구글과 함께하는 Kaggle AI Agents 집중 과정, 왜 모두가 몰려들었을까?

AI 에이전트(Agents)라는 말을 요즘 정말 많이 듣게 됩니다. 예전엔 “프롬프트 잘 쓰는 법”이 화두였다면, 이제는 “스스로 일을 진행하는 AI를 어떻게 만들까?”로 관심사가 이동하고 있죠.

이 흐름의 중심에 바로 구글과 케글(Kaggle)이 함께 만든 5일짜리 AI Agents 집중 과정이 있습니다. 전 세계에서 150만 명이 넘는 개발자와 학습자가 이 과정에 참여했고, 수천 개의 프로젝트가 쏟아졌습니다¹².

이 글에서는 이 과정이 무엇을 다뤘는지, 왜 업계에서 의미 있는 이벤트였는지, 그리고 지금 뒤늦게라도 어떻게 따라잡을 수 있는지까지 한 번에 정리해 보겠습니다.

AI Agents 집중 과정 한 번에 보기: 5일 동안 무슨 일이 있었나

이번 5-Day AI Agents Intensive Course는 이름 그대로 5일 동안 AI 에이전트만 깊게 파는 집중 프로그램입니다.

이전에는 “텍스트 생성 잘하는 거” 중심의 GenAI(생성형 AI) 과정이 구글×케글 콜라보로 열려 기네스 기록까지 세웠는데, 이번에는 난이도를 한 단계 올려 “실제로 행동(Action)하는 AI 시스템”에 초점을 맞췄습니다¹.

과정의 큰 줄기는 대략 이런 흐름으로 구성됐습니다(공식 커리큘럼 공개본과 후기들을 바탕으로 재구성한 흐름입니다).

첫째 날에는 “AI 에이전트란 무엇인가?”에 초점을 맞춰, 단순한 챗봇과 목표를 향해 스스로 계획·추론·실행까지 하는 에이전트의 차이를 짚었습니다.

둘째 날부터는 실제 구조를 파고듭니다. 프롬프트 설계에서 끝나는 것이 아니라,
어떤 도구(tool)를 연결하고, 외부 시스템(API·데이터베이스 등)과 어떻게 상호작용해야 하는지, 실패했을 때 롤백·재시도 전략은 어떻게 세울지 같은 현실적인 고민들이 다뤄졌습니다¹².

이후에는 평가와 디버깅이 이어졌습니다.

“AI가 답은 그럴듯하게 하는데, 제대로 되고 있는 건 맞나?”
이 질문에 답하기 위해, 참가자들은 에이전트 행동을 측정하고 비교·평가하는 방법을 배우고, 각자 노트북과 화이트페이퍼를 보며 직접 손으로 만져봤습니다¹².

마지막에는 캡스톤 프로젝트로 마무리됐습니다. 단순 데모 수준이 아닌, 실제로 돌아가는 워크플로우나 멀티 에이전트 시스템들을 구현해 제출했고, 그 결과물이 11,000개가 넘었다고 하니 규모가 어떠했는지 체감이 오실 겁니다².

요약하자면, 이 5일은 “AI 이론을 듣는 시간”이라기보다,
“AI로 실제 일을 시켜보는 시간”에 가까운 과정이었다고 볼 수 있습니다.

150만 명이 몰린 이유: 단순 유행이 아닌 ‘에이전트 시프트’

이 과정이 특히 화제가 된 이유는 숫자에서 드러납니다.

참가자 수만 150만 명 이상, 강의 자료는 200만 회 이상 조회, 실습 노트북은 330만 회 넘게 열렸고, 디스코드에서는 16만 명 넘는 사람들이 동시에 떠들며 토론했습니다¹². 이 정도면 “한 번 들어보고 말자” 수준이 아니라, 업계 전체가 에이전트라는 패러다임으로 이동하고 있다는 신호에 가깝습니다.

그렇다면 왜 이렇게까지 관심이 몰렸을까요?

