AI Mode 사용자 7,500만 명 돌파 및 Gemini 3 Flash 출시

https://www.linkedin.com/posts/ai-googlesearch-artificialintelligence-ugcPost-7406725647303081986-8lQr?utm_source=share&utm_medium=member_desktop&rcm=ACoAAC81Sc8BT9LDH0uvoeR53WwFwMlULasQpwg

Nick Fox on Building User-Centric Experiences with AI | AI Inside님이 토픽에 대해 올림 | LinkedIn

Google의 닉 폭스는 AI Mode의 일일 사용자 수가 7,500만 명에 도달했다고 밝혔습니다. 하지만, 개인 맞춤형 컨텍스트 기능의 출시는 지연되고 있으나 한편으로는 더 빠른 성능을 갖춘 Gemini 3 Flash가 정식 출시되었습니다

구글의 닉 폭스(Nick Fox)는 AI Mode의 일일 활성 사용자 수(DAU)가 7500만 명에 도달했음을 확인했으나, I/O에서 약속했던 '개인 맞춤형 컨텍스트(personal context)' 기능은 여전히 내부 테스트 중이라고 밝혔습니다.

또한, 구글은 속도와 성능이 향상된 Gemini 3 Flash를 출시했습니다. Ahrefs의 조사에 따르면 AI Mode와 AI 오버뷰(AI Overviews)는 서로 다른 URL을 인용하는 것으로 나타났습니다.

1. Google AI Mode 사용자 7,500만 명 돌파, 그러나 '개인 맞춤형 컨텍스트'는 여전히 지연 중

Google의 Nick Fox는 전 세계적으로 AI Mode의 일일 활성 사용자가 7,500만 명으로 성장했다고 확인했습니다. 하지만 7개월 전 I/O에서 발표했던 개인 맞춤형 컨텍스트 기능은 여전히 내부 테스트 단계임을 인정했습니다.

'AI Inside' 팟캐스트 인터뷰에서 Fox는 AI Mode를 Gmail 및 기타 Google 앱과 연결하는 개인 맞춤형 컨텍스트 기능이 "아직 출시 예정"이며, 구체적인 공개 일정은 없다고 말했습니다.

AI Mode 쿼리는 기존 검색보다 2~3배 더 깁니다. Google은 '선호 소스(preferred sources)' 기능을 전 세계적으로 출시했으며, AI 경험 내 링크 개선 사항을 발표했습니다.

개인 맞춤형 컨텍스트의 지연은 AI Mode 최적화 전략에 영향을 미칩니다. AI Mode가 사용자의 이메일 확인 내역이나 일정 등을 파악하는 환경을 준비해 왔다면, 그 시점은 당분간 오지 않을 것입니다. 현재 사용자들은 더 긴 쿼리에 직접 컨텍스트를 추가하고 있습니다.

이로 인해 우선순위가 바뀝니다. 콘텐츠는 여전히 사용자가 묻는 더 길고 구체적인 질문에 답해야 합니다. 그러나 Google 인터페이스 내에서 정보성 쿼리를 완결성 있게 만들어줄 자동 개인화 레이어는 아직 활성화되지 않았습니다.

7,500만 명의 일일 사용자 수치는 트래픽 계획에 있어 매우 중요합니다. AI Mode는 더 이상 작은 실험이 아닌 진화 중인 주요 채널입니다. 쿼리 길이가 기존 검색보다 2~3배 길다는 데이터는 사용자들이 빠른 검색 대신 '대화'를 하고 있음을 시사하며, 이는 어떤 콘텐츠 형식과 깊이가 효과적인지에 영향을 줍니다.

 

2. Google, 성능이 빨라진 Gemini 3 Flash 출시

Google은 속도와 효율성에 초점을 맞춘 최신 AI 모델인 Gemini 3 Flash를 출시하고, 즉시 검색 제품에 적용했습니다.

Gemini 3 Flash는 이전 모델보다 빠른 응답 시간을 유지하면서 벤치마크 전반에서 향상된 성능을 제공합니다. 현재 Gemini 앱과 검색용 AI Mode의 기본 모델로 설정되었습니다.

SEO 전문가들이 주목해야 할 이유:

Gemini 3 Flash의 출시 속도는 향후 AI 모델 업데이트가 검색 제품에 어떻게 반영될지를 보여줍니다. 모델 출시와 검색 통합 사이에 수개월을 기다리는 대신, 이제는 AI 기능의 동작 방식을 바꿀 수 있는 새 모델이 즉각 배포되는 상황을 마주하게 되었습니다.

빠른 성능은 AI Mode와 AI 오버뷰의 사용자 경험에 중요합니다. 지연 시간(latency)은 사용자가 서비스를 계속 이용할지 아니면 전통적인 결과로 돌아갈지를 결정하기 때문입니다. 더 빠른 모델은 긴 멀티턴(multi-turn) 상호작용을 더 실용적으로 만들어, 잠재적으로 더 많은 검색 세션을 유도할 수 있습니다.