본문으로 이동
메뉴 여닫기
환경 설정 메뉴 여닫기
개인 메뉴 여닫기
로그인하지 않음
지금 편집한다면 당신의 IP 주소가 공개될 수 있습니다.

구글 클라우드(Google Cloud)는 미국 구글이 제공하는 클라우드 컴퓨팅 및 기업용 기술 서비스 사업으로, 서버·스토리지·네트워크·데이터베이스·데이터 분석·인공지능·사이버보안 등의 인프라와 플랫폼을 전 세계 기업 및 공공기관에 제공한다.

구글 클라우드는 구글의 글로벌 데이터센터와 네트워크 인프라를 기반으로 운영되는 클라우드 서비스 사업이다. 사용자는 물리적 서버를 직접 구매하거나 데이터센터를 구축하지 않고 필요한 컴퓨팅 자원을 사용량에 따라 이용할 수 있다.

구글 클라우드는 크게 Google Cloud Platform(GCP)으로 불리는 클라우드 인프라·플랫폼 서비스와 Google Workspace 등 기업용 생산성 서비스로 구성된다. 다만 일반적으로 GCP라는 명칭은 Compute Engine, Cloud Storage, BigQuery, Google Kubernetes Engine 등 개발·운영용 클라우드 서비스를 가리킨다.

구글 클라우드는 아마존웹서비스(AWS), 마이크로소프트 애저(Microsoft Azure)와 함께 세계 주요 퍼블릭 클라우드 플랫폼으로 분류된다.

항목 내용
명칭 Google Cloud
한국어 명칭 구글 클라우드
운영 기업 Google LLC
모기업 Alphabet Inc.
주요 서비스 Google Cloud Platform, Google Workspace
주요 사업 클라우드 인프라, 데이터 분석, AI, 데이터베이스, 보안, 협업 소프트웨어
주요 컴퓨팅 서비스 Compute Engine, Google Kubernetes Engine, Cloud Run
주요 AI 서비스 Vertex AI, Gemini Enterprise, Gemini API 관련 서비스
주요 데이터 서비스 BigQuery, Cloud SQL, Spanner, Cloud Storage
주요 보안 서비스 Security Command Center, Google Security Operations, Cloud Armor, Model Armor
한국 리전 서울(asia-northeast3)
최고경영자 토머스 쿠리안(Thomas Kurian)
공식 홈페이지 https://cloud.google.com/

구글 클라우드는 구글 검색과 유튜브 등 대규모 인터넷 서비스 운영에서 축적된 분산시스템, 네트워크, 데이터 처리 및 인공지능 기술을 기업용 서비스로 제공한다.

2026년 10월 28일 갱신된 공식 인프라 자료에 따르면 구글 클라우드는 전 세계 43개 리전과 130개 존을 운영한다고 설명한다.[1]

초기 클라우드 사업

편집 원본 편집

구글은 2000년대부터 대규모 인터넷 서비스를 운영하기 위해 분산 컴퓨팅과 데이터 처리 기술을 발전시켰다.

2008년 Google App Engine을 공개하면서 외부 개발자가 구글의 인프라에서 애플리케이션을 실행할 수 있는 플랫폼을 제공하기 시작했다.

App Engine은 개발자가 서버 운영의 상당 부분을 직접 관리하지 않고 애플리케이션을 배포할 수 있도록 하는 PaaS(Platform as a Service) 서비스였다.

이후 Google Cloud Storage, Google Compute Engine 등 인프라 서비스가 추가되면서 범용 클라우드 플랫폼으로 발전했다.

Google Cloud Platform 확대

편집 원본 편집

2010년대에는 가상머신, 스토리지, 네트워크, 데이터베이스 및 빅데이터 분석 서비스를 확대했다.

2012년 Compute Engine이 공개되었고, 2014년에는 쿠버네티스(Kubernetes)가 오픈소스로 공개되었다.

구글이 개발에 중요한 역할을 담당한 쿠버네티스는 이후 클라우드 네이티브 애플리케이션 운영의 대표적인 플랫폼으로 성장했다.

2015년에는 쿠버네티스 기반 관리형 서비스인 Google Container Engine이 정식 출시되었으며, 이후 Google Kubernetes Engine으로 명칭이 변경되었다.

기업용 클라우드 시장 진출

편집 원본 편집

2018년 토머스 쿠리안이 구글 클라우드 최고경영자로 선임되었고, 2019년부터 업무를 수행했다.

구글 클라우드는 대기업과 금융회사, 공공기관 등을 대상으로 영업과 기술지원, 산업별 솔루션 및 파트너 생태계를 강화했다.

