Agentic Video Understanding

에이전트형 영상 이해는 AI가 영상을 처음부터 끝까지 일정한 속도로 다 훑어보지 않고, 필요한 구간만 스스로 찾아서 골라보는 방식이다.

기존 방식은 영상을 초당 한 장면씩 사진 찍듯 기계적으로 전체를 다 살펴봤다. 두꺼운 책을 한 글자도 빠짐없이 읽는 것과 비슷해서, 영상이 길어질수록 처리해야 할 정보량이 눈덩이처럼 커졌다. 에이전트형 영상 이해는 이 방식을 바꿔서, 목차를 훑어보고 필요한 페이지만 펼쳐보는 독자처럼 화면·음성·자막 가운데 무엇을 어느 속도로 어느 구간만 볼지 AI가 스스로 판단하게 한다.

그 결과 짧은 순간에 벌어진 일을 정확히 찾아내거나 빠르게 움직이는 동작의 횟수를 세는 것처럼, 예전에는 비용 부담이 커서 힘들었던 작업이 훨씬 저렴하고 정확하게 가능해진다.

기사에서는 「제미나이가 에이전트형 영상분석으로 토큰 88% 줄였다」처럼 쓰인다. 오해하기 쉬운 점은 이것이 새로 나온 모델이 아니라는 것이다. 모델의 지능 자체가 좋아진 게 아니라, 기존 모델이 영상을 훑어보는 처리 방식(설정값)이 바뀐 업데이트다.

제미나이 API를 다루는 개발자 도구에서 영상 이해 기능을 열고 에이전트형 처리 옵션을 켜본다. 긴 영상을 올린 뒤 「이 영상에서 특정 동작이 몇 번 등장하는지 찾아줘」처럼 구체적인 질문을 던지면, 전체를 다 훑지 않고 필요한 구간만 찾아 답하는 과정을 체감할 수 있다.