NVIDIA 스마트 시티 AI 에이전트, 시범 사업에서 공공 운영으로 이동

NVIDIA는 유럽 및 인근 지역의 9개 이상 시장에 걸친 프로젝트에 스마트 시티 AI 에이전트를 도입하며, 이 기술을 일상적인 공공 운영에 한층 더 가깝게 만들고 있다. 해당 구축 사례는 건물, 항만, 교통, 안전, 접근성, 지방 행정을 아우른다. 그러나 핵심 쟁점은 도시가 고도화된 AI 모델을 운영할 수 있는지 여부가 아니다. 공공 데이터나 인프라의 통제권을 넘기지 않으면서 이러한 모델을 책임 있는 서비스로 전환할 수 있는지에 달려 있다.

10월 13일 발표는 도시, 지방 당국, 소프트웨어 개발사, 시스템 통합업체, 하드웨어 공급업체를 한데 모았다. NVIDIA는 컴퓨팅 플랫폼, 오픈 모델, 영상 분석 구성 요소, 시뮬레이션 소프트웨어를 제공한다. 이후 현지 파트너들이 해당 구성 요소를 각 운영상의 문제에 맞게 조정한다.

이 구조는 서로 경쟁하는 두 가지 우선순위를 직접 맞부딪치게 한다. NVIDIA는 파트너들이 부서와 국경을 넘어 공통 컴퓨팅 스택을 재사용하기를 원한다. 유럽 당국 역시 상호운용성, 지역 거버넌스, 벤더 종속 방지를 원한다. 도시들이 소규모 실증을 넘어서는 동시에 이러한 공공 요건을 유지할 수 있는지가 프로젝트의 성패를 좌우할 것이다.

NVIDIA 스마트 시티 AI 에이전트, 실제 지방 행정 업무에 도달하다

이번 발표가 중요한 이유는 또 하나의 범용 스마트 시티 플랫폼을 제시하는 데 그치지 않고, AI 에이전트를 구체적인 공공 자산, 의사결정, 업무 흐름과 연결하기 때문이다.

NVIDIA는 벨기에, 핀란드, 프랑스, 이탈리아, 네덜란드, 폴란드, 스웨덴, 영국에서 프로젝트가 진행 중이라고 밝혔다. 더 폭넓은 발표에는 저지와 두바이의 구축 사례도 포함된다. 소프트웨어 참여 기업으로는 Akila, Galene.AI, K2K, Milestone, ThinkDeep, Younite 및 여러 지역 전문 기업이 있다.

이들 프로젝트는 에이전틱 AI와 디지털 트윈을 결합한다. AI 에이전트는 정보를 해석하고, 작업을 추론하며, 일련의 조치를 수행하거나 권고할 수 있는 소프트웨어다. 디지털 트윈은 물리적 자산, 시스템 또는 프로세스를 데이터에 기반해 가상으로 표현한 것이다.

NVIDIA는 자사 기술을 공통 기반 요소로 제시한다. Cosmos 모델은 시스템이 물리적 환경을 해석하도록 돕고, Nemotron 모델은 언어 및 추론 작업을 지원한다. Omniverse 라이브러리는 시뮬레이션 계층을 제공하며, Metropolis 영상 검색 및 요약 블루프린트는 영상 스트림을 검색 가능한 운영 정보로 전환한다.

회사의 도시 운영 발표는 도로 유지보수부터 위험물 처리까지 다양한 활용 사례를 설명한다. 에이전트는 카메라 영상, 센서 측정값, 과거 기록, 인프라 문서를 결합할 수 있다. 직원들은 이후 해당 정보를 검색하거나 디지털 트윈 안에서 대응 방안을 시험할 수 있다.

프랑스는 이번 발표에서 가장 발전된 사례를 제공한다. Côte-d’Or 주는 Akila 및 ThinkDeep과 함께 500개 이상의 공공 건물을 포괄하는 에이전트를 개발했다. 이 시스템은 지역 거버넌스 하의 디지털 트윈 안에서 센서, 인프라, 과거 데이터를 결합한다.

NVIDIA에 따르면 이 에이전트들은 에너지 관리, 규제 준수, 안전, 기후 회복력을 지원한다. 회사는 이전에는 수주가 걸리던 문서 검색이 이제 수분 안에 가능하다고 밝혔다. 또한 총 운영 비용이 10% 감소했으며, 더 큰 규모에서는 30% 감축을 목표로 한다고 보고했다.

