1. 중앙 서버의 부하를 줄이고 현장 즉각 대응을 돕는 엣지 컴퓨팅(Edge Computing) 전면 도입

AI 시티의 인공지능 네이티브 아키텍처는 중앙 집중식 데이터 처리의 병목을 해소하고 도시의 즉각적인 대응력을 확보하기 위해 엣지 컴퓨팅을 전면적으로 도입하고 있다.

최신 보고서에 따르면, 엣지 컴퓨팅은 데이터가 생성되는 현장, 즉 교통 신호 제어기, 지능형 카메라, 차량 통신 노드 등에서 데이터를 직접 처리함으로써 데이터 전송 시 발생하는 지연 시간(Latency)을 획기적으로 단축한다.

이는 중앙 서버로 모든 데이터를 전송하여 처리하던 기존 방식과 비교해 대역폭 사용을 줄이고, 자율주행이나 실시간 영상 분석과 같이 즉각적인 결정이 필요한 인공지능 서비스의 실효성을 높이는 핵심 인프라로 분석된다.

엣지 컴퓨팅의 전면적 도입은 데이터 처리의 탈중앙화를 가속화하여 도시 시스템의 회복탄력성을 강화한다.

데이터 수집지 인근에서 인공지능 모델을 구동하는 엣지 노드는 네트워크 부하를 분산시키고, 중앙 데이터 센터가 장애를 겪더라도 현장에서 독립적인 판단을 수행할 수 있게 한다.

예를 들어, 바르셀로나의 경우 거리 수준에 엣지 서버를 배치하여 교통 밀도를 실시간 분석하고 최적화함으로써 통신 부하와 지연 문제를 효과적으로 해결한 사례가 있다. 이러한 분산형 아키텍처는 시민 생활과 직결된 인프라 서비스의 중단 없는 운영을 보장하는 기술적 전제 조건이 된다.

<표1> 중앙 클라우드와 엣지 컴퓨팅 분산 아키텍처 역할 분담

또한 엣지 컴퓨팅은 데이터의 보안과 프라이버시 보호 측면에서도 중요한 역할을 한다.

최신 선행연구에 따르면, 민감한 개인 정보가 포함된 원시 데이터를 중앙으로 전송하지 않고 엣지 단에서 처리하거나 비식별화하여 필요한 정보만을 공유함으로써, 데이터 노출 범위를 최소화할 수 있다.

엣지 기반의 인공지능 처리는 보안 강화를 통해 안전한 도시 환경을 조성하며, 도시 관리자가 방대한 IoT 데이터를 보다 지능적으로 선별·가공하여 진정한 의미의 자율 도시(Autonomous AI City)를 구현하게 한다.

2. 초거대 언어모델(LLM)과 컴퓨터 비전을 융합한 비정형 데이터(CCTV, 음성, 텍스트) 자동 분석

AI 시티의 인공지능 네이티브 아키텍처는 초거대 언어모델(LLM)과 컴퓨터 비전 기술을 융합하여 도시 내 방대한 비정형 데이터를 실시간으로 자동 분석하는 단계에 진입하였다.

최신 보고서에 따르면, 기존의 스마트시티가 단순한 영상 관제나 키워드 기반의 데이터 분류에 머물렀던 것과 달리, AI 시티는 초거대 언어모델을 활용하여 CCTV 영상, 긴급 호출 음성, 시민의 민원 텍스트 등 이종의 비정형 데이터를 통합적으로 이해하고 맥락을 파악한다.

이러한 통합 분석 모델은 도시 환경에서 발생하는 복잡한 상황을 종합적으로 판단하여 도시 운영에 필요한 통찰을 자동으로 도출한다.

비정형 데이터의 자동 분석은 컴퓨터 비전을 통한 실시간 현장 인지와 초거대 언어모델의 추론 능력이 결합된 결과이다.

