[AI for 6G #1] AI를 위한 6G Architecture 설계 과정에서 논의되는 사항

3GPP TR 23.801-01: Key Issue #18
AI for 6G Architecture 정리

---

---

6G는 단순히 더 빠른 네트워크가 아니라, AI가 내재된(AI-Native) 네트워크로의 전환을 목표로 한다.

이미 3GPP에서는 6G Architecture와 AI를 통합하기 위한 논의를 시작했다.
그 중심에는 3GPP의 TR-23.801에서 정의한 Key Issue #18: AI for 6G Architecture가 있다.

 

Key Issue #18은 6G 네트워크 아키텍처 내에서 AI(AI 에이전트 및 프레임워크 등)를 어떻게 지원하고 활성화할 것인가를 다룬다.

단순히 기술적인 도입을 넘어, Multi vendor 간의 상호 운용성, 신뢰성, 지속 가능성을 보장하는 구조적 설계를 목표로 한다.

 

 

 

핵심 정의 및 개념

---

• AI Agent (AI 에이전트)
  AI Agent는 단순한 모델이 아니라, 행동하는 개체 (Entity)로 정의된다.
  이는 사용자 또는 Application을 대신해 작업 수행 / NF와 상호작용 / Tool을 호출하여 절차 실행 등을 포함한다.
  특히 6G에서는 여러 Agent가 협력하는 Multi-Agent 구조가 핵심으로 논의된다.
• Intent (인텐트):
  기존 요청 방식이 "어떻게(How) 처리할지 (ex: 특정 QoS 설정 요청)"를 명시했다면,
  KI 18에서의 Intent는 "무엇을(What)" 원하는지에 대한 기대치 (ex : 지연 없는 AR 서비스 보장)"를 의미한다.
  네트워크는 Intent를 해석하고 스스로 방법을 결정하게 된다.

 

 

KI18의 주요 연구 항목 (Study Tasks)

---

TR 23.801에서 정의한 6G Core Network가 반드시 해결해야 할 기술 과제는 다음과 같다.

 

 

Intent 기반 요청 처리

---

1. UE(단말)나 AF(Application Function)가 '의도(Intent)'를 포함하여 요청했을 때,
   이를 모호함 없이 해석하고 제약 조건을 준수하며 처리하는 방법을 어떻게 정의할 것인가?
2. 그렇다면 Inent가 포함되지 않은 일반적인 기존 요청은 AI가 어떻게 대응할 것인가?

즉, Intent 기반 + Non-Intent 기반 요청의 공존 구조를 설계해야 한다.

 

 

동적 절차 구성 (Dynamic Composition)

---

6G에서는 절차가 고정되지 않는다.

AI가 망의 기능을 모듈/툴 단위로 분해하고, 이를 AI가 조합하여 절차를 생성하는 설계가 가능하다.

 

이때의 핵심 개념은 다음과 같다.

 

• Tool abstraction
• Workflow generation
• On-demand procedure composition

 

이는 기존 SBA(Service-Based Architecture)의 한 단계 진화 형태라고 볼 수 있다.

 

 

폐쇄 루프 운영 (Closed-loop)

---

6G는 스스로 학습이 가능해야 한다.

이 경우 강화학습(RL)과 같은 기법을 도입하여 네트워크가 성능 피드백 기반으로 최적화되고,

이에 따라 자동으로 정책을 조정하는 Closed-loop 운영 환경 구축이 중요하다.

이는 Self-optimizing network를 가능하게 하고 Self-healing 가능성을 확대할 수 있다.

 

 

AI 모델 관리 및 모니터링

---

6G에서는 네트워크 자체가 AI를 포함하게 된다.

이 경우 모델 배포(Provisioning), 추론(Inference), 학습(Training), 성능 모니터링 모두가 Network Function의 일부가 된다.

 

•  

 

운영자 제어 및 자율성 수준 (Level of Autonomy)

---

그렇다고 6G Network에서 AI가 완전 자율성을 갖도록 하는 것은 불안정하다.

따라서 운영자가 AI의 사용 여부를 결정하거나, AI의 자율성 수준(Level of Autonomy)를 설정해야 한다.

