1. 서론 (Introduction)
대규모 언어 모델(LLM)은 자연어 처리, 콘텐츠 생성, 문제 해결 등 다양한 분야에서 혁신을 주도하며 현대 기술 환경의 핵심 요소로 부상했습니다. 이러한 LLM 시장에서 구글의 Gemini와 OpenAI의 ChatGPT는 가장 주목받는 두 경쟁자로, 각각 고유한 강점과 기술적 접근 방식을 통해 사용자들에게 강력한 AI 기능을 제공하고 있습니다. 본 보고서는 Gemini와 ChatGPT의 최신 버전(주로 Gemini 1.5/2.5 Pro 및 GPT-4o)을 중심으로 기술 사양, 벤치마크 성능, 핵심 역량, 사용자 경험, 윤리적 고려 사항 및 가격 정책 등을 심층적으로 비교 분석하여 어떤 모델이 특정 요구 사항에 더 적합한지에 대한 포괄적인 평가를 제공하고자 합니다.
2. 모델 개요 및 기술 사양 (Model Overview and Technical Specifications)
AI 모델을 선택함에 있어 그 기반이 되는 기술적 특징을 이해하는 것은 매우 중요합니다. Gemini와 ChatGPT는 각기 다른 아키텍처 철학과 학습 방법론을 가지고 있으며, 이는 모델의 성능과 활용성에 직접적인 영향을 미칩니다.
2.1. Google Gemini
Gemini는 구글의 최첨단 LLM 연구를 기반으로 개발되었으며, 처음부터 멀티모달 기능을 핵심으로 설계되었습니다.1 이는 텍스트뿐만 아니라 이미지, 오디오, 비디오 등 다양한 유형의 정보를 통합적으로 이해하고 처리할 수 있음을 의미합니다.2 Gemini 1.5 Pro와 같은 모델은 전문가 혼합(Mixture-of-Experts, MoE) 아키텍처를 활용하여 효율성을 극대화합니다. MoE 아키텍처는 입력 유형에 따라 신경망 내 가장 관련성 높은 전문가 경로만 선택적으로 활성화하여 모델의 효율성을 크게 향상시킵니다.3
Gemini 모델군의 두드러진 특징 중 하나는 방대한 컨텍스트 창 크기입니다. Gemini 1.5 Pro는 표준 128,000 토큰 컨텍스트 창으로 시작하여, 현재 프로덕션 환경에서 최대 1백만 토큰까지 처리할 수 있으며, 연구 단계에서는 최대 1천만 토큰까지 성공적으로 테스트되었습니다.3 Gemini 2.5 Pro 역시 1백만 토큰의 컨텍스트 창을 제공하며, 곧 2백만 토큰으로 확장될 예정입니다.5 이는 한 번의 프롬프트에서 한 시간 분량의 비디오, 11시간 분량의 오디오, 3만 줄 이상의 코드베이스 또는 70만 단어 이상의 방대한 정보를 처리할 수 있음을 시사합니다.3
Gemini 모델은 공개적으로 사용 가능한 다양한 데이터 소스를 기반으로 사전 훈련되며, 품질 필터와 안전 필터가 적용됩니다.1 이후 특정 작업이나 도메인에 맞게 모델을 미세 조정하기 위해 엄선된 예제를 사용하는 지도 미세 조정(Supervised Fine-Tuning, SFT)과 인간의 선호도 데이터를 활용한 인간 피드백 기반 강화 학습(Reinforcement Learning from Human Feedback, RLHF) 과정이 포함됩니다.1 Gemini API는 주로 Vertex AI와 Google AI Studio를 통해 개발자 및 기업 고객에게 제공됩니다.8
2.2. OpenAI ChatGPT
ChatGPT는 OpenAI에 의해 개발되었으며, 주로 GPT(Generative Pre-trained Transformer) 아키텍처를 기반으로 합니다.10 이 아키텍처는 일련의 텍스트와 같은 순차적 데이터를 처리하는 데 탁월한 성능을 보이며, 방대한 텍스트 모음(책, 기사, 웹 페이지 등)에 대한 사전 훈련을 통해 언어의 통계적 패턴을 학습합니다.10
최신 주력 모델인 GPT-4o는 텍스트, 오디오, 이미지, 비디오 등 다양한 조합의 입력을 받아 텍스트, 오디오, 이미지 조합의 출력을 생성할 수 있는 진정한 의미의 옴니모달(omni-model)로 설계되었습니다.12 GPT-4o는 텍스트, 비전, 오디오 전반에 걸쳐 엔드투엔드로 훈련되어 모든 입력과 출력이 동일한 신경망에서 처리됩니다.14 GPT-4o의 컨텍스트 창 크기는 128,000 토큰입니다.16 (참고: GPT-4.1은 1백만 토큰을 지원하지만 19, 현재 주력 모델은 GPT-4o입니다.)
ChatGPT 모델의 훈련 과정에는 데이터 전처리 단계에서 토큰화(텍스트를 개별 단어 또는 하위 단어로 분할) 및 정규화(텍스트를 소문자로 변환하고 구두점이나 특수 문자 제거)가 포함됩니다.10 응답 생성 시에는 입력 메시지와 컨텍스트, 대화 기록의 내부 표현을 고려하여 가장 적절한 응답을 결정하며, 빔 검색(beam search)과 같은 기술을 사용하여 여러 가능한 응답을 생성하고 평가합니다.10 OpenAI는 ChatGPT를 위한 API 플랫폼을 제공하여 개발자들이 자체 애플리케이션에 통합할 수 있도록 지원합니다.12
2.3. 지원 언어 (Supported Languages)
Gemini는 영어, 프랑스어, 독일어, 이탈리아어, 일본어, 한국어, 포르투갈어, 스페인어를 포함한 광범위한 언어를 이해하고 응답할 수 있습니다.20 Gemini 2.0 Flash, 1.5 Pro, 1.5 Flash와 같은 최신 모델들은 아프리칸스어, 암하라어, 아제르바이잔어 등 훨씬 더 많은 추가 언어를 지원합니다.21 다만, Google Workspace 내 일부 Gemini 기능은 영어만 지원될 수 있습니다.20
ChatGPT 역시 매우 광범위한 언어를 지원하며, 공식적으로는 58개 언어를 언급하지만 사용자 보고 및 테스트에 따르면 95개 이상의 언어에서 일정 수준의 능숙도를 보입니다.23 주요 지원 언어에는 영어, 스페인어, 프랑스어, 중국어, 독일어, 일본어, 아랍어 등이 포함됩니다.24 모델은 입력 언어를 자동으로 감지하고 해당 언어로 응답하는 경향이 있습니다.23 두 모델 모두 영어 기반 데이터로 주로 훈련되었기 때문에 영어에서 가장 강력한 성능을 보이지만, 다국어 지원 능력은 지속적으로 향상되고 있습니다.
