700만명 가상 한국인 탄생... 엔비디아, 소버린 AI 핵심 데이터셋 공개 - AI타임스

엔비디아가 한국 사회를 정밀하게 반영한 대규모 ‘가상 한국인’ 합성 데이터셋을 공개했다. 현실과 유사한 사회를 가상 환경에서 구현해 분석하는 ‘가상 한국 시뮬레이션’ 시대가 열릴 것이라는 기대가 커지고 있다. 엔비디아는 24일(현지시간) 서울에서 개최된 ‘네모트론 디벨로퍼 데이즈’ 행사에서 국내의 실제 인구통계와 지리, 사회적 특성 분포 등을 반영해 합성한 오픈소스 페르소나 데이터셋 ‘네모트론-페르소나-코리아(Nemotron-Personas-Korea)’를 선보였다. 이 데이터셋은 허깅페이스에서 공개 직후 데이터셋 부문 압도적인 인기 1위를 기록했다. 국내 실제 인구통계와 사회 구조를 기반으로 약 700만개의 페르소나를 합성한 것이 특징이다. 이름, 성별, 나이, 혼인 상태, 교육 수준, 직업, 거주 지역 등 총 26개 항목을 포함하며, 국가통계포털(KOSIS)을 비롯해 대법원, 국민건강보험공단, 농촌경제연구원, 네이버 클라우드 등 다양한 공공·민간 데이터를 반영했다. 특히 단순한 데이터 나열이 아니라, 실제 국내 사회의 구조적 특징을 정교하게 재현했다는 점에서 의미가 크다. 예를 들어, 50~64세 베이비붐 세대가 가장 두꺼운 인구층을 형성하고, 고령층으로 갈수록 여성 비중이 높아지는 현상, 30대 이후 급격히 감소하는 미혼 비율 등 현실의 인구 구조가 그대로 반영됐다. 또 ‘부부+미혼자녀-부부-1인 가구’로 이어지는 생애주기별 가구 변화, 청년과 노년층에서 동시에 나타나는 1인 가구 증가 현상 등도 데이터에 녹아 있다. 세대별 격차가 뚜렷한 교육 수준도 반영했다. 20~30대는 대졸 이상 비율이 70%에 육박하는 반면, 80세 이상에서는 초등학교 이하 학력이 대부분을 차지한다. 직업 분포에서도 서비스·지식 기반 경제 구조가 반영됐다. 전문가·사무직 비중이 높고, 온라인 쇼핑 판매원과 같은 디지털 경제 직군이 주요 직업군으로 나타난다. 이 데이터셋은 엔비디아의 AI 데이터 생성 시스템을 통해 완전히 합성된 데이터로, 실제 인물과의 연관성은 없다. 따라서 이 데이터셋은 개인정보 유출에 대한 우려 없이 금융, 의료, 공공 분야와 같이 민감한 데이터를 다루는 영역에서도 AI를 학습시킬 수 있는 일종의 ‘규제 프리(free)’ 통로를 열어준 것으로 평가된다. 특히 이러한 접근 방식은 데이터 활용에 대한 규제가 엄격한 산업에서 AI 도입을 가속할 것으로 기대되고 있다. 동시에 상업적·비상업적 활용이 모두 가능한 오픈소스로 공개돼, 국내외 연구자와 개발자들이 자유롭게 활용할 수 있다. 네이버 클라우드, SK텔레콤, LG AI 연구소 등 국내 주요 기업들이 이미 이를 도입해 활용에 나선 것으로 알려졌다. 그동안 AI 모델은 주로 영어권 데이터를 중심으로 학습돼 한국 특유의 문화와 사회적 맥락을 충분히 반영하지 못한다는 한계가 있었다. 네모트론-페르소나-코리아는 이러한 편향을 줄이고, 한국어 기반 AI의 이해도와 응답 다양성을 크게 높일 수 있는 기반을 제공한다는 점에서 주목된다. 특히 업계에서는 이 데이터셋이 단순한 학습 데이터를 넘어 ‘소버린 AI’ 구축의 핵심 자산이 될 것으로 보고 있다. 한국 사회의 실제 구조를 반영한 AI 모델을 개발함으로써, 정책 시뮬레이션이나 사회 변화 예측 등 다양한 분야에 활용할 수 있기 때문이다. 예를 들어, 700만명 규모의 가상 에이전트를 기반으로 특정 정책이나 신기술 도입이 사회에 미칠 영향을 사전에 실험하는 ‘가상 한국 시뮬레이터’ 구현도 가능해진다. 이는 현실에서 시행착오를 줄이고 정책 효율성을 높이는 새로운 도구로 활용될 수 있다. 한계도 존재한다. 일부 변수 간 상호작용이 완전히 반영되지 않았고, 가치관과 같은 주관적 비정형 사회 지표는 포함되지 못했다. 하지만, 실제 인구 분포를 기반으로 한 이 정도 규모와 정밀도의 한국어 페르소나 데이터셋은 처음이라는 점에서 의미가 크다. 박찬 기자 [email protected]