기존의 개발자 중심 클라우드 서비스에서 기업의 핵심 업무시스템과 데이터 분석, 보안 및 디지털 전환을 지원하는 사업으로 영역을 확대했다.

생성형 AI 사업 확대

편집 원본 편집

2023년 이후 생성형 인공지능 시장이 성장하면서 Vertex AI와 Gemini 모델을 중심으로 AI 플랫폼 사업을 강화했다.

구글 클라우드는 자체 개발한 TPU와 엔비디아 GPU 등 AI 연산 인프라, 기초모델, 데이터 플랫폼 및 개발도구를 결합하는 전략을 추진했다.

2026년 4월 Google Cloud Next 행사에서는 기업용 AI 에이전트와 차세대 TPU, Gemini Enterprise Agent Platform 및 AI 보안 기능 등을 발표했다.[2]

연도 주요 사건
2008년 Google App Engine 공개
2010년 Google Cloud Storage 공개
2012년 Google Compute Engine 공개
2014년 쿠버네티스 오픈소스 공개
2015년 Google Container Engine 정식 출시
2018년 토머스 쿠리안 구글 클라우드 CEO 선임
2019년 Cloud Run 공개, 기업용 클라우드 사업 확대
2020년 서울 클라우드 리전 개설
2022년 맨디언트(Mandiant) 인수 완료
2023년 생성형 AI 및 Vertex AI 관련 서비스 확대
2024년 Gemini 기반 기업용 AI 서비스 확대
2025년 AI 에이전트 개발 및 기업용 생성형 AI 플랫폼 강화
2026년 Gemini Enterprise Agent Platform, 차세대 TPU 및 AI 보안 서비스 확대

글로벌 인프라

편집 원본 편집

구글 클라우드의 물리적 인프라는 리전(Region)과 존(Zone)을 중심으로 구성된다.

리전은 특정 지리적 지역에 위치한 클라우드 인프라의 집합이다. 존은 리전 내부에서 장애 영향을 분리하기 위한 배포 단위이다.

일반적으로 하나의 리전은 여러 존으로 구성되며, 사용자는 애플리케이션을 복수의 존에 배포하여 가용성을 높일 수 있다.

구분 설명
리전(Region) 지리적으로 구분된 클라우드 인프라 배치 지역
존(Zone) 리전 내부의 장애 격리 및 자원 배치 단위
멀티존 동일 리전의 여러 존에 서비스를 분산하는 구성
멀티리전 복수의 리전에 서비스를 배포하는 구성
글로벌 네트워크 리전과 사용자, 구글 서비스를 연결하는 전 세계 통신망

멀티존 구성은 개별 존 장애에 대한 가용성을 높일 수 있지만 리전 전체 장애를 반드시 방지하지는 못한다.

멀티리전 구성은 광역 장애에 대응할 수 있으나 데이터 복제와 일관성, 비용 및 규제상 데이터 위치 문제를 고려해야 한다.

글로벌 네트워크

편집 원본 편집

구글은 자체 광섬유망과 해저케이블, 글로벌 네트워크 접속지점 등을 운영한다.

구글 클라우드는 이러한 네트워크를 활용하여 전 세계 사용자에게 서비스를 제공한다.

공식 자료에 따르면 2026년 10월 기준 구글의 글로벌 네트워크는 1,000만 km 규모의 지상 및 해저 광섬유망을 포함하며, 200개 이상의 국가와 지역에 연결성을 제공한다.[1]

구글 클라우드는 2020년 2월 18일 대한민국 서울 리전의 개설을 발표했다.

서울 리전의 식별자는 asia-northeast3이다.

이는 한국에 개설된 구글 클라우드의 첫 번째 리전으로, 국내 기업이 상대적으로 낮은 네트워크 지연시간으로 클라우드 서비스를 이용할 수 있도록 한다.[3]

서울 리전은 국내 데이터 보관 및 처리가 필요한 업무에 활용될 수 있다.

다만 특정 서비스를 서울 리전에서 실행한다고 해서 해당 서비스의 모든 데이터 처리와 지원업무가 국내에서만 이루어진다는 의미는 아니다. 서비스별 데이터 저장위치, 처리위치, 로그, 지원 접근 및 계약상 조건을 별도로 확인해야 한다.

컴퓨팅 서비스

편집 원본 편집

Compute Engine은 가상머신(Virtual Machine, VM)을 제공하는 IaaS 서비스이다.

사용자는 운영체제, CPU, 메모리, 디스크 및 네트워크 구성을 선택하여 가상서버를 생성할 수 있다.

Compute Engine은 웹서버, 애플리케이션 서버, 데이터 처리 및 기존 기업시스템의 클라우드 이전 등에 활용된다.

