자율형 네트워크(Autonomous Networks) — 즉, 지능적으로 스스로 관리되는 통신 운영 시스템 — 는 더 이상 미래의 비전이 아니라, 현재 통신사들에게 핵심 우선 과제로 부상하고 있습니다. NVIDIA의 최신 통신 분야 AI 현황 보고서에 따르면, 네트워크 자동화(Network Automation) 는 AI 투자와 투자 수익(ROI) 측면에서 업계가 가장 주목하는 활용 사례로 꼽혔습니다.
자동화(Automation)와 자율성(Autonomy)은 엄연히 다릅니다. 사전에 정해진 절차를 단순히 실행하는 수준을 넘어, 자율형 네트워크는 운영자의 의도를 이해하고, 다양한 선택지의 균형을 판단한 뒤 최적의 조치를 스스로 결정해야 하는데요, 이를 가능하게 하는 핵심은 통신 데이터를 기반으로 정교하게 조정된 추론 모델(Reasoning Models) 과 AI 에이전트입니다.
네트워크가 완전한 자율성을 갖추기 위해서는, 통신망 모델과 상호 소통하는 AI 에이전트, 그리고 네트워크 시뮬레이션 도구를 활용해 행동을 검증하는 전주기 에이전틱 시스템(Agentic System) 이 필요합니다.
Mobile World Congress Barcelona를 앞두고 NVIDIA는 NVIDIA Nemotron 기반의 오픈소스 대규모 통신 모델(Large Telco Model, LTM) 을 공개했습니다. 이 모델은 네트워크 운영을 위한 추론형 에이전트 구축 가이드로, 에너지 절감 및 네트워크 구성 최적화를 위한 다중 에이전트 오케스트레이션(Multi-Agent Orchestration) Blueprints와 함께 통신사의 자율화를 지원하게 됩니다.
또한 GSMA의 새로운 ‘Open Telco AI Initiative’ 출범에 맞추어, NVIDIA는 오픈소스 LTM, 구현 가이드, 그리고 에이전틱 AI Blueprints를 GSMA를 통해 공개 리소스로 배포할 예정입니다. GSMA는 전 세계 이동통신 산업을 대표하는 협회입니다.
오픈 Nemotron 3 대규모 통신 모델, 통신 산업에 추론 기능을 가져오다
통신사가 자사의 운영 전반에 생성형 AI와 에이전틱 AI를 효과적으로 적용하기 위해서는, AI 모델이 통신 분야의 언어를 이해하고 복잡한 워크플로를 논리적으로 추론할 수 있는 능력을 갖춰야 합니다. 이에 NVIDIA는 AdaptKey AI와 협력해 새로운 오픈소스 AI 모델인 300억 매개변수 규모의 NVIDIA Nemotron 거대 통신 모델(Large Telco Model, LTM)을 공개했는데요, 이제 전 세계 통신사들은 이를 활용해 자율형 네트워크를 구축할 수 있습니다.
이번 모델은 NVIDIA Nemotron 3 기반의 파운데이션 모델을 바탕으로, AdaptKey AI가 산업 표준(open telecom datasets)과 합성 로그(synthetic logs)를 포함한 공개 통신 데이터셋으로 정교하게 튜닝했습니다. 그 결과, LTM은 통신 산업의 전문 용어를 이해하고 장애 격리(fault isolation), 복구 계획(remediation planning), 변경 검증(change validation) 등 복잡한 프로세스를 추론하는 데 최적화되었습니다.
오픈소스 모델로서 Nemotron LTM은 통신사업자에게 모델 학습 과정과 사용된 데이터에 대한 완전한 투명성을 제공하는데요, 이를 통해 사업자는 자사 네트워크 내에서 AI 모델을 보안성과 속도를 확보한 온프레미스 환경에 배포하고, 직접 에이전트를 구축·운영할 수 있습니다. 또한 통신사업자는 자체 네트워크 및 운영 데이터를 반영해 통신 특화 추론 기능을 확장할 수 있어, 데이터 통제권이나 보안성을 유지한 채 자율형 운영으로 나아갈 수 있습니다.
AI 에이전트가 네트워크 엔지니어처럼 추론하도록 가르치기
NVIDIA와 Tech Mahindra는 통신사업자가 도메인 특화 추론 모델(domain-specific reasoning model)을 파인튜닝하고, 네트워크 운영센터(Network Operations Center, NOC) 워크플로우를 안전하게 수행하는 AI 에이전트 구축 방법을 안내하는 오픈소스 가이드를 공개했습니다.
이 가이드는 NOC 엔지니어의 사고방식을 AI 모델에 학습시키는 구체적인 프레임워크를 제시합니다. 즉, 영향이 크고 자주 발생하는 사고 유형에 집중하고, 전문가의 해결 절차를 단계별 프로세스로 변환하며, 각 단계의 행동, 도구 호출, 결과, 의사결정을 포함한 구조화된 추론 기록(reasoning trace)으로 전환시키게 됩니다. 이 기록들이 모델 학습에 사용되는 ‘사고 예시(thinking examples)’가 되어, 모델은 단순히 무엇을 해야 하는지를 넘어 왜 그 절차가 안전하고 효과적인지를 이해하게 되죠.