이 수치는 독립적인 평가가 아니라 NVIDIA와 파트너사가 제시한 것이다. 그럼에도 많은 스마트 시티 실증 사례보다 더 명확한 운영 기준선을 제공한다. 다음 질문은 구축, 통합, 유지보수, 감독 비용까지 포함한 뒤에도 비슷한 절감 효과가 유지되는지다.

이탈리아는 다른 모델을 제시한다. Galene.AI, Dell Technologies, TD Synnex는 밀라노 인근 Cinisello Balsamo에 지역 운영형 AI 팩토리를 구축하고 있다. AI 팩토리는 데이터를 준비하고, 모델을 실행하며, AI 서비스를 제공하도록 설계된 컴퓨팅 인프라다.

초기 서비스에는 실시간 번역, 시민용 챗봇, 조달 지원, 자금 지원 신청 보조가 포함된다. 파트너들은 시스템을 추가로 4개 지방자치단체까지 확대할 계획이다. NVIDIA는 애플리케이션이 일부 데이터 접근 작업 시간을 수시간에서 수초로 줄일 수 있다고 밝혔다.

“지역 운영형”이라는 표현은 중요하다. 지방자치단체는 단순히 원격 챗봇을 구독하는 것이 아니다. 공공 서비스에 사용되는 데이터, 모델, 컴퓨팅 환경에 대한 운영 통제권을 유지하려 시도하고 있다.

다른 프로젝트들은 아직 탐색이나 시험 단계에 더 가깝다. Liverpool City Region은 이동성, 안전, 도시계획을 위한 AI 팩토리 가능성을 K2K와 함께 검토하고 있다. Innovation City Belfast는 관련 시범 사업을 탐색 중이며, 저지는 이동성, 청정에너지, 공공 서비스를 포함한 응용 사례를 검토하고 있다.

이처럼 구축과 시범 사업이 섞여 있다는 점은 신중히 읽어야 한다. NVIDIA는 상당한 규모의 지역 포트폴리오를 구성했지만, 언급된 모든 프로젝트가 운영 환경의 시스템을 의미하는 것은 아니다. “탐색”, “시험”, “구축”은 서로 다른 수준의 기술적·제도적 의지를 뜻한다.

도시가 대시보드에서 운영 에이전트로 이동하는 이유

도시들이 에이전트를 시험하는 이유는 기존 대시보드가 상황을 보여 주는 데 그치는 반면, 에이전트는 그러한 상황을 문서, 시뮬레이션, 권고 조치와 연결할 수 있기 때문이다.

교통 대시보드는 혼잡을 보여 줄 수 있다. 에이전트는 그 혼잡을 도로 공사, 행사 일정, 기상 조건, 이용 가능한 대응 계획과 연결할 수 있다. 직원들은 병목 현상이 발생한 이유를 묻고, 시뮬레이션으로 변화를 시험하며, 제안된 개입 방안을 받을 수 있다.

같은 패턴은 건물에도 적용된다. 에너지 측정값은 팀이 이를 장비 이력, 유지보수 문서, 점유 현황, 규제 준수 요건과 연계할 수 있을 때 더 유용해진다. 에이전트는 이러한 정보원 전반을 아우르는 공통 인터페이스를 제공할 수 있다.

NVIDIA Cosmos와 영상 검색 블루프린트는 이 접근법을 시각 데이터로 확장한다. 회사는 개발자들이 교통 혼잡, 장비 상태, 저활용 공간 또는 안전 위험을 식별하는 시스템을 구축할 수 있다고 말한다. 이후 Nemotron 모델은 생성된 정보에 대한 자연어 질의와 추론을 지원할 수 있다.

도시와 항만은 이미 광범위한 카메라 네트워크를 운영하고 있기 때문에 영상은 여러 프로젝트의 핵심이다. 기존 컴퓨터 비전은 사전에 정의된 객체나 사건을 탐지한다. 더 새로운 멀티모달 모델은 더 다양한 장면을 해석하고 자연어 질문을 받을 수 있지만, 신뢰성은 여전히 학습 데이터와 현지 조건에 좌우된다.