3. 모델 아키텍처 및 훈련 데이터 (Model Architecture and Training Data)
Gemini와 ChatGPT의 성능 차이는 근본적으로 모델 아키텍처와 훈련 데이터의 특성에서 비롯됩니다.
Gemini는 다양한 규모와 사용 사례에 맞춰 설계된 구글의 가장 유능한 AI 모델들로 구동됩니다.1 특히 Gemini 1.5 Pro와 같은 모델은 효율성과 확장성을 위해 전문가 혼합(MoE) 아키텍처를 채택했습니다.3 이 아키텍처는 모델이 특정 작업에 대해 가장 관련성 높은 “전문가” 신경망 경로를 동적으로 선택하여 계산 자원을 효율적으로 사용하도록 합니다. 훈련 데이터는 공개적으로 이용 가능한 방대한 데이터셋을 포함하며, 여기에는 텍스트, 코드, 이미지, 오디오, 비디오 등 다양한 양식이 포함됩니다.1 구글은 데이터 품질을 매우 중요하게 생각하여 휴리스틱 규칙과 모델 기반 분류기를 사용하여 품질 필터를 적용하고, 정책 위반 출력을 생성할 가능성이 있는 콘텐츠를 제거하기 위한 안전 필터링을 수행합니다.1 또한, 모델 평가의 무결성을 유지하기 위해 훈련 말뭉치에 포함되었을 수 있는 평가 데이터를 검색하여 제거한 후 훈련에 사용합니다.1 훈련 과정에서는 데이터 혼합 비율을 조정하여 훈련 후반부로 갈수록 도메인 관련 데이터의 가중치를 높이는 방식을 사용하기도 합니다.1
ChatGPT는 주로 트랜스포머(Transformer) 아키텍처를 기반으로 구축됩니다.10 이 아키텍처는 어텐션 메커니즘(Attention Mechanism)을 사용하여 입력 시퀀스 내의 다른 단어들과의 관계를 파악하고, 이를 통해 문맥을 이해하는 데 뛰어난 성능을 보입니다.11 GPT-4o와 같은 최신 모델은 텍스트, 비전, 오디오를 아우르는 엔드투엔드 훈련을 통해 진정한 옴니모달 기능을 구현합니다.14 훈련 데이터는 책, 기사, 웹 페이지 등 방대한 텍스트 데이터 컬렉션으로 구성되며, 위키피디아와 같은 특정 데이터셋도 활용된 것으로 알려져 있습니다.10 데이터 전처리 과정에는 토큰화, 정규화 등이 포함되며, 이를 통해 모델이 언어의 통계적 패턴과 문법 규칙을 학습합니다.10 OpenAI는 모델의 편향을 줄이고 성능을 향상시키기 위해 지속적인 훈련과 미세 조정을 강조하며, 보다 다양하고 포괄적인 훈련 데이터의 중요성을 언급합니다.10
두 모델 모두 사전 훈련된 지식을 바탕으로 특정 작업에 대한 미세 조정을 거치지만, Gemini는 초기 설계부터 멀티모달리티를 강조하고 MoE와 같은 효율적인 아키텍처를 적극 도입하는 반면, ChatGPT는 강력한 트랜스포머 기반 언어 이해 능력에서 출발하여 점차 멀티모달 기능과 효율성을 확장해 나가는 양상을 보입니다. 이러한 아키텍처 및 훈련 데이터의 차이는 각 모델이 특정 유형의 작업에서 나타내는 강점과 약점에 직접적인 영향을 미칩니다.
4. 벤치마크 성능 비교 (Benchmark Performance Comparison)
LLM의 성능을 객관적으로 비교하기 위해 다양한 표준 벤치마크가 활용됩니다. 이러한 벤치마크는 언어 이해, 추론, 코딩, 수학 등 여러 영역에서 모델의 능력을 측정합니다. 그러나 벤치마크 점수는 특정 시점의 스냅샷이며, 모델 버전, 테스트 조건, 벤치마크 변형(예: MMLU vs MMLU-Pro, 0-shot vs few-shot)에 따라 다소 차이가 있을 수 있음을 유념해야 합니다.
다음 표는 Gemini와 ChatGPT의 최신 주력 모델(주로 Gemini 1.5 Pro/2.5 Pro 및 GPT-4o)에 대한 주요 벤치마크 점수를 요약한 것입니다.
| 벤치마크 (Benchmark) | Gemini 모델 (버전) | 점수 (%) | ChatGPT 모델 (버전) | 점수 (%) | 주요 출처 |
| MMLU (Massive Multitask Language Understanding) | Gemini 1.5 Pro | 85.9 | GPT-4o | 88.7 | 17 |
| Gemini 2.5 Pro | 81.7 | GPT-4o | 85.7 (1-shot) | 18 | |
| MMLU-Pro | Gemini 1.5 Pro | 75.8 | GPT-4o | 74.68 | 18 |
| GSM8K (Grade School Math) | Gemini 1.5 Pro | 90.8 | GPT-4o | 90.5 | 17 |
| Gemini 2.5 Pro (MATH 벤치마크 내) | N/A | GPT-4o | 92.95 | 6 | |
| HumanEval (Coding) | Gemini 1.5 Pro | 84.1 | GPT-4o | 90.2 | 17 |
| Gemini 2.5 Pro (HumanEval 유사 벤치마크) | 83.3 (vs GPT-4.1) | GPT-4o | 90.2 | 17 | |
| MATH (Mathematical Problem Solving) | Gemini 1.5 Pro | 86.5 | GPT-4o | 76.6 | 17 |
| Gemini 2.5 Pro | 58.5 | GPT-4o | 54 | 6 | |
| GPQA (Graduate-Level Google-Proof Q&A) | Gemini 2.5 Pro (Diamond) | 84.0 | GPT-4o (Diamond) | 46 | 5 |
| MMMU (Massive Multitask Multimodal Understanding) | Gemini 2.5 Pro | 81.7 | GPT-4o | 69.1 / 68.7 | 5 |
| WebDev Arena | Gemini 2.5 Pro | #1 (순위) | – | – | 8 |
| SWE-Bench Verified (Agentic Coding) | Gemini 2.5 Pro | 63.8 | OpenAI o1 | ~49 | 5 |
벤치마크 결과는 모델들이 지속적으로 발전하며 서로의 성능을 앞지르는 “추월 경쟁” 양상을 보여줍니다. 예를 들어, GPT-4o는 MMLU와 HumanEval에서 전반적으로 높은 점수를 기록하는 경향이 있으며 17, Gemini 2.5 Pro는 GPQA, AIME와 같은 특정 추론 벤치마크 및 WebDev Arena와 같은 실용적인 웹 개발 능력 평가에서 강점을 보입니다.5
이러한 정량적 비교는 유용하지만, 벤치마크 점수 자체가 최종적인 판단 기준이 되어서는 안 됩니다. 일부 벤치마크는 이미 포화 상태에 이르렀거나, 모델이 훈련 데이터 유출(data contamination)을 통해 특정 문제 유형을 “암기”했을 가능성에 대한 우려도 제기됩니다.31 따라서 벤치마크 점수는 모델의 잠재력을 가늠하는 여러 지표 중 하나로 간주하고, 실제 사용 사례에서의 성능, 사용 편의성, 통합 용이성 등 질적인 측면을 함께 고려하는 것이 중요합니다.