가상머신의 운영체제와 애플리케이션 관리, 보안패치 및 계정관리 등은 고객의 책임 영역에 포함될 수 있다.

Google Kubernetes Engine

편집 원본 편집

Google Kubernetes Engine(GKE)은 쿠버네티스 기반의 관리형 컨테이너 오케스트레이션 서비스이다.

컨테이너 애플리케이션의 배포, 확장, 복구 및 운영을 지원한다.

GKE는 크게 Standard와 Autopilot 운영방식으로 구분된다.

구분 Standard Autopilot
노드 관리 고객이 노드 구성과 운영에 대한 폭넓은 제어권 보유 구글이 노드 인프라 관리의 상당 부분 수행
자원 설정 노드와 클러스터 설정에 높은 유연성 제공 워크로드 요구사항 중심의 관리
운영 부담 상대적으로 높음 상대적으로 낮음
적합한 환경 세부 인프라 제어가 필요한 환경 운영 자동화를 우선하는 환경

GKE는 쿠버네티스의 관리 부담을 줄여주지만 고객의 애플리케이션 코드, 컨테이너 이미지, 접근권한, 데이터 및 보안설정에 대한 책임까지 모두 제거하지는 않는다.[4]

Cloud Run은 컨테이너 기반 애플리케이션을 서버리스 방식으로 실행하는 관리형 플랫폼이다.

개발자는 애플리케이션을 컨테이너 이미지 또는 지원되는 소스 배포 방식으로 제공하며, 구글 클라우드는 실행 인프라와 자동 확장 등을 관리한다.

Cloud Run은 HTTP 기반 API, 웹 애플리케이션, 이벤트 처리 및 백그라운드 작업 등에 활용된다.

주요 특징은 다음과 같다.

  • 컨테이너 기반 애플리케이션 실행
  • 요청량에 따른 자동 확장
  • 설정에 따른 최소 인스턴스 유지 또는 0개까지 축소
  • HTTPS 엔드포인트 제공
  • IAM 기반 접근통제
  • Cloud Logging 및 Monitoring 연계
  • VPC 네트워크 연결 지원

Cloud Run의 외부 HTTPS 연결은 관리형 프런트엔드에서 처리되며, 일반적인 서비스 구성에서 애플리케이션 컨테이너는 지정된 포트로 HTTP 요청을 수신한다.

따라서 Cloud Run은 외부에서 개별 컨테이너 인스턴스에 직접 연결하는 범용 가상서버와는 구조가 다르다.

Cloud Run functions

편집 원본 편집

Cloud Run functions는 이벤트 또는 HTTP 요청에 따라 코드를 실행하는 함수형 서버리스 서비스이다.

개발자는 서버 인프라를 직접 관리하지 않고 특정 작업을 수행하는 함수를 배포할 수 있다.

파일 업로드에 따른 처리, 메시지 수신, 데이터 변환 및 자동화 작업 등에 활용된다.

스토리지 서비스

편집 원본 편집

Cloud Storage는 객체 스토리지(Object Storage) 서비스이다.

이미지, 동영상, 백업파일, 로그 및 대규모 비정형 데이터 등을 저장하는 데 사용된다.

데이터는 버킷(Bucket)이라는 논리적 저장공간에 보관된다.

사용자는 저장위치와 스토리지 클래스, 접근권한 및 수명주기 정책 등을 설정할 수 있다.

주요 스토리지 클래스에는 Standard, Nearline, Coldline, Archive 등이 있다.

저장비용뿐 아니라 데이터 조회 및 복구 비용, 최소 보관기간 등을 고려하여 클래스를 선택해야 한다.

Persistent Disk와 Hyperdisk

편집 원본 편집

Persistent Disk와 Hyperdisk는 주로 가상머신 등에 연결하는 블록 스토리지 서비스이다.

운영체제 디스크, 데이터베이스 및 애플리케이션 저장공간 등에 활용된다.

블록 스토리지는 객체 스토리지와 달리 운영체제에서 디스크 장치와 유사한 방식으로 사용된다.

Filestore는 관리형 파일 스토리지 서비스이다.

NFS 기반 파일 공유가 필요한 애플리케이션과 기존 기업용 워크로드에 활용된다.

데이터베이스와 데이터 분석

편집 원본 편집

Cloud SQL은 관계형 데이터베이스를 제공하는 관리형 서비스이다.

MySQL, PostgreSQL, SQL Server 등을 지원한다.

구글 클라우드는 데이터베이스 인프라의 운영과 일부 유지보수 기능을 제공하며, 고객은 데이터베이스 구조, 접근권한, 애플리케이션 및 데이터 관리에 대한 책임을 부담한다.

