aiot 국제전시회를 다녀와서
최근 AioT 국제 전시회를 다녀왔다.
전시회를 가기 전까지는 IoT나 AI가 여전히 “기술 설명 슬라이드 안에 있는 개념”처럼 느껴졌는데,
현장에서 다양한 기업 부스를 직접 보면서 생각이 꽤 달라졌다.
이번 전시에서는 기술 자체보다도,
AI·IoT가 어떤 맥락에서, 어떤 문제를 해결하기 위해 쓰이고 있는지가 훨씬 선명하게 보였다.
⸻
- 이제 AI는 ‘모델’이 아니라 ‘운영 시스템’에 가깝다는 느낌
여러 부스에서 공통적으로 느낀 점은
AI가 더 이상 “분석 결과를 보여주는 도구” 수준에 머무르지 않는다는 것이었다.
사진에서 볼 수 있었던 TalkScreen AI, 온디바이스 AI 스피커, AI 영상 관제 솔루션 등은
모두 현장에서 바로 사용되는 시스템이라는 점이 강조되고 있었다.
• 키오스크, 디지털 사이니지, 스마트 TV에 바로 탑재되는 LLM 챗봇
• 현장 네트워크 환경을 고려한 On-device AI 구조
• 서버 의존도를 줄이고 실시간성을 확보하려는 설계
전공 수업에서 배우는 AI는 보통
“데이터 → 학습 → 정확도”로 끝나는 경우가 많은데,
현장에서 보니 중요한 건 오히려 운영 안정성, 네트워크, 배포 방식이라는 생각이 들었다.
⸻
- Edge / On-device AI가 왜 중요한지 체감했다
Edge AR, On-device AI Station, 실시간 관제 시스템 부스를 둘러보면서
“왜 굳이 디바이스 안에서 AI를 돌릴까?”라는 질문에 대한 답을 체감하게 됐다.
전시된 시스템들을 보면 공통적으로:
• 지연(latency)에 매우 민감한 환경
• 네트워크 장애가 발생해도 동작해야 하는 상황
• 영상·센서 데이터가 계속 발생하는 구조
이런 조건에서는
클라우드로 전송 → 처리 → 응답 구조가 오히려 리스크가 된다.
개발자 입장에서 보면
모델 성능보다도 시스템 아키텍처 선택이 더 중요한 문제처럼 느껴졌고,
AI + IoT가 만나는 지점에서는
“어디서 추론을 할 것인가”가 핵심 설계 포인트라는 게 인상 깊었다.
⸻
- AioT는 결국 ‘현장 문제를 얼마나 잘 이해하느냐’의 싸움처럼 보였다
MAPS(자산 위치 관제), 영상 관제, 스마트 시티, 스마트 오피스 관련 부스들을 보면서
기술 스펙보다 더 많이 등장한 단어는 ‘현장’, ‘운영’, ‘관리’였다.
예를 들면:
• 실시간 자산 위치 추적과 관리 자동화
• 여러 센서와 장비를 한 화면에서 통합 관제
• 사고 발생 시 즉각적인 대응을 위한 시각화
이걸 보면서 느낀 건,
AioT는 “최신 기술”을 보여주는 자리라기보다는
현장에서 실제로 쓸 수 있느냐를 검증받는 자리에 가깝다는 점이었다.
기술적으로 대단해 보여도
“그래서 이게 현장 관리자 입장에서 편해지는가?”라는 질문을 넘지 못하면
제품으로 살아남기 어렵겠다는 생각이 들었다.
⸻
- 개발자 관점에서 가장 인상 깊었던 점
개인적으로 가장 인상 깊었던 건
이 전시가 단순히 AI, IoT를 나열하는 자리가 아니라
소프트웨어가 하드웨어·현장·사람과 어떻게 연결되는지를 보여주는 자리였다는 점이다.
• 모델 설계만 잘해서 끝나는 구조가 아니고
• 네트워크, 디바이스 제약, 유지보수, 인증(KOLAS 같은)까지 다 고려해야 하고
• 실제 고객이 사용하는 환경을 기준으로 기술이 정의됨
소프트웨어학과에서 배우는 내용들이
“어디에, 어떻게 쓰이느냐”에 따라 완전히 다른 문제로 변한다는 걸
이번 전시회를 통해 꽤 실감하게 됐다.
⸻
마무리하며
AioT 국제 전시회를 다녀와서 가장 크게 느낀 건,
AI와 IoT는 더 이상 “미래 기술”이 아니라
이미 현장에 내려와 있고, 운영되고 있는 기술이라는 점이었다.
전공자로서 당장 모든 기술을 이해할 수는 없었지만,
앞으로 공부할 때
• 모델 성능만 보는 시선에서
• 시스템 구조와 실제 사용 환경을 같이 보는 시선으로
조금은 관점이 바뀌게 된 계기였던 것 같다.
나중에 기회가 된다면
이런 전시에서 본 시스템 중 하나를
“개발자 관점에서 분해해서 분석해보는 글”도 한 번 써보고 싶다는 생각이 들었다.
