2017년 첫 개최된 잘로 AI 서밋은 AI 분야의 저명한 전문가들이 한자리에 모이는 행사입니다. "AI 시대의 베트남"이라는 주제로 열리는 잘로 AI 서밋 2025에서는 일상생활에 AI를 적용하는 솔루션을 제시하고, AI 트렌드를 예측하며, 잘로가 AI를 사용자에게 더욱 가깝게 제공하기 위해 이뤄낸 성과를 선보일 예정입니다.
잘로(Zalo)의 기술 이사인 응우옌 민 투(Nguyen Minh Tu)는 개회사를 통해 인공지능 시대가 2018~2019년 최초의 트랜스포머 모델들과 함께 시작되었다고 밝혔습니다. 그러나 이러한 언어 모델들이 높은 수준에 도달하고 더 많은 사람들이 이용할 수 있게 된 것은 2022년 GPT-3.5와 ChatGPT가 등장한 이후였다고 덧붙였습니다.
"바로 그때, 사람들이 ChatGPT를 사용하기 시작하면서 AI 시대가 시작된 것입니다."라고 투 씨는 강조했습니다.
베트남에 긍정적인 신호
구글, 앤트로픽, 딥시크와 같은 기업들이 대규모 언어 모델링(LLM) 기술을 지속적으로 발전시키면서 인공지능 시장은 에이전트형 인공지능이라는 전환점을 맞이하고 있습니다.
단일 작업만 해결할 수 있는 기존 인공지능과 달리, 에이전트형 인공지능은 여러 에이전트를 연결하여 복잡한 문제를 처리할 수 있는 자율 시스템입니다.
"에이전트 AI는 우리 직원처럼 작동합니다. 우리의 명령에 따라 분석하고, 추론하고, 작업을 수행하고, 보고서를 작성할 수 있습니다."라고 투 씨는 덧붙였습니다.
베트남에서 잘로는 다양한 AI 기능을 통합하여 사용자에게 서비스를 제공하는 기업 중 하나입니다. 2025년까지 이러한 서비스 사용자 수는 1,700만 명을 넘어설 것으로 예상되며, 이는 200% 이상 증가한 수치입니다. 그중 750만 명 이상이 음성 인식 기능을 활용하고 있습니다.
"이 기능은 많은 사람들이 잘로를 사용하는 방식을 바꿔놓았습니다. 텍스트를 입력하는 대신 음성을 사용하는 것이 훨씬 빠르고 편리합니다."라고 투 씨는 강조했습니다.
베트남어 메시지를 영어로 번역하는 기능 또한 많은 사용자들의 관심을 끌었습니다. 투 씨는 잘로 통화에 실시간 번역 기능이 곧 추가될 예정이라고 밝혔습니다.
 |
Zalo의 기술 이사 Mr. Nguyen Minh Tu. |
AI는 최종 사용자 서비스 제공을 넘어 Zalo의 운영도 지원합니다. Zalo는 고객 서비스 챗봇을 개발하여 추가 직원을 채용하기 어려운 성수기 동안 규모 확장에 따른 문제를 해결하고 있습니다.
잘로(Zalo)의 챗봇 시스템은 도입 3개월 만에 90%의 응답률을 달성했는데, 이는 사람보다 높은 수치입니다. 챗봇이 사람의 도움을 필요로 한 경우는 전체 사례의 약 2~3%에 불과했습니다.
잘로 관계자는 AI를 내부적으로 적용하는 데 있어 개인정보 보호 및 보안과 관련된 몇 가지 어려움이 여전히 존재한다고 인정했습니다. 이러한 이유로 잘로는 민감한 데이터에는 자체 개발 모델을 적용하고, 덜 민감한 데이터에는 외부 챗봇을 활용하는 유연한 접근 방식을 택했다고 설명했습니다.
투 씨는 일상생활에 적용할 수 있는 AI 애플리케이션 솔루션을 개발하는 대회인 잘로 AI 챌린지 2025에 대해서도 언급했습니다. 올해 대회에는 청소년과 학생뿐 아니라 여러 고등학생들도 참가했으며, 그중 일부는 상위 5위 안에 드는 성과를 거두었습니다.
잘로 관계자는 "이는 AI가 사회 모든 영역에 스며들어 어린 학생들이 AI에 노출되는 학교에까지 확산되었음을 보여줍니다. 이는 'AI 변혁' 시대에 접어든 베트남에 긍정적인 신호입니다."라고 강조했습니다.