Spanner는 수평 확장과 강한 일관성을 지원하는 분산형 관리 데이터베이스 서비스이다.

대규모 트랜잭션과 높은 가용성이 필요한 애플리케이션에 활용된다.

여러 리전 또는 존에 걸친 배치와 복제 구성을 지원한다.

다만 데이터베이스의 가용성 및 복원력은 실제 인스턴스 구성과 장애복구 설계에 따라 달라진다.

BigQuery는 서버리스 기반의 데이터 분석 플랫폼이다.

대규모 데이터에 SQL 쿼리를 실행하고 분석 결과를 생성하는 데 활용된다.

BigQuery는 전통적인 운영용 관계형 데이터베이스와 달리 데이터웨어하우스 및 분석 워크로드에 중점을 둔다.

주요 활용 분야에는 데이터 분석, 로그 분석, 비즈니스 인텔리전스, 데이터 파이프라인 및 머신러닝 등이 포함된다.

Bigtable은 대규모 비관계형 데이터를 처리하기 위한 분산 데이터베이스 서비스이다.

높은 처리량과 낮은 지연시간이 필요한 시계열 데이터, 대규모 이벤트 및 운영 데이터 처리 등에 활용된다.

Pub/Sub와 Dataflow

편집 원본 편집

Pub/Sub는 비동기 메시징과 이벤트 전달을 지원하는 서비스이다.

Dataflow는 배치 및 스트리밍 데이터 처리 파이프라인을 실행하는 관리형 서비스이다.

두 서비스는 실시간 로그 수집, 이벤트 처리 및 데이터 분석 시스템에서 함께 활용될 수 있다.

인공지능 서비스

편집 원본 편집

Vertex AI는 머신러닝 모델의 개발, 학습, 평가, 배포 및 운영을 지원하는 통합 AI 플랫폼이다.

생성형 AI 모델과 예측 모델을 활용하는 애플리케이션 개발에 사용된다.

주요 기능에는 모델 개발 및 관리, 추론 엔드포인트, 데이터 처리, 평가 및 MLOps 관련 기능 등이 포함된다.

Vertex AI는 Gemini 등 구글 모델과 지원되는 외부 모델을 활용할 수 있도록 제공되어 왔다.

2026년에는 기업용 AI 에이전트 개발 기능이 Gemini Enterprise Agent Platform으로 확대되면서 기존 Vertex AI의 모델·개발·운영 기능과 연계되는 플랫폼 전략이 강화되었다.[5]

Gemini Enterprise Agent Platform

편집 원본 편집

Gemini Enterprise Agent Platform은 기업용 AI 에이전트의 개발과 배포, 관리 및 운영을 지원하는 플랫폼이다.

AI 에이전트는 자연어 요청에 응답하는 기능을 넘어 외부 도구와 업무시스템을 호출하여 여러 단계의 작업을 수행할 수 있다.

2026년 Google Cloud Next에서는 Agent Development Kit(ADK)와 Agent Studio 등을 포함한 에이전트 개발기능의 확대가 발표되었다.

기업용 AI 에이전트의 운영에서는 모델의 성능뿐 아니라 도구 호출권한, 사용자 인증, 데이터 접근통제, 실행이력 및 사고 대응체계가 중요하다.

Tensor Processing Unit(TPU)은 구글이 개발한 인공지능 연산용 반도체이다.

TPU는 대규모 행렬연산을 효율적으로 수행하도록 설계되었으며, 머신러닝 모델의 학습과 추론에 활용된다.

구글 클라우드는 TPU를 클라우드 서비스로 제공하여 고객이 AI 연산 인프라를 이용할 수 있도록 한다.

2026년 Google Cloud Next에서는 8세대 TPU를 포함한 AI 인프라 기술이 소개되었다.[2]

GPU 기반 AI 인프라

편집 원본 편집

구글 클라우드는 TPU 외에도 엔비디아 GPU 기반 컴퓨팅 서비스를 제공한다.

GPU는 대규모 병렬연산에 적합하며 AI 모델의 학습과 추론, 과학기술 계산 및 그래픽 처리 등에 활용된다.

TPU와 GPU는 소프트웨어 생태계, 지원 모델, 비용 및 성능 특성이 다르므로 워크로드에 따라 적합한 장비를 선택해야 한다.

네트워크 서비스

편집 원본 편집

Virtual Private Cloud

편집 원본 편집

Virtual Private Cloud(VPC)는 클라우드 자원의 네트워크를 논리적으로 구성하는 서비스이다.

