저는 최근 Jensen Huang의 기조연설을 돌아보며 한 가지 아이디어가 특히 눈에 띄었습니다. 구조화된 데이터는 신뢰할 수 있는 AI의 기반이다.
단순한 아이디어처럼 보이지만, 이것은 AI에서 지금 일어나고 있는 변화의 핵심을 꿰뚫습니다.
수년간 우리는 데이터 부족을 겪지 않았습니다. 오히려 대부분의 기업은 데이터에 압도되어 있습니다. 하지만 원시 데이터—특히 영상과 같은 비정형 데이터—는 자동으로 인텔리전스로 변환되지 않습니다. 의사결정을 이끌지 못하고, 신뢰를 구축하지도 못합니다.
Jensen이 지적하는 것은 하나의 전환입니다: AI가 패턴 인식에서 추론(reasoning)으로 이동하고 있다는 것입니다. 그리고 추론 시스템—Physical AI, VLM, 에이전틱 AI라 불리는—은 신뢰할 수 있게 해석할 수 있는 구조화된 맥락화된 데이터에 의존합니다.
비즈니스 용어로 말하면 간단합니다: 데이터가 구조화되지 않으면, AI는 신뢰받지 못할 것입니다. 그리고 신뢰받지 못하면, 사용되지 않을 것입니다.
카메라에서 비주얼 데이터 레이어로
여기서 Vaidio가 구축해 온 것과 강한 연계성이 있습니다. 대부분의 조직은 이미 방대한 센서 네트워크를 구축하고 있습니다—수백만 대의 카메라가 운영, 안전 이벤트, 고객 행동, 작업 흐름을 매 초 포착합니다. 하지만 그 데이터는 원시 형태로는 대부분 활용 불가능합니다.
Vaidio가 하는 일은 그 영상을 구조화된, 검색 가능하고, 실행 가능한 데이터로 변환하는 것입니다. 객체, 행동, 움직임, 체류 시간, 상호작용을 식별하고, 이를 시스템이 실시간으로 쿼리·분석·행동할 수 있는 메타데이터로 전환합니다.
더 중요한 것은, 이것이 단순한 분석에 관한 것이 아니라는 점입니다. AI 시스템이 추론할 수 있는 비주얼 데이터 레이어—구조화된 고품질 데이터의 기반—를 만드는 것입니다.
NVIDIA가 VLM으로 맥락을 추가하는 방법
하지만 구조만으로는 충분하지 않습니다. 구조화된 데이터는 무슨 일이 일어났는지를 알려줍니다. 지금 부상하고 있는 것—그리고 NVIDIA가 적극적으로 구축하고 있는 것—은 그 데이터가 맥락 안에서 무엇을 의미하는지를 이해하는 능력입니다.
GTC에서 NVIDIA는 영상 검색 및 요약(VSS)을 위한 Blueprint를 소개했습니다. 이는 방대한 영상을 검색·요약·추론할 수 있는 인터랙티브 AI 에이전트를 만들기 위한 프레임워크입니다. 내부적으로 VLM, 검색 및 오케스트레이션을 위한 LLM, Cosmos Reason VLM과 같은 추론 모델을 결합합니다.
간단히 말하면: 구조화된 데이터가 AI를 신뢰할 수 있게 만들고, VLM이 그 데이터를 이해 가능하게 만들며, 에이전틱 시스템이 그것을 실행 가능하게 만듭니다. 이 흐름이 원시 관찰을 실세계 성과로 전환하는 것입니다.
인사이트에서 행동으로: 에이전틱 워크플로우 활성화
영상이 구조화된 인텔리전스로 변환되면, 대시보드에 머물지 않고 워크플로우를 트리거하고, 의사결정을 자동화하며, 운영 시스템에 직접 통합될 수 있습니다. 이것이 분석에서 에이전틱 자동화로의 전환입니다.
- 안전 위반 감지
- 정책 검증
- 알림 또는 대응 트리거
- 하위 워크플로우 자동 시작
Vaidio에서 우리는 매일 이것을 목격합니다—영상이 엔터프라이즈 운영 인텔리전스의 핵심 부분이 되어가는 것을.