IBM, '타이니 AI'로 통신망 예측 강화…LLM 한계 넘는다

인공지능이 통신 네트워크의 핵심 인프라로 자리잡는 가운데, 모델의 정확도가 산업 전반의 신뢰성과 자동화 수준을 결정하는 열쇠로 부상하고 있다. IBM이 AI 정확도를 높이기 위한 해법으로 제시한 것은 바로 *소형 모델 전략*이다. 특히 시계열 데이터를 기반으로 한 예측력이 중요한 통신 분야에서 대규모 언어모델(LLM)이 가진 한계를 극복하기 위해, IBM은 '타이니 타임 믹서(Tiny Time Mixers)'와 같은 특화된 경량 모델 개발에 주력하고 있다.

IBM의 소프트웨어 네트워킹 총괄 책임자인 앤드류 코워드(Andrew Coward)는 MWC25 행사에서 진행된 실리콘앵글의 더큐브 방송에서 "LLM은 기본적으로 시간 개념이 부족하다"며, "어제 일어난 사건과 10년 전 사건을 구별하지 못하는 구조상 시계열 예측에는 적합하지 않다"고 지적했다. 그는 이어 "IBM의 소형 모델은 수백만 개의 파라미터만으로도 시간 의미를 이해하고, 네트워크 트래픽, 날씨 변화, 방송 스케줄 등 다양한 시계열 데이터 간 상관관계를 파악해 정확한 예측 결과를 도출한다"고 강조했다.

AI *민주화*가 비용 절감과 확산 속도를 가속화하면서, 전문가가 아닌 기업들도 효율적으로 AI 모델을 운용할 수 있는 시대가 열리고 있다. 코워드는 "데이터를 입력해 실행하는 건 거의 공짜 수준이지만, 훈련에는 여전히 비용이 든다. 그런데 그마저도 지속적으로 내려가고 있다"며, 이를 자동차 산업에 비유해 "통신사가 직접 AI 모델이라는 ‘엔진’을 개발할 필요가 없다. 기존 부품을 활용해 완성차처럼 조립하고 필요한 용도에 맞게 운용하는 것이 지금의 흐름"이라고 설명했다.

IBM은 이 같은 소형 모델을 통해 *네트워크 혼잡* 해소, *신호 커버리지 개선*, 그리고 복잡한 장애 대응 등 다양한 통신 인프라 문제를 해결한다. 코워드는 "LLM은 모든 문제의 해답이 될 수 없다"며, "IBM은 고객사 요구에 따라 문제 상황을 분석하고, 그에 맞는 AI 솔루션을 조립하듯 구성해 제공하고 있다"고 말했다.

기상자료나 자연재해 등의 측정 가능한 데이터를 과거 사례와 연결해, 향후 네트워크에 어떤 영향을 줄지 예측하는 것도 IBM의 핵심 전략 중 하나다. 그는 "실시간으로 데이터를 수집하고, 이를 근거로 자동화와 예측을 구현하는 것이야말로 AI가 산업 네트워크에 가장 효과적으로 기여하는 방식"이라며, "세 차례의 폭풍이 어떠한 영향을 줬는지, 앞으로 또 어떤 조치를 취해야 할지 — 이 모든 것들은 AI 정확도에 달려 있다"고 덧붙였다.

고도의 예측력을 갖춘 소형 AI 모델은 오늘날의 신속하고 복잡해진 통신 환경에서 생존 전략이자 혁신의 발판이 되고 있다. IBM은 이러한 기술 지향점을 통해 *AI 모델 정확도*를 한층 진화시키고, 산업 전반의 자동화 수준을 획기적으로 끌어올리겠다는 목표를 내세우고 있다.