AI는 우리가 살고 일하고 운영하는 방식을 심오한 방식으로 바꿀 것입니다: NVIDIA의 Jigar Halani

인도는 글로벌 AI 환경에서 특이한 교차점에 있습니다. 이 나라는 많은 서구 경제와 동일한 출발점을 공유하지 않습니다. 서구는 종종 노동력 부족, 높은 임금, 제한된 숙련 노동으로 어려움을 겪고 있지만 인도의 현실은 상당히 다릅니다.

이러한 맥락에서 NVIDIA의 솔루션 설계 및 엔지니어링 이사인 Jigar Halani는 인도의 AI 궤적을 실제로 형성하는 것이 무엇인지에 대한 근거 있는 견해를 공유했습니다. 재능이나 인력이 부족하지 않은 상황에서 AI 시스템 구축 및 배포에 대한 인도 고유의 접근 방식이 필요한 영역에는 제약이 있습니다.

“우리는 국가로서 아무런 문제도 없고 자원도 부족하지 않습니다. 우리는 절대적으로 좋은 기술과 인력을 보유하고 있습니다. 우리의 과제는 조금 다릅니다. 우리의 과제는 모국어이고 그 다음은 비용입니다.”라고 그는 설명했습니다. 테크스파크 2025.

인도 다국어 사회의 현실은 오랫동안 디지털 접근이 제한되어 왔습니다. Bhashini 및 AI4Bharat와 같은 이니셔티브는 포용이 의사소통에서 시작되기 때문에 인도어로 오픈 소스 데이터베이스를 만들어 이러한 격차를 해소하려고 합니다.

그는 비용이 인도 과제의 두 번째 기둥이라고 말합니다. 낮은 인건비로 인해 엄청난 비용 절감 효과가 없다면 AI 채택을 정당화하기가 어렵기 때문입니다. 인도의 콜센터 좌석 비용은 여전히 ​​많은 국가에 비해 훨씬 저렴하므로 AI는 매우 낮은 거래 비용과 높은 신뢰성으로 작업해야 합니다.

마지막 기둥은 규모라고 Jigar는 말했습니다. 인도는 이미 여러 글로벌 플랫폼에서 가장 큰 사용자 기반이므로 실수나 비효율성이 결과를 증폭시켰다고 덧붙였습니다.

“우리는 X, OpenAI, Perplexity 분야에서 가장 큰 기업입니다. 아마도 Gemini에서 2위일 것입니다. WhatsApp에서는 가장 크고 모두에게 가장 큰 규모입니다. 이것이 바로 우리의 규모입니다.”라고 Jigar는 말했습니다. 따라서 인도를 위해 설계된 모든 AI 시스템은 처음부터 국가 규모로 계획되어야 합니다.

확장 가능하고 효율적인 AI 인프라

이러한 과제는 자연스럽게 인도의 수요를 지원할 수 있는 인프라의 필요성으로 이어집니다. 인도의 AI는 강력하면서도 저렴해야 하고, 고성능이면서도 복원력이 있어야 하며, 클라우드, 온프레미스 및 엣지 환경에서 실행할 수 있어야 합니다.

“아키텍처는 해결되어야 합니다. 어디에서나 작동할 수 있을 만큼 널리 퍼져 있어야 합니다. 탄력성을 고려하여 구축해야 합니다. 투자 수익이 중요하고 미래 기술 곡선이 어떻게 될 것인지, 이러한 모든 사항을 본질적으로 고려해야 합니다.”

효율성은 중요한 요소입니다. 단일 GPU 프레임이 초당 백만 개가 넘는 타일을 처리할 수 있으면 인구 규모에서도 추론이 저렴해집니다. 그러나 그것만으로는 충분하지 않습니다. 가동 중지 시간은 인도만큼 큰 국가에 불균형적인 영향을 미치기 때문에 인프라는 수억 명의 동시 사용자를 지원할 수 있을 만큼 강력해야 합니다.

이러한 비용 효율성, 규모 및 탄력성의 조합은 선택 사항이 아닙니다. 이는 AI의 모든 실제 배포가 구축되어야 하는 기반을 형성합니다.

