11. AI 기술 구성과 저비용 개발 전략

IROA는 자체 거대 언어모델이나 헬스 파운데이션 모델을 처음부터 학습하지 않는다. 제한된 자금으로 실제 서비스를 만들기 위해 검증된 상용·오픈소스 모델과 공식 플랫폼 기능을 조합한다.

11.1 기술 계층

대화·음성·글·이미지 결합: 음성인식, 음성합성, 텍스트·이미지 이해, 쉬운 문장 변환
개인화: 접근성 설정, 선호, 생활패턴, 도움 제공자 규칙
요청 계획: 사용자의 목표를 단계로 나누고 도구와 확인 지점을 결정
도구 연결: API, MCP, App Intents, AppFunctions, 앱 바로가기 연결, 병원·공공 표준
화면 자동 조작: 공식 연동이 없는 웹·데스크톱 서비스의 제한적 화면 실행
안전·정책: 민감도 분류, 권한 확인, 프롬프트 인젝션 방어, 금지행동 차단
검증·관찰: 결과, 실패 원인, 지연시간, 접근성 품질, 사람 인계 기록
실행 공간·보상: 실행 공간 선택, 성능 측정, 신뢰 수준, 보상과 감점
반려·로봇: 대화 기억의 경계, 단계적 안부 확인, 로컬 감지, 물리행동 안전 제어

11.2 모델 선택

기기 내 소형 모델: 호출어, 짧은 명령, 개인정보 분류, 오프라인 접근성
저비용 서버 모델: 분류, 요약, 쉬운 문장, 규칙 기반 계획
고성능 모델: 복잡한 여러 서비스 요청과 예외 처리
비전 모델: 키오스크 상태·문서·화면 이해
로봇 기기 안에서 처리하는 모델: 낮은 지연의 음성·시각·제한된 행동 계획
전통적 규칙엔진: 결제 확인, 권한, 금지행동, 보상 계산

위험 판단과 결제 정책을 언어모델의 확률적 응답에만 맡기지 않는다.

11.3 AI 도우미와 외부 서비스 연결

OAuth 2.0, OpenID Connect, 패스키, FIDO 기반 기기 인증, W3C Verifiable Credentials 2.0, IETF RATS 원격 신뢰 확인 구조, MCP, Apple의 App Intents, Android AppFunctions, HL7 FHIR·KR Core, 결제사의 공식 SDK, 운영체제 접근성 API, 컨테이너·가상 브라우저 기반 격리를 우선 재사용한다.

MCP는 AI 서비스가 도구와 데이터에 연결되는 공통 방식을 제공한다. IROA에서는 교통·예약·기관 도구를 교체 가능한 연결 모듈로 연결하는 데 활용할 수 있지만, MCP 도구가 등록되었다는 사실만으로 신뢰하지 않는다. 사용자 동의, 도구별 최소권한, 입력·출력 검증, 위험 행동의 사람 확인이 별도로 필요하다.

A2A(Agent2Agent)는 서로 다른 조직의 AI 도우미가 내부 메모리나 도구 구현을 공개하지 않고 역량을 발견하고 요청 상태를 교환하는 방향을 제시한다. 장기적으로 IROA AI 도우미가 병원·복지기관·이동 서비스 AI 도우미와 “예약 가능시간 조회”, “접근성 요청 전달”, “결과 확인”을 조정하는 데 검토한다. A2A는 초기 서비스 필수 의존성이 아니며, 기관 계약·인증·책임분담 없이 외부 AI 도우미에 권한을 넘기지 않는다.

W3C Verifiable Credentials 2.0은 개인정보를 존중하면서 기계가 검증할 수 있는 자격증명 구조를 제공하고, IETF RFC 9334는 원격 실행환경의 신뢰 상태를 증명하는 역할과 흐름을 정의한다. IROA는 이를 제품 구현의 확정 사양이 아니라 신원정보 원문을 실행 공간에 복제하지 않고 사용자·운영자·기기의 자격과 상태를 검증하기 위한 설계 기준으로 사용한다.

로봇 분야에서는 시각·언어·행동 모델을 기기에서 직접 실행하는 기술이 빠르게 발전하고 있다. Google DeepMind가 2025년에 공개한 Gemini Robotics On-Device는 로봇용 모델을 로컬 기기에서 실행하는 방향을 보여준다. 이는 IROA 로봇의 성능이나 안전성을 증명하지 않지만, 짧은 응답과 개인정보 최소전송을 위해 로컬 모델과 보안 실행 공간을 조합할 수 있다는 기술 추세의 근거가 된다.

11.4 적은 자금으로 시작하는 구현 전략

IROA의 기술 우위는 비싼 범용 모델을 직접 학습하는 데서 만들지 않는다. 생활 요청별 상태기계, 접근성 프로필, 승인 정책, 실패복구, 결과 확인서와 사람 인계 데이터를 제품 자산으로 축적한다.

모델 배정: 분류·요약은 작은 모델, 복잡한 계획만 고성능 모델 사용
구조화 출력: 자유문장 대신 요청·권한·비용·확인 지점을 정해진 형식로 검증
검색 증강: 병원·복지·매장 정보는 출처와 갱신시점이 있는 자료에서 조회
도구 호출: 공식 API와 표준 도구를 우선하고 화면 자동 조작은 마지막 수단으로 제한
기기 안에서 처리: 호출어·접근성 설정·짧은 명령·민감도 분류를 가능한 기기에서 처리
재사용 가능한 요청 팩: 예약·변경·취소·주문·사람 호출을 서비스별 연결 모듈로 구현
평가 우선: 대화의 자연스러움보다 완료율·오실행·이해도·복구시간·장애별 격차 측정
사람과 공동운영: 낮은 빈도의 예외를 모두 자동화하지 않고 안전한 인계로 학습비용 절감

11.5 연구개발 범위

노인과 장애인을 대상으로 대규모 임상 수준 연구를 처음부터 수행하는 것은 현실적이지 않다. 장애인 당사자 단체와 소규모 공동설계, 기존 접근성 표준과 공개 연구, 실제 요청 중심의 짧은 사용성 평가, 의료 판단이 아닌 생활 실행 보조, 모의서비스 우선 검증으로 위험과 비용을 줄인다. 반려 AI 도우미는 안부 확인·사람 연결부터, 로봇은 고정형·비접촉 기능부터 검증한다. 이동·신체 접촉·의료적 주장을 포함한 고위험 기능은 기관 파트너십과 안전·보험 검토 이후에만 진행한다.