Google Earth AI 분석: 공간 추론 에이전트는 입지 판단을 어디까지 도울까

10월 14일 발표에서 새로 볼 것은 무엇인가

Google Research는 2026년 10월 14일, Earth AI의 Geospatial Reasoning agent에 관한 기술 보고서와 실험적 접근 확대를 소개했다. 논문 v1 제출일은 10월 11일이다. 발표는 Ask Google Earth의 심층 분석과 개발자용 A2A 서비스의 조기 접근을 다루며, 모든 계정에 대한 일반 제공을 뜻하지 않는다. 이 글은 10월 17일 확인한 자료에 근거한다. 공식 발표, 논문 제출 이력

관심을 가질 이유는 Gemini가 지리 상식을 더 많이 말하게 됐기 때문만은 아니다. “후보 창고 중 고객에게 빨리 도착하는 곳”이라는 질문에는 주소, 도로, 시간대, 고객 분포가 함께 들어간다. 그 자료를 찾아 같은 기준으로 결합하고 계산하는 과정이 필요하다. 이 과정을 자연어 질문에서 시작할 수 있다면, 분석가는 자료를 옮기는 일보다 어떤 비교가 타당한지 정하는 일에 시간을 쓸 여지가 생긴다. 실제 시간 절감 효과는 별도 측정해야 한다.

전문 도구와 계획은 서로 다른 빈틈을 메운다

공식 설명의 구조는 Gemini의 조율 → 필요한 Earth AI 기능 선택 → 별도 공간 작업 환경에서 처리 → 근거를 붙인 결과다. 위성·인구·기상·지도 등의 자료와 모델을 연결하며, API에는 CSV·GeoJSON·클라우드 테이블 같은 자체 자료를 넣는 경로도 소개한다. 큰 지도 자료를 모두 대화 문맥으로 옮기는 대신 작업 공간에서 처리한다. 구조와 입력 설명

이를 물류 업무에 옮겨 생각하면 도구의 역할이 분명해진다. 지명에 대한 설명은 후보의 배경을 이해하는 데 쓸 수 있다. 그러나 “강 건너 고객까지 차량으로 몇 분인가”는 도로 경로 자료가 필요한 질문이다. 모델이 도시 이름을 잘 안다고 도로망 계산을 대체할 수는 없다.

계획은 다른 문제를 다룬다. 처음부터 가까운 장소를 검색하면 거리순 목록을 만든 뒤 거기에 이유를 붙이기 쉽다. 먼저 배송 조건을 정하면, 위치 확인·경로 조회·기준 시간대 비교·누락 자료 표시처럼 필요한 단계를 정할 수 있다. 도구는 계산할 수단을 주고, 계획은 그 수단으로 답해야 할 질문을 유지한다. 다만 실행 중 자료가 없거나 조건이 틀렸다면 계획도 수정해야 한다.

논문은 계획의 효과를 어디까지 보여 주나

논문은 같은 모델에 기본 도구, 공간 전문 도구, 계획·실행 지침을 차례로 붙여 비교한다. 아래는 GeoExpertQueries의 결과 일부다. 수치는 공급자 실험의 0–100 척도 평균 ± 표준편차, 3회 실행이며 자체 재현 결과가 아니다. 논문 Table 4

모델	공간 전문 도구	전문 도구 + 계획·실행 지침
Gemini 3.8 Flash	52.2 ± 5.4	62.7 ± 2.5
Gemini 3.1 Pro	50.8 ± 1.7	47.6 ± 2.7

Flash의 평균은 10.5점 높지만 Pro에서는 같은 방향이 아니다. “계획을 붙이면 항상 좋아진다”는 결론은 이 표에서 나오지 않는다. 또한 이 비교는 계획과 실행 지침을 함께 바꾼 것으로, 계획만의 효과를 분리하지 않았다.