첫째, 개발자의 관심사가 “텍스트 생성”에서 “자율성”으로 옮겨가고 있기 때문입니다.
이전 세대의 GenAI 열풍이 “글/코드/이미지 잘 생성하는 모델”이었다면, 이제 업계는 “그 모델을 이용해 실제 업무를 자동화하는 시스템”에 초점을 맞추고 있습니다. 이번 코스 역시 모델 자체보다는,
모델을 둘러싼 에이전트 아키텍처와 운영 전략에 더 많은 시간을 할애했습니다².

둘째, 강사진과 구성이 굉장히 실무적입니다.

구글을 포함해 Cohere, Reified, NVIDIA 같은 회사의 실무자들이 나와, “우리가 실제 프로덕션에서 AI 에이전트를 넣으면서 겪었던 문제와 해결책”을 중심으로 이야기를 풀었기 때문입니다¹².

예를 들어 이런 내용들이 강조됐습니다.

• 어느 정도까지 에이전트에 자율권을 줘야 하는지

• 비용·지연(latency)·정확도 사이에서 트레이드오프를 어떻게 잡는지

• 멀티 에이전트 구조를 쓸 때의 장점과 디버깅 난이도

• 실무에서 유효했던 아키텍처 패턴과 안티패턴

셋째, 실제 결과물이 나왔다는 점도 큽니다.
단순히 수료증, 뱃지로 끝난 과정이 아니라, 1만 1천 개가 넘는 캡스톤 프로젝트가 돌아가는 코드로 제출됐고, 이 중에는 꽤 야심찬 멀티 에이전트 시스템도 포함돼 있다고 합니다².

이 정도 규모와 깊이의 집단 학습 데이터는 업계에서도 상당히 주목할 만한 사건입니다.
실제로 StartupHub.ai에서는 이 과정을 가리켜 “개발자 커뮤니티가 자율 AI 시스템으로 시선을 확실히 돌렸다는 신호”라고 분석하기도 했습니다².

강의 내용의 핵심: ‘챗봇 이후’ 시대의 AI 에이전트 실무

그렇다면 이 집중 과정에서 어떤 내용을 배웠길래, 수많은 개발자가 “이제 에이전트를 만들어야겠다”고 마음을 먹었을까요?

후기와 공식 요약을 종합해보면, 핵심 키워드는 세 가지로 정리할 수 있습니다.

1. 에이전트의 구조: 생각·계획·행동

우선 “에이전트는 어떻게 설계되는가?”가 뼈대였습니다.

여기서 말하는 에이전트는 단순히 사용자와 대화를 나누는 챗봇이 아니라,
주어진 목표를 달성하기 위해 스스로 다음과 같은 과정을 거치는 시스템을 말합니다.

• 상황을 이해하고(추론, reasoning)

• 목표 달성을 위한 계획을 세우고(planning)

• 외부 도구를 호출하거나, API를 부르거나, 코드를 실행하면서 행동하며(acting)

• 결과를 다시 관찰하고(planning 업데이트)

• 필요하면 경로를 수정하는 피드백 루프를 갖춘 구조

코스에서는 이 과정을 코드와 아키텍처 다이어그램으로 풀어보며,
“어느 부분을 LLM에 맡기고, 어느 부분은 전통적인 소프트웨어 로직으로 고정해둘지” 같은 의사결정 포인트를 구체적으로 다뤘습니다¹².

2. 에이전트의 도전과제: 환각, 비용, 안전성

두 번째 축은 “현실 세계에 에이전트를 배포할 때 진짜로 부딪히는 문제들”입니다.

에이전트를 실무에서 써보려다 포기하는 가장 흔한 이유가 바로 이 부분이죠.

참가자들이 마주친 대표적인 이슈는 다음과 같았습니다.

• 모델이 그럴듯한 헛소리를 하는 ‘환각’

• 외부 API 호출을 수십 번씩 하면서 터지는 비용·지연 문제

• 의도치 않은 행동을 막아야 하는 안전성·권한 관리 이슈

• 복잡한 멀티 에이전트 시스템의 디버깅 난이도

이번 과정에서는 이걸 “이론적으로 위험하다” 수준에서 끝내지 않고,
화이트페이퍼와 노트북을 통해 실제 로그를 보고, 에이전트의 행동을 분석하며, 프롬프트·아키텍처·검증 로직을 바꿔보는 방식으로 접근했습니다¹.