나아가 통신사업자는 NVIDIA NeMo-Skills 파이프라인을 활용해 이러한 추론 기록을 기반으로 모델을 세밀하게 조정할 수 있습니다. 이를 통해 네트워크 엔지니어처럼 추론하고 문제를 해결할 수 있는 통신 특화형 AI 에이전트의 기반을 마련할 수 있습니다.
의도 기반 에너지 절감 Blueprint로 에너지 효율 극대화
자율형 네트워크는 폐루프(closed-loop) 방식으로 운영됩니다. 즉, 네트워크를 이해하는 모델, 운영자의 의도를 실행으로 옮기는 에이전트, 그리고 시뮬레이션을 통해 결과를 검증하고 의사결정을 지속적으로 개선하는 구조로 작동합니다.
의도 기반 RAN(무선접속망) 에너지 효율을 위한 새로운 NVIDIA Blueprint는 이러한 요소들을 유기적으로 결합해, 통신사업자가 5G RAN의 전력 소비를 체계적으로 줄이면서 서비스 품질(QoS)을 유지할 수 있도록 돕습니다.
해당 Blueprint는 네트워크 테스트 및 측정 분야의 선두 기업 VIAVI의 TeraVM AI RAN 시나리오 생성기(AI RSG) 플랫폼을 통합시키는데요, 이 플랫폼은 셀(cell) 활용률, 사용자 처리량(throughput), 트래픽 패턴 등 다양한 요소를 반영한 합성 네트워크 데이터를 생성하고, 이를 간결하고 검색 가능한 형태로 변환합니다.
이후 에너지 계획 에이전트(Energy Planning Agent)가 이 데이터를 분석해 에너지 절감 정책을 도출합니다. 해당 정책은 AI RSG 환경에서 시뮬레이션을 통해 검증되며, 통신사업자는 실제 네트워크를 변경하거나 가입자 서비스에 영향을 주지 않고도, 의도한 목표에 맞는 에너지 절감 전략을 안전하게 실험할 수 있습니다.
NVIDIA 네트워크 구성 설계도를 실무에 적용하는 통신사들
통신 네트워크 구성을 위한 NVIDIA Blueprint는 현재 전 세계 다수의 통신사업자들이 도입하여 활용 중입니다.
Cassava Technologies는 이 설계도를 기반으로 아프리카의 다변화된 멀티벤더 네트워크 환경을 최적화하기 위한 Cassava Autonomous Network를 구축하고 있는데요, 이 에이전트 기반 플랫폼에는 세 가지 주요 역할을 수행하는 에이전트가 포함됩니다.
-
네트워크 상태를 모니터링하고 구성 변경을 제안하는 에이전트
-
변경 내용을 거버넌스 절차에 따라 적용하고 문서화하는 에이전트
-
변경의 영향을 평가하며, 기대치와 다를 경우 안전하게 되돌리는 에이전트
NTT DATA 역시 이 설계도를 활용해 트래픽 제어를 지능화하고 있습니다. 이 프로젝트는 장애 복구 후 대규모 사용자가 재접속할 때 발생하는 트래픽 급증 현상을 효율적으로 관리하기 위한 것으로, 일본의 주요 1등급 통신사업자와 함께 진행 중입니다.
AI 에이전트는 네트워크 전반의 실시간 수요를 분석해 각 셀에서 언제, 어떤 방식으로 새로운 사용자를 수용할지를 스스로 결정합니다. 네트워크가 안정화되면 에이전트는 판단 알고리즘을 조정하여, 기존의 수동 구성 절차를 데이터 기반의 자동 최적화 사이클로 전환합니다. 이를 통해 보다 탄력적이고 효율적인 모바일 네트워크 운영이 가능해집니다.
다중 에이전트 오케스트레이션을 통한 네트워크 구성의 진화
통신사업자가 RAN(무선접속망) 전반에서 복잡한 에이전틱(Agentic) 워크플로우를 설계하고 모니터링하며 최적화할 수 있도록 돕기 위해, NVIDIA와 BubbleRAN은 통신 네트워크 구성을 위한 NVIDIA Blueprint를 확장하고 있습니다. 이번 확장은 NVIDIA NeMo 에이전트 툴킷(NAT)과 BubbleRAN 에이전틱 툴킷(BAT)을 결합하여, 다중 에이전트 오케스트레이션(Multi-Agent Orchestration)을 위한 상호 보완적 프레임워크를 제공합니다.
BubbleRAN은 Opti-Sphere 플랫폼에 NAT와 BAT를 통합하고 있는데요, 이를 통해 네트워크 모니터링, 구성, 검증 에이전트를 컨테이너 환경과 다양한 워크로드 전반에서 보다 유연하게 관리할 수 있으며, 네트워크 지표 및 트래픽 상태를 보고하는 도구와 연계하여 에이전트가 지속적으로 구성 변경을 제안하고 이를 검증할 수 있도록 지원할 예정입니다.
또한 Telenor Group은 BubbleRAN과 함께 해당 설계도를 최초로 도입하는 통신사로, 그룹 내 글로벌 해상 연결 서비스 제공사인 Telenor Maritime의 5G 네트워크 성능을 향상시키는 데 이를 활용할 예정입니다.
통신 분야에서의 최신 에이전틱 AI(Agentic AI) 혁신에 대한 보다 많은 정보를 3월 2일부터 5일까지 바르셀로나에서 개최되는 Mobile World Congress(MWC)에서 확인하실 수 있습니다.
소프트웨어 제품 관련 공지는 이곳(Notice)에서 확인할 수 있습니다.