌어지고 있으며 대부분의 조직에서 업그레이드가 필요한 것으로 나타났습니다. 안전한 AI 데이터 처리를 위해 가속기 최적화 G4 머신 시리즈에서 Confidential Computing을 사용할 수 있습니다. TPU 개발자 허브 및 TPU AI 원격 측정 수집기 에이전트는 개발자를 위한 새로운 리소스를 제공합니다. GKE에서 AI 추론 워크로드에 고가용성을 구축하고 Cloud Storage의 데이터에 AI 에이전트를 연결하는 것은 새로운 가이드에서 자세히 설명됩니다. 독립적인 벤치마크에 따르면 GKE 추론 게이트웨이는 선도적인 관리형 Kubernetes 서비스보다 뛰어난 성능을 보입니다. 고객 성공 사례는 의료 및 고객 리뷰 플랫폼에서 Google AI 인프라의 성공적인 적용을 보여줍니다.

What’s new in AI infrastructure and orchestration this month cloud.google.com

RSS Hunter • 7월 31일

클라우드 CISO 관점: 왜 AI 위협 방어가 새로운 이사회 기본 사항인가

Cloud CISO Perspectives는 이사회를 위한 AI 보안의 중요한 역할을 강조합니다. Chris Betz와 Alicja Cade는 AI 보안이 이제 비즈니스 민첩성에 필수적인 이사회 기본 사항이라고 강조합니다. 이사회는 CISO가 AI 네이티브, 에이전트 기반, 개방형 방어 전략을 채택하도록 장려해야 합니다. 이는 방어 속도를 자동화된 공격 주기와 일치시키고 통합 도구 플랫폼을 위해 비즈니스 컨텍스트를 활용하는 것을 의미합니다. Google은 보안을 수동에서 자동화된 기능으로 전환하기 위해 AI 위협 방어를 개발했습니다. 이사회는 운영 현대화를 위한 거버넌스 프레임워크를 제공해야 하며, 다섯 가지 주요 영역에 중점을 두어야 합니다. 여기에는 비즈니스 지원, 복구 주기 최적화, 시스템 통합, 컨텍스트 기반 우선순위 지정, AI 안전 및 정책이 포함됩니다. 이러한 영역에 투자하면 복원력이 강화되고 비즈니스 속도가 향상됩니다. 이사회는 자산을 보호하고 혁신을 촉진하기 위해 플랫폼 중심의 컨텍스트 기반 보안으로 나아가야 합니다. 최근 업데이트에는 AI 코드 보안 에이전트, 복원력 보고서, 양자 내성 디지털 서명이 포함됩니다. 다른 주제로는 위협 행위자 명명, AI 익스플로잇 청사진, 서버리스 환경 보안이 다루어집니다. 팟캐스트에서는 CISO가 테스트한 복원력, AI 사기 진화, AI의 안전한 통합에 대해 논의합니다.

Cloud CISO Perspectives: Why AI Threat Defense is the new boardroom baseline cloud.google.com

RSS Hunter • 7월 31일

적은 비용으로 더 많은 것을: GKE가 에이전트당 비용을 75% 절감하는 방법

현대의 클라우드 애플리케이션은 추론하고 행동할 수 있는 자율적인 디지털 워커로 발전하고 있습니다. 처음에는 OpenClaw와 같은 프레임워크를 사용하여 가상 머신에 에이전트를 배포하는 것이 간단한 접근 방식입니다. 그러나 이러한 워크로드가 확장됨에 따라 AI 에이전트의 버스티(bursty)한 특성은 유휴 에이전트가 여전히 CPU와 메모리를 사용하면서 비효율적인 리소스 소비를 초래합니다. 과제는 안정성이나 효율성을 희생하지 않고 고정된 컴퓨팅에 더 많은 에이전트를 패킹하는 것입니다. 아키텍처에 오케스트레이션이 통합되면 경제성, 확장성 및 안정성이 크게 향상됩니다. Google Kubernetes Engine(GKE)은 컴퓨팅 용량을 극대화하기 위한 정교한 오케스트레이션 기능을 제공합니다. 마이크로 VM에서 OpenClaw 에이전트를 실행하는 기본 테스트는 게스트 운영 체제의 오버헤드로 인해 61개 에이전트의 확장 한계에 도달했습니다. 격리를 위해 경량 gVisor를 사용하는 GKE 에이전트 샌드박스로 마이그레이션하면 동일한 노드에서 에이전트 밀도가 44% 증가하여 88개 에이전트에 도달했습니다. 이 최적화는 에이전트당 비용을 30% 이상 절감했습니다. 밀도를 더욱 향상시키려면 일시 중지 및 재개 기능을 갖춘 GKE Pod 스냅샷을 사용하여 유휴 에이전트를 체크포인트하여 리소스를 확보합니다. 이를 통해 컴퓨팅 용량을 초과 할당할 수 있지만 다양한 에이전트 지연 시간 요구 사항에 맞는 전략을 조정해야 합니다. GKE는 지연 시간에 민감한, 균형 잡힌, 지연 시간에 내성이 있는 에이전트 워크로드에 대한 동시 지원을 가능하게 합니다. GKE 에이전트 샌드박스와 일시 중지 및 재개를 결합하면 에이전트 밀도를 최대 3.5배까지 높이고 간헐적으로 활성인 에이전트의 비용을 최대 75%까지 절감할 수 있습니다. 궁극적으로 에이전트 시대에 에이전트를 효율적으로 확장하는 것은 플랫폼 기능을 활용하고 처음부터 오케스트레이션을 통합함으로써 달성할 수 있습니다.

Do more with less: How GKE can reduce your cost per agent by 75% cloud.google.com

RSS Hunter • 7월 30일