AI 전문가에게 묻다: 풀스택이 정확히 뭐죠?

구글의 리처드 세로터가 올해 발표된 것 중 가장 명확한 풀스택 AI 설명을 제시했습니다. 지금 아시아에서 개발 중이라면 꼭 읽어볼 가치가 있습니다. "풀스택"이라는 표현은 끊임없이 사용되지만, 이를 쓰는 대부분의 개발자는 한 계층이 어디서 끝나고 다음 계층이 어디서 시작하는지 설명하지 못합니다. 이 차이가 중요한 이유는 AI 전문가에게 묻다: 풀스택이 정확히 뭐죠?가 더 이상 철학적 질문이 아니라 얼마나 빠르게 출시하는지, 얼마나 많은 비용을 지불하는지, 그리고 실제 부하에서 제품이 안정적으로 작동하는지를 결정하는 아키텍처 결정이기 때문입니다.

무슨 일이 있었나

2026년 6월 29일, 구글은 구글 AI 블로그에 설명 글을 발표했습니다. 여기서 구글 클라우드의 개발자 경험 담당 리더인 리처드 세로터가 현대 AI 시스템의 맥락에서 "풀스택"이 실제로 무엇을 의미하는지, 그리고 구글이 Gemini부터 클라우드 인프라까지 모든 것의 기초 철학으로 삼은 이유를 설명합니다.

세로터는 이 용어의 기원을 약 10년 전 웹 개발로 거슬러 올라갑니다. 당시 애플리케이션을 구축하려면 세 가지 전문 분야가 필요했습니다: UI를 다루는 프론트엔드 개발자, 서버 로직을 관리하는 백엔드 개발자, 그리고 별도의 데이터베이스 팀. "풀스택 엔지니어"는 이 세 계층 모두에서 독립적으로 작업할 수 있는 사람, 즉 자신의 영역뿐 아니라 전체 시스템을 이해하는 제너럴리스트였습니다.

AI 시대에는 이 정의가 극적으로 확장되었습니다. 풀스택 AI 접근 방식은 더 이상 프론트엔드와 백엔드만을 의미하지 않습니다. 이제 기술 체인의 모든 계층을 통합합니다: 커스텀 실리콘과 하드웨어, 모델 학습 인프라, 모델 자체, 이를 노출하는 API, 이러한 API 위에 구축된 개발자 도구, 그리고 마지막으로 최종 사용자가 실제로 접하는 사용자 대면 애플리케이션과 에이전트. 구글 AI 블로그 포스트에 따르면, 이러한 수직 통합이 구글이 "전문 개발자와 일반 사용자 모두에게 강력하고 비용 효율적인 제품을 제공"할 수 있게 해줍니다.

세로터가 주장하는 핵심 — 그리고 이는 대담한 주장입니다 — 은 풀스택을 소유하면 신뢰성이 향상되고, 비용이 절감되며, 여러 공급업체의 서로 다른 구성 요소를 연결할 때 발생하는 통합 오버헤드가 제거된다는 것입니다. 하드웨어가 모델을 위해 설계되고, 모델이 API를 위해 설계되고, API가 개발자 도구를 위해 설계되면, 최적화가 모든 계층에서 복합적으로 작용하여 모든 접합부에서 상쇄되지 않습니다.

구글은 개발자가 오늘 이 스택 위에서 구축을 시작할 수 있는 세 가지 구체적인 진입점을 제시합니다: 프로토타이핑을 위한 Google AI Studio, 자동화 워크플로우를 위한 Gemini Enterprise Platform, 그리고 복잡한 에이전트 아키텍처를 위한 Antigravity 플랫폼입니다.

아시아에 중요한 이유

아시아의 개발자 생태계는 항상 인프라에 대해 실용적이었습니다. 자카르타, 호찌민시, 방갈로르, 서울의 개발자들은 실험적인 도구 스택에 자금을 낭비할 여유가 없습니다. 그들은 빠르게 움직이는 시장을 위해 구축하고 있으며, 사용자 기대치가 높고 컴퓨팅 비용이 제품 결정에 실질적인 제약이 됩니다.

풀스택 AI 프레임워크가 여기서 중요한 이유는 구체적입니다: 대부분의 아시아 스타트업과 스케일업은 현재 단편화된 스택 위에서 구축하고 있습니다. 한 공급업체에서 모델을 가져오고, 다른 곳에서 벡터 데이터베이스를 가져오고, 세 번째 곳에서 오케스트레이션 계층을 가져오고, 네 번째 곳에서 전체를 호스팅합니다. 각 계층은 자체 가격 책정 모델, 자체 장애 모드, 자체 지연 시간 프로필을 가지고 있습니다. 통합 비용 — 이러한 부분들이 안정적으로 서로 통신하도록 하는 데 소비되는 엔지니어링 시간 — 은 엄청나며, 이는 작은 팀에 불균형적으로 떨어집니다.

