미래의 저궤도 위성은 단순한 데이터 중계 장비를 넘어 AI 학습과 추론을 수행하는 분산 컴퓨팅 노드로 활용될 가능성이 높다. 더 나아가 지상의 클라우드 데이터센터와 협력하여 전 세계 어디서나 AI 서비스를 제공하는 새로운 컴퓨팅 인프라로 발전할 것으로 기대된다. 결국 미래의 네트워크는 정보를 전달하는 통신 수단이 아니라, 통신과 컴퓨팅이 융합되어 지능을 생성하고 실행하는 거대한 AI 플랫폼으로 활용될 전망이다. AI가 가능하게 한 기반이 통신 시스템이었다면, 앞으로 AI를 더욱 성장시키는 기반 역시 통신 시스템이다. 통신 시스템과 AI를 각각 독립된 기술이 아니라 하나의 생태계로 바라봐야 하는 이유가 바로 여기에 있다.
---「01_“통신 시스템의 진화”」중에서

과거에는 좋은 알고리즘과 규칙을 만드는 사람이 중요했다면, 오늘날에는 좋은 데이터를 확보하고 학습시키는 사람이 중요해졌다. 유튜브 추천 시스템은 이를 가장 잘 보여 주는 사례다. 처음의 추천 시스템은 인기 영상을 보여 주는 수준에 머물렀다. 그러나 현재의 추천 시스템은 사용자의 시청 시간, 클릭 패턴, 좋아요 기록, 검색 이력 등을 학습하여 개인마다 전혀 다른 콘텐츠 환경을 제공한다. 결국 같은 플랫폼을 사용하더라도 각자는 서로 다른 세계를 경험하게 된다. 이는 AI 모델이 사용자 데이터를 기반으로 지속적으로 학습하며 향상되고 있기 때문이다. 전통적인 소프트웨어는 기능 업데이트가 없으면 성능이 거의 변하지 않는다. 하지만 학습 시스템은 지속적으로 데이터를 공급받으며 재학습을 수행하기 때문에 시간이 지날수록 더욱 정교해질 수 있다. 바로 이 지점 때문에 데이터가 AI 시대의 원유라고 불린다. 석유가 산업혁명 시대의 핵심 에너지였다면, 데이터는 AI 시대의 핵심 연료가 되는 것이다.
---「03_“정보 처리 시스템과 학습 시스템”」중에서

연합 학습의 핵심은 하나의 모델 자체가 아니라, 이질적인 데이터 특성과 양, 연산 자원과 네트워크 환경 속에서 수많은 참여자가 얼마나 효율적이고 안전하게 협력할 수 있는가를 설계하는 데 있다. 연합 학습의 등장은 AI 산업이 새로운 단계로 접어들고 있음을 보여 주는 신호이기도 하다. 지금까지 AI 산업은 더 큰 모델을 만들고 더 많은 데이터를 확보하는 데 집중해 왔다. 하지만 앞으로는 또 다른 질문들이 더욱 중요해질 것이다. 데이터를 어떻게 안전하게 활용할 것인가? 누가 AI 학습에 참여할 수 있는가? 서로 다른 참여자들이 어떻게 신뢰를 유지하며 지식을 공유할 것인가?
---「06_“연합 학습”」중에서

미래에는 하나의 사용자 요청을 처리하기 위해 수십, 많게는 수백 개의 AI 에이전트가 동시에 협력하는 상황도 충분히 예상할 수 있다. 이러한 환경에서는 네트워크의 역할도 근본적으로 달라질 수밖에 없다. 과거의 네트워크가 비트를 얼마나 빠르게 전달할 것인가​에 초점을 맞추었다면, 앞으로의 네트워크는 AI들의 협업 자체를 얼마나 효율적으로 지원할 것인가를 고민해야 한다. 어떤 에이전트에게 작업을 먼저 맡길 것인지, 어떤 AI 모델이 현재 가장 적합한지, 어느 위치에서 추론을 수행해야 전체 응답 시간이 가장 짧아지는지, 그리고 어떤 토큰을 먼저 전달해야 전체 작업이 가장 빨리 끝나는지를 실시간으로 판단해야 하기 때문이다. 결국 미래의 네트워크는 단순한 데이터 전달 통로를 넘어 하나의 지능형 오케스트라 지휘자와 같은 역할을 수행하게 될 것이다. 오케스트라에서 지휘자가 각 악기의 연주 시점과 조화를 결정하듯이, 미래의 네트워크는 수많은 AI 에이전트의 작업 순서를 조율하고, 필요한 정보를 적시에 연결하며, 전체 AI 생태계의 효율을 극대화하는 방향으로 발전할 가능성이 크다.