벨기에 Antwerp-Bruges 항에서는 Milestone과 Dell이 유류 유출 경고를 포함한 난도 높은 사고에 대응하기 위한 에이전틱 비전 시스템을 시험하고 있다. 드문 비상 상황의 실제 사례가 부족하기 때문에, 파트너들은 컴퓨터로 생성한 학습 자료인 합성 데이터를 사용할 계획이다.

이는 에이전트와 시뮬레이션을 연결하는 실질적인 이유다. 도시는 학습 사례를 수집하기 위해 실제 유류 유출, 대규모 군중 통제 실패, 인프라 비상 상황을 안전하게 만들어낼 수 없다. 디지털 환경은 개발자들이 시스템을 실제 운영에 노출하기 전에 통제된 변형 사례를 생성하도록 해 준다.

이 접근법에는 근본적인 한계도 있다. 합성 시나리오는 설계자가 세운 가정을 반영한다. 모델은 시뮬레이션된 조건에서는 좋은 성능을 보이면서도 예기치 못한 조명, 날씨, 인간 행동, 장비 고장을 놓칠 수 있다.

Gothenburg의 프로젝트는 비상 상황 탐지보다 접근성에 더 초점을 둔다. Younite는 유럽연합의 Citiverse 이니셔티브 아래 Omniverse 기반 디지털 트윈 경험을 개발하고 있다. 사람들이 행사장에 도착하기 전에 입구, 좌석, 군중 상황을 미리 살펴볼 수 있도록 설계됐다.

이 응용 사례는 디지털 트윈이 도시의 모든 객체를 재현할 필요는 없다는 점을 보여 준다. 유용한 범위는 정책 질문에 따라 달라진다. 접근성 서비스에는 모든 건물의 영화 같은 모델이 아니라 신뢰할 수 있는 경로, 출입구, 행사장, 군중 정보가 필요하다.

유럽연합 집행위원회는 지역 디지털 트윈을 물리적 자산, 프로세스, 시스템의 가상 표현으로 정의한다. 이들은 분석 및 머신러닝과 함께 과거 데이터와 실시간 데이터를 결합할 수 있다. 집행위원회는 또한 도시가 기술을 선택하기 전에 문제, 범위, 거버넌스 모델, 필요한 기능을 정의해야 한다고 강조한다.

이 순서는 중요하다. 정책 문제에서 출발하면 성능을 측정할 수 있는 제한된 시스템을 구축하게 된다. 광범위한 플랫폼에서 시작하면 공공 목적을 찾아 헤매는 값비싼 모델이 될 수 있다.

NVIDIA의 포트폴리오에는 두 접근법이 모두 포함돼 있다. Côte-d’Or에는 식별 가능한 건물 관리 업무 흐름과 보고된 비용 결과가 있다. 일부 이동성 및 안전 프로젝트는 여전히 탐색 분야로 규정돼 있다. 그 가치는 당국이 폭넓은 목표를 검증 가능한 서비스 목표로 전환할 수 있는지에 달려 있다.

지역 AI 팩토리, 공공 통제와 플랫폼 의존성의 긴장 관계를 드러내다

핵심 긴장은 NVIDIA의 재사용 가능한 기술 스택과 유럽이 요구하는 지역 거버넌스 기반의 상호운용 가능한 공공 인프라 사이에 있다.

NVIDIA는 도시가 데이터와 운영 현장 가까이에 컴퓨팅 역량을 둘 필요가 있다고 주장한다. 인프라 파트너로는 Cisco, Dell Technologies, HPE, Lenovo, Supermicro가 있다. 이들은 가속 컴퓨팅, 네트워킹, 스토리지를 지역 운영형 AI 팩토리로 묶어 제공한다.

Nebius와 Net Zero Compute도 에이전틱 서비스를 위한 인프라를 구축하고 있다. Accenture와 EY는 새로운 애플리케이션을 기존 지방자치단체 시스템에 연결하기 위한 통합 작업을 제공한다. 이 생태계는 각 도시가 모든 구성 요소를 독자적으로 조립해야 하는 필요성을 줄인다.

이 모델의 매력은 이해할 만하다. 지방정부는 흔히 분절된 데이터베이스, 오래된 소프트웨어, 분리된 조달 계약, 부서별 프로세스를 운영한다. 반복 가능한 아키텍처는 구축 시간을 단축하고 여러 서비스의 공통 기반을 마련할 수 있다.

