SK AI Summit을 다녀와서
SK AI Summit은 단순히 새로운 AI 기술을 소개하는 컨퍼런스라기보다는,
AI가 지금 어떤 단계에 와 있고 앞으로 무엇이 더 중요해지고 있는지를 차분하게 보여주는 자리였다.
처음에는 세션 수가 너무 많아 부담스럽게 느껴졌지만, 하루를 보내고 나니 몇 가지 공통된 흐름이 분명하게 남았다.
이번 서밋에서 느낀 가장 큰 인상은, AI의 핵심 문제가 더 이상 모델 성능 그 자체에 있지 않다는 점이었다.
⸻
- ‘모델이 얼마나 똑똑한가’보다 ‘어떻게 운영되는가’의 문제
여러 세션을 들으면서 의외라고 느꼈던 점은 모델 구조나 파라미터 수 같은 이야기가 거의 나오지 않았다는 것이다.
대신 AI를 지속적으로 운영하기 위해 필요한 인프라, 비용, 전력, 메모리 구조와 같은 현실적인 문제들이 반복해서 언급됐다.
학교 수업이나 온라인 자료에서는 주로 알고리즘과 학습 기법 중심으로 AI를 접해 왔는데, 현장에서는 AI를 하나의 거대한 시스템으로 보고 있다는 인상을 받았다.
모델이 아무리 뛰어나더라도 이를 안정적으로 24시간 운영할 수 없으면 의미가 없다는 점이 여러 발표를 통해 강조되고 있었다.
⸻
- AI는 소프트웨어 기술을 넘어 인프라 산업으로 확장되고 있었다
이번 서밋을 통해 AI가 더 이상 소프트웨어 산업 내부의 문제에만 머무르지 않는다는 점을 분명히 느낄 수 있었다.
메모리 구조와 반도체 설계가 AI 성능과 직결되고, 전력 공급과 데이터센터 운영이 모델 규모를 제한하는 요소로 작용하고 있었다.
AI 기술이 에너지 정책이나 국가 단위 경쟁력과 연결된다는 이야기를 들으며, AI를 단순한 코드나 라이브러리로만 이해하는 데에는 분명한 한계가 있다는 생각이 들었다.
운영체제, 컴퓨터 구조, 네트워크 같은 기초 전공 과목들이 다시 중요해지고 있다는 느낌도 함께 받았다.
⸻
- 활용 사례 중심의 세션에서 느낀 현실적인 접근
Agentic AI와 다양한 산업 활용 사례를 다룬 세션들은 AI를 실제로 어떻게 사용하고 있는지에 초점을 맞추고 있었다.
흥미로웠던 점은 많은 발표가 결과를 과장하기보다는, 현재 가능한 수준과 아직 해결되지 않은 문제를 비교적 솔직하게 설명했다는 것이다.
AI가 모든 판단을 대체하는 구조보다는, 사람의 결정을 보조하거나 특정 역할을 맡는 형태로 설계되고 있다는 인상이 강했다.
이를 통해 AI는 단독으로 완성되는 기술이라기보다는, 기존 시스템 안에서 역할을 분담하는 요소로 자리 잡고 있다는 생각이 들었다.
⸻
- 학부생으로서 느낀 시선의 변화
이번 SK AI Summit을 통해 가장 크게 달라진 점은 AI를 바라보는 관점이었다.
이전에는 하나의 모델이나 기술을 이해하는 것이 곧 AI를 이해하는 것이라고 생각했지만, 지금은 그 기술이 어떤 환경에서 운영되고 어떤 제약을 가지는지까지 함께 고려해야 한다는 생각이 들었다.
앞으로 AI를 공부할 때 모델 성능뿐만 아니라 시스템 구조와 실제 적용 환경을 함께 살펴보고 싶다는 목표도 생겼다.
또한 이 기술이 현실에서 얼마나 지속 가능하고 책임 있게 사용될 수 있는지를 스스로 계속 질문해야겠다고 느꼈다.
⸻
마무리하며
SK AI Summit은 AI가 더 이상 실험적인 기술이 아니라, 비용과 책임, 운영 문제가 함께 따라오는 현실적인 기술이 되었음을 보여주는 자리였다.
학부생의 입장에서 모든 내용을 완전히 이해하기는 어려웠지만, 현재 AI가 서 있는 위치를 큰 흐름 속에서 바라볼 수 있었다는 점에서 의미 있는 경험이었다.
앞으로 AI를 공부하고 다룰 때, 기술 자체뿐만 아니라 그 기술이 실제 세상에 놓였을 때 발생하는 문제까지 함께 고민해보고 싶다는 생각이 들었다.
