Google Research가 발표한 Gemini-SQL2는 자연어 질문을 실행 가능한 SQL 쿼리로 바꾸는 텍스트-to-SQL 기능입니다. Gemini 3.1 Pro를 기반으로 하며, BIRD 단일 모델 리더보드에서 80.04% 실행 정확도를 기록했습니다.1
이 수치보다 먼저 이해해야 할 것은 텍스트-to-SQL이 무엇을 바꾸는가입니다. 텍스트-to-SQL은 사용자가 SQL 코드를 직접 작성하지 않아도 데이터베이스에 질문할 수 있게 하는 자연어 처리 기술입니다.2 예를 들어 “지난달 뉴욕 고객의 구매 내역을 보여줘”라는 요청을 데이터베이스가 실행할 수 있는 SQL 문으로 변환합니다.
핵심은 단순히 SQL을 “써주는” 데 있지 않습니다. 사람이 데이터에 대해 생각하는 방식과 데이터베이스가 요구하는 쿼리 형식 사이의 간극을 줄이는 데 있습니다.2
중요한 기준은 문법이 아니라 결과다
SQL은 문법적으로 맞아도 결과가 틀릴 수 있습니다. 조인 조건을 잘못 잡거나, 필터를 빠뜨리거나, 집계 기준을 다르게 적용하면 쿼리는 정상 실행되지만 잘못된 숫자를 반환합니다.
그래서 텍스트-to-SQL의 성능을 볼 때는 “그럴듯한 쿼리를 만들었는가”보다 “실제로 실행했을 때 맞는 결과가 나오는가”가 더 중요합니다. BIRD 같은 벤치마크가 의미를 갖는 이유도 여기에 있습니다. BIRD는 생성된 SQL이 실제로 실행되고 올바른 결과를 내는지를 평가한다고 설명합니다.3
Gemini-SQL2가 BIRD 단일 모델 리더보드에서 80.04% 실행 정확도를 기록했다는 점은, 복잡한 보조 시스템보다 모델 자체의 SQL 생성 능력을 더 직접적으로 보여주는 지표로 볼 수 있습니다.13
Gemini 3.1 Pro 기반이라는 점을 어떻게 볼 것인가
Google DeepMind의 모델 카드 목록에는 Gemini 3.1 Pro가 포함되어 있으며, 해당 모델 카드는 2026년 2월 19일 업데이트되었습니다.4 또한 Google DeepMind는 Gemini 계열을 생성형 모델 범주로 분류합니다.4
따라서 Gemini-SQL2는 완전히 별개의 일반 챗봇이라기보다, Gemini 3.1 Pro의 생성·추론 능력을 SQL이라는 특정 문제에 맞게 활용한 기능으로 이해하는 편이 자연스럽습니다.
이 관점이 중요한 이유는 실무 적용 방식 때문입니다. 범용 모델이 모든 작업을 처리하는 방향도 있지만, 실제 업무에서는 특정 문제에 맞게 성능을 끌어올린 기능이 더 큰 생산성 효과를 낼 수 있습니다. 텍스트-to-SQL은 그 대표적인 사례입니다.
실무에서는 “자동 실행”보다 “검토 가능한 초안”이 먼저다
80.04%라는 실행 정확도는 인상적이지만, 동시에 모든 상황에서 완전한 자동화를 맡길 수 있다는 뜻은 아닙니다. 운영 데이터베이스, 매출 리포트, 의사결정 대시보드에서는 작은 SQL 오류도 잘못된 판단으로 이어질 수 있습니다.
따라서 현실적인 적용 방식은 자동 실행보다 보조 도구에 가깝습니다.
분석가가 자연어로 질문을 입력한다.
Gemini-SQL2가 SQL 초안을 생성한다.
사람이 스키마, 조인, 필터, 집계 기준을 검토한다.
검증된 쿼리만 실행하거나 리포트에 반영한다.
이 흐름에서는 SQL 전문성이 사라지지 않습니다. 오히려 역할이 바뀝니다. 직접 처음부터 쿼리를 작성하는 능력뿐 아니라, AI가 만든 쿼리가 데이터 구조와 비즈니스 정의에 맞는지 검증하는 능력이 더 중요해집니다.
Gemini-SQL2가 주는 실질적 시사점
Gemini-SQL2의 의미는 “이제 누구나 데이터베이스에 쉽게 질문할 수 있다”는 가능성에 있습니다. 텍스트-to-SQL은 데이터 접근의 문턱을 낮추고, 반복적인 쿼리 작성 시간을 줄일 수 있습니다.
다만 좋은 활용은 무조건적인 자동화가 아니라 검토 가능한 워크플로를 만드는 데서 시작됩니다. 자연어 질문으로 쿼리 초안을 빠르게 만들고, 사람이 결과의 정확성을 확인하는 방식이 현재로서는 가장 안전하고 실용적인 접근입니다.
결론적으로 Gemini-SQL2는 SQL 전문성을 대체한다기보다, SQL을 다루는 방식의 중심을 작성에서 검증으로 이동시키는 신호에 가깝습니다.
참고
2Text-to-SQL: Comparison of LLM Accuracy
3A new top score: Advancing Text-to-SQL on the BIRD benchmark
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.