구글 Earth AI, 재난과 입지 분석 어디까지 왔나

Google Research는 2026년 10월 14일 구글 Earth AI의 지리공간 추론 에이전트 평가 결과와 파트너 테스트를 공개하고, 연구자와 개발자 등을 위한 실험적 조기 접근 확대를 발표했습니다. 재난과 공중보건, 청정에너지 분야에서 공간 분석을 수행하는 시스템이지만 정식 상용 출시나 한국 제공을 확정한 발표는 아닙니다. 이번에 바뀐 기능과 한국 기업이 먼저 검증해야 할 범위를 구분합니다.

구글 Earth AI는 이번에 무엇을 공개했나

이번 발표의 핵심은 지도를 보여 주는 기능이 아니라, 여러 단계의 공간 분석과 맞춤형 예측 모델 학습을 수행하는 실험 시스템의 연구 결과와 접근 확대입니다.

Google Research 공식 발표의 작성자는 Shravya Shetty와 Luke Barrington입니다. 게시일은 원문에 표시된 10월 14일을 기준으로 합니다. 한국시간으로 환산할 게시 시각은 확인되지 않았습니다.

시스템은 Gemini 기반 에이전트에 분야별 기반 모델, 공간 분석 도구, 사전 계획을 결합합니다. 기상, 홍수 수문, 원격탐사, 인구 동태 등을 다루는 Earth AI 모델군을 연결해 질문에 필요한 분석을 수행하는 방식입니다. 위성사진을 설명하는 데서 그치지 않고 분석 절차를 진행한다는 점이 중요합니다.

구글은 4개 벤치마크로 평가했으며, 이 가운데 GeoKTools와 GeoExpertQueries라는 2개 벤치마크를 새로 개발해 연구자에게 공개한다고 밝혔습니다. 다만 평가를 수행했다는 사실만으로 한국의 특정 하천이나 산업단지에서도 같은 성능을 낸다고 판단할 수는 없습니다.

발표문에는 질병 발생 조사, 재난 대비, 청정에너지 후보지 검토를 위한 파트너 테스트도 소개됐습니다. 이는 테스트가 진행됐다는 근거이지, 모든 업무에서 현장 운영 성능이 검증됐다는 뜻은 아닙니다.

접근 확대 대상은 Ask Google Earth의 실험적 심층 조사 기능과 개발자용 에이전트 간 API입니다. 한국 계정의 이용 가능 여부, 국내 제공일, 가격, 정식 출시일은 이번 발표로 확정할 수 없습니다. 도입 예산서에 상용 서비스처럼 넣기에는 아직 확인할 조건이 남아 있습니다.

지도 검색에서 분석 에이전트로 바뀌면 왜 중요한가

중요한 변화는 사람이 각각 수행하던 공간 분석 작업을 하나의 질문과 연결된 절차로 묶을 수 있다는 점입니다.

가령 물류 담당자가 “창고 후보지 중 침수 위험 검토가 필요한 곳부터 골라 주세요”라고 요청한다고 가정합니다. 실제 업무에서는 주소를 좌표로 바꾸고, 위험지도와 겹쳐 보고, 진입 도로를 확인한 뒤, 어떤 자료를 근거로 후보를 추렸는지 보고서에 남겨야 합니다. 이 예시는 국내 Earth AI의 확인된 기능을 뜻하지 않으며, 기업이 검증할 업무 흐름을 설명한 것입니다.

이때 평가할 것은 답변의 문장이 아니라 선택한 자료와 수행한 분석의 연결이 맞는가입니다. 위치를 잘못 잡거나 서로 다른 시점의 자료를 섞으면, 설명이 자연스러워도 후보지 판단은 틀릴 수 있습니다. 국내 자료와 같은 좌표계를 사용하는지, 지도 해상도가 개별 사업장 검토에 충분한지도 확인해야 합니다.

특히 재난 지도는 색칠된 영역만 읽어서는 안 됩니다. 한강홍수통제소 홍수위험지도 정보시스템은 침수 범위와 깊이를 방재 업무, 피난 계획, 풍수해보험, 토지이용 규제 등의 기초자료로 제공한다고 설명합니다. 동시에 시설이 기능을 상실하는 최악의 상황을 가정한 시나리오이며, 실제 시설의 안전성을 직접 나타내는 자료는 아니라고 명시합니다.

따라서 AI가 위험지도에 표시된 위치를 찾아냈다는 사실과, 그 건물이 실제로 침수된다는 예측은 다릅니다. 반대로 지도에서 위험이 표시되지 않았다고 안전을 보증해서도 안 됩니다. 시나리오 지도, 관측값, 예측값을 서로 다른 종류의 근거로 취급하는 것이 도입의 첫 기준입니다.