최근에는 WebDev Arena 8나 SWE-Bench와 같은 에이전트 코딩 벤치마크 5 등 새로운 평가 방법론이 등장하고 있습니다. 이는 기존의 학술적 벤치마크가 주로 기초적인 언어 이해, 수학, 기본 코딩 능력을 측정하는 반면, 새로운 벤치마크들은 LLM이 복잡한 다단계 작업을 수행하고 외부 도구를 활용하는 에이전트적 행동(agentic behavior) 능력을 평가하려는 시도를 반영합니다. 예를 들어, WebDev Arena는 기능적이고 심미적으로 만족스러운 웹 애플리케이션 구축 능력을 측정하며 8, SWE-Bench는 실제 GitHub 이슈를 해결하는 능력을 평가합니다.5 이는 LLM 평가의 초점이 단순 질의응답이나 텍스트 생성을 넘어, 보다 실용적이고 복잡한 문제 해결 능력으로 이동하고 있음을 시사하며, 이러한 새로운 벤치마크에서의 성능이 향후 모델 선택에 있어 점점 더 중요한 요소가 될 것입니다.
또한, 동일 모델에 대한 동일 벤치마크 점수가 출처에 따라 다소 다르게 보고되는 경우가 있습니다.6 이는 모델 버전의 미세한 차이(예: 프리뷰 버전 대 안정 버전), 벤치마크 구성(예: 샷 수, 특정 데이터셋 분할, 프롬프팅 기법), 보고 시점, 평가자의 방법론 차이 등 여러 요인에 기인할 수 있습니다.18 따라서 단일 점수에 절대적인 의미를 부여하기보다는 여러 신뢰할 수 있는 출처의 경향성을 파악하는 것이 중요하며, 표준화되고 투명한 벤치마크 보고의 필요성이 강조됩니다.
5. 역량 비교 분석 (Comparative Analysis of Capabilities)
벤치마크 점수 외에도, 실제 사용 환경에서 나타나는 각 모델의 역량 차이를 이해하는 것이 중요합니다. 텍스트 생성부터 코딩, 추론, 멀티모달 상호작용에 이르기까지 Gemini와 ChatGPT는 각기 다른 강점과 특징을 보입니다.
5.1. 텍스트 생성, 요약 및 창의성 (Text Generation, Summarization, and Creativity)
Gemini는 종종 간결하고 기술적인 텍스트 생성에 능숙한 것으로 평가됩니다.33 사실 기반 글쓰기에는 강점을 보이지만, 창의적인 스토리텔링에서는 ChatGPT에 비해 다소 흡입력이 부족할 수 있다는 의견도 있습니다.34 그러나 Gemini Advanced는 학술 요약과 같이 구조화된 텍스트 생성에서 포괄적이고 상세한 결과를 제공하며 우수성을 나타냅니다.35 Gemini의 글쓰기 스타일은 창의적인 콘텐츠에 대해서도 자연스럽고 매력적일 수 있습니다.2
ChatGPT는 글쓰기, 창의성, 스토리텔링 영역에서 두각을 나타냅니다.2 특히 GPT-4o는 창의적인 콘텐츠 생성에서 뛰어난 성능을 보이며 29, 미묘한 피드백과 창의적인 작업에서 강점을 보입니다.33 때로는 장황하게 느껴질 수 있지만 상세한 내용을 담는 경향이 있으며 33, 브레인스토밍이나 유머러스한 콘텐츠 생성에 적합합니다.36
5.2. 코딩 및 개발 (Coding and Development)
Gemini 2.5 Pro는 UI/UX 개발 관련 WebDev Arena 벤치마크에서 1위를 차지하는 등 강력한 코딩 능력을 보여주며 8, 코드 변환/편집 및 에이전트 워크플로우 생성에 유용합니다.8 Gemini 1.5 Pro 및 2.0 Flash는 Natural2Code 테스트에서 좋은 점수를 기록했지만, 일부 테스트에서는 SQL 또는 Python 코드 생성에서 다소 부진한 모습을 보이기도 했습니다.16 전반적으로 Gemini는 코딩 및 기술 지원에서 강점을 가지고 있으며 36, Gemini Code Assist와 같은 특화된 도구도 제공됩니다.37 Gemini 2.5 Pro는 SWE-bench verified에서 63.8%, LiveCodeBench v5에서 70.4%의 점수를 기록했습니다.5
ChatGPT의 GPT-4 및 GPT-4o 모델은 일반적으로 일관되고 정확한 코딩 결과를 제공하는 것으로 알려져 있습니다.38 프롬프트를 통해 코드를 생성하고 디버깅하는 데 뛰어나며 37, GPT-4o는 HumanEval과 같은 코딩 벤치마크에서 높은 점수(90.2%)를 기록했습니다.17 코딩 설명에 있어서도 대화의 깊이가 더 깊다는 평가가 있습니다.37 OpenAI의 o1 모델은 Codeforces 및 SWE-bench와 같은 코딩 대회 및 벤치마크에서 강력한 성능을 보여주었습니다.16
5.3. 추론, 논리 및 문제 해결 (Reasoning, Logic, and Problem-Solving)
Gemini 2.5 모델은 응답 전에 추론 과정을 거치는 “사고 모델(thinking models)”로 설계되어 복잡한 문제 해결 능력이 향상되었습니다.6 Gemini Advanced는 기술적 간결성 33 및 윤리적 토론 처리 36에서 강점을 보이며, Gemini 2.5 Pro는 GPQA Diamond 및 AIME 벤치마크에서 우수한 성적을 거두었습니다.5 다만, 일부 테스트에서는 함정 질문이나 복잡한 논리 퍼즐에 어려움을 겪는 모습을 보이기도 했습니다.33