지역 운영은 민감한 정보를 범용 클라우드 서비스로 보내는 것보다 더 많은 통제권을 제공할 수도 있다. 도시는 모델 실행 위치, 기록 보존 방식, 접근 권한을 가진 직원이나 계약업체를 결정할 수 있다. 또한 지역 문서와 운영 언어에 맞춰 모델을 맞춤화할 수 있다.

그러나 지역 하드웨어가 곧바로 제도적 독립을 보장하는 것은 아니다. 도시는 데이터를 관할권 안에 보관하면서도 특정 공급업체의 가속기, 모델 형식, 시뮬레이션 도구, 통합 파트너에 의존할 수 있다. 애플리케이션이 여러 독점 계층에 동시에 의존하면 이전은 어려워진다.

따라서 유럽의 디지털 정책은 공통 사양과 이식 가능한 구성 요소를 강조한다. 집행위원회의 스마트 시티 프로그램은 재사용 가능한 도구, 참조 아키텍처, 개방형 표준, 공통 기술 사양을 지원한다. 명시된 목표는 공동체가 서로 다른 요구와 역량 수준에서도 작동할 수 있는 트윈을 구축하도록 돕는 것이다.

Citiverse 이니셔티브는 이러한 전략을 국경 너머로 확장한다. 이 이니셔티브는 지역 디지털 트윈을 연결하고 도시들이 서비스를 공유하거나 재사용할 수 있도록 하는 것을 목표로 한다. 집행위원회의 Citiverse 개요에 따르면, 14개 EU 국가가 이 이니셔티브에 참여했으며 2026년까지 100개 참여 도시를 목표로 한다.

위원회는 또한 로컬 트윈과 Citiverse 관련 사업에 디지털 유럽 프로그램을 통해 8,000만 유로 이상을 투자했다고 밝혔다. 이러한 공공 투자는 유럽 당국에 협상력을 제공한다. 도시들은 처음부터 조달 요건으로 설정한다면 상호운용성을 나중에 추가되는 기능으로 받아들일 필요가 없다.

NVIDIA의 오픈 모델 활용은 이러한 우려의 일부를 해소하는 데 도움이 된다. 공개 모델 가중치는 개발자가 다양한 환경에서 모델을 검토하고, 조정하며, 배포할 수 있는 더 큰 자유를 제공할 수 있다. 그러나 모델 계층의 개방성이 전체 애플리케이션 전반의 이식성을 보장하지는 않는다.

완전한 시스템에는 데이터 커넥터, 오케스트레이션 소프트웨어, 시뮬레이션 자산, 접근 제어, 모니터링, 하드웨어 최적화도 포함된다. 지방자치단체는 각 계층의 전환 경로를 평가해야 한다. 그렇지 않으면 기술적으로는 로컬인 시스템도 장기적인 종속성을 초래할 수 있다.

따라서 진정한 경쟁은 온프레미스 컴퓨팅과 클라우드 컴퓨팅의 대결이 아니다. 재사용 가능한 역량과 지속 가능한 공공 통제의 경쟁이다. 도시들은 신속한 배포를 원하지만, 공급업체가 바뀌는 상황에서도 경쟁적인 조달과 연속성을 확보해야 한다.

이러한 긴장은 NVIDIA 자체보다 지방자치단체의 기술팀과 통합사업자에게 더 큰 부담을 줄 것이다. 이들은 공통 플랫폼이 모든 맞춤화를 영구적인 예외로 만들지 않으면서도 지역별 규칙을 지원할 수 있음을 입증해야 한다. 또한 계약이 변경될 때 데이터와 애플리케이션을 어떻게 이전할 수 있는지도 문서화해야 한다.

공공 부문 구매자는 직접적인 질문을 던져야 한다. 다른 공급업체가 데이터 계층을 운영할 수 있는가? 인터페이스는 문서화되어 있는가? 시뮬레이션 자산을 다른 엔진으로 옮길 수 있는가? 모델 업데이트는 누가 통제하며, 규제 대상 워크플로에 영향을 미치는 업데이트를 도시가 연기할 수 있는가?

이러한 질문은 NVIDIA 스마트 시티 AI 에이전트의 가치를 부정하지 않는다. 오히려 초기의 가치가 전체 조달 및 운영 주기 동안 유지될지를 결정한다.

효율성 주장이 여전히 입증하지 못하는 것

초기 성과는 유망하지만, 대부분의 프로젝트에는 공공 의사결정에 대한 자동화된 영향력을 정당화할 독립적 측정치가 부족하다.

