"디지털트윈, AI시대 'NW 시뮬레이션 고도화' 날개"
디지털 트윈이 AI 기술에 힘입어 고도화를 거쳐 더욱 쓸모가 많아질 것이란 전망이다. 네트워크 분야에서는 가상의 인프라 복제본을 만들어 데이터가 오가는 논리까지 반영할 수 있다는 점이 주목될 것으로 보인다. 다만 실제 현장에서 AI가 가져오는 오류를 넘어서야 하는 점이 과제로 꼽힌다. 통신 전문 매체인 RCR와이어리스는 AI 기반의 디지털 트윈이 네트워크 운영에서 매우 강력한 무기가 될 것으로 점쳤다. 망 구축 시뮬레이션부터 시나리오에 따른 장애 예측 등이 실제 환경이 아니라 가상에서 자유롭게 변한다는 이유에서다. IDC 디지털 트윈을 구축하는 회사인 캐던스디자인시스템즈의 마크 펜턴 제품엔지니어링디렉터는 “AI는 디지털 트윈을 수작업 중심적인 시스템에서 고도의 지능을 갖춘 시스템으로 전환시킨다”며 “단순한 성능 개선이 아니라 가상 네트워크 모델의 가치 제안 자체를 바꾸는 변화”라고 평했다. 시장조사업체 레드포인트글로벌의 스티브 지스크 수석데이터연구원은 “초기 디지털 트윈은 단순한 스냅샷에 불과했지만 AI를 접목하면서 새로운 데이터가 유입될 때마다 학습하고 갱신되는 살아 있는 모델이 됐다”며 “과거 시스템은 과거 사건을 재현하거나 과거 패턴을 기반으로 추정하는 데 그친 반면 AI 기반 트윈은 가능한 미래를 상상하고, 이를 실시간으로 시험할 수 있다”고 설명했다. AI 이전의 디지털 트윈은 규칙을 정의하고 조건을 설정하고 개별 테스트에 수작업이 더해지면서 통신사들이 현실적으로 여러 시나리오를 다루지 못했다. 반면 AI로 학습된 모델을 활용해 대형 스포츠 이벤트로 인한 트래픽 변화, 기상 악화에 따른 네트워크 운영 등 수천 개의 시나리오를 가상으로 평가할 수 있다. 이같은 시나리오 실행이 패턴으로 만들어지면 작업자가 지시하지 않아도 AI가 새로운 시나리오를 만들어낼 수 있고, 인간이 상상하기 어려운 교란 상황을 모델링으로 대처할 수 있다는 분석도 나온다. 구체적으로 백본 트래픽 경로를 미세 조정하고, 실제 무선국을 배치하기 전에 안테나 위치를 검증하며, 주파수 자원을 효율적으로 할당할 수 있다. 용량 수요를 시뮬레이션하고 검증된 설계를 실제 구성으로 전환해 실제 환경에서 발생하는 비용을 시행착오 없이 줄일 수 있다. 아울러 자율 네트워크 운영단계에 접어들면 네트워크 자율 설정과 자가 복구, 자가 최적화 기능을 개발해 망 유지보수를 사후 단계가 아닌 예측 단계에서 가능해진다. 다만, AI가 생성한 시나리오는 현실적이어야 하고 이를 통해 도출된 인사이트는 실제 환경에 의미 있게 적용될 수 있어야 한다는 점이 과제다. 잘못된 데이터가 입력되면 AI가 확신에 가득 찬 오류를 만들어낼 수 있다는 점을 경계해야 한다는 점이 가장 큰 숙제로 꼽힌다. 즉 네트워크 디지털 트윈 구현의 가장 큰 장애물은 데이터 품질에 달려있다는 설명이다. 초기 투자 비용과 구축 기간도 아직은 쉽지 않은 과제다. 데이터 수집 기술, 모델링 플랫폼, 인프라를 함께 조율해야 하며, 이는 상당한 자원과 전문성을 요구하는 작업일 수밖에 없다. 아울러 보안 문제도 디지털 트윈 운영에서 간과할 수 없는 부분이다. 외신은 “AI 기반 의사결정을 받아들이는 데에는 학습 곡선이 따른다”며 “전통적인 수작업 방식에서 자율 최적화로 전환하는 것은 단순한 기술 문제가 아니라, 알고리즘이 생성한 인사이트를 신뢰하고 행동할 수 있는 조직 문화적 준비를 요구한다”고 전했다.
