모바일 온디바이스 AI: 오프라인 기능과 개인정보 경계를 함께 설계하기

기기 안에서 짧은 업무를 처리하는 적용 사례가 구체화되고 있습니다

Android 개발팀은 2026년 7월 21일 Gemini Nano와 ML Kit Prompt API를 이용한 기기 내 기능 구현 예시를 공개했습니다. 서버로 입력을 보내지 않고 짧은 정보를 요약하거나 처리하는 흐름을 다룹니다. 이 변화는 단순히 작은 모델을 넣는 문제보다, 연결이 없는 순간에도 사용자가 끝낼 수 있는 업무를 고르는 문제로 접근하는 편이 좋습니다.

현장 방문 직원이 고객과 나눈 메모를 정리하는 앱을 가정해 보세요. 방문 장소에서 통신이 불안정해도 메모를 짧은 할 일 목록으로 바꾸면 유용합니다. 반면 사내 재고나 최신 계약 조건을 조회하는 기능은 기기 안의 모델만으로 해결되지 않습니다. 같은 화면에서도 개인 메모 정리와 서버 사실 조회를 다른 기능으로 나누어야 사용자가 결과의 최신성을 오해하지 않습니다.

오프라인은 모델이 준비된 기기에서 검증해야 합니다

지원 단말, OS, 모델 설치 상태와 사용 가능한 저장 공간을 확인하는 준비 단계가 필요합니다. AICore가 모델 실행과 관리를 맡는다고 앱의 모든 단말에서 같은 기능이 즉시 가능해지는 것은 아닙니다. 처음 실행할 때 모델 다운로드가 필요한 경우와 이미 준비된 모델로 비행기 모드에서 실행하는 경우를 별도 시험하세요. 준비되지 않은 상태에서는 원본 메모 기능을 계속 제공할 수 있어야 합니다.

개인정보 설명은 추론 엔진의 성질과 앱의 실제 동작을 함께 살펴야 합니다. 모델 입력이 로컬에 머물러도 앱 분석 로그, 오류 보고, 백업이나 계정 동기화가 원문을 전송할 수 있습니다. 네트워크 요청을 검사하고 입력·출력의 로깅 여부를 점검하세요. '온디바이스'라는 표시만으로 앱 전체가 데이터를 외부로 보내지 않는다고 안내하면 실제 동작과 어긋날 수 있습니다.

클라우드 전환은 사용자가 알아볼 수 있어야 합니다

기기에서 처리하지 못한 요청을 자동으로 서버에 보내면 원래 기능이 약속한 데이터 경계가 달라집니다. 어떤 입력이 전송되는지 설명하고, 조직 정책이나 사용자 선택에 따라 전환을 허용하세요. 서버 연결을 허용하지 않는 모드에서는 대기나 수동 편집으로 돌아가도록 합니다. 로컬과 서버 결과의 품질 차이도 같은 예제로 검수해야 일관된 기능 설명을 작성할 수 있습니다.

성능 시험은 최신 고급 단말 한 대의 첫 응답으로 끝내지 않습니다. 앱 재시작 후 첫 실행, 반복 요청, 긴 메모와 다른 앱이 함께 돌아가는 조건을 비교합니다. 지연, 배터리와 취소 반응을 함께 보고 결과가 늦어져 사용자가 메모를 다시 작성하게 되는지를 관찰하세요. 모델 버전이 바뀌면 같은 입력의 요약에서 중요한 약속이나 부정 표현이 빠지지 않는지도 확인합니다.

사용자가 편집할 수 있는 초안부터 배포합니다

첫 기능은 자동 전송이나 업무 확정 대신 사용자가 검토하는 메모 초안으로 제한할 수 있습니다. 원문과 정리본을 오가며 수정할 수 있게 하고, 앱이 종료되어도 원문이 남도록 저장 순서를 정하세요. 운영 지표는 생성 횟수보다 실제 채택·수정·취소와 지원 불가 비율로 구성합니다. 단말별로 실패 원인을 나누면 작은 모델로 충분한 기능과 서버 지원이 필요한 기능을 현실적으로 구분할 수 있습니다.

• 모델 준비 여부를 확인한 뒤 오프라인 기능을 안내하는가
• 분석·오류·백업 경로의 원문 전송도 검사했는가
• 클라우드 전환을 거절해도 기본 작업을 계속할 수 있는가
• 발열·취소·앱 종료 후에도 원문이 보존되는가