ChatGPT의 GPT-4o 및 o1 모델은 논리적 사고와 복잡한 문제 해결에 뛰어난 것으로 평가됩니다.12 ChatGPT-4는 윤리적 딜레마와 복잡한 추론에서 강점을 나타내며 33, 분석적 작업에 더 적합한 “사고력”을 지녔다는 평가도 있습니다.2 OpenAI의 o1 모델은 특히 연쇄적 사고 추론(chain-of-thought reasoning)에 능숙합니다.16
5.4. 사실 정확성, 연구 및 정보 검색 (Factual Accuracy, Research, and Information Retrieval)
Gemini는 구글 검색을 활용하여 실시간 데이터를 제공하며 16, Gemini의 ‘딥 리서치(Deep Research)’ 기능은 심층적이고 잘 구조화된 보고서를 생성하지만, 일부 사실 오류가 발생할 수 있다는 점에 유의해야 합니다.40 문화적 이해도 테스트에서는 ChatGPT보다 전반적인 정확도(MAE 기준 Gemini 25.24 vs ChatGPT 30.69)가 약간 더 높게 나타났습니다.41 사실 기반 질의에 대해 더 정확한 답변을 제공하는 경향이 있습니다.34
ChatGPT는 웹 접근을 위해 Bing 검색을 사용하며 16, 특정 뉴스 출처를 정확하게 요약하는 데 더 능숙합니다.33 인용 정보를 제공할 수 있지만 항상 신뢰할 수 있는 것은 아니며 16, 답변에 자신감이 넘치는 경향이 있습니다.16 ChatGPT의 연구 보고서는 Gemini의 딥 리서치 기능보다 기본적인 수준일 수 있지만, 특정 데이터 포인트에서는 때때로 더 신뢰할 만한 정보를 제공하기도 합니다.40
5.5. 멀티모달 상호작용 (이미지, 비디오, 오디오) (Multimodal Interaction (Image, Video, Audio))
Gemini는 강력한 멀티모달 기능을 자랑하며, 텍스트, 이미지, 오디오, 비디오를 원활하게 처리할 수 있도록 설계되었습니다.2 Gemini 2.5 Pro는 VideoMME 벤치마크에서 84.8%의 점수를 기록하며 최첨단 비디오 이해 능력을 입증했습니다.8 또한, 정확한 텍스트를 포함한 이미지를 더 잘 생성하는 것으로 평가되며 2, Gemini 2.5 Pro는 MMMU 벤치마크에서 81.7%의 점수를 받았습니다.5
ChatGPT의 GPT-4o는 텍스트, 오디오, 이미지, 비디오 입력을 처리하고 텍스트, 오디오, 이미지 출력을 생성할 수 있는 옴니모달 모델입니다.12 이미지 생성을 위해 DALL-E 3를 사용하며, 예술적인 결과물에서 뛰어난 성능을 보입니다.16 GPT-4o는 MMMU 벤치마크에서 69.1% 17 또는 68.7% 18의 점수를 기록했으며, 음성 모드에서는 카메라 입력을 활용할 수도 있습니다.44
이러한 역량 비교를 통해 어떤 모델도 모든 면에서 보편적으로 우수하지 않다는 점이 분명해집니다. 각 모델의 강점은 특정 작업 유형에 따라 크게 달라집니다. 예를 들어, ChatGPT는 창의적인 글쓰기 33에서, Gemini는 구조화된 학술 요약 35이나 멀티모달 작업 8에서 더 나은 성능을 보일 수 있습니다. 코딩 분야에서도 Gemini 2.5 Pro는 UI 개발(WebDev Arena) 8에서, GPT-4o는 알고리즘 작업(HumanEval) 17에서 각각 강점을 나타낼 수 있습니다. 따라서 사용자는 자신의 주요 사용 사례를 명확히 정의하여 최적의 도구를 선택해야 합니다.
또한, 두 모델 모두 인상적인 능력을 갖추고 있음에도 불구하고, 일관된 사실 정확성 확보, 환각(hallucination) 방지, 복잡하거나 미묘한 연구 작업에서의 완벽한 신뢰성 제공 등에서는 여전히 “마지막 한 걸음”의 과제를 안고 있습니다. Gemini의 딥 리서치 기능은 심층적이지만 사실 오류가 관찰되었고 40, ChatGPT의 인용 정보는 항상 신뢰할 수 있는 것은 아닙니다.16 두 모델 모두 환각 현상을 일으킬 수 있으며 16, 이는 특히 중요한 결정이나 민감한 정보 처리 시 인간의 감독과 검증이 필수적임을 시사합니다.
마지막으로, 두 플랫폼 모두 포괄적인 멀티모달 및 추론 능력을 개발하고 있지만, 각자의 “출발점”이나 핵심 설계 철학이 여전히 독특한 우위를 제공하는 것으로 보입니다. 구글의 방대한 데이터 33 및 검색 능력 16에 기반한 Gemini는 정보 집약적이고 실시간 정보 합성이 중요한 멀티모달 작업에서 강점을 보입니다.1 반면, 언어 모델 연구에서 출발한 OpenAI의 ChatGPT는 인간과 유사한 대화의 미묘함, 창의적인 텍스트 생성 등에서 강력한 우위를 유지하고 있습니다.33 GPT-4o가 “옴니모달” 14로 발전하고 Gemini가 강력한 “사고 모델” 9로 진화함에 따라 이러한 경계는 점차 흐려지고 있지만, 근본적인 강점은 비교 테스트에서 여전히 드러나는 경우가 많습니다.
6. 사용자 경험, 기능 및 생태계 (User Experience, Features, and Ecosystem)
모델의 순수 성능 외에도 사용 편의성, 제공 기능, 그리고 주변 생태계는 사용자의 선택에 큰 영향을 미칩니다. Gemini와 ChatGPT는 이 부분에서도 각기 다른 접근 방식을 취하고 있습니다.