인공지능 에이전트의 물결
첫 번째 세션에서 호치민시 공업대학교의 콴 탄 토 부교수는 멀티모달 AI가 세상을 어떻게 바꿀 것인가에 대한 질문을 제기했습니다. 그는 LLM(Long-Term Modeling)이 수명을 다했고, 기술 트렌드가 점차 MAS(Multi-Agent Systems)로 전환되고 있다고 주장했습니다.
투 교수는 GPT-3.5 도입이 LLM의 중요한 이정표라는 투 교수의 의견에 동의하며, 챗봇의 공통 목표는 인간을 최대한 모방하는 것이라고 말했습니다. 인공지능 에이전트라는 개념은 이전에도 존재했지만, LLM 프레임워크 하에서 비로소 진정으로 발전하게 되었다는 것입니다.
토 씨는 "에이전트는 상당히 고전적인 아키텍처이며, LLM과 결합하면 모델 간의 통신 기능을 제공합니다."라고 말했습니다. "AI 에이전트"와 "에이전트 기반 AI"라는 키워드는 2024년 말부터 현재까지 구글 트렌드에서 가장 많이 검색된 용어 중 하나입니다.
 |
콴 탄 토 부교수, 호치민시 공업대학교 컴퓨터공학과 학과장. |
부교수는 에이전트형 AI란 여러 에이전트가 함께 작동하는 시스템이라고 설명했습니다. 사용자의 명령을 받으면 에이전트들은 요청을 분해하고, 작업을 할당하고, 적절한 도구를 선택하고, 단계별로 실행하여 단일 모델보다 높은 효율성을 달성합니다.
토 씨는 국내 기업에서 MAS를 실제로 적용한 사례들을 소개했습니다. 특히, AI 에이전트는 PDF 파일, 이미지, 문서를 동시에 처리하여 효율성을 40~60% 향상시킬 수 있습니다. 보험 업계에서는 이 기술을 통해 기업의 업무량을 20~40% 자동화할 수 있습니다.
또한, AI 에이전트는 실시간 정보를 수집하여 시장 가격을 즉시 제공할 수 있습니다. [이름] 부교수는 직장에서 AI 에이전트 시스템이 학부모와 학생들의 학교 관련 질문에 답변할 수 있는 지능형 비서 역할을 한다고 밝혔습니다. 교육 분야 에서는 AI 에이전트가 각 학생의 학습 경로에 맞춘 개인화된 학습 모델을 구축하는 데 도움을 줍니다.
 |
잘로 AI 서밋 2025에는 AI 분야에 관심 있는 많은 참가자들이 모였습니다. |
전반적으로 MAS의 장점은 여러 복잡한 문제를 병렬적으로 처리할 수 있다는 데 있습니다. 에이전트들은 추론 과정을 통해 정보를 독립적으로 처리하고, 서로 학습하며, 사용자로부터 학습하여 오류를 줄이고 정확하고 개인화된 결과를 생성할 수 있습니다.
최신 에이전트 아키텍처는 사용자 친화적인 인터페이스를 갖춘 도구 및 플랫폼 형태로 제공되는 경우가 많아 일반 대중이 더욱 쉽게 접근할 수 있습니다.
토 교수는 이러한 이점을 바탕으로 기업 내 기술 적용과 내부 업무 프로세스 조정의 중요성을 강조했습니다. 그는 전 세계적으로 강력한 혁신 추세가 나타나고 있는 현 상황에서 기업들이 특히 주목해야 할 흐름이라고 덧붙였습니다.
에이전트형 인공지능 이후에는 무엇이 올까요?
최근 휴머노이드 로봇은 기술계에서 주목받는 트렌드로 떠오르고 있습니다. 이는 물리적 인공지능의 가장 일반적인 응용 분야이기도 합니다.
엔비디아 베트남의 수석 개발 기술자인 트란 민 콴 박사는 이 주제에 대한 자신의 생각을 공유하며, 물리적 AI는 생성형 AI 또는 에이전트형 AI 시대를 이어 AI 트렌드에서 가장 발전된 형태라고 강조했습니다.
"이러한 AI 모델은 명령이나 입력 데이터를 받아 로봇 팔, 자율 주행 차량, 공장 등과 같은 로봇의 모터나 제어 부품에 영향을 미치는 특정 동작을 생성할 수 있습니다."라고 콴 씨는 물리적 AI에 대한 개요를 설명했습니다.
 |
엔비디아의 트란 민 콴 박사가 물리적 AI의 트렌드에 대한 자신의 견해를 공유했습니다. |
엔비디아 관계자에 따르면, 물리적 AI는 미래에 수조 달러 규모의 산업으로 성장할 수 있다고 합니다. 현재 전 세계 하드웨어 인프라에는 약 20억 대의 산업용 카메라, 1천만 개의 공장, 20만 개의 창고, 15억 대의 차량이 있으며, 미래에 배치될 수 있는 수십억 대의 휴머노이드 로봇까지 고려하면 물리적 AI의 잠재력은 엄청납니다.