구글 클라우드의 VPC 네트워크는 글로벌 범위를 가지며, 서브넷은 리전 단위로 구성된다.

VPC는 가상머신과 관리형 서비스의 통신, 라우팅, 방화벽 정책 및 네트워크 분리 등에 활용된다.

Cloud Load Balancing

편집 원본 편집

Cloud Load Balancing은 애플리케이션으로 전달되는 트래픽을 여러 백엔드로 분산하는 서비스이다.

HTTP(S) 기반의 애플리케이션 부하분산과 TCP/UDP 등 다양한 네트워크 부하분산 구성을 지원한다.

로드밸런서의 종류에 따라 TLS 종료 위치, 백엔드 연결방식 및 지원 프로토콜이 달라진다.

Cloud VPN은 인터넷을 통해 온프레미스 네트워크와 구글 클라우드 사이에 암호화된 연결을 구성하는 서비스이다.

일반적으로 IPsec 기반 터널을 활용한다.

Cloud Interconnect

편집 원본 편집

Cloud Interconnect는 기업의 자체 네트워크와 구글 클라우드를 연결하기 위한 전용 연결 서비스이다.

Dedicated Interconnect와 Partner Interconnect 등의 연결방식을 제공한다.

Cloud Interconnect는 인터넷 기반 VPN과 달리 전용 연결을 활용하지만, 연결 자체가 모든 구간에서 자동으로 암호화된다는 의미는 아니다.

보안요건에 따라 별도의 암호화 기술을 적용해야 할 수 있다.

Cloud CDN과 Cloud DNS

편집 원본 편집

Cloud CDN은 콘텐츠를 사용자와 가까운 네트워크 지점에서 제공하여 지연시간과 원본 서버의 부하를 줄이는 서비스이다.

Cloud DNS는 관리형 DNS 서비스를 제공한다.

Identity and Access Management

편집 원본 편집

Identity and Access Management(IAM)는 구글 클라우드 자원에 대한 접근권한을 관리하는 서비스이다.

사용자, 그룹 및 서비스 계정에 역할을 부여하여 자원에 대한 작업을 허용하거나 제한한다.

IAM 정책은 조직, 폴더, 프로젝트 및 개별 리소스 등 계층적 자원구조와 연계된다.

주요 보안 원칙은 최소권한과 권한 분리, 서비스 계정 관리 및 불필요한 권한의 정기적 검토이다.

Security Command Center

편집 원본 편집

Security Command Center(SCC)는 클라우드 환경의 보안상태와 위험을 통합적으로 관리하는 서비스이다.

구성오류, 취약점, 위협 탐지결과 및 보안상태 평가 등에 활용된다.

보안 담당자는 SCC를 통해 위험요소를 확인하고 우선순위에 따라 개선조치를 수행할 수 있다.

다만 탐지 범위와 기능은 서비스 등급 및 설정에 따라 달라진다.

Google Security Operations

편집 원본 편집

Google Security Operations는 보안정보 수집과 분석, 위협 탐지 및 사고 대응을 지원하는 보안 운영 플랫폼이다.

Chronicle 기반 보안 분석기능과 SOAR 등 보안운영 기능을 포함한다.

2026년 Google Cloud Next에서는 위협 헌팅과 탐지규칙 개발 등을 지원하는 AI 에이전트 기능이 발표되었다.[2]

Cloud Armor는 웹 애플리케이션과 인터넷 노출 서비스를 보호하기 위한 보안 서비스이다.

웹 애플리케이션 방화벽(WAF) 기능과 트래픽 필터링, 일부 DDoS 공격 대응기능 등을 제공한다.

주로 지원되는 로드밸런싱 구성과 연계하여 사용된다.

Cloud Armor를 적용하더라도 애플리케이션의 인증·인가 취약점이나 내부 업무로직 취약점까지 모두 제거되는 것은 아니다.

Cloud KMS와 Secret Manager

편집 원본 편집

Cloud Key Management Service(KMS)는 암호화 키의 생성과 관리, 접근통제 및 수명주기 관리를 지원한다.

Secret Manager는 API 키, 비밀번호 및 인증정보와 같은 비밀정보를 안전하게 보관하고 접근을 통제하기 위한 서비스이다.

두 서비스는 목적이 다르다. KMS는 암호화 키 관리에 중점을 두며, Secret Manager는 애플리케이션에서 사용하는 비밀정보의 관리에 중점을 둔다.

AI 보안과 가드레일

편집 원본 편집

Model Armor는 생성형 AI 애플리케이션의 입력과 출력에 대한 보안검사를 지원하는 서비스이다.

