6G 표준 설계, 사람만 긋는 선

6G 코어망에 AI를 어떻게 넣을지를 두고 3GPP 회의장 안팎에서 입장이 갈린다. 옴디아가 라이트리딩닷컴을 통해 전한 분석을 보면, 경쟁하는 방향은 크게 셋이다. 기존 5G 단독모드 코어망에 AI 기능을 덧붙이는 쪽, AI 에이전트를 중심에 놓고 코어망을 다시 짜는 쪽, 그 사이 어디쯤에서 절충하는 쪽이다. 17개 통신사가 마드리드 회의를 앞두고 공동 입장문을 낸 이유도 여기 있다. 이미 5G SA에 쏟아부은 투자를 지키면서 전환하자는 요구다.¹

이 장면이 흥미로운 지점은 AI를 둘러싼 논쟁이 성능 경쟁이 아니라는 데 있다. 기술적으로 더 나은 설계가 무엇인지는 이미 어느 정도 답이 나와 있을 가능성이 높다. 그런데도 표준화가 진통을 겪는 이유는 단순하다. 서로 다른 통신사가 서로 다른 투자 구조와 이해관계를 갖고 있기 때문이다. 이 구도를 보면서 AI를 시스템에 들이는 일이 사실 두 가지 다른 일이라는 생각이 든다.

자동화와 설계의 갈림

하나는 반복되는 작업을 기계에 넘기는 일이다. 이미 정해진 규칙과 절차가 있고, 그것을 더 빠르고 정확하게 처리하도록 AI를 끼워 넣는 작업이다. 다른 하나는 아직 정해지지 않은 기준을 세우는 일이다. 어떤 데이터를 쓸지, 어떤 모델을 고를지, 어떤 표준을 따를지는 합의가 없는 상태에서 누군가 결정해야 한다.

6G 코어망 논쟁은 후자에 속한다. AI를 어디에 배치할지 자체가 아직 정해지지 않았다. 통신사마다 처한 투자 상황이 다르고, 벤더마다 밀어붙이는 아키텍처가 다르다. 이 상황에서 표준을 정하는 일은 기계가 대신할 수 없다. 기계는 이미 정해진 규칙 안에서 효율을 높이는 데 강하지만, 규칙 자체를 세우는 협상 테이블에는 앉지 못한다.

원프레딕트가 밝힌 제조 데이터 자산화 구상도 같은 결을 보인다. 윤병동 대표는 현장에 쌓인 데이터 대부분이 설비 상태 확인이나 생산 기록처럼 일회성으로 쓰이고 버려진다고 짚었다.² 이 데이터를 AI가 반복 학습할 수 있는 자산으로 바꾸려면, 먼저 어떤 데이터를 남기고 어떤 기준으로 연결할지 결정해야 한다. 그 결정은 공장마다 공정이 다르고 설비가 다르기 때문에 한 번 정하면 끝나는 일이 아니다.

모델을 고르는 손

오픈AI가 지난 2일 공개한 GPT-6 모델 가이드는 다른 쪽 극단을 보여준다.³ 스타트업이 GPT-6 계열 모델 가운데 무엇을 쓸지 고르고, 추론 강도를 조정하고, 프롬프트와 스킬을 다듬는 방법을 다룬 안내문이다.

이 가이드를 읽는 개발자를 떠올려 본다. 그는 문서를 펼쳐 놓고 어떤 모델이 자기 서비스의 응답 속도와 비용 구조에 맞을지 비교한다. 추론 강도를 몇 단계로 설정할지, 어떤 작업에는 가벼운 모델을 쓰고 어떤 작업에는 무거운 모델을 쓸지 표를 만들어 본다. 이 선택은 가이드가 제시한 범위 안에서 이뤄지지만, 범위 안에서조차 그의 서비스가 어떤 사용자를 상대하는지, 어떤 실패를 감당할 수 있는지에 따라 답이 달라진다.

여기서 자동화와 설계의 경계가 한 번 더 드러난다. 가이드를 따라 모델을 고르고 설정을 맞추는 일은 분명 반복 가능한 절차다. 그런데 그 절차를 처음 밟을 때, 자기 서비스에 맞는 기준을 세우는 일은 매번 새로 해야 한다. 같은 가이드를 보고도 스타트업마다 다른 선택을 내리는 이유가 여기 있다.

합의가 쌓이는 자리

표준이 아직 없을 때 사람이 해야 하는 일은 서로 다른 이해관계를 조율하는 일이다. 6G 코어망 논쟁에서 통신사들이 공동 입장문을 낸 것도 이 조율의 한 형태다. 투자를 보호하자는 요구와 기술적 이상을 밀어붙이자는 요구가 부딛치고, 그 사이에서 절충안이 만들어진다. 이 과정은 알고리즘이 처리할 수 있는 연산이 아니다. 각자의 입장과 손해를 저울질하는 협상이다.

그런데 이 선이 영원하지는 않다. 지금은 통신사마다 다른 입장을 내지만, 표준이 한 번 정해지고 나면 그 표준을 따르는 일은 다시 반복 작업으로 내려간다. 5G SA가 처음 논의될 때도 비슷한 진통이 있었을 것이고, 지금은 그 표준 위에서 돌아가는 수많은 작업이 자동화되어 있다.

원프레딕트가 말하는 자산성 데이터도 마찬가지다. 지금은 공장마다 다른 기준으로 데이터를 모으고 연결하는 설계 작업을 거쳐야 한다. 하지만 업계에서 비슷한 기준이 쌓이고 공유되기 시작하면, 데이터를 연결하는 절차 자체는 표준화된 틀을 따르는 자동화로 넘어갈 수 있다. GPT-6 가이드가 제시하는 모델 선택 기준도 지금은 개발자 각자가 따져봐야 하는 설계지만, 업계 관행이 쌓이면 기본값을 그대로 쓰는 일이 늘어날 것이다.

선이 유효한 동안

그래서 오늘 사람의 몫으로 남는 설계와, 내일 기계에 넘어갈 자동화 사이의 경계는 고정된 벽이 아니다. 이 경계는 합의의 정도에 따라 움직이는 선이다. 합의가 없는 자리에서는 사람이 조율하고 결정해야 하고, 합의가 쌓인 자리에서는 그 결정을 반복하는 일을 기계에 넘길 수 있다.

6G 코어망 표준, 제조 데이터 자산화 기준, GPT-6 모델 선택 가이드는 지금 이 순간 각기 다른 위치에서 이 선을 보여준다. 어떤 자리는 아직 협상 테이블이고, 어떤 자리는 이미 매뉴얼로 정리되어 있다. 이 구분을 읽는 눈이 중요한 이유는, 지금 설계로 남아 있는 것이 영원히 설계로 남으리라 믿지 않기 위해서다. 동시에 지금 자동화된 것도 처음에는 누군가의 설계였다는 사실을 잊지 않기 위해서다.

각주

1. 6G 코어망에 AI 어떻게 넣나...표준 설계부터 갑론을박 — zdnet.co.kr, 2026-10-04 발행, 2026-10-05 접속 확인. ↩

2. 원프레딕트 “버려지던 제조 데이터, AI 자산으로 바꾸겠다” — www.aitimes.com, 2026-10-04 발행, 2026-10-05 접속 확인. ↩

3. A model guide for the GPT-6 family — openai.com, 2026-10-02 발행, 2026-10-05 접속 확인. ↩