새 AI 모델이 발표될 때마다 가장 먼저 보게 되는 것은 벤치마크 점수입니다. 하지만 실제 업무와 수업에서는 ‘가장 똑똑한 모델인가?’보다 ‘이 일에 어느 정도의 추론 노력이 필요한가?’가 더 중요한 질문이 되고 있습니다.

Google은 9월 2일 Gemini 3.8 Flash와 보안 특화형 3.8 Flash Cyber를 공개했습니다. 일반형 3.8 Flash는 소프트웨어 개발, 에이전트 작업, 여러 단계를 거치는 전문 추론 성능을 높이면서도 품질·비용·지연시간의 균형을 조절할 수 있는 노력 수준 설정을 이어갑니다.

더 오래 생각하면 항상 좋은 걸까요?

Google은 3.8 Flash가 복잡한 작업에서 추가 추론 단계를 수행하고 도구를 반복 호출할 수 있으며, 높은 노력 수준에서는 더 많은 토큰을 사용할 수 있다고 설명합니다. 반대로 효율이 우선인 작업에는 낮은 노력 수준이나 기존 3.7 Flash를 권합니다. 즉, AI의 ‘생각하는 양’도 업무 설계자가 조절해야 할 자원이 된 셈입니다.

모델 이름보다 업무 등급을 먼저 정해보세요

교육 현장에서는 업무를 세 등급으로 나눠볼 수 있습니다. 맞춤법 교정이나 형식 변환처럼 정답 확인이 쉬운 일은 낮은 노력으로 충분합니다. 여러 자료를 비교해 초안을 만드는 일은 중간 수준이 어울립니다. 계약·재무·보안처럼 오류 비용이 큰 일은 높은 노력과 함께 사람의 검토, 근거 확인, 승인 절차가 반드시 필요합니다. 중요한 점은 난도가 높다고 AI에게 모두 맡기는 것이 아니라 검증 단계를 더 촘촘하게 만드는 것입니다.

비용은 토큰 가격이 아니라 ‘성공한 결과’로 봐야 합니다

저렴한 모델이 여러 번 실패해 재작업을 만들면 오히려 비쌀 수 있고, 강한 모델을 단순 요약에 쓰면 불필요한 비용이 됩니다. 따라서 모델 비교표에는 입력·출력 단가만 적지 말고 완료 시간, 재시도 횟수, 사람 검토 시간, 오류 발생 시 손실을 함께 기록해보세요. 같은 과제를 서로 다른 노력 수준으로 실행한 뒤 결과 품질과 총소요 시간을 비교하면 교육생도 비용 감각을 빠르게 익힐 수 있습니다.

AX 강사의 시선

이번 발표를 수업에 활용한다면 ‘좋은 프롬프트 만들기’에서 한 단계 더 나아가 보세요. 교육생에게 업무 목표, 허용 오류, 마감 시간, 예산을 먼저 쓰게 하고 그 조건에 맞는 노력 수준과 검증 방식을 선택하게 하는 것입니다. 결과물이 틀렸을 때 프롬프트만 고치는 대신 모델, 노력 수준, 도구, 사람 검토 중 무엇을 조정할지 토론하면 실제 조직의 AI 운영 역량으로 이어집니다.

마무리

좋은 AX는 언제나 가장 강한 모델을 쓰는 일이 아니라, 필요한 만큼 생각하게 하고 확실히 검증하는 일입니다. 오늘 맡길 업무는 빠른 초안이 필요한가요, 아니면 비용을 더 들여서라도 한 번에 신뢰할 결과가 필요한가요?

출처
Introducing Gemini 3.8 Flash and 3.8 Flash Cyber · Google
Gemini 3.8 Flash Model Card · Google DeepMind