구글, 온디바이스 소형 모델을 통한 사용자 의도 추출 혁신과 AI 검색의 미래
1/27/2026
토킹 포인트
- 대규모 모델(MLLM) 성능에 필적하는 소형 모델 기반의 사용자 의도 추출 기술 개발 성공 및 효율성 입증.
- 온디바이스 처리를 통한 사용자 데이터 프라이버시 강화, 처리 속도 향상, 클라우드 기반 연산 비용 절감 달성.
- 사용자 행동을 상호작용 요약(1단계) 후 전체 의도 추출(2단계)하는 분해 접근법(Decomposition)을 통한 소형 모델의 추론 능력 극대화.
- AI 에이전트 및 생성형 검색 경험(SGE) 강화를 위한 키워드 중심에서 사용자 여정 및 의도 중심의 디지털 마케팅 패러다임 변화 가속화 전망.
시황 포커스
구글의 사용자 의도 파악 기술 관련 시장 반응을 분석한 결과, 다음과 같은 주요 내용이 파악됨.
- 온디바이스 AI 방향성 제시: 구글의 신규 사용자 의도 추출 연구는 차세대 온디바이스 AI 기술 개발 방향을 명확히 함. 모바일 기기에서 AI가 사용자를 예측적으로 지원하고 작업을 자동화하는 가능성을 시사.
- 소형 모델의 성능 향상: 구글은 화면별 요약 분해 방식을 통해 소형 모델이 대규모 모델에 버금가는 성능을 내면서도 비용을 절감할 수 있음을 입증함. 이는 LLM(대규모 언어 모델) 대체 가능성에 대한 논의를 촉발함.
- 검색 의도 예측 기술 연구: 구글은 사용자가 검색창에 입력하기 전의 행동 패턴을 분석하여 검색 의도를 예측하는 기술을 연구 중임. 이는 검색 결과의 정확도 및 사용자 경험 향상에 기여할 것으로 예상됨.
- SEO 및 디지털 마케팅 영향: 사용자 의도 파악 기술의 발전은 SEO 전략 및 디지털 마케팅 콘텐츠 제작에 중요한 영향을 미칠 것으로 보임. 콘텐츠 최적화 및 웹 트래픽 증대를 위한 새로운 접근 방식 모색 필요.
- 머신러닝 기술 발전: 새로운 분해 접근 방식을 통한 사용자 의도 추출 기술은 머신러닝 분야의 기술적 진보를 보여줌. 특히, 비용 효율적인 AI 솔루션 개발에 대한 관심 증대.
트렌드 키워드
- 사용자 의도 추출 (User Intent Extraction):
사용자가 웹 또는 모바일 애플리케이션에서 수행한 일련의 상호작용(클릭, 입력, 화면 이동 등)을 분석하여 그 행동의 근본적인 목적이나 목표를 파악하는 기술
“구글은 사용자가 앱과 웹사이트를 사용하는 방식, 즉 탭, 클릭, 스크롤, 그리고 시간 경과에 따른 화면 변화를 바탕으로 사용자가 무엇을 하려고 하는지 추론하는 방법을 설명했습니다.사용자 의도 추출” - 온디바이스 AI (On-device AI, On-Device AI):
기기 자체에서 인공지능 연산을 처리하는 기술로, 클라우드 연결 없이도 빠른 응답 속도와 개인 정보 보호를 강화
1 / 5“이는 프로세싱이 반드시 기기 내에서 이뤄져야 함을 의미하며, 사용자의 프라이버시가 보호되는 상태 유지.온디바이스 AI” - 멀티모달 대규모 언어 모델 (MLLM, Multimodal Large Language Model):
텍스트 외에도 이미지(스크린샷), 오디오 등 다양한 형태의 입력 데이터를 동시에 이해하고 처리할 수 있는 거대한 규모의 AI 모델
“연구자들은 이 기술을 사용하여 스크린샷과 텍스트 설명을 포함한 사용자 상호작용으로부터 의도를 추출하는 방식을 제안했습니다.멀티모달 대규모 언어 모델” - 분해 접근법 (Decomposition Approach):
복잡하고 장황한 추론 작업을 소형 모델이 감당할 수 있도록 여러 개의 단순하고 명확한 단계(예: 화면별 요약, 이후 전체 의도 추출)로 나누어 해결하는 전략
“이 분해된 접근법은 각 화면을 개별적으로 요약한 다음, 생성된 요약의 순서로부터 의도를 추출하는 방식으로 소형 모델들이 작업을 처리하기 쉽게 만들었습니다.분해 접근법” - 자율 에이전트 (Autonomous Agent):
사용자가 수행하는 작업이나 UI 상호작용을 관찰하고, 추론된 의도에 기반하여 능동적으로 맞춤형 지원이나 개선된 작업 효율성을 제공하는 AI 시스템
“이 기술은 온디바이스 상의 자율 에이전트가 사용자의 UI 상호작용을 관찰하고, 그 행동의 목표(의도)를 추론하는 맥락에서 언급되었습니다.”