구글이 수직 통합이 계층 전체에서 최적화를 복합적으로 작용시킨다고 주장할 때, 이는 단순한 성능 주장이 아닙니다. 이는 팀 규모 주장입니다. 싱가포르에서 B2B SaaS 제품을 구축하는 5명 규모의 엔지니어링 팀은 전담 인프라 엔지니어, 전담 ML 엔지니어, 전담 DevOps 엔지니어를 감당할 수 없습니다. 일관된 풀스택 플랫폼은 같은 5명 팀이 자신의 능력을 훨씬 뛰어넘게 해줍니다.

아시아 기술은 또한 2026년에 흥미로운 변곡점에 있습니다. 이 지역은 "AI를 사용해야 하나?" 단계를 지나 "실제로 규모에서 작동하는 AI 네이티브 제품을 어떻게 구축하나?" 단계에 깊이 들어가 있습니다. 이 전환은 풀스택 질문을 긴급하게 만듭니다. 18개월 전 당시 이용 가능한 것을 기반으로 아키텍처 결정을 내린 창업자들은 이제 자신의 스택이 잘못된 위치에 접합부를 가지고 있다는 것을 발견하고 있습니다. 성장 중에 이러한 접합부를 리팩토링하는 것은 비용이 많이 듭니다.

풀스택 대화는 또한 주권 대화입니다. 여러 동남아시아 정부는 국내 AI 인프라에 적극적으로 투자하고 있습니다. 지역 개발자가 풀스택이 실제로 무엇을 포함하는지 더 잘 이해할수록, 어느 계층을 소유하고 싶은지, 어느 계층을 라이선스하고 싶은지, 어느 계층을 완전히 아웃소싱하고 싶은지에 대해 정보에 입각한 결정을 내릴 수 있는 위치에 더 잘 놓이게 됩니다.

개발자에게 의미하는 바

세로터의 설명의 실질적인 함의는 다음과 같습니다: AI 플랫폼을 평가할 때, "무엇을 할 수 있나?"뿐 아니라 "실제로 몇 개의 계층을 소유하나?"를 물어봐야 합니다. 자체 추론 하드웨어를 제어하고, 자체 모델을 학습하고, 자체 개발자 도구를 통해 이러한 모델을 노출하는 플랫폼은 순수 API 재판매인이 할 수 없는 보장을 할 수 있습니다.

아시아의 AI 네이티브 개발 플랫폼인 MonstarX에서 구축하는 개발자의 경우, 이 프레임워크는 자신의 아키텍처에 대해 어떻게 생각할지를 명확히 해야 합니다. 제어하는 계층이 최적화할 수 있는 계층입니다. 제어하지 않는 계층이 오전 2시에 프로덕션에서 무언가가 깨질 때 당신을 놀라게 할 계층입니다.

실용적인 정신 모델이 있습니다. AI 애플리케이션을 5개 계층으로 생각해보세요:

• 컴퓨팅 계층: GPU, TPU 또는 추론을 실행하는 모든 실리콘. 당신은 거의 확실히 이를 소유하지 않습니다. 그리고 그것은 괜찮습니다. 하지만 당신이 어느 하드웨어에 있는지, SLA가 어떻게 되는지 알아야 합니다.
• 모델 계층: 호출하는 기초 모델 또는 미세 조정된 변형. 공유 엔드포인트에 있는지 전용 배포에 있는지, 그리고 그것이 부하 시 지연 시간에 무엇을 의미하는지 알아야 합니다.
• 오케스트레이션 계층: 모델 호출을 연결하고, 컨텍스트를 관리하고, 도구 사용을 처리하는 방법. 이것이 현재 대부분의 팀이 가장 많은 단편화를 가지고 있는 곳이며, 가장 많은 통합 기회가 있는 곳입니다.
• 통합 계층: AI 로직이 기존 데이터 소스, API 및 비즈니스 로직에 연결되는 방식. 여기서 사용하는 커넥터가 팀이 유지해야 하는 글루 코드의 양을 결정합니다.
• 애플리케이션 계층: 사용자가 상호작용하는 실제 인터페이스 — 채팅 UI, 임베디드 위젯, API 엔드포인트 또는 자율 에이전트.

세로터의 풀스택 주장은 본질적으로: 이 5개 계층을 걸쳐야 하는 공급업체가 적을수록, 당신이 가진 통합 오버헤드가 적다는 것입니다. 이는 Gemini를 구축하는 구글이든 쿠알라룸푸르에서 법률 문서 검토 도구를 구축하는 3명 팀이든 마찬가지입니다.

개발자에게 필요한 결론은 시간이 지남에 따라 의도적으로 스택을 통합해야 한다는 것입니다. 어떤 단일 공급업체도 5개 계층 모두에서 완벽하기 때문이 아니라, 도입하는 모든 추가 접합부가 디버깅 표면, 지연 시간 예산, 그리고 관리해야 할 청구 관계이기 때문입니다. 당신에게 가장 많은 고통을 주는 계층부터 시작하여 바깥쪽으로 작업하세요.

세로터의 설명이 다루지 않는 한 가지가 있습니다. 이는 분석으로 언급할 가치가 있습니다: