개요
단말형 인공지능은 사용자의 요청이나 데이터를 서버로 보내지 않고, 스마트폰·노트북·웨어러블·보조공학 기기 같은 단말기 안에서 인공지능 연산을 수행하는 방식을 말한다. 영어로는 on-device AI 또는 on-device machine learning이라고 부른다.
기기 안에서 처리하므로 인터넷 연결이 약하거나 없는 환경에서도 일부 기능을 쓸 수 있고, 민감한 데이터를 외부 서버로 보내지 않아도 되는 장점이 있다. 반대로 단말기의 연산 성능, 배터리, 저장 공간, 발열, 모델 크기 제약을 받는다.
클라우드 AI와의 차이
클라우드 AI는 사용자의 입력을 서버로 보내고, 서버의 큰 연산 자원에서 모델을 실행한 뒤 결과를 돌려준다. 대형 모델을 쓰기 쉽고 업데이트도 빠르지만, 네트워크 연결과 서버 정책에 의존한다.
단말형 인공지능은 모델이나 일부 기능을 기기 안에 두고 처리한다. 응답 지연을 줄이고 오프라인 기능을 제공할 수 있으며, 개인정보 노출을 줄이는 설계가 가능하다. 다만 모든 작업을 단말에서 처리하기는 어렵기 때문에, 실제 제품은 단말형 AI와 클라우드 AI를 함께 쓰는 하이브리드 구조를 택하는 경우가 많다.
접근성에서의 의미
단말형 인공지능은 접근성에서 특히 중요하다. 보조기술은 사용자가 길을 찾거나 문서를 읽거나 의사소통하는 바로 그 순간에 작동해야 한다. 네트워크가 불안정하거나 서버가 응답하지 않는다고 해서 필수 접근 기능이 멈추면 사용자의 독립성이 크게 흔들린다.
- 사진·문서·화면의 간단한 설명을 빠르게 제공할 수 있다.
- 이동 중 사물 인식이나 텍스트 인식 기능을 오프라인으로 제공할 수 있다.
- 민감한 문서나 개인 정보가 외부 서버로 나가지 않도록 설계할 수 있다.
- 점자 표시 장치나 점자 정보 단말기 같은 보조공학 기기 안에서 AI 기능을 직접 제공할 수 있다.
한소네 7은 클라우드 기반 AI와 단말형 AI를 함께 쓰는 사례로 소개되었다. 보도자료에 따르면 브레일센스 7, 곧 한소네 7은 Vertex AI와 Gemini Nano를 함께 적용해 인터넷 연결이 제한적인 환경에서도 일부 AI 기능을 사용할 수 있도록 설계되었다.1
한계와 쟁점
단말형 인공지능은 개인정보와 오프라인 접근성 측면에서 장점이 있지만, 그 자체로 안전하거나 정확하다는 뜻은 아니다. 작은 모델은 복잡한 추론에서 한계를 보일 수 있고, 기기 제조사의 업데이트 정책에 따라 성능과 기능이 달라질 수 있다.
접근성 기능으로 쓰일 때는 특히 다음을 확인해야 한다.
- 오프라인에서 실제로 가능한 기능 범위
- 잘못된 설명이나 인식 오류를 사용자가 알아차릴 수 있는 구조
- 점자, 음성, 확대, 키보드 조작 등 기존 보조기술과의 연결성
- 데이터가 기기 안에 남는지, 서버로 전송되는지에 대한 명확한 안내
- 보급 가격과 유지보수, 교육 지원
함께 볼 개념
참고 자료
Footnotes
-
약품신문, 「셀바스헬스케어, 구글 ‘Gemini’ 점자 단말기 공식 탑재… ‘브레일센스 7’ 공개」, 2026년 2월 24일. 기사에서는 브레일센스 7이 Vertex AI와 Gemini Nano를 함께 적용해 인터넷 연결이 제한적인 환경에서도 일부 AI 기능을 사용할 수 있도록 설계되었다고 설명한다. https://m.yakpum.co.kr/a.html?uid=32304 ↩