글로벌 지도 3사의 AI 에이전트 전략 비교

그동안 지도 업계에서의 AI 활용은 ‘어떻게 지도를 빠르고, 정확하고, 효율적으로 만들 것인가’ 하는 데이터 제작 영역에 한정되어 있었다. 한편으로는 자율주행을 구현하는데 고정밀지도(HD Map)에 전혀 의존하지 않고 엔드투엔드 AI를 활용해 상용화하는 기업이 등장하면서 ‘AI 시대에 지도는 구시대의 유물이 되는가’ 하는 우려섞인 목소리도 있었다.

하지만 물류, 모빌리티, 여행 등 사회 연결망이 유지되는 한 지도는 여전히 지구를 움직이도록 만드는 핵심 자원이다. 글로벌 지도 기업의 최근 AI 트렌드는 ‘제작의 측면’에서 사용자를 위한 ‘소프트웨어와 인터페이스 혁명’으로 이동했다.

키워드는 생성형 AI와 MCP(Model Context Protocol)이다. 이전 시대의 사용자, 사실 아직까지도 대부분의 사용자가 지도 앱을 켜고 검색창에서 키워드를 입력해 스스로 정보를 찾았다면 (Search) 미래의 사용자, 혹은 벌써 일부의 사용자는 AI에게 자신의 의도를 말하고 해결책을 제안받는다 (Solve). 글로벌 지도 플랫폼들은 이제 지도를 단순한 데이터베이스가 아닌, 인간과 세상을 연결하는 대화형 인터페이스(Conversational Interface)로 재정의하고 있는 것이다.

이번 리포트에서는 Google Maps, Mapbox, TomTom이 어떻게 AI Agent를 활용하여 사용자의 편의성을 높이고 새로운 비즈니스를 개척하고 있는지, 각각의 전략을 분석한다.

MCP (Model Context Protocol)

MCP는 AI 모델이 외부 시스템이나 데이터와 안전하게 소통하도록 돕는 오픈 표준 프로토콜이다. 마치 컴퓨터에 USB만 꽂으면 마우스나 키보드가 바로 작동하듯, AI 모델이 복잡한 개별 코딩 없이도 외부 데이터를 쉽게 가져다 쓸 수 있게 해주는 AI 전용 유니버설 어댑터(Universal Adapter)라고 이해하면 쉽다.

Gemini나 ChatGPT 같은 거대언어모델(LLM)은 언어와 추론 능력은 뛰어나지만, “지금 맨해튼 교통 상황 어때?”와 같은 실시간 정보나 “여기서 10분 거리”라는 물리적 감각은 없다. MCP는 이런 AI 모델이 지도 회사의 서버에 직접 접속해 정확한 위치 좌표, 실시간 경로, 장소와 교통 정보를 도구(Tool)처럼 꺼내 쓸 수 있게 해주는 표준 규약이다. MCP가 연결되는 순간, 텍스트에 갇혀 있던 AI는 비로소 지도를 읽고 해석할 수 있는 ‘공간 지능’을 갖게 된다.

Google Maps: 일상 속의 ‘만능 에이전트’

AI, 오피스 도구, 클라우드 생태계까지 이미 탄탄히 구축해 놓은 Google은 이 기반을 활용하여 일반 사용자(B2C), 자동차(Auto), 개발자(B2B) 등 전방위 적으로 지도 경험을 바꾸려 하고 있다.

1. 일반 지도 앱 & 내비게이션 사용자 (B2C): 맥락을 이해하는 멀티모달 대화로의 변화

• 대화형 내비게이션: “경로상에 있는 식당 찾아줘” 같은 단순한 문장을 넘어, “친구들과 가기 좋은 야외 좌석이 있는 브런치 카페가 있어? 주차는 편해?”와 같은 복합적인 맥락을 Gemini가 이해하고, 리뷰 요약 설명과 예약까지 한 번에 연결하는 모바일 지도 환경을 지향한다.
• 카메라를 활용한 비주얼 인텔리전스: 텍스트뿐만 아니라 카메라로 거리를 비추면 AI가 건물을 인식하고 “여긴 칵테일이 유명한 바입니다”라고 알려주는 등 시각 정보를 지도 환경에 통합했다.

2. 자동차 주행 보조와 운전자 경험 (Automotive): 차량의 시각적 인지와 지도 데이터를 연결

Google은 고정되어 있는 지도 데이터와 현실 세계의 간극을 메우기 위해 차량 하드웨어와 AI 솔루션을 결합해 나가고 있다.

고속도로 진출입로처럼 복잡한 길 안내 과정에서 GPS 위치 만으로는 차량이 주행하고 있는 차선이 어딘지 정확히 알기 어렵다. Google과 협업한 Polestar 4는 주행 중 차량의 전방 카메라 센서가 실시간으로 차선을 보고, 어느 위치에 있는지 인지하고, 지도 데이터와 비교한다. 만약 운전자가 내비게이션 상 달려야 할 차선과 다른 곳에서 주행중이라면 “내비게이션 경로를 따르려면 지금 오른쪽 차선으로 변경해야 합니다” 같은 안내를 소리와 비주얼로 전하게 된다. 이는 지도가 정적인 데이터를 넘어, 현실을 실시간으로 인지하고 개입하는 능동형 에이전트로 진화했음을 보여준다.

3. 개발자 생태계(B2B): 지도 인터페이스를 자동으로 구축하는 ‘맵 빌더 에이전트‘

Google은 자사 AI 모델을 활용해 지도 기반 UI의 개발 장벽을 낮추는 동시에, 이를 자연스럽게 지도 API 판매로 연결하는 영리한 전략을 시도하고 있다.