프롬프트 인젝션, 민감정보 노출 및 기타 AI 보안위험에 대응하기 위한 기능을 제공한다.

2026년 Google Cloud Next에서는 Model Armor를 Agent Gateway, Agent Runtime 등과 연계하는 기능이 소개되었다.

이는 AI 에이전트의 도구 호출과 실행 과정에서 발생할 수 있는 보안위험을 줄이기 위한 것이다.[2]

프롬프트 인젝션

편집 원본 편집

프롬프트 인젝션은 AI 모델이 처리하는 외부 데이터나 문서에 악의적인 지시를 삽입하여 모델의 의도된 동작을 변경하려는 공격이다.

기업용 AI 에이전트가 이메일, 웹페이지, 문서 또는 데이터베이스의 내용을 처리하는 경우 이러한 공격에 노출될 수 있다.

프롬프트 인젝션은 단순한 유해 콘텐츠 생성과 구별된다. 공격자가 AI의 지시체계나 도구 사용을 조작하여 권한 없는 동작을 유도할 수 있기 때문이다.

따라서 입력·출력 검사뿐 아니라 도구 호출권한의 제한, 사용자별 접근통제 및 중요 작업에 대한 승인절차가 필요하다.

콘텐츠 안전 필터

편집 원본 편집

구글 클라우드의 생성형 AI 서비스는 모델과 API에 따라 유해 콘텐츠를 분류하거나 차단하는 안전 필터 기능을 제공할 수 있다.

일반적으로 위험 범주와 차단기준 등을 설정할 수 있으나 지원되는 항목과 설정방식은 모델별로 다르다.

콘텐츠 안전 필터와 Model Armor 같은 보안 서비스는 기능이 일부 중복될 수 있지만 동일한 서비스는 아니다.

콘텐츠 안전 필터는 유해 콘텐츠 분류에 중점을 두는 반면, Model Armor는 프롬프트 인젝션 등 AI 애플리케이션 보안위험에 대응하는 기능을 제공한다.

AI 서비스의 보안검사 및 추론 요청과 관련된 로그는 서비스별 로깅 기능과 설정에 따라 수집될 수 있다.

Cloud Audit Logs는 관리활동과 데이터 접근 등 지원되는 감사 이벤트를 기록하는 서비스이다.

Cloud Logging은 애플리케이션 및 클라우드 서비스에서 생성한 로그를 수집·저장·분석하는 데 활용된다.

다만 모든 AI 요청의 원문과 가드레일 판단결과가 별도 설정 없이 자동으로 영구 저장된다고 가정해서는 안 된다.

실제 로그 보존 여부는 해당 AI 서비스의 로깅 지원범위, 활성화 설정, 데이터 처리정책 및 보존기간에 따라 확인해야 한다.

공유책임 모델

편집 원본 편집

구글 클라우드는 클라우드 서비스의 보안책임을 서비스 제공자와 고객이 나누어 부담하는 공유책임 모델(Shared Responsibility Model)을 적용한다.

구글은 물리적 데이터센터와 기본 인프라의 보안을 담당하며, 고객은 사용하는 서비스의 구성과 데이터, 계정 및 애플리케이션 등에 대한 책임을 부담한다.

구체적인 책임범위는 IaaS, PaaS, SaaS 및 개별 서비스의 운영방식에 따라 달라진다.

보안 영역 구글 클라우드 고객
데이터센터 물리적 보안 주된 책임 일반적으로 직접 관리하지 않음
클라우드 기반 인프라 주된 책임 서비스 선택과 구성에 대한 책임
고객 데이터 기반 저장환경 보호 데이터 분류·접근권한·보존정책
IAM 정책 권한관리 기능 제공 실제 권한 부여 및 검토
애플리케이션 코드 관리형 플랫폼 제공 코드 개발 및 보안
가상머신 운영체제 기반 인프라 제공 일반적으로 운영체제 보안패치 등 관리
관리형 서비스 서비스 자체 운영·보안 설정·사용방식·데이터 관리
규제 준수 인증·통제 및 관련 자료 제공 고객의 법적 의무 이행

구글 클라우드는 공유책임을 넘어 공급자가 고객의 보안성과 달성을 적극적으로 지원한다는 공유운명(Shared Fate) 개념도 제시한다.

공유운명은 기존의 법적 책임구조가 사라진다는 의미가 아니라, 안전한 기본설정과 보안 설계지침, 위험평가 및 기술적 지원을 강화한다는 접근방식이다.[6]

금융권 및 규제산업에서의 이용

편집 원본 편집

금융회사와 공공기관 등 규제산업에서 클라우드를 이용할 때에는 서비스의 기술적 보안뿐 아니라 법률과 감독규정에 따른 요건을 검토해야 한다.