Côte-d’Or가 보고한 운영비 10% 절감은 NVIDIA 발표에서 가장 강력하게 수치화된 주장이다. 이 절감은 가상의 도시 모델이 아니라 기존 건물 포트폴리오를 대상으로 한다는 점에서 주목할 가치가 있다. 그러나 발표문에는 평가 기간, 기준선 산정 방법, 전체 비용 범주가 제시되지 않았다.

또한 AI 에이전트로 인한 절감과 더 나은 센서, 통합 기록, 일반적인 프로세스 재설계에서 비롯된 절감을 구분하지 않는다. 이러한 요소들은 종종 함께 도입된다. 신뢰할 수 있는 평가는 어떤 변화가 어떤 결과를 만들어냈는지 식별해야 한다.

30% 목표는 더 불확실하다. 목표는 관측된 결과가 아니라 의지를 설명한다. 더 큰 규모의 배포는 규모의 경제를 창출할 수 있지만, 소규모 도입에서는 드러나지 않았던 통합 문제를 노출할 수도 있다.

지방자치단체 데이터 접근 시간이 몇 시간에서 몇 초로 줄어든다는 주장에도 같은 주의가 필요하다. 챗봇은 답변을 빠르게 검색할 수 있지만, 응답 속도가 정확성과 같은 것은 아니다. 공공 부문 직원들에게는 여전히 인용, 권한 관리, 버전 관리, 잘못된 답변을 수정할 방법이 필요하다.

행정 에이전트는 건물 제어 에이전트와 다른 위험에 직면한다. 잘못된 번역은 주민을 혼란스럽게 할 수 있다. 부정확한 조달 관련 답변은 공식 절차에 영향을 미칠 수 있다. 허위 안전 경보는 긴급 자원을 소모할 수 있고, 놓친 경보는 신체적 피해를 초래할 수 있다.

따라서 각 사용 사례에는 자체적인 인간 검토 기준이 필요하다. 도시들은 “에이전틱”이라는 표현을 완전한 자율성의 허가로 취급해서는 안 된다. 많은 워크플로에서 가장 안전한 역할은 적격한 직원이 책임을 유지한 채 증거를 수집하고 조치를 권고하는 것이다.

영상 분석은 개인정보 보호와 공정성 문제를 더한다. 카메라는 혼잡, 유출, 장비 고장을 식별하는 데 도움이 될 수 있다. 동시에 AI 시스템 참여에 동의한 적 없는 사람들을 촬영할 수도 있다.

프로젝트는 어떤 시각적 특징을 처리하는지, 기록을 얼마나 오래 보관하는지, 신원 식별이 필요한지를 정의해야 한다. 유럽연합 집행위원회는 이전에 익명화, 데이터 소유권, 데이터 품질, 법적 책임을 디지털 트윈의 핵심 쟁점으로 강조한 바 있다.

데이터 품질 역시 구조적 위험이다. 디지털 트윈은 불완전한 유지보수 기록이나 일관성 없는 센서 피드에 의존하면서도 권위 있어 보일 수 있다. 언어 모델을 추가한다고 해서 기저 기록이 복구되는 것은 아니다.

위원회의 디지털 트윈 지침은 가용성, 품질, 상호운용성을 기초 요건으로 제시한다. 또한 도시들이 고급 시뮬레이션을 구축하기 전에 거버넌스와 기술적 기반을 마련해야 한다고 지적한다. 이는 행정적 세부사항이 아니라 운영상의 의존성이다.

희귀 사건 시스템은 특히 엄격한 테스트가 필요하다. 합성 학습 데이터는 현실에서 포착하기 어려운 시나리오를 다룰 수 있다. 하지만 실제 비상 시스템의 실패를 유발하는 정확한 조건 조합을 누락할 수도 있다.

유류 유출 탐지를 시험하는 항만 운영업체는 다양한 날씨, 조명, 카메라, 수면 조건에서의 거짓 양성 및 거짓 음성 비율을 보고해야 한다. 센서 간 판단이 엇갈리거나 네트워크 접근이 실패했을 때 어떤 일이 발생하는지도 시험해야 한다. 모델의 평균 정확도는 시나리오별 안전성 평가를 대체할 수 없다.

