멀티 모달 기능이 전혀 없는 텍스트 기반 챗봇이 모든 분야에서 "평균적인 인간" 수준의 지능을 보인다면, 그것은 AGI로 봐도 무방함.

반대로, 에이전트는 인간처럼 어떠한 입력(이미지, 영상 등)이 주어지더라도 별도의 가공 없이 온전히 "해석"할 수 있어야 함

비유하자면, AGI는 두뇌에 해당하고 에이전트는 눈, 코, 입, 팔, 다리 등 감각 및 운동 기관에 해당함

로건(Google)이 개발하려는 에이전트는 사진, 영상, 소리와 같은 종합적인 멀티모달 기능이 탑재된 "상용화 가능한 agent"를 의미하는거.

이 관점에서 보면 로건의 주장도 일리가 있음

"AGI 수준의 AI"는 단일 실행 비용이 1000달러든 10000달러든 상관없지만,

그러한 지능을 가진 agent는 멀티 모달과의 연동, 비용 최적화 등 후속 작업이 반드시 필요하기 때문임

적어도 이런 분야에서는 구글이 OpenAI보다 앞서 있는 것이 사실이고

구글 내부적으로는 이 모든 과정을 "완벽하게" 마무리하기 위한 준비 기간을 2025년으로 예상하고 있을 가능성이 높음