6.1. 사용 편의성 및 인터페이스 디자인 (Ease of Use and Interface Design)
Gemini는 특히 AI를 처음 접하는 사용자에게 친숙한 인터페이스를 제공하며 33, 명확한 답변과 훑어보기 쉬운 형식으로 정보를 제공한다는 평가를 받습니다.2 구글 생태계와의 깊은 통합은 기존 구글 사용자들의 사용성을 크게 향상시킵니다.42 또한, Gemini Canvas와 같은 기능은 색다른 상호작용 방식을 제공합니다.38
ChatGPT는 간결한 텍스트 기반 채팅 인터페이스를 기본으로 하며 2, 기술에 익숙한 사용자들을 위한 맞춤 설정 옵션을 제공합니다.33 Canvas 기능은 공동 작업 환경을 지원하며 12, 데스크톱 애플리케이션도 이용 가능합니다.16
6.2. 다른 플랫폼과의 통합 (Integration with Other Platforms)
Gemini는 Google Workspace(Docs, Sheets, Gmail 등)와 매우 긴밀하게 통합되어 있어, 사용자들이 구글 앱 내에서 원활하게 AI 기능을 활용할 수 있습니다.16 또한, Workspace Flows 기능을 통해 AI 기반의 업무 자동화를 구현할 수 있습니다.47
ChatGPT는 API를 통해 다양한 서드파티 소프트웨어와 통합될 수 있으며 16, 사용자는 Custom GPT 기능을 활용하여 특정 작업에 특화된 보조 AI를 만들 수 있습니다.12 ChatGPT Team 버전은 Google Drive와 통합되어 내부 문서를 활용할 수 있으며 16, Apple과의 파트너십을 통해 iOS, iPadOS, macOS 환경에도 통합될 예정입니다.12
6.3. 기기 지원 및 접근성 (Device Support and Accessibility)
Gemini는 웹 및 모바일 앱을 통해 사용할 수 있으며 16, 구글 생태계에 깊이 통합되어 있지만 전용 데스크톱 앱은 제공하지 않습니다.42
ChatGPT는 웹, 모바일 앱뿐만 아니라 전용 데스크톱 앱도 제공하여 다양한 환경에서의 접근성을 높였습니다.12
6.4. 데이터 관리, 개인 정보 보호 및 보안 기능 (Data Management, Privacy, and Security Features)
Gemini 사용자는 메모리 기능을 관리하고 대화 내용을 삭제할 수 있으며 16, 데이터는 사용자의 구글 계정에 저장되고 보존 기간 설정이 가능합니다.48
ChatGPT 사용자는 메모리 기능 끄기, 대화 삭제, 임시 채팅 사용 등의 옵션을 통해 데이터 관리가 가능하며 16, 대화 보관 기능도 제공됩니다.16 ChatGPT Team의 경우, 팀 데이터는 기본적으로 모델 훈련에서 제외되고, 데이터는 암호화되며 SOC 2 Type 2 인증을 받았습니다.49 사용자는 자신의 입력과 출력에 대한 소유권을 가집니다.49
이러한 사용자 경험 및 생태계 측면에서 볼 때, Gemini는 Google Workspace와의 긴밀한 통합을 통해 해당 생태계 사용자들에게 강력한 편의성을 제공하며, 이는 일종의 “생태계 고착(ecosystem lock-in)” 효과를 유도할 수 있습니다. 반면 ChatGPT는 Google Drive와 같은 일부 플랫폼과 통합되기는 하지만, API 및 Custom GPT 스토어를 통해 보다 광범위한 적용 가능성과 다양한 맞춤 설정 옵션에 중점을 둡니다.38 Apple과의 파트너십 12은 ChatGPT가 다른 주요 생태계로 확장하려는 전략을 보여줍니다. 따라서 Google Workspace를 주로 사용하는 사용자는 Gemini가 일상 업무에 더 편리할 수 있으며, 다양한 플랫폼에서 고도로 특화된 AI 비서를 필요로 하는 개발자나 사용자는 ChatGPT의 생태계가 더 적합할 수 있습니다.
또한, LLM과의 상호작용 방식, 즉 “사용자 인터페이스”의 정의 자체가 진화하고 있음을 알 수 있습니다. 단순한 채팅창을 넘어 음성 12, “캔버스” 스타일의 협업 공간 12, 기존 애플리케이션으로의 직접적인 통합 12 등 다양한 형태로 발전하고 있습니다. 초기 LLM 상호작용은 주로 텍스트 기반 채팅이었으나 2, 음성 및 멀티모달 기능이 성장함에 따라 인터페이스도 이러한 풍부한 상호작용을 지원하도록 변화하고 있습니다. ChatGPT Canvas 12나 Gemini Canvas 38와 같은 기능은 AI와의 작업이 보다 상호작용적이고 프로젝트 기반으로 전환되고 있음을 시사합니다. Gemini의 Workspace 통합 47이나 ChatGPT의 iOS 통합 12과 같이 AI가 기존 디지털 환경에 직접 내장됨으로써, 사용자는 별도의 AI 채팅 웹사이트를 방문할 필요 없이 더욱 자연스럽고 맥락에 맞는 방식으로 AI를 활용할 수 있게 될 것입니다. 이는 LLM 인터페이스가 더욱 다양해지고 사용자의 기존 디지털 환경에 깊숙이 통합되어 일상 업무에 원활하게 적용될 미래를 예고합니다.
7. 강점 및 약점 (Strengths and Weaknesses)
Gemini와 ChatGPT는 각각 뚜렷한 강점과 상대적인 약점을 가지고 있으며, 이는 사용자의 특정 요구에 따라 어떤 모델이 더 적합한지를 결정하는 중요한 요소가 됩니다.