에이전트가 영상, 인프라 제어, 문서, 지방자치단체 네트워크를 연결하면 사이버보안은 더욱 복잡해진다. 모든 커넥터는 잠재적 공격 표면을 넓힌다. 자연어 인터페이스는 직접적인 데이터베이스 접근 권한이 없는 사용자에게도 정보를 노출할 수 있다.

접근 제어는 챗봇 인터페이스의 편의성이 아니라 기초 데이터의 규칙을 따라야 한다. 에이전트는 권한 없이 개별적으로는 무해한 기록을 결합해 민감한 답변을 만들어서는 안 된다. 감사 로그에는 시스템이 무엇에 접근했는지와 왜 특정 권고를 생성했는지가 표시되어야 한다.

조달은 마지막 위험을 만든다. 파일럿 프로젝트는 종종 공급업체와 연구 파트너로부터 집중적인 기술 지원을 받는다. 일상 운영에는 데이터 정제, 모델 모니터링, 소프트웨어 업데이트, 직원 교육, 보안 검토, 사고 대응을 위한 예산이 필요하다.

시스템은 기술적으로 성공하더라도 조직적으로 실패할 수 있다. 지방자치단체 직원들은 그 권고를 신뢰하고, 한계를 이해하며, 언제 이를 무시해야 하는지 알아야 한다. 주민들은 중대한 결정에 이의를 제기할 수 있는 이해하기 쉬운 경로가 필요하다.

이러한 요건은 유용한 구분을 가능하게 한다. 성공적인 시연은 에이전트가 작업을 수행할 수 있음을 보여준다. 성공적인 공공 서비스는 기관이 허용 가능한 오류율 내에서 그 작업을 반복적이고 투명하게 관리할 수 있음을 보여준다.

유럽의 디지털 트윈에는 더 나은 그래픽보다 공유 데이터가 더 필요하다

가장 어려운 확장 문제는 도시를 렌더링하는 것이 아니라 부서, 공급업체, 인접 관할권 전반에 걸쳐 신뢰할 수 있는 데이터를 연결하는 일이다.

디지털 트윈은 종종 정교한 3차원 장면으로 제시된다. 이러한 시각화는 계획 담당자가 공간을 이해하고 제안을 전달하는 데 도움이 된다. 그러나 기록이 오래되었거나 호환되지 않는다면 시각적으로 인상적인 트윈도 운영상 가치는 제한적이다.

도로 유지보수 에이전트에는 자산 목록, 점검 이력, 작업 지시, 교통 정보, 예산이 필요하다. 행사 관리 에이전트에는 장소 배치도, 교통 수송 능력, 군중 정보, 접근성 데이터, 비상 절차가 필요하다. 이러한 기록은 종종 서로 다른 조직에 속해 있다.

유럽연합 집행위원회는 이러한 이유로 공통 도시 데이터 공간을 추진해 왔다. 목표는 공공 및 민간 조직이 공통의 기술적, 법적, 보안 체계 아래에서 정보를 공유할 수 있는 환경을 만드는 것이다.

이 접근법은 모든 기록을 하나의 데이터베이스에 중앙집중화하는 것과 다르다. 데이터 공간은 정보가 원래 관리 주체에게 남아 있도록 하면서, 승인된 시스템이 이를 발견하고 활용하는 방식을 정의할 수 있다. 이 모델은 분산 통제를 중시하는 유럽의 기조와 부합한다.

NVIDIA의 파트너 네트워크는 도시들이 분절된 시스템을 연결하는 데 도움을 줄 수 있다. 통합사업자들은 이미 엔터프라이즈 소프트웨어, ID 관리, 네트워킹, 운영 지원을 이해하고 있다. 하드웨어 공급업체는 내부 역량이 제한적인 지방자치단체를 위해 반복 가능한 인프라를 패키지화할 수 있다.

위험은 통합이 일회성 프로젝트의 연속이 되는 데 있다. 맞춤형 커넥터는 첫 번째 도시에서는 작동할 수 있지만, 다른 지방자치단체가 서로 다른 스키마, 언어, 조달 규칙을 사용하면 실패할 수 있다. 그러면 확장은 값비싼 컨설팅 작업을 반복하는 것을 의미하게 된다.

공유 표준은 다른 경로를 제공한다. 도시들이 도로, 건물, 행사, 유지보수 기록을 일관되게 기술한다면 애플리케이션은 더 쉽게 이동할 수 있다. 한 지방자치단체를 위해 만든 모델도 현지 테스트는 필요하지만, 개발자가 데이터 기반을 처음부터 다시 구축할 필요는 없다.