콴 씨는 "만약 각 기기에 현재의 작업량을 처리할 수 있는 AI '두뇌'가 탑재된다면, 오늘날과는 완전히 다른 규모로 작업을 지원할 수 있을 것"이라고 덧붙였다.
물리적 인공지능에 대한 필요성은 여러 산업 분야의 인력 부족에서 비롯됩니다. 밀폐되고 어두운 공간에서 용접하는 것과 같이 열악한 환경에서의 고도의 숙련된 작업은 인간에게 어려운 것으로 드러나고 있습니다.
로봇은 이제 인력과 운영 비용의 균형을 맞춰주는 해결책이 되었습니다. 로봇은 이제 단순히 반복적인 작업을 수행하는 것이 아니라 새로운 작업을 스스로 학습할 수 있기 때문에 비용을 최적화할 수 있습니다.
"바로 그런 이유로 ChatGPT가 로봇공학 분야에서 '획기적인 순간'을 맞이할 수 있는 시기는 올해나 내년일 수 있습니다."라고 콴 씨는 강조했습니다.
 |
물리적 인공지능은 생성형 인공지능과 에이전트형 인공지능의 다음 단계로 여겨진다. |
이러한 비전을 실현하기 위해 엔비디아 관계자들은 물리적 AI 개발의 세 가지 핵심 단계에 해당하는 세 대의 컴퓨터 모델을 제안했습니다.
따라서 첫 번째 단계에서는 서버 기반 구축에 집중합니다. 학습 후, 모델을 시뮬레이션 환경에 배치하여 인과 관계를 학습함으로써 실제 환경에서 더 나은 동작을 개발할 수 있도록 합니다.
시뮬레이션은 로봇이 물체를 정확하게 인식하고 처리하는 방법을 익히는 데 도움을 줍니다. 더욱 중요한 것은 시뮬레이션을 통해 여러 로봇이 동시에 협력하여 실제 하드웨어 비용 부담 없이 충돌 시나리오를 테스트할 수 있다는 점입니다. 마지막으로, 시뮬레이션 결과를 실제 하드웨어에 직접 배포할 수 있게 해줍니다.
대규모 인공지능 도입의 과제.
일상적인 업무에 기술을 통합하여 효율성을 높이고 의사결정을 지원하는 '인공지능화' 과정이 전 세계적으로 가속화되고 있습니다.
잘로 AI의 연구 책임자인 차우 탄 득 박사에 따르면, 베트남의 AI 발전 속도는 여러 요인에서 비롯되는데, 그중에서도 AI 모델 개발, 하드웨어 및 데이터 인프라의 빠른 개선, 그리고 디지털 전환 과정이 가장 중요한 요소입니다.
베트남은 인재 확보 프로그램, 기술 커뮤니티 구축, 정부 지원 등을 통해 인공지능(AI) 개발 잠재력이 매우 높은 국가 중 하나로 평가받고 있습니다. 또한, 베트남 국민들은 디지털 전환에 대한 준비도가 높은 것으로 나타났습니다.
 |
잘로 AI의 연구 책임자인 차우 탄 득 박사. |
이러한 변화 속에서 잘로는 키키 가상 비서와 같은 다양한 AI 관련 기능을 출시했습니다. 잘로는 업무 효율성을 높이고 누구나 쉽게 사용할 수 있는 도구를 개발하는 것을 목표로 합니다. 잘로의 도구는 코딩, 프로그래밍, 연구부터 소통, 번역, 이미지 검색과 같은 일상 활동에 이르기까지 모든 것을 지원합니다.
하지만 전문가들은 이것이 단지 시작일 뿐이며, AI 전환 과정에는 여전히 많은 어려움이 있다고 지적합니다. 잘로 AI의 과학 책임자인 응우옌 쯔엉 손 박사는 보안, 비용 문제, 그리고 사용자들의 높은 요구 사항에서 어려움이 발생한다고 말했습니다. 이러한 어려움은 잘로뿐만 아니라 사용자와 기업들에게도 공통적인 과제입니다.