GeoExpertQueries는 전문가가 만든 분석 절차와 실행 기록을 AI 평가자가 대조한다. 최종 입지의 정답률이 아니다. 기본 도구 비교군의 코드 환경에는 네트워크가 없고, 평가는 Gemini 계열에 한정된다. 실제로 불가능한 과제에 대한 대응도 이 평가만으로 판단할 수 없다. 평가 방식, 논문의 한계

실무에서 가져올 질문은 “우리도 62.7점을 얻는가”보다 “어느 단계에서 자료 대신 추측을 쓰는가”다. 필요한 자료에 접근하지 못하는 팀이라면 모델 변경만으로 해결될 가능성은 작다. 반대로 자료와 계산 도구가 이미 갖춰져 있는데 분석 순서가 자꾸 어긋난다면, 계획과 중간 결과 확인을 비교할 가치가 있다.

사례: 가장 가까운 창고가 가장 빠르지는 않다

다음은 직접 만든 가상 사례다. 실제 지역·지도·교통 관측이나 Earth AI 응답이 아니다. 같은 고객 지점에 배송할 창고 A·B·C 중 현장 조사할 두 곳을 추린다고 하자. 회사가 정한 1차 조건은 평일 오전 기준 차량 이동시간 20분 이내다. 임대료·처리 용량은 이 단계에서 비교하지 않는다.

후보	직선거리	차량 이동시간	자료 상태
A	2km	25분	이번 비교 조건과 일치한다고 가정
B	4km	12분	이번 비교 조건과 일치한다고 가정
C	3km	미확인	과거 도로 자료만 있고 같은 시간대 값 없음

A는 직선으로 가장 가깝지만 이 조건에서는 제외된다. B는 더 멀어도 20분 이내라 다음 조사 대상으로 남는다. C는 느린 후보가 아니라 판단 자료가 부족한 후보다. 빈 값을 0분으로 채우거나 직선거리로 대신 정렬하면, 계산은 완료돼도 다른 질문에 답하게 된다.

이 사례에서 AI에 맡길 수 있는 분석은 후보 좌표 대조, 같은 조건의 경로 자료 수집, 조건별 표 작성, 빠진 자료 표시다. 무엇을 “좋은 입지”로 볼지는 먼저 정해야 한다. 여기서는 B가 다음 조사 대상일 뿐 최종 선택은 아니다. A의 임대료나 처리 능력이 유리하다면 회사가 20분 조건을 재검토할 수도 있다. 결론이 달라지는 조건을 남겨야 순위표를 다시 쓸 수 있다.

자료를 결합하기 전에 고정할 네 가지

1. 대상과 공간 범위. 건물 주소 하나인지, 부지 경계인지, 배송 권역인지 정한다. 같은 이름의 지점이나 출입구가 다른 주소를 섞지 않는다.
2. 측정할 값. 직선거리·차량 이동시간·도보 접근성 중 무엇인지 명시한다. “가깝다”는 말을 계산 단위로 바꾼다.
3. 유효 시점. 도로 자료 기준일, 출발 시간대, 고객 분포의 집계 기간을 적는다. 서로 다른 시점의 표를 결합했다면 그 사실을 결과에 남긴다.
4. 대체 자료의 허용 범위. 경로 자료가 없을 때 직선거리로 사전 탐색은 할 수 있다. 그 결과를 20분 배송 가능의 증거로 쓰지는 않는다.

이 네 가지는 특정 API의 설정 이름이 아니라 이 글의 분석 요청 기준이다. 공식 연구 페이지도 자체 시설 위치와 위성 변화·경로 자료를 결합하는 활용을 소개한다. 아래 요청은 그 가능성을 독자가 비교할 과제로 구체화한 것이며 공식 시연을 재현한 결과는 아니다. 공식 활용 예시

목표: 후보 창고 A/B/C 중 현장 조사할 대상을 추린다.
기준: 지정 고객 지점까지 평일 오전 차량 이동시간 20분 이내.
먼저 필요한 자료와 분석 순서, 답할 수 없는 항목을 설명해라.
후보 ID·좌표·자료 기준일·시간대·계산 방법을 결과에 남겨라.
같은 조건의 이동시간이 없으면 미확인으로 두어라.
직선거리 등 대체 자료를 쓰면 답할 수 있는 범위를 따로 적어라.
출력: 후보별 통과/제외/미확인, 근거, 다음에 확보할 자료.
현장 조사 대상과 최종 입지 결정을 구분해라.