데이터 큐레이션 및 전문화

인프라가 많은 주목을 받고 있지만 Jigar는 효과적인 AI가 하드웨어만으로 구동되는 것은 아니라고 강조했습니다. 데이터 큐레이션은 의미 있는 시스템의 진정한 백본을 형성합니다. 공개적으로 긁힌 데이터로만 훈련된 모델은 여전히 ​​일반적이며 실제 조직에서 요구하는 정확도 수준에 도달할 수 없습니다.

“데이터 큐레이션은 엄청난 부하와 계산에 대한 욕구 측면에서 가장 큰 것 중 가장 큰 것입니다. 모든 사람이 웹 데이터를 가지고 있기 때문에 모든 사람은 제너럴리스트입니다. 전문가는 자신의 데이터를 추가할 때 옵니다.”라고 그는 말했습니다.

큐레이션이란 모델이 도메인별 이해를 학습할 수 있도록 데이터를 정리, 필터링 및 정렬하는 것을 의미합니다. 이는 까다롭고 자원 집약적인 프로세스이지만 진정한 이점을 창출합니다. 인도에서는 선택된 데이터가 현지 언어, 문화적 뉘앙스 및 현장 관행을 반영해야 하기 때문에 이 작업이 더욱 중요합니다.

오픈 소스 데이터세트와 엄선된 라이브러리는 장벽을 낮추지만, 각 조직은 시스템을 일반 모델과 차별화하려면 자체 전문 데이터세트를 개선하고 확장해야 합니다.

업계의 AI 에이전트

Jigar는 AI 에이전트가 가상의 아이디어가 아니라고 강조했습니다. 현재 속도, 정확성 및 수익성이 중요한 산업에 배치되어 있습니다. 몇 가지 예는 현대 에이전트 시스템이 얼마나 효율적이었는지를 보여줍니다.

Domino’s Pizza는 AI 에이전트를 사용하여 미국에서 운전자를 위한 가장 빠른 경로를 계산합니다.

Jigar는 “내가 갈 수 있는 가장 빠른 경로가 무엇인지 확인하세요. 하루 종일 모든 피자 배달을 위해 미국 전체에 대해 하나의 GPU에서 실행됩니다.”라고 말했습니다. 이는 효율성뿐만 아니라 실용적인 AI 배포의 성숙도도 보여줍니다.

인도의 사법 시스템에서는 좀 더 지역적인 사례가 등장했습니다. 법원은 법원 절차를 기록하고, 주장을 요약하고, 적용 가능한 법적 섹션을 제안하여 더 빠른 의사 결정을 지원하고 수작업 부담을 줄이는 인공 지능을 테스트하고 있습니다.

“모든 것을 캡처합니다. 누가 말하고, 어떤 언어를 사용하고, 기록하고, 요약하고, 법률과 연결하고, 각 판사에게 맞춤화하는 것입니다.”라고 Jigar는 설명했습니다.

기업들은 또한 고객 서비스 및 엔지니어링 지원을 위해 에이전트를 채택하고 있습니다. 이러한 시스템은 문서를 읽고, 관련 세부 정보를 추출하고, 지침을 제공하여 수작업 조사 시간을 대체할 수 있습니다.

인공지능과 물리학

AI 개발의 다음 단계는 디지털 워크플로우를 넘어 물리적 세계로 이동하는 것입니다. Agentic 시스템은 실제 로봇 공학, 자율 주행 차량 및 디지털 트윈과 협력하여 시뮬레이션과 물리적 환경 사이에 다리를 만들기 시작했습니다. 이는 AI의 영향을 창고, 병원, 공장 및 가정으로 확장합니다.

에이전트가 피드백을 통해 학습하고, 진화하는 워크플로에 적응하고, 물리적 시스템과 상호 작용할 수 있는 능력을 얻으면 일상적인 작업의 일부가 될 것입니다.

“AI는 우리가 갖고 있는 데이터 세트의 매우 복잡한 문제를 해결하려는 매우 단순한 의도에서 시작되었습니다. AI는 진화하여 우리가 살고, 숨 쉬고, 운영하고, 일하는 방식을 매우 다른 방식으로 전 세계를 변화시킬 것입니다.”라고 그는 설명했습니다.