첫 번째 난관은 일정 수준의 자율성을 보장하는 AI 모델을 선택하는 것입니다. 타사 모델은 일반적으로 더 나은 성능과 출력 품질을 제공하는 반면, 자체 개발 모델은 정보 제어 측면에서 이점이 있지만 안정성과 효율성 측면에서 한계가 있습니다.
    |
Zalo AI 담당자들이 제공한 정보입니다. |
더욱이, 현재 대부분의 모델은 정확도가 불완전하고 출력 결과가 일관되지 않는 등의 공통적인 약점을 가지고 있습니다. 많은 챗봇은 베트남어를 이해하고 처리하는 능력이 부족하여 특정 요구 사항이나 맥락을 충족하지 못합니다.
이 문제를 해결하기 위해 Zalo의 전문가들은 고급 모델 개발 기술 적용 및 챗봇 학습 과정에서 신뢰할 수 있는 데이터 소스 결합과 같은 여러 솔루션을 제안했습니다. 동시에 개발팀은 내부 테스트를 통해 모델을 지속적으로 평가했습니다.
또 다른 과제는 비용, 성능 및 보안의 균형을 맞추는 것입니다. 응우옌 쯔엉 손 박사에 따르면, 복잡한 요청을 처리하기 위해 작은 모델을 사용하면 처리 시간과 운영 비용이 증가할 수 있으며, 그 반대의 경우도 마찬가지입니다.
 |
Zalo AI 과학 이사 Nguyen Truong Son 박사. |
그는 최적화가 명령 입력 단계부터 시작될 수 있다고 주장했습니다. 사용자는 불필요한 길이를 줄이고 챗봇에 명확하고 간결한 맥락을 제공함으로써 토큰 비용을 줄일 수 있습니다.
시스템 차원에서 Zalo 팀은 적절한 명령어를 제안하고 여러 계층의 제어 장치를 배포하는 등 다양한 솔루션을 구현하여 사용자 정보의 안전과 보안을 보장합니다.
전반적으로 베트남은 세계적인 AI 물결에 잘 대비되어 있는 것으로 평가받고 있습니다. 잘로는 이러한 변화에 일찍부터 참여한 기업 중 하나로, 대규모 AI 도입 시 발생하는 비용, 품질, 보안 문제를 해결하는 데 집중하고 있습니다.
치열한 칩 경쟁
인공지능의 폭발적인 성장은 하드웨어, 즉 칩 기술의 발전 덕분입니다. 오픈AI의 팜 하이 히에우 박사는 ChatGPT의 등장이 칩 기술에 혁명을 일으켰고, 엔비디아가 단기간에 급속한 성장을 이룰 수 있게 해 주었다고 강조합니다.
ChatGPT가 처음 출시되었을 때, 그 작동은 거의 전적으로 엔비디아 칩에 의존했습니다. 이로 인해 앤스로픽(Anthropic)과 메타(Meta) 같은 기술 대기업들이 하드웨어를 대량으로 구매하게 되었습니다.
하지만 이 경쟁은 엔비디아만의 전유물이 아닙니다. AMD와 구글 같은 경쟁사들도 AI 모델링 개발자를 위한 최적의 하드웨어 솔루션을 제공하고 있습니다.
"반도체와 반도체 관련 자본의 흐름은 경제 흐름, 적어도 미국 경제 성장에 영향을 미칩니다."
"게다가 AI 개발을 목표로 하는 기업들은 칩 구매 비용이 증가하고 있기 때문에 자체 칩 개발에 대한 야망도 갖고 있습니다. 작은 비용 절감이라도 큰 이점이 되기 때문입니다. 그래서 모든 기업이 칩 자원 자급자족을 원합니다."라고 히에우 씨는 덧붙였습니다.
 |
OpenAI를 대표하는 Pham Hy Hieu 박사. |
현재 AI 칩 시장은 용도에 따라 크게 두 가지 범주로 나뉩니다. 첫 번째 범주는 학습용 칩으로, 대규모 행렬 곱셈, 균일한 차원, 그리고 수천 개의 칩을 동시에 연결하기 위한 높은 대역폭을 필요로 합니다.
두 번째 유형은 추론 칩으로, 비교적 적은 수의 링크(약 50~100개 칩)를 필요로 하며 크기가 작고 불규칙적인 행렬 문제에 초점을 맞춥니다. 하지만 추론 칩은 지속적인 작동을 위해 우수한 전력 최적화가 필요합니다.
개발 역사를 되돌아보면, 2019년부터 2023년까지는 GPT 모델의 학습 및 데이터 압축에 집중되었다면, 2024년 이후에는 추론 능력으로 초점이 옮겨갈 것입니다. 이러한 변화는 추론 칩에 대한 수요 증가로 이어질 것입니다.