입지 분석 요청표 내려받기를 자신의 후보와 조건으로 바꿔 쓸 수 있다. 제품에 설치되는 자동화나 실행 가능한 GIS 예제는 아니다.

이용 경로를 섞으면 도입 계획부터 틀어진다

연구 발표의 A2A 조기 접근과 Ask Google Earth 웹 제품은 나누어 확인해야 한다. A2A는 다른 에이전트·업무 흐름과 연결할 경로로 소개됐다. API 키만 만들면 누구나 바로 쓸 수 있다고 확인한 것은 아니다. 이번에 공개된 벤치마크 저장소도 전체 에이전트를 내려받아 자체 운영하는 제품이 아니다. 접근 확대 발표

10월 15일 갱신된 Ask Google Earth 문서는 실험 단계의 웹·영어 사용, 미국·호주·캐나다·영국·아일랜드·뉴질랜드·남아공 프로젝트를 안내한다. 한국 프로젝트 지원을 확인한 상태가 아니다. 한 질의의 최대 500개 지형지물과 조회 데이터 내보내기 제한도 명시한다. 이 제한을 연구 A2A API에 그대로 적용해서는 안 된다.

화면에서는 질문에 대한 답과 지도에 표시된 결과를 함께 보게 된다. 후보가 500개보다 많은 업무라면 화면에 보이는 목록을 전체 모집단으로 간주할 수 없다. 범위를 나누더라도 경계에 걸친 항목의 중복과 누락을 확인할 기준이 필요하다. 결과 반출이 업무의 필수 조건이라면, 접근 신청 전에 그 경로에서 가능한 산출물 형식을 확인해야 한다.

같은 문서는 질의·피드백의 사람 검토 가능성과 기밀 입력 주의도 설명한다. 사내 후보지 목록을 넣기 전에는 이용하려는 해당 경로의 데이터 처리 조건을 확인하자. 이 글은 계정 접근, 한국어 처리, 요금·청구액, 제품 화면의 모바일 배치를 시험하지 않았다.

도입 평가는 작은 질문과 비교 가능한 결과에서 시작한다

공식 벤치마크 저장소는 GeoKTools와 GeoExpertQueries의 개발용 문제, 참고 절차와 평가 도구를 제공한다. 테스트 분할은 비공개다. GeoKTools의 논문 방식은 정확히 맞지 않는 답에 AI 평가를 쓰며, 오프라인 결정론적 채점기는 별도 대안이다. 공개 채점기를 실행했다고 논문 점수를 그대로 재현한 것은 아니다.

독자가 처음 확인할 일은 더 작아도 된다. 이미 답과 자료를 알고 있는 후보 몇 개를 같은 입력으로 분석하게 하고, 다음 세 결과를 대조한다.

확인할 결과	통과해도 아직 모르는 것
좌표·기간·단위가 원자료와 맞는가	다른 지역·연도에서도 정확한가
누락된 자료와 대체 지표가 드러나는가	모든 누락을 자동으로 발견하는가
다른 사람이 같은 판단을 이어 갈 근거가 남는가	실제 도입 비용과 반복 업무 절감량

자료가 매번 달라지고 여러 도메인을 넘나드는 초기 탐색이라면 이 구조를 검토할 이유가 있다. 입력과 계산 순서가 이미 고정된 반복 집계라면 기존 GIS 작업이나 검증된 스크립트가 더 단순할 수 있다. 어느 쪽이든 검색된 문장, 실제 계산, 자료 부족 때문에 남겨 둔 판단을 구별한 결과물을 받아야 다음 결정을 이어 갈 수 있다.

모델과 제품의 역할을 더 나누어 보고 싶다면 Muse Wonder 분석, 자료가 있는 위치에 따라 작업을 나누는 방법은 Dots 업무 분석으로 이어 읽을 수 있다. 요청표를 다시 쓸 때는 이 글을 저장하고, 후속 분석은 AI 시스템 주제 모음이나 RSS에서 확인할 수 있다.