Gemini 3.5 Transcribe, 음성이 데이터 인터페이스가 됐다

받아쓰기는 제품 기능이 아니라 데이터 입구다

Google은 Gemini 3.5 Transcribe를 더 지능적인 speech-to-text 전사 모델로 소개했다. 공개 메타데이터만 놓고 봐도 메시지는 명확하다. Google은 이 모델을 별도 음성 인식 유틸리티가 아니라 Gemini 모델군의 일부로 내세우고 있다. 음성을 텍스트로 바꾸는 일이 끝이 아니라, 요약, 분류, 검색, 상담 품질 평가, 지식베이스 업데이트로 이어지는 입구라는 뜻이다.

기업 입장에서 전사의 가치는 글자 단위 정확도만으로 결정되지 않는다. 회의 발언자를 나누고, 고객 불만의 원인을 태깅하고, 의료나 법률 상담에서 용어를 보존하고, 후속 작업을 에이전트에게 넘길 수 있어야 한다. Google AI for Developers와 Gemini API 문서는 이미 텍스트, 이미지, 음성 같은 입력을 하나의 개발 경험으로 묶는 방향을 보여준다. Gemini 3.5 Transcribe는 그 흐름에서 음성 데이터를 더 직접적인 업무 입력으로 만든다.

경쟁은 STT 정확도에서 워크플로 통합으로 이동한다

음성 인식 시장에는 오래된 강자가 많다. Google Cloud Speech-to-Text, OpenAI audio and speech 가이드, Deepgram 문서, AssemblyAI 문서처럼 개발자가 바로 붙일 수 있는 선택지가 이미 있다. 그래서 새 모델의 차별점은 "몇 퍼센트 더 잘 듣는다"만으로는 부족하다. 실제 차이는 전사 뒤의 작업을 얼마나 줄이는지에서 난다.

AI가 쓴 노트는 왜 내 생각이 되기 어려운가는 기록 자동화가 사고의 소유권을 흐릴 수 있다고 봤다. 전사도 같다. 회의록이 자동으로 만들어지면 편하지만, 누가 어떤 결정을 했는지와 무엇이 추론인지가 섞이면 조직 기억은 오히려 약해질 수 있다. 좋은 전사 모델은 텍스트를 많이 만드는 모델이 아니라, 검토해야 할 곳을 줄이고 근거를 남기는 모델이다.

한국 기업은 한국어보다 도메인어를 먼저 봐야 한다

한국 시장에서 흔한 질문은 한국어 인식률이다. 중요하지만 충분하지 않다. 콜센터에는 상품명, 약관 번호, 지역명, 사투리, 코드명, 영어 약어가 섞인다. 병원과 금융사는 더 어렵다. 모델이 일상 한국어를 잘 들어도 "보험금 부지급 사유", "비급여 항목", "전자금융거래법" 같은 표현을 안정적으로 보존하지 못하면 업무 자동화에는 쓰기 어렵다.

따라서 PoC는 긴 회의 10개를 넣어 "대체로 괜찮다"를 확인하는 방식이면 안 된다. 대표 도메인 단어 300개, 민감정보 마스킹 규칙, 화자 분리 실패 사례, 숫자 오류의 허용 범위부터 정해야 한다. 도메인 오판, AI 업무 에이전트의 신원 리스크가 지적했듯 업무 AI는 입력의 작은 오판이 권한과 기록 문제로 커질 수 있다. 음성은 특히 원본을 다시 듣지 않으면 오류가 잘 보이지 않는다.

에이전트에게 넘기기 전 검증 계층이 필요하다

전사 모델이 좋아질수록 다음 단계는 자동 실행이다. 상담 내용을 읽고 환불 티켓을 만들거나, 영업 통화에서 견적 요청을 생성하거나, 회의 발언에서 업무 항목을 뽑아 Jira에 넣는 식이다. 이때 전사 오류는 곧 실행 오류가 된다. "3일"과 "삼십 일", "취소"와 "취소하지 않음" 같은 차이는 사람이 읽으면 잡을 수 있지만 에이전트는 그대로 명령으로 받아들일 수 있다.

agent.md, 코딩 에이전트 품질의 새 계약서는 에이전트에게 명시적 계약이 필요하다고 봤다. 음성 전사도 같은 계약이 필요하다. 오디오 원본 링크, 신뢰도 낮은 구간, 모델이 추론한 요약, 사람이 확인한 확정 기록을 분리해야 한다. 특히 한국 기업은 개인정보보호법과 내부 보존 정책 때문에 전사 텍스트가 원본 오디오보다 더 민감한 기록이 될 수 있다는 점을 놓치면 안 된다.

제품 기회는 회의록보다 운영 데이터에 있다

가장 쉬운 데모는 회의록이다. 하지만 더 큰 시장은 운영 데이터다. 고객 응대, 현장 점검, 교육 영상, 법무 인터뷰, 세일즈 콜, 개발자 온콜 회고처럼 말로 남는 데이터가 아직 검색과 분석 밖에 있다. Gemini 3.5 Transcribe 같은 모델이 이 데이터를 구조화하면, 기업의 지식베이스는 문서 저장소가 아니라 "대화가 남긴 작업 기록"까지 포함하게 된다.

한국 스타트업에게 기회도 있다. 범용 전사 모델을 직접 이기려 하기보다, 도메인 사전, 품질 평가 UI, 개인정보 마스킹, 한국어 발화 검수, CRM과 전자문서 연동 같은 얇지만 필수적인 계층을 만들 수 있다. ChatGPT 기업 사용 연구, 도입보다 배치가 문제다가 말한 것처럼 AI 도입의 병목은 모델 접근보다 조직 안에 배치되는 방식이다.

자주 묻는 질문

Q1: Gemini 3.5 Transcribe는 기존 STT를 바로 대체하나요?

A: 모든 경우에 그렇지는 않다. 단순 자막 생성은 기존 STT API가 더 예측 가능할 수 있고, 후속 요약과 분류까지 이어지는 업무에는 멀티모달 모델 접근이 유리할 수 있다.

Q2: 한국어 성능은 어떻게 평가해야 하나요?

A: 일반 문장 정확도보다 도메인 용어, 숫자, 고유명사, 부정 표현, 화자 분리 실패를 따로 측정해야 한다.

Q3: 전사 결과를 에이전트에게 바로 넘겨도 되나요?

A: 결제, 환불, 법무, 의료, 인사처럼 실행 리스크가 있는 업무는 사람이 확인한 필드만 넘기는 계층이 필요하다.

Q4: 비용은 어디서 커지나요?

A: 긴 오디오를 모두 고정밀로 처리하고, 그 뒤 요약과 검색 인덱싱까지 반복하면 비용이 커진다. 샘플링, 캐싱, 보존 정책이 중요하다.

Q5: 국내 SaaS에게 남는 공간은 무엇인가요?

A: 범용 모델 위에 한국어 도메인 사전, 검수 UI, 권한 관리, 민감정보 마스킹, 업무 시스템 연동을 얹는 공간이 크다.