"반도체 제조 분야에서 베트남은 어떤 역할을 할 수 있을까요? 반도체 산업은 수조 달러 규모의 산업이지만, 우리가 참여하는 데 수백억 달러가 필요한 것은 아닙니다. 베트남 사람들은 다양한 방식으로 AI 칩 분야에 기여할 수 있습니다."라고 히에우 씨는 말했습니다.
 |
AI 인프라에서 하드웨어의 역할에 대한 팜 히 히에우 박사의 통찰력 있는 의견. |
OpenAI 관계자들은 두 가지 주요 방향을 제시했습니다. 베트남은 대규모 언어 모델용 칩 생산 경쟁에 뛰어들기보다는 자동차, 스마트폰 또는 이식형 의료기기용 저전력 칩 개발에 집중할 수 있다는 것입니다. 이러한 시장 부문은 성장 잠재력이 크고 투자 비용도 낮습니다.
둘째로, 하드웨어와 소프트웨어의 통합이 있습니다. 플래시 어텐션 2 알고리즘과 같은 사례는 프로그래밍과 하드웨어의 영리한 조합을 통해 막대한 자본 투자 없이도 획기적인 발전을 이룰 수 있음을 보여줍니다.
히에우 씨는 "미래는 기회를 포착하고, 위험을 감수하고, 어려움에 맞설 용기가 있는 사람들의 손에 달려 있다"고 결론지었다.
Zalo AI 챌린지 2025의 뛰어난 팀들
발표자들의 발표에 이어, Zalo AI Challenge 2025에서는 AI를 적용하는 다양한 실용적인 솔루션들이 소개되었습니다. 10월 말에 시작된 이 대회에는 1,000개 이상의 팀이 참가했습니다.
올해 잘로 AI 챌린지는 로드버디(교통 표지판을 식별하는 알고리즘)와 에어로아이즈(드론이 지상 물체를 인식하도록 하는 AI 설계) 두 부문으로 나뉩니다. 우승팀에게는 총 12,000달러의 상금과 스폰서가 제공하는 상품이 증정됩니다.
주최측에 따르면 올해 시험 문제는 모두 실용적인 내용이었으며, 연구 환경을 넘어 인공지능이 실제 문제를 해결하는 데 활용될 수 있는 잠재력을 보여주었다고 합니다.
RoadBuddy 챌린지에서 참가자들은 차량 블랙박스 데이터 처리에 집중했습니다. 각 팀은 다양한 시간 조건에서 녹화된 0~15초 길이의 비디오 데이터 세트를 처리해야 했습니다. AI 모델의 목표는 비디오에 나타나는 도로 표지판, 신호등, 차선 표시와 같은 세부 정보를 정확하게 식별하는 것이었습니다.
    |
Zalo AI 챌린지 2025의 수상자를 발표하고 시상합니다. |
1,500개의 훈련 샘플, 500개의 공개 테스트 샘플, 그리고 500개의 비공개 테스트 샘플로 구성된 데이터셋을 사용하여, 참가 팀들은 정확도와 응답 시간이라는 두 가지 기준에 따라 평가되었습니다.
응우옌 쯔엉 손 씨의 평가에 따르면, 참가자들은 비전 언어 모델(VLM)과 같은 고급 기술을 적용했습니다. 일반적인 과정은 비디오에서 프레임을 입력 데이터로 추출한 다음, 이를 Qwen이나 YOLO와 같은 모델과 결합하여 객체를 식별하고 논리적 분석을 제공하는 것입니다.
최종 결과에서 CtelAI 팀이 71.3%의 정확도로 1위를 차지했으며, BitterSweet 팀이 70.5%로 그 뒤를 이었다.
'AeroEyes'라는 주제로 팀들은 예선전을 거쳐 결승에 진출했습니다. 결승에서 참가자들은 드론에 직접 모델을 프로그래밍하고, 비행 경로를 설정하고, 실제 환경에서 카메라를 제어하여 물체를 탐지해야 했습니다.
과제의 난이도가 높아 요건을 충족한 팀 수가 많지 않았기에 주최측은 유연하게 추가 주제를 도입했습니다. 참가 팀들은 요건을 충족하기 위해 신속하게 모델을 수정했습니다. 그 결과, AIO_C3A 팀이 가장 높은 효율성을 보여 우승을 차지했습니다. 2위는 IUH_Alers_K16 팀과 AEB 팀이 공동으로 차지했습니다.
출처: https://znews.vn/ai-se-di-xa-den-dau-post1613033.html
댓글 (0)