어떤 참가자는 자신의 리뷰에서 “사용자에서 빌더로 전환되는 계기였다”고 표현하기도 했는데, 그만큼 “AI를 그냥 쓰던 입장”에서 “AI의 행동을 설계·제어하는 입장”으로 시야가 확장되는 경험이었다고 볼 수 있습니다³⁴.

3. 에이전트의 활용 사례: 워크플로우부터 멀티 에이전트까지

세 번째는 “실제 어디에 쓰이나?”에 대한 답이었습니다.

캡스톤 프로젝트들을 보면, 아이디어가 크게 두 부류로 나뉩니다.

하나는 실용적인 업무 자동화 워크플로우입니다.
예를 들면,

• 이메일·문서·이슈 트래커를 읽고, 우선순위를 정리해 주는 업무 비서형 에이전트

• 데이터 수집·전처리·간단한 분석까지 자동으로 실행하는 데이터 파이프라인 에이전트

• 고객 문의를 접수하고, 내부 시스템에서 정보 검색 후, 티켓을 생성·업데이트하는 지원 에이전트 등

다른 하나는 멀티 에이전트 시스템입니다².

여러 개의 에이전트를 서로 역할을 나눠 협업하게 만드는 구조로,
예를 들면 “기획자 역할 에이전트 – 개발자 역할 에이전트 – QA 역할 에이전트”가 동시에 프로젝트를 진행하는 식의 실험적인 프로젝트들이 등장했습니다.

이 과정은 단순히 “꿈 같은 미래”를 이야기한 것이 아니라,
지금 당장 구현 가능한 에이전트 아키텍처를 실제 코드로 경험하게 했다는 점에서 의미가 있습니다.

엄청난 커뮤니티 열기: 디스코드, 노트북, 그리고 11,000개의 프로젝트

이번 과정의 또 다른 주인공은 커뮤니티입니다.

케글은 원래도 데이터·AI 커뮤니티로 유명하지만, 이번에는 그 에너지가 한층 더 강하게 폭발했습니다.

디스코드 서버에는 16만 명이 넘는 학습자가 모여, 각자의 시도와 문제를 실시간으로 공유했습니다¹². 누군가는 “이 프롬프트 전략이 에이전트 성능을 20% 정도 끌어올렸다”고 로그를 올리고, 다른 사람은 “이 아키텍처는 비용이 너무 많이 들더라”고 경험을 풀어놓는 식이었죠.

코스 중에 제공된 화이트페이퍼는 200만 회 이상, 노트북은 330만 회 이상 열렸다고 합니다¹². 중요한 건 단순 조회수가 아니라, 그 자료가 캡스톤 프로젝트를 통해 실제 구현으로 이어졌다는 점입니다.

11,000개가 넘는 프로젝트 제출은 단순히 이벤트 참여가 아니라,
“이제 우리도 에이전트를 직접 만들어 보겠다”는 집단 선언에 가깝습니다².

이런 집단 학습 경험의 장점은,
누군가의 시행착오가 곧바로 다른 사람의 베스트 프랙티스가 된다는 데 있습니다.

혼자 고군분투하면 몇 주 걸릴 시행착오를,
5일 동안 수십만 명이 동시에 겪고 공유하면서, 업계 전체가 에이전트 실무에 한 발짝 더 가까워진 셈입니다.

지금 들어가도 늦지 않았다: Kaggle Learn과 다음 스텝

“이미 5일 집중 과정은 끝났다는데, 이제 나는 어떻게 하면 될까?”
이게 가장 현실적인 질문일 텐데요. 다행히 이번 프로그램은 한 번 열리고 끝난 이벤트는 아닙니다.

우선, 당시 진행됐던 모든 강의와 실습은 현재 Kaggle Learn Guide 형태로 재구성되어 공개되어 있습니다¹.

즉, 지금이라도 스스로 5일 과정을 ‘셀프 부트캠프’처럼 따라갈 수 있다는 의미입니다.
영상·화이트페이퍼·노트북이 한 세트로 묶여 있기 때문에,
“이론 → 코드 보기 → 직접 수정해보기” 흐름으로 충분히 학습이 가능합니다.