| 역량 영역 (Capability Area) | Gemini 강점 (Pros) | Gemini 약점 (Cons) | ChatGPT 강점 (Pros) | ChatGPT 약점 (Cons) |
| 텍스트 생성/창의성 | 간결하고 기술적인 응답 33, 사실 기반 글쓰기, 구조화된 학술 요약에 강함 35 | 창의적 스토리텔링에서 ChatGPT보다 흡입력이 부족할 수 있음 34 | 뛰어난 창의적 글쓰기, 스토리텔링, 브레인스토밍, 유머 감각 33, 미묘한 피드백 및 대화 능력 33 | 때때로 장황할 수 있음 33 |
| 코딩 및 개발 | UI 개발(WebDev Arena #1 – Gemini 2.5 Pro) 8, 코드 변환/편집, 에이전트 워크플로우 8 | 일부 테스트에서 SQL/Python 생성 능력 부족 16 | HumanEval 등 벤치마크에서 강력한 성능 17, 디버깅 및 프롬프트 기반 코드 생성 우수 37, 심도 있는 코딩 설명 37 | – |
| 추론 및 논리 | “사고 모델” (Gemini 2.5) 9, 기술적 간결성, 윤리적 토론 처리 33, 특정 추론 벤치마크(GPQA, AIME) 우수 5 | 일부 테스트에서 함정 질문이나 복잡한 논리 퍼즐에 어려움 33 | 논리적 사고 및 복잡한 문제 해결(GPT-4o, o1) 12, 윤리적 딜레마 및 복잡한 추론 처리 33, 연쇄적 사고 추론(o1) 16 | – |
| 사실 정확성/연구 | Google 검색 기반 실시간 데이터 16, 문화적 이해도 정확성 약간 우위 41, 사실 기반 질의에 정확한 경향 36 | ‘딥 리서치’ 기능에서 사실 오류 관찰 40, 뉴스 요약이 간접적일 수 있음 33 | 특정 뉴스 출처 요약 정확 33, 자신감 있는 답변 16, 연구 보고서가 기본적이지만 특정 데이터 포인트에서 신뢰성 높을 수 있음 40 | 인용 정보가 항상 신뢰할 수 있는 것은 아님 16 |
| 멀티모달 | 뛰어난 멀티모달 처리(텍스트, 이미지, 오디오, 비디오) 2, 최첨단 비디오 이해(Gemini 2.5 Pro) 8, 정확한 텍스트 포함 이미지 생성 2 | – | GPT-4o의 강력한 옴니모달 기능(텍스트, 오디오, 이미지, 비디오 입력; 텍스트, 오디오, 이미지 출력) 12, DALL-E 3 기반 예술적 이미지 생성 16, 음성 모드에서 카메라 입력 활용 44 | – |
| 컨텍스트 창 | 매우 큼 (1.5/2.5 Pro: 1M-2M 토큰) 3 | – | GPT-4o: 128K 토큰 (최신 Gemini Pro 모델보다 작음) 16 | – |
| 생태계/통합 | Google Workspace 및 Google 생태계와 깊은 통합 33 | 전용 데스크톱 앱 부재 42 | 성숙한 API 및 광범위한 Custom GPT 생태계 38, 데스크톱 앱 제공 16, Apple 생태계 통합 예정 12 | – |
| 사용자 경험 | AI 초심자에게 친숙 33, 명확한 답변 및 가독성 좋은 형식 2 | – | 기술 애호가를 위한 맞춤 설정 33, Canvas 등 협업 기능 12 | 무료 버전에서 고급 기능 제한 2 |
두 모델 모두 매우 유능한 범용 AI로 발전하고 있지만, 그들의 역사적 강점과 아키텍처적 초점은 여전히 특정 영역에서 “전문가와 유사한” 이점을 제공합니다. Gemini는 구글의 검색 및 데이터 인프라에 깊이 뿌리내리고 있어 정보 집약적이고 멀티모달적인 작업에서 우위를 점하는 경우가 많으며 8, 방대한 컨텍스트 창은 이러한 강점을 더욱 증폭시킵니다. 반면, ChatGPT는 언어 모델링에 대한 탄탄한 기초와 대규모 공개 상호작용을 통한 반복적인 개선을 통해 대화 및 창의적인 글쓰기 기술을 연마해 왔습니다.33 GPT-4o가 옴니모달로 진화하고 Gemini 2.5 Pro가 강력한 추론 모델로 부상함에 따라 이러한 근본적인 강점은 사용자 리뷰와 테스트에서 종종 핵심적인 차별점으로 나타납니다. 이는 사용자가 단순히 모델을 선택하는 것이 아니라 특정 “적성”을 가진 AI를 선택하는 것과 같으며, 이러한 미묘한 강점을 이해하는 것이 최적의 도구 선택에 중요합니다.
8. 윤리적 고려 사항 (Ethical Considerations)
LLM의 발전과 함께 편향, 환각, 안전성 등 윤리적 문제에 대한 우려도 커지고 있습니다. Gemini와 ChatGPT 개발사 모두 이러한 문제 해결을 위해 노력하고 있지만, 완벽한 해결에는 이르지 못한 상태입니다.
8.1. 출력물의 편향 (Bias in Outputs)
두 모델 모두 훈련 데이터에 존재하는 편향을 반영할 수 있습니다.10 성별 편향에 관한 연구에 따르면, GPT-4o는 직업적 성별 분리 현상(예: 의료 분야는 여성, 공학 분야는 남성에게 할당)을 보일 수 있는 반면, Gemini 1.5 Pro(및 Sonnet 3.5, LLaMA 3.1:8b 등)는 다양한 직업군에 걸쳐 여성 정체성을 우세하게 할당하지만 직무별 특수성은 덜한 경향을 나타냈습니다.50 이는 아키텍처 결정과 훈련 데이터 구성이 성별 표현에 큰 영향을 미침을 보여줍니다. 문화적 이해도 측면에서는 Gemini가 미묘한 문화적 차이 테스트에서 약간 더 나은 성능을 보였지만, 두 모델 모두 심각한 부정확성을 드러냈습니다.41
8.2. 환각 비율 및 신뢰성 (Hallucination Rates and Reliability)
두 모델 모두 “환각(hallucination)”, 즉 사실이 아닌 정보를 자신 있게 생성하는 현상을 보일 수 있습니다.16 환각 비율은 모델과 작업에 따라 다양합니다. 한 연구에서는 적대적인 임상 환경에서 환각 비율이 50%에서 82%에 달했으며, GPT-4o의 경우 프롬프트 기반 완화 조치를 통해 53%에서 23%로 감소했다고 보고했습니다.45 AllAboutAI의 2025년 4월 데이터에 따르면, Gemini-2.0-Flash-001 모델이 0.7%로 가장 신뢰도가 높았고, Gemini-2.0-Pro-Exp는 0.8%, GPT-4o는 1.5%의 환각 비율을 보였습니다. 반면, 이전 버전인 Gemini 1.5 Pro는 6.6%로 나타나, 모델별 편차가 큼을 알 수 있습니다.46 일반적으로 더 큰 모델과 자체 일관성 확인(newer Gemini 모델)과 같은 더 나은 추론 능력을 갖춘 모델이 환각을 덜 일으키는 경향이 있습니다.46 법률(6.4%)이나 의료(4.3%)와 같은 전문 분야 정보는 일반 지식(0.8%)에 비해 최상위 모델에서도 환각 위험이 더 높게 나타났습니다.46
8.3. 안전 조치 및 콘텐츠 조정 (Safety Measures and Content Moderation)
Gemini의 경우, 구글은 사전 훈련 단계에서 품질 및 안전 필터를 적용하며 1, 구글의 AI 안전 프로토콜을 준수합니다.34
**OpenAI(ChatGPT/GPT-4o)**는 정책 위반을 감지하기 위한 프롬프트 차단 및 출력 필터링을 포함한 안전 인프라를 구현하고 있으며 13, 미성년자 보호를 위한 강화된 안전장치를 마련했습니다.13 GPT-4 보고서에는 위험 평가를 위한 시스템 카드가 포함되었고 52, GPT-4o 시스템 카드는 안전성 평가에 대한 자세한 내용을 담고 있습니다.14
모델이 강력해짐에 따라 안전을 보장하고 윤리적 위험(편향, 환각)을 완화하려는 노력도 강화되고 있지만, 이는 지속적인 과제입니다. 초기 LLM은 상대적으로 단순한 안전 기능을 가졌으나, 사회적 우려가 커지면서 개발사들은 안전 연구 및 완화에 막대한 투자를 하고 있습니다.13 RLHF, 시스템 카드 14, 레드팀 구성 13, 특정 분류기(예: 아동 성 학대물, 미성년자 사진) 13 사용 등이 표준적인 접근법이 되고 있습니다. 그럼에도 불구하고, 편향과 환각은 특히 미묘하거나 적대적인 상황에서 여전히 발생하며 41, 완벽한 안전과 편향 없음은 현재의 현실이라기보다는 지향점입니다.