서울특별시의 경우 인공지능 기반 CCTV 관제 시스템을 통해 넘어짐, 배회, 싸움 등 인간의 비정상 행동을 컴퓨터 비전으로 탐지하고, 이를 초거대 언어모델이 처리하여 상황의 긴급성을 분류하거나 필요한 대응 시나리오를 자동 생성한다.

이러한 다중 모달(Multi-modal) 분석 체계는 파편화된 도시 데이터를 논리적인 상황 인식 체계로 연결하며, 도시 행정의 사각지대를 해소하는 데 기여하고 있다.

이러한 지능형 데이터 분석 체계는 도시 관리자가 사후 대응에서 사전 예방적 의사결정으로 전환할 수 있도록 지원하는 핵심 기제이다.

최신 선행연구는 초거대 언어모델과 컴퓨터 비전이 결합된 분석 플랫폼이 재난 발생 가능성을 예측하거나, 특정 지역의 위험도를 실시간으로 평가하여 공무원에게 맞춤형 의사결정 지원 서비스를 제공한다고 분석한다.

결론적으로 AI 시티는 텍스트, 음성, 영상 정보를 상호 보완적으로 해석하는 고도의 비정형 데이터 분석 기술을 내재화함으로써, 도시 운영 전반의 예측 성능과 자율적 최적화 역량을 확보하고 있다.

3. 센싱(데이터)-판단(알고리즘)-실행(액추에이터)으로 이어지는 무인 자동 제어루프 완성

AI 시티의 인공지능 네이티브 아키텍처는 센싱(데이터 수집), 판단(알고리즘 추론), 실행(액추에이터 제어)으로 이어지는 무인 자동 제어 루프를 완성함으로써 도시 운영의 자율성을 극대화한다.

최신 보고서에 따르면, 기존 스마트시티가 인간의 개입을 전제로 한 관제 중심의 대응 체계였다면, AI 시티는 도시의 다양한 센서망을 통해 수집된 데이터를 인공지능 에이전트가 실시간으로 분석하고 판단하여, 최종 액추에이터를 통해 물리적 도시 환경을 즉각적으로 제어하는 자율 루프 구조를 갖춘다.

이러한 루프 구조는 도시 시스템이 외적 자극에 대해 인간의 개입 없이도 스스로 최적화된 상태를 유지하게 하는 자율 도시의 핵심 메커니즘으로 기능한다.

무인 자동 제어 루프의 핵심은 지능형 에이전트 간의 협업을 통한 도시 문제 해결 과정이다.

최신 선행연구는 교통, 에너지, 건축물 등 각 도시 도메인별로 분산된 AI 에이전트가 실시간으로 상호 데이터를 교환하며, 발생한 문제에 대해 스스로 정의하고 학습하여 목표를 달성하는 자동화된 의사결정을 수행한다고 분석한다.

예를 들어, 환경 센서에서 감지된 대기 오염 수치 데이터가 인공지능 모델로 전달되면, 시스템은 즉시 에너지 관리 망과 교통 관리 시스템에 제어 명령을 하달하여 오염원을 감소시키는 일련의 즉각적인 처리가 가능해진다.

이러한 제어 루프는 인공지능 기반의 도시 운영이 사후 대응적인 관리를 넘어 사전 예방적 접근으로 전환되었음을 시사한다.

최신 보고서들에 따르면, 자율적인 무인 제어 루프를 내재화한 AI 시티는 시민들에게 (초)개인화된 공공서비스를 제공하며, 복잡한 도시 운영 상황 속에서도 공정하고 신뢰할 수 있는 의사결정을 스스로 도출해낸다.

도시 인프라 내에 이러한 자동화 루프가 완성됨으로써, 도시 시스템은 진정한 의미의 자율 도시로 나아가며 관리의 정밀성과 운영 효율성을 동시에 확보하게 된다.

<표2> 무인 자동 제어 루프(Autonomous Control Loop)의 작동 구조