대한민국 금융회사의 경우 전자금융거래법, 전자금융감독규정, 개인정보 보호법 및 신용정보법 등의 관련 규정이 문제될 수 있다.

주요 검토사항은 다음과 같다.

  • 클라우드 이용업무의 중요도와 위험평가
  • 고객정보와 개인신용정보의 처리 및 보관
  • 데이터 저장·처리 위치
  • 외부 위탁 및 재위탁 관리
  • 클라우드 제공자와의 계약상 권리·의무
  • 감독기관의 검사 및 자료접근 가능성
  • 장애 대응과 재해복구
  • 접근통제 및 계정관리
  • 암호화와 암호화 키 관리
  • 침해사고 대응 및 통지체계
  • 서비스 종료 시 데이터 이전 및 삭제

데이터 레지던시

편집 원본 편집

데이터 레지던시(Data Residency)는 데이터가 저장되거나 처리되는 지리적 위치에 관한 개념이다.

구글 클라우드는 리전별 자원 배치와 서비스별 데이터 저장위치 선택기능을 제공한다.

다만 서비스마다 데이터 레지던시 지원범위가 다르며, 일부 글로벌 서비스는 지역적 처리방식에 제한이 있을 수 있다.

구글은 2023년 Vertex AI 생성형 AI 서비스의 저장 데이터에 대해 한국을 포함한 여러 국가의 데이터 레지던시 선택기능을 발표했다.[7]

이러한 발표는 모든 AI 모델과 기능에서 모든 데이터의 국내 저장 및 국내 처리까지 보장한다는 의미는 아니다.

규제 준수 지원

편집 원본 편집

구글 클라우드는 고객이 규제요건을 충족할 수 있도록 Assured Workloads 등의 서비스를 제공한다.

Assured Workloads는 특정 규제 및 데이터 위치 요구사항에 맞는 클라우드 환경을 구성하는 데 활용된다.

그러나 해당 서비스를 사용한다는 사실만으로 금융회사나 공공기관의 법적 의무가 자동으로 충족되는 것은 아니다.

고객은 적용되는 법령과 실제 서비스 설정, 계약조건 및 운영절차를 별도로 검증해야 한다.

2026년 주요 동향

편집 원본 편집

AI 에이전트 플랫폼 강화

편집 원본 편집

2026년 구글 클라우드는 기업이 AI 에이전트를 실험 단계에서 실제 업무환경으로 확대할 수 있도록 관련 플랫폼을 강화했다.

Gemini Enterprise Agent Platform은 모델 개발과 도구 연계, 에이전트 운영 및 관리기능을 결합하는 방향으로 발전했다.

이는 기존의 챗봇 중심 AI 활용에서 기업 업무를 수행하는 에이전트 중심 활용으로 확장하려는 전략이다.

차세대 AI 인프라

편집 원본 편집

구글은 자체 TPU와 GPU 기반 AI 인프라를 결합하여 대규모 AI 학습 및 추론 수요에 대응하고 있다.

AI 인프라 사업은 반도체뿐 아니라 데이터센터 전력, 냉각, 네트워크 및 분산시스템 기술에 크게 의존한다.

AI 모델이 대형화되고 추론 사용량이 증가하면서 연산 효율성과 비용, 서비스 가용성이 중요한 경쟁 요소가 되고 있다.

보안 사업 확대

편집 원본 편집

구글 클라우드는 맨디언트의 위협 인텔리전스와 Google Security Operations, Security Command Center 등을 활용하여 기업 보안사업을 확대했다.

2026년 Google Cloud Next에서는 AI 기반 위협 헌팅과 탐지규칙 개발, AI 애플리케이션 보안 및 기밀 컴퓨팅 관련 기능이 소개되었다.

이는 클라우드 인프라와 데이터, AI 및 사이버보안을 하나의 사업 생태계로 결합하려는 전략과 관련된다.[2]

아마존웹서비스

편집 원본 편집

Amazon Web Services(AWS)는 아마존이 운영하는 클라우드 플랫폼이다.

AWS는 가상서버, 스토리지, 데이터베이스, 서버리스, AI 및 보안 등 다양한 서비스를 제공한다.

구글 클라우드와 AWS는 글로벌 클라우드 인프라 및 기업용 플랫폼 시장에서 경쟁한다.

마이크로소프트 애저

편집 원본 편집

Microsoft Azure는 마이크로소프트의 클라우드 플랫폼이다.

Azure는 마이크로소프트의 기업용 소프트웨어와 인증체계, 개발도구 및 AI 서비스와의 통합을 강점으로 활용한다.