환각 비율과 편향의 유형은 모든 LLM에서 동일하지 않으며, 모델 아키텍처, 훈련 데이터, 미세 조정에 따라 특수하게 나타납니다. 46 자료는 0.7%(Gemini-2.0-Flash-001)에서 10% 이상(Claude-3-Opus, 구형 Gemma 모델)까지 광범위한 환각 비율을 보여줍니다. GPT-4o는 1.5%, 구형 Gemini 1.5 Pro는 6.6%입니다. 또한, 50 연구는 GPT-4o와 Gemini 1.5 Pro 간에 서로 다른 성별 편향 패턴을 보여주었습니다. 이는 모델 개발 중 내린 특정 선택(데이터셋 구성, 아키텍처 선택, 미세 조정 목표)이 이러한 윤리적 특성에 큰 영향을 미친다는 것을 시사합니다. 따라서 사용자는 모든 LLM이 동일한 신뢰성이나 편향 프로필을 가질 것이라고 가정할 수 없으며, 민감한 애플리케이션에는 이러한 윤리적 측면에서 알려진 성능을 기반으로 모델을 선택해야 할 수도 있습니다.
“편향”의 정의 또한 맥락에 따라 달라지며 진화하고 있습니다. 문제가 되는 편향은 단순한 인구 통계학적 과소 표현을 넘어, 미묘한 문화적 오해나 복잡한 방식으로 고정관념을 영속시키는 것을 포함할 수 있습니다. 문화 이해도 테스트 41에서는 모델이 미묘한 응답을 시도했음에도 불구하고 “심각한 부정확성”과 고정관념에 의존하는 모습이 드러났습니다. 성별 편향 연구 50는 단순한 빈도수뿐만 아니라 성별이 특정 직업과 어떻게 연관되는지를 조사하여, 분리 또는 과잉 일반화의 복잡한 패턴을 밝혀냈습니다. 이는 편향 해결을 위해 더 정교한 탐지 방법과 LLM이 사회적 구성을 내재화하고 반영하는 방식에 대한 더 깊은 이해가 필요함을 의미합니다.
9. 가격 및 가치 제안 (Pricing and Value Proposition)
Gemini와 ChatGPT는 다양한 구독 등급과 API 가격 모델을 통해 개인 사용자부터 기업에 이르기까지 폭넓은 고객층을 대상으로 서비스를 제공합니다.
| 가격 비교 | Gemini | ChatGPT |
| 구독 등급 (Subscription Tiers) | 무료: Gemini 2.0 Flash 등 모델 접근 48<br>Gemini Advanced: Google One AI Premium 플랜($19.99/월) 일부로 제공, Gemini 2.0 Pro 등 고급 모델 접근, 클라우드 저장 공간 등 추가 혜택 33<br>Gemini in Workspace: 다양한 상용 플랜 47 | 무료: GPT-4o mini 제한적 접근 12<br>Plus: 약 $20/월, GPT-4o, o1 모델 접근, 높은 한도, 고급 기능 12<br>Team: $25-$30/인/월, 관리 콘솔, GPT-4o 높은 한도, o3-mini, o1 접근 49<br>Pro: 42 모든 추론 모델 무제한 접근, Sora 등 |
| API 가격 (per 1M tokens) | Gemini 1.5 Pro: 입력 $2.50, 출력 $10.00 25<br>Gemini 2.5 Pro: 입력 $1.25, 출력 $10.00 18<br>(Gemini Advanced API는 종량제 37) | GPT-4o: 입력 $5.00, 출력 $15.00 17 (일부 자료에서는 입력 $2.50, 출력 $10.00로 표기 18 – 최신 정보 확인 필요) |
| 전반적인 가치 제안 (Overall Value) | Google 생태계 사용자에게 유리 (Workspace 통합). Google One AI Premium은 클라우드 저장 공간 등 부가 혜택 제공.33 Gemini 2.5 Pro API는 입력 비용 경쟁력 있음.18 | Plus는 강력한 모델 및 기능 접근에 좋은 가치 제공. Team 플랜은 협업 및 관리 도구 필요한 기업에 적합.49 API는 개발자에게 유연성 제공. |
API 가격 책정, 특히 입력 토큰 비용은 모델의 기본 효율성과 개발자 채택을 늘리려는 공급자의 전략을 반영할 수 있습니다. 일부 비교에서 Gemini 2.5 Pro의 입력 비용은 GPT-4o보다 낮게 책정되어 18, 대량의 컨텍스트 데이터를 처리하는 작업에 Gemini를 사용하는 것을 장려하며, 이는 Gemini의 긴 컨텍스트 처리 강점과 일치합니다. 반면, GPT-4o는 토큰당 비용이 더 높을 수 있지만, 그 비용을 정당화할 수 있는 순수 성능이나 특정 기능에 중점을 두고 마케팅될 수 있습니다.