NVIDIA의 발표가 Citiverse와 만나는 지점이 바로 여기다. Gothenburg의 접근성 프로젝트는 고립된 설치가 아니라 더 광범위한 유럽 이니셔티브의 일부로 소개된다. 장기적인 중요성은 다른 도시들이 기초 구성요소와 데이터 규약을 재사용할 수 있는지에 달려 있다.

재사용은 소규모 지방자치단체의 경제성을 바꿀 수 있다. 대도시는 맞춤형 팀과 인프라에 자금을 지원할 수 있다. 더 작은 지역사회에는 검증된 모듈, 공동 조달 지침, 대규모 AI 부서를 필요로 하지 않는 서비스가 필요하다.

위원회의 로컬 디지털 트윈 툴박스는 이러한 필요를 중심으로 설계되었다. 여기에는 재사용 가능한 도구, 참조 아키텍처, 오픈 표준, 기술 사양이 포함된다. 명시된 목적은 규모가 다른 도시들도 고급 계획 및 운영 시스템을 이용할 수 있게 하는 것이다.

NVIDIA와 파트너들은 애플리케이션이 이 프레임워크를 준수한다면 혜택을 볼 수 있다. 공통 유럽 시장은 컴퓨팅, 모델, 통합에 대한 반복 가능한 수요를 만들 수 있다. 공유 사양을 준수하면 도시 구매자들도 장기 계약을 더 편안하게 받아들일 수 있다.

따라서 플랫폼 기업과 공공 당국의 이해관계는 부분적으로 일치한다. 양측 모두 반복 가능한 배포를 원한다. 다만 그러한 배포가 하나의 기술 스택에 얼마나 강하게 의존해야 하는지에서는 견해가 다르다.

그 결과는 일상적인 세부사항에서 드러날 것이다. 조달 문서는 내보내기 권리, 인터페이스 요건, 모델 실패에 대한 책임을 명시하게 될 것이다. 기술팀은 추론 속도뿐 아니라 커넥터 재사용도 측정하게 될 것이다.

개발자들은 도시들이 데이터 모델과 평가 방법을 공개하는지도 지켜봐야 한다. 공유 벤치마크가 있으면 구매자는 공급업체 간 시스템을 비교할 수 있다. 그런 기준이 없다면 각 공급업체는 자신에게 유리한 지표로 성공을 정의할 수 있다.

운영 AI는 신뢰할 수 있는 맥락에 의존하기 때문에 여기서 지식 관리가 중요해진다. 팀에는 정책, 결정, 문서, 이전 사고에 대한 유지 관리되는 기록이 필요하다. 검색 가능한 지식 베이스는 기관이 에이전트에게 조치 권고 권한을 부여하기 전에도 사람의 업무를 지원할 수 있다.

이 순서는 위험 통제에 유용하다. 먼저 정보를 검색 가능하고 추적 가능하게 만든다. 다음으로 에이전트가 정의된 워크플로를 개선하는지 측정한다. 마지막으로, 증거가 뒷받침되는 경우에만 더 큰 자율성을 고려한다.

이 시스템의 확장 가능성을 보여줄 세 가지 신호

다음 시험대는 도시들이 측정 가능한 운영 결과, 이식 가능한 배포 패턴, 파일럿 단계를 넘어 지속되는 거버넌스 규칙을 공개하는지 여부다.

첫 번째 신호는 Côte-d’Or와 이탈리아 지방자치단체에서 나오는 독립적인 운영 증거다. 구매자는 명확한 기준선, 평가 기간, 완전한 구현 비용을 확인해야 한다. 또한 문서 검색과 주민 대상 답변에 대한 정확도 측정치도 기대해야 한다.

통합 및 지원 비용을 반영한 뒤에도 보고된 10% 운영비 절감이 지속된다면, 건물 관리 에이전트를 구축해야 한다는 근거는 더 강해질 것이다. 30% 목표를 향한 확대가 이뤄진다면 그 근거는 한층 탄탄해질 수 있다. 방법론이 공개되지 않거나 기준선이 바뀐다면 이러한 주장은 약화될 것이다.