• 지도 활용 바이브코딩 (대화형 개발도구): 맵 빌더 에이전트 (Map Builder Agent)는 자연어를 사용해 AI가 코드를 생성하도록 지시하는 바이브코딩을 지도에 적용해 웹브라우저 환경에 구현했다. 개발자가 복잡한 매뉴얼을 읽을 필요도 없고, 내가 개발하고자 하는 프로덕트에 적합한 지도 API를 일일이 공부할 필요도 없다. “LA 지역의 호텔 위치와 가격 정보를 지도에 시각화해주고, 예약할 수 있는 창을 생성해줘”라고 챗에 입력하면, 빌더 에이전트가 즉시 시각적으로 확인 가능한 프리뷰와 임베드 코드를 생성해 준다.
• 또 하나의 세일즈 퍼널: 중요한 점은 이 에이전트가 단순히 자사 AI 모델과 연결해 코드를 짜주는 것을 넘어, 해당 기능을 구현하기 위해 필요한 Google Maps Platform의 특정 API와 연결해 준다는 점이다. “상상 -> AI 생성 -> 제품 구매”로 이어지는 매끄러운 세일즈 퍼널을 AI 에이전트로 구현한 셈이다.

Mapbox: AI를 위한 ‘공간 감각’

Mapbox는 직접 챗봇을 만드는 대신, 세상의 수많은 AI 모델(LLM)들이 지도를 읽고 이해할 수 있도록 돕는 AI 지도 인프라(Infrastructure)로서의 위치를 선점하고자 한다.

• MCP를 빠르게 도입: 텍스트 기반 AI는 물리적 공간 이해가 없기 때문에, 특정 지점으로부터의 거리나 정확한 위치 안내 같은 질문에 대한 답변은 할루시네이션(hallucination)의 문제가 존재한다. Mapbox는 MCP Server를 발표해, AI가 지도 기반의 정확한 공간정보를 인지할 수 있도록 돕는다. 개발자가 Claude나 ChatGPT 같은 외부 AI 에이전트를 통해 Mapbox의 정밀한 위치 데이터와 API의 기능을 실시간으로 호출하여 사용자 질문에 대한 답변의 근거(Grounding)로 삼을 수 있다는 뜻이다.
• 공간 추론 능력 제공: Mapbox의 MCP는 호텔, 레스토랑 (POI) 등 단순한 위치 찾기를 넘어 AI에게 공간감을 부여한다. 대표적인 도구가 등시선 (Isochrones)이다. AI에게 “가깝다”는 추상적 개념 대신, “현재 교통 상황에서 15분 내 도달 가능한 범위”를 다각형 데이터로 제공할 수 있고, AI 에이전트는 이를 해석하여 사용자에게 답변한다. 이 기능을 이용하면, 예를 들어 배달 플랫폼의 AI는 “이 주문은 20분 내 배달 불가”라고 판단할 수 있고, 부동산 AI는 “출근 30분 컷 가능한 매물”을 정확히 추천할 수 있다.

TomTom: 운전석의 ‘전용 코파일럿’

TomTom AI 에이전트는 범용 서비스보다 자동차 제조사(OEM)와 운전자 용 서비스에 특화된 디지털 콕핏(Digital Cockpit) 경험에 집중한다. Microsoft(Azure OpenAI)와의 동맹을 선택해 다양한 기업과의 접점을 높였다.

• 주행 중 운전자를 위한 대화 (Driving-Centric AI): TomTom AI 에이전트는 내비게이션뿐만 아니라 차량 제어까지 통합할 수 있다. “기름이 없네, 가는 길에 싼 주유소 들렀다 가자. 창문 좀 열어줘.”와 같은 자연어 명령을 한 번에 처리할 수 있다. 운전자가 화면을 터치할 필요 없이 (제로터치 인터페이스) 안전하게 모든 기능을 제어하게 하는 것이 핵심이다.
• 브랜드와 프라이버시 (White-label Strategy): TomTom은 자동차 혹은 서비스 제조사의 브랜드 아이덴티티를 유지하면서도 강력한 지도 기반 AI 기능을 심을 수 있도록 지원하는 방향성을 가진다. Microsoft 클라우드를 통해 데이터 보안과 처리 속도를 보장하는 장점도 있다.

‘클릭’에서 ‘대화’로, 검색하는 지도에서 해결하는 지도로

‘검색하면 보여주는 것’의 시대는 저물고, 현재상황을 ‘해결해주는 도구’로 진화했음을 글로벌 지도 3사는 공히 인지하고 있다.

• Google은 지도를 개인 비서화하고 서비스 개발의 부담도 최소화 해, 소비자와 비즈니스 고객 모두를 자사 생태계에 락인(Lock-in) 시키고 있다. 특히 Polestar 사례에서 보듯, 지도는 이제 현실을 보는 눈(Camera)까지 갖추게 되었음을 증명했다.
• Mapbox는 지도를 AI가 읽을 수 있는 코드로 만들어, 모든 AI 서비스의 필수 인프라가 되고자 한다.
• TomTom은 지도를 자동차와 대화하는 언어로 만들어, 운전석의 주인공이 되고자 한다.

누가 더 정확한 정보를 빠르게 지도에 업데이트 하느냐 (물론 여전히 중요한 과제다)가 이전 시대의 경쟁이었다면, AI 에이전트 시대의 승패는 누가 더 사용자의 맥락(Context)을 이해하고, 원하는 결과를 즉시 생성(Generate)해 낼 수 있느냐에 달려 있다.