구독 가치는 점점 더 광범위한 생태계 및 번들 서비스와 연관되고 있으며, 단순히 원시 모델 접근성만을 의미하지 않습니다. Gemini Advanced는 종종 클라우드 저장 공간 및 기타 구글 서비스 혜택을 포함하는 Google One과 함께 제공되며 33, Google Workspace 플랜에도 통합되어 있습니다.47 ChatGPT Plus/Team은 다양한 모델 계층, 더 높은 메시지 한도, Custom GPT 및 관리 콘솔과 같은 기능을 제공합니다.12 이러한 번들링은 모델 접근성만을 기준으로 한 직접적인 가격 비교를 어렵게 만듭니다. 사용자는 패키지 전체를 평가하게 되며, 번들로 제공되는 추가 기능 활용도에 따라 인지되는 가치가 달라질 것입니다. 이는 단순히 챗봇 구독 가격을 비교하는 것보다 전체 디지털 생태계 적합성에 대한 선택의 문제로 귀결됩니다.
10. 결론 및 권장 사항 (Conclusion and Recommendation)
Gemini와 ChatGPT는 각각 뚜렷한 강점과 특징을 가진 강력한 AI 모델로, 어떤 모델이 절대적으로 “우수”하다고 단정하기는 어렵습니다. 선택은 사용자의 구체적인 요구 사항, 우선순위, 그리고 활용하고자 하는 생태계에 따라 달라져야 합니다.
주요 차별화 요인 요약:
- Gemini의 강점: 뛰어난 멀티모달 처리 능력, 방대한 컨텍스트 창(최대 2백만 토큰), Google 생태계와의 깊은 통합, 특정 연구/사실 기반 작업에서의 강점, 최신 코딩/추론 벤치마크에서의 경쟁력.
- ChatGPT의 강점: 창의적인 텍스트 생성, 깊이 있는 대화 능력, 코딩(HumanEval) 및 일부 추론 벤치마크에서의 강력한 성능, 성숙한 API 및 Custom GPT 생태계, GPT-4o의 옴니모달 기능.
어떤 모델이 우수한가?
모든 사용자와 모든 작업에 대해 단일 “우수” 모델은 존재하지 않습니다.
- Gemini가 더 적합할 수 있는 경우:
- 다양한 멀티모달 입력(비디오, 장시간 오디오, 대용량 문서) 처리 및 이해가 주요 요구 사항일 때.3
- Google Workspace 생태계 내에서 광범위하게 작업할 때.44
- 매우 긴 컨텍스트 이해가 필요한 작업(예: 전체 코드베이스 또는 장문 기록 분석).3
- 대용량 데이터 처리를 위한 비용 효율적인 API 입력이 우선순위일 때 (Gemini 2.5 Pro 기준).18
- ChatGPT가 더 적합할 수 있는 경우:
- 고품질의 창의적인 콘텐츠 생성, 정교한 대화형 AI 또는 미묘한 글쓰기 지원이 주요 요구 사항일 때.33
- 개발자 초점이 다양한 텍스트 기반 애플리케이션을 위한 성숙한 API 또는 특정 작업을 위한 Custom GPT 구축에 있을 때.38
- HumanEval 또는 MMLU(GPT-4o 기준)와 같은 벤치마크에서 최상위 성능이 중요할 때.17
- 전용 데스크톱 애플리케이션을 선호할 때.16
사용자 요구에 따른 맞춤형 권장 사항:
- 최첨단 코딩 및 UI 생성이 필요한 개발자: Gemini 2.5 Pro(WebDev Arena, 에이전트 코딩) 또는 GPT-4o(HumanEval)를 고려해볼 수 있습니다.
- 다재다능함과 창의성이 필요한 콘텐츠 제작자: ChatGPT(GPT-4o)가 종종 우위를 점합니다.
- 대규모 멀티모달 데이터셋 분석이 필요한 연구자: Gemini 1.5/2.5 Pro의 컨텍스트 창이 큰 이점을 제공합니다. 심층 분석을 동반한 사실 기반 질의에는 Gemini의 딥 리서치(정확성 주의) 또는 웹 검색 기능이 있는 ChatGPT를 활용할 수 있습니다.
- Google Workspace와 통합된 기업: Gemini가 원활한 워크플로우를 제공합니다.
- 강력하고 다재다능한 AI 비서를 찾는 일반 사용자: 두 모델 모두 매력적인 무료 및 유료 옵션을 제공하며, 선호하는 인터페이스나 특정 기능 요구에 따라 선택이 달라질 수 있습니다.
향후 전망:
구글과 OpenAI 모두 지속적인 기술 발전을 통해 더욱 향상된 추론 능력, 멀티모달 이해, 컨텍스트 길이, 효율성 및 안전성을 선보일 것으로 예상됩니다. AI 도구 시장의 경쟁은 계속 치열해질 것이며, 이는 사용자에게 더욱 유능하고 접근하기 쉬운 AI 도구를 제공하는 긍정적인 결과로 이어질 것입니다. 또한, 자율적인 작업 수행이 가능한 에이전트 AI 시스템으로의 발전 추세는 계속될 것입니다.
“최고의” AI는 빠르게 진화하는 기술 환경에서 끊임없이 변화하는 목표입니다. 구글과 OpenAI의 새로운 모델 출시마다 특정 기능이나 벤치마크에서의 선두 위치가 자주 바뀝니다.8 이는 사용자가 특정 플랫폼에 대한 장기적인 약속을 고려할 때, 경쟁사가 자신의 요구에 더 적합한 모델을 출시할 가능성을 염두에 두어야 함을 의미합니다. 핵심 LLM 기능(텍스트, 코드, 추론)이 최고 수준에 도달함에 따라, 이러한 기능을 워크플로우에 원활하게 통합하고 실행 가능하게 만드는 능력(예: 에이전트 기능, Workspace Flows 47, Custom GPTs 49)이 더욱 중요한 가치 제안이 되고 있습니다. 즉, AI의 힘을 실질적인 생산성 향상과 새로운 애플리케이션으로 전환하는 데 가장 효과적인 도구를 제공하는 플랫폼이 미래 경쟁의 핵심이 될 수 있습니다.