두 번째 신호는 지방자치단체 간 재사용성이다. Galene.AI는 Cinisello Balsamo에서 추가로 4개 지방자치단체로 확대할 계획이다. K2K는 Liverpool City Region, Jersey, Belfast에서 프로젝트를 진행 중이며, 이는 이식성을 검증할 또 다른 기회를 만든다.

성공적인 재사용에는 구성 작업, 현지 데이터 매핑, 정책 검토가 필요할 수 있다. 그러나 전체 시스템을 새로 구축할 필요는 없어야 한다. 구매자는 첫 번째 배포에서 얼마나 많은 코드, 인프라, 교육 자료가 이전됐는지 물어봐야 한다.

이 신호는 Citiverse에도 적용된다. Gothenburg의 프로젝트는 접근성 구성 요소가 다른 유럽 디지털 트윈에서도 작동할 경우 더 중요해질 것이다. 재사용 가능한 서비스는 EU의 공유 인프라 전략을 뒷받침할 수 있다. 반면 고립된 시각적 경험은 지역 규모 확장의 근거를 충분히 제공하지 못한다.

세 번째 신호는 조달 및 거버넌스 관련 문구다. 도시는 감사 로그, 사람의 검토, 모델 업데이트, 사이버 보안, 데이터 보존, 공급업체 이탈에 관한 요구 사항을 공개해야 한다. 이러한 조건은 지역 통제가 실제 운영되는지, 아니면 단지 홍보 문구에 그치는지를 보여준다.

거버넌스는 각 업무의 위험도에 맞춰야 한다. 번역 보조 도구에는 긴급 대응에 영향을 미치는 시스템과 같은 승인 절차가 필요하지 않다. 도시는 공급업체가 여러 부서로 에이전트를 확대하기 전에 이러한 범주를 정의해야 한다.

11월 3일부터 11월 5일까지 Barcelona에서 열릴 예정인 Smart City Expo World Congress는 즉각적인 점검 시점을 제공한다. NVIDIA와 파트너들은 이 자리에서 physical AI, agentic AI, 현지 인프라 관련 작업을 선보일 것으로 예상된다. 주목할 만한 발표에는 또 다른 잠재적 사용 사례 목록이 아니라 배포 현황과 측정된 결과가 포함될 것이다.

기술 구매자는 파일럿, 운영 시스템, 계획된 확대 사이의 명확한 구분에 귀를 기울여야 한다. 또한 운영 데이터를 누가 소유하는지, 다른 공급업체가 책임을 이어받을 수 있는지도 물어야 한다. 애플리케이션을 이전할 수 없다면 로컬 서버만으로는 충분하지 않다.

개발자는 모델, 시뮬레이션, 공공 데이터 시스템 사이의 인터페이스를 주시해야 한다. 표준화된 커넥터는 경쟁 모델과 특화 애플리케이션이 들어설 여지를 만들 수 있다. 폐쇄형 인터페이스는 원래 플랫폼 주변에 더 많은 가치와 통제권을 집중시킬 것이다.

주민에게는 다른 질문이 있다. 에이전트가 언제 서비스에 영향을 주는지, 어떤 데이터를 사용하는지, 누가 오류를 바로잡을 수 있는지를 알아야 한다. 더 빠른 지방정부 대응은 그 배후의 절차를 시민이 신뢰할 수 있을 때에만 가치가 있다.

NVIDIA 스마트 시티 AI 에이전트는 이제 식별 가능한 자산, 기관, 공공 서비스 목표를 갖춘 프로젝트에 도달했다. 이는 일반적인 스마트 시티 마케팅을 넘어선 의미 있는 진전이다. 그러나 공유 AI 스택이 모든 도시의 요구 사항을 충족할 수 있다는 증거는 아직 아니다.

결정적인 증거는 일상적인 운영에서 나올 것이다. 지원 비용을 반영한 뒤에도 비용은 낮게 유지되는가? 직원들은 권고안을 실제로 활용하는가? 주민들은 오류에 이의를 제기할 수 있는가? 도시는 서비스를 다시 구축하지 않고도 하나의 구성 요소를 교체할 수 있는가?

이 질문들은 공공기관에 실질적인 다음 행동을 제시한다. 측정 가능한 업무 흐름 하나를 선택하고, 기준선을 문서화하며, 첫 계약부터 이동 가능한 데이터와 사람의 책임성을 요구하라. 그다음 실패 사례를 포함한 결과를 공개해, 다음 도시가 더 나은 결정을 내릴 수 있도록 해야 한다.