또한 구글과 케글은 다음 집중 과정도 2026년에 다시 진행할 예정이라고 밝혔습니다¹².
실제로 업계는 에이전트 관련 기술이 빠르게 진화하고 있기 때문에,
2026년 집중 과정은 지금보다 더 발전된 사례와 아키텍처를 다룰 가능성이 큽니다.

그 사이에 할 수 있는 건 크게 세 가지 정도로 정리할 수 있습니다.

첫째, Kaggle Learn으로 기본기 쌓기
현재 공개된 가이드를 통해,

• 에이전트 기본 구조

• 도구 연결

• 평가·로깅 시스템

• 간단한 멀티 에이전트 패턴
  까지 한 사이클을 직접 경험해 보세요.

둘째, 케글 대회와 커뮤니티에 참여하기
에이전트 관련 대회나 노트북 공유 게시판에 올라오는 다른 사람의 코드를 읽어보는 것만으로도 큰 도움이 됩니다. 디스코드 커뮤니티도 여전히 활발하니, 질문과 토론을 통해 “이론이 아니라 실무 시야”를 빠르게 익힐 수 있습니다.

셋째, 본인 도메인에 에이전트를 적용해 보는 작은 실험
업무 자동화, 사이드 프로젝트, 개인 학습 보조 등 자신이 잘 아는 영역을 하나 골라 아주 작은 에이전트 하나라도 직접 만들어 보는 것이 중요합니다.
이번 집중 과정에서도, 초반에는 “AI를 그냥 쓰던 사용자”였던 사람들의 상당수가, 캡스톤을 통해 “에이전트 빌더”로 관점을 바꾸었다는 후기가 많았습니다³⁴.

마무리: 프롬프트 장인이 아니라 에이전트 설계자가 되는 시간

구글과 케글이 함께 만든 AI Agents 집중 과정은 단순한 온라인 강의가 아니라,
“AI를 어떻게 쓸 것인가”에서 “AI에게 무엇을 시킬 것인가”로 시야를 옮겨준 이벤트였습니다.

핵심 포인트를 다시 정리하면 이렇습니다.

• 150만 명 이상이 참여했고, 강의·노트북은 수백만 회 조회되며, 11,000개 이상의 에이전트 프로젝트가 나왔다¹².

• 초점은 “모델 성능”이 아니라, 에이전트가 실제 세계에서 어떻게 설계·배포·평가되는지에 맞춰져 있었다.

• 참가자들은 실시간 커뮤니티와 캡스톤을 통해, AI 사용자에서 AI 시스템 빌더로 시야를 전환했다³⁴.

• 지금도 Kaggle Learn Guide로 내용을 그대로 다시 따라갈 수 있고, 2026년에는 다음 집중 과정이 예정되어 있다¹².

만약 지금 이 글을 읽고 있다면, 아마 이미 어느 정도는 “에이전트가 뭔지 알고, 나도 한 번 만들어보고 싶다” 쪽에 가까운 분일 겁니다.

그렇다면 거창하게 시작할 필요는 없습니다.
Kaggle Learn에서 간단한 예제 하나를 골라 그대로 따라 해보고,
그다음 단계에서 “내 일상이나 업무에 딱 한 가지라도 자동화해 줄 수 있는 에이전트”를 직접 설계해 보세요.

앞으로 몇 년간, 프롬프트 잘 쓰는 능력보다 에이전트 구조를 설계하고 운영할 수 있는 능력이 훨씬 큰 차이를 만들어낼 가능성이 큽니다.

지금 그 전환을 연습하기에, 구글×케글의 AI Agents 집중 과정만큼 좋은 출발점도 드물어 보입니다.

참고

¹Inside Kaggle’s AI Agents Intensive Course with Google

²Kaggle’s AI Agents Course Signals Industry Shift

³From User to Builder : My Honest Learning Reflections from Kaggle’s 5-Day AI Agents Intensive Course with Google

⁴From Prompts to Autonomous Systems: What the Google & Kaggle AI Agents Course Changed for Me