한국 기업과 기관은 규모와 업종별로 무엇을 준비해야 하나

처음 맡길 업무는 최종 판단보다 자료 취합과 검토 대상 선별이어야 합니다. 아래는 실제 도입 사례가 아니라 규모와 업종별로 적용할 수 있는 제안입니다.

중소기업은 새 플랫폼을 구매하기 전에 주소 목록부터 정리하는 편이 낫습니다. 같은 창고가 도로명주소와 옛 지번주소로 중복 등록돼 있으면 분석 결과도 흔들립니다. 후보지를 줄이는 용도로 시작하고, 임대 계약이나 이전 결정은 현장 확인 뒤에 내립니다.

제조기업은 공장 건물만 보지 말고 출입구와 진입 도로를 별도로 확인해야 합니다. 건물이 검토 대상에서 빠졌더라도 접근 경로가 막히면 출하에 영향을 줄 수 있기 때문입니다. 대기업은 부서마다 쓰는 지도 기준일과 위험 분류를 맞추는 일이 먼저입니다. 동일한 후보지를 서로 다른 기준으로 평가하면 보고서를 합쳐도 비교할 수 없습니다.

보험회사는 검토 순서를 정하는 보조 분석과 인수 또는 보험료 결정을 구분해야 합니다. 고객 주소와 계약 정보를 외부 실험 서비스에 보내기 전에는 처리 조건과 이용 권한을 확인합니다. 공공기관은 과거 자료 분석에서 검증 범위를 확보하고, 경보 발령이나 대피 지시를 실험 시스템에 바로 맡기지 않는 기준이 필요합니다.

국내 관련 수요는 이미 존재합니다. 전자신문의 2026년 6월 10일 보도는 유역 단위 통합관리와 AI 기반 예보 및 경보 고도화 논의를 다뤘습니다. 이는 국내 홍수 대응의 배경 자료이며, 보도에 등장한 기관이 Earth AI를 채택했다는 뜻은 아닙니다.

지금 도입 담당자가 해야 할 일은 무엇인가

지금은 조기 접근 신청과 별개로, 모델이 바뀌어도 재사용할 수 있는 검증 자료를 만드는 것이 우선입니다. “우리도 지도 AI를 붙이자”는 요청을 받았다면 화면 시연보다 다음 세 가지를 먼저 합의합니다.

첫째, 결과물의 범위를 한 문장으로 고정합니다. 예를 들어 “사업장별 공개 홍수위험자료와 추가 확인 사유를 정리하되 안전 여부는 판정하지 않는다”로 정합니다. 결과에는 위치, 자료 출처와 기준일, 시나리오 조건, 추가 확인 사유가 함께 남아야 합니다. 근거가 없으면 추정으로 빈칸을 채우지 않고 확인 불가로 표시합니다.

둘째, 사람이 확인한 비교 대상을 준비합니다. 가령 사업장 20곳을 시험한다는 가정이라면, 기존 담당자가 같은 자료로 만든 검토 목록을 기준으로 삼습니다. 주소 오인식, 잘못된 지도 중첩, 자료 조건 누락, 검토 대상 누락을 나눠 기록합니다. 중요한 위치 오류가 발견되면 평균 점수로 덮지 않고 원인을 수정한 뒤 다시 시험합니다.

셋째, 비용은 검토 시간을 포함해 계산합니다. 가정 예시로, 한 곳당 수작업 30분이 들고 AI 초안 확인에 12분이 든다면 20곳에서 절감하는 시간은 360분, 즉 6시간입니다. 시간당 인건비를 4만원으로 가정하면 24만원 상당입니다. 여기에 데이터 준비, 오류 재작업, API 비용을 더해야 하며, 조기 접근 가격이 확인되지 않은 상태에서 투자 회수 기간까지 단정하면 안 됩니다.

판정 기준도 먼저 적어야 합니다. 초안이 빨리 나와도 누락 검토 때문에 사람이 지도를 처음부터 다시 확인한다면 업무 이득이 없습니다. 통과 기준은 ‘보고서 생성’이 아니라 ‘근거를 추적하면서 검토 부담을 줄였는가’로 잡습니다.

검증 설계는 생성형 AI 답변 품질 평가, 과제 범위와 운영 책임은 AI PoC 실패 이유에서 이어서 확인할 수 있습니다. KITDI의 AX 컨설팅은 이런 업무 범위와 검증 기준을 정하는 과정에 연결됩니다.