구글 클라우드와 Azure는 기업의 데이터 분석, AI 플랫폼, 클라우드 이전 및 보안 서비스 분야에서 경쟁한다.

오라클 클라우드

편집 원본 편집

Oracle Cloud Infrastructure(OCI)는 오라클의 클라우드 인프라 서비스이다.

데이터베이스와 기업용 업무시스템, 고성능 컴퓨팅 및 AI 인프라 분야에서 사업을 운영한다.

멀티클라우드

편집 원본 편집

멀티클라우드는 두 개 이상의 클라우드 서비스 제공자를 함께 이용하는 방식이다.

기업은 서비스별 강점 활용, 공급자 종속성 완화, 지역별 인프라 확보 및 위험 분산 등을 위해 멀티클라우드를 선택할 수 있다.

그러나 멀티클라우드는 네트워크 연결, 인증체계 통합, 보안정책 일관성 및 운영비용 등의 복잡성을 증가시킬 수 있다.

공급자 종속성

편집 원본 편집

구글 클라우드의 관리형 데이터베이스, AI 플랫폼 및 서버리스 서비스는 개발과 운영을 단순화하는 장점이 있다.

그러나 특정 공급자의 고유 API와 서비스에 깊이 의존하면 다른 클라우드로 이전하는 데 상당한 비용과 시간이 발생할 수 있다.

따라서 시스템 설계 단계에서 데이터 이동성, 표준 기술의 활용 및 서비스 종료 시 이전계획을 검토할 필요가 있다.

클라우드는 초기 인프라 투자 부담을 줄일 수 있지만 사용량에 따라 비용이 증가할 수 있다.

특히 데이터 전송, 대규모 분석 쿼리, AI 모델 추론, GPU 사용 및 장기 저장 데이터 등은 비용 관리가 중요한 영역이다.

클라우드 비용 최적화에서는 사용량 모니터링과 예산 경고, 자원 자동 확장 및 불필요한 자원 정리 등이 활용된다.

클라우드 서비스는 대규모 분산 인프라를 기반으로 하지만 장애 가능성을 완전히 제거할 수는 없다.

특정 리전이나 존의 장애, 네트워크 문제, 서비스 구성오류 및 고객의 잘못된 배포 등으로 서비스 중단이 발생할 수 있다.

중요 업무시스템에서는 복수 존 또는 리전 구성과 백업, 복구절차 및 장애 대응훈련을 검토해야 한다.

AI 데이터 보호

편집 원본 편집

기업이 생성형 AI를 클라우드에서 이용할 때에는 입력 데이터와 출력 결과의 보관, 모델 개선을 위한 데이터 사용 여부, 로그 및 운영자의 접근권한 등이 중요한 쟁점이다.

특히 개인정보와 신용정보, 영업비밀 및 기밀문서가 AI 서비스에 전달되는 경우에는 계약조건과 서비스별 데이터 처리정책을 확인해야 한다.

동일한 구글 클라우드 환경에서도 모델 종류와 서비스 제공방식에 따라 데이터 처리조건이 다를 수 있다.

  1. ↑ 1.0 1.1 Google Cloud, Global Locations - Regions & Zones, https://cloud.google.com/about/locations/, 2026-10-28 갱신, 확인일: 2026-11-14.
  2. ↑ 2.0 2.1 2.2 2.3 2.4 Google Cloud, Google Cloud Next 2026 Wrap Up, https://cloud.google.com/blog/topics/google-cloud-next/google-cloud-next-2026-wrap-up, 2026-04.
  3. ↑ Google Cloud, Here to serve Korea's businesses with a new GCP region in Seoul, https://cloud.google.com/blog/products/infrastructure/new-gcp-region-in-seoul, 2020-02-18.
  4. ↑ Google Cloud, GKE shared responsibility, https://docs.cloud.google.com/kubernetes-engine/docs/concepts/shared-responsibility, 확인일: 2026-11-14.
  5. ↑ Google Cloud, The founder's AI foundation: The top announcements for startups from Next '26, https://cloud.google.com/blog/topics/startups/the-top-startup-announcement-from-next26, 2026-04-29.
  6. ↑ Google Cloud, Shared responsibilities and shared fate on Google Cloud, https://docs.cloud.google.com/architecture/framework/security/shared-responsibility-shared-fate, 2026-10-28 검토.
  7. ↑ Google Cloud, Accelerating generative AI around the world with new data residency guarantees, https://cloud.google.com/blog/products/ai-machine-learning/google-cloud-generative-ai-data-residency-guarantees-for-data-stored-at-rest/, 2023-11-14.
목차