이때 Policy 및 Guardrail을 적용할 수 있다.

즉, AI는 여전히 도구일 뿐, 주체는 운영자가 되어야 한다는 것!

 

 

상호 운용성 및 로밍

---

그런데 AI 도입 시 가장 큰 문제는 서로 다른 벤더, 혹은 서로 다른 망 간의 동작 차이이다.

따라서 다음고 같은 사항들을 고려해야 한다.

 

• 멀티 벤더 환경에서의 호환성 확보
• 홈망(HPLMN) ↔ 로밍 시 방문망 (VPLMN) 간 AI 기술 사용 여부에 따른 연동 문제 해결
• 기존 5G Core Network AI 아키텍처와의 서비스 일관성을 위한 정합성 유지

 

 

 

 

 

각 기업마다 바라보는 Solution의 차이 (Solution Variant) :
문제를 푸는 단계별 접근

---

---

2026년 3월 기준으로 AI for 6G에 대한 논의는 이제 막 기업들 사이에서 논의되는 단계이기 때문에,

아직 solution은 FFS(For Further Study) 상태로 남아 있는 상태이다.

전체적인 Solution의 구조를 보면  전체 구조(V1) → 요청의 형태(V2) → 개별 기능(V3) → 최적화(V4) → 통제(V5)의 논리적 순서로 해결 방안이 그룹화되어 있다.

 

회원사간의 주요 Solution Variant를 나누면 다음과 같다. (S2-2601624)

---

Solution Variant	핵심 주제	핵심 주제 및 연구 범위	관련 KI Bullet
Variant 1 (#18.1A/B/C)	상위 수준 아키텍처	AI 지원 6G CN이 인텐트(Intent)가 포함된 요청과 포함되지 않은 요청을 어떻게 수용하고 처리할 것인지에 대한 상위 수준의 아키텍처.	1, 1a, 1b, 1c, 3, 4, 7
Variant 2 (#18.2)	인텐트 기술 (Intent Description)	인텐트의 구조(정형/비정형), 전송 방식, 유효성 검사 및 해석을 위한 구체적인 방법론.	1a
Variant 3 (#18.3)	AI 지원 NF (AI-enabled NFs)	NF의 추론 및 학습 역량, AI 기능 등록/노출, 그리고 5G/6G AI 아키텍처 간의 상호 연동.	3, 8, 9
Variant 4 (#18.4)	성능 모니터링 (Performance Monitoring)	폐쇄 루프 메커니즘을 통한 자가 최적화, 강화 학습(RL) 활용 및 AI 엔티티의 성공 여부 감시.	2, 5
Variant 5 (#18.5)	거버넌스 및 보안 (Governance and Safety)	운영자가 설정 가능한 자율성 수준(Levels of Autonomy), AI 사용 정책 및 런타임 가드레일 제어.	5, 6

 

 

 

Variant 1 — “요청을 어떻게 처리할 것인가?”

---

6G에서는 요청을 3가지 방식으로 처리할 수 있다.

1. Intent 기반만 처리 (AI-native) : 모든 요청이 “의도” 형태로 들어오며, AI가 항상 해석하고 실행
2. Intent + 기존 요청 공존 (현실적인 모델) : 기존 5G 방식 + AI 방식 함께 사용 →  실제 구현 가능성이 가장 높음
3. 기존 요청만 처리 (AI 내부 활용) : 외부 인터페이스는 그대로 유지한 채 AI는 내부 최적화 용도
   
   

Agentic Entity →  “네트워크의 두뇌 역할”

 

이 구조의 핵심은 Agentic Entity인데,

이는 단순 실행기가 아닌 요청을 이해하고, 필요한 기능을 선택한 다음, 실행 절차를 구성하는 네트워크의 두뇌 역할을 한다.

 

“네트워크 기능” → “조합 가능한 도구”

 

또한 기존 네트워크가 개별 NF가 서비스 호출하는 형태였다면,

6G 네트워크는 Agent → Tool 선택 → 실행의 흐름을 띤다.

여기서 Tool은 NF 기능을 추상화한 실행 단위이며, 여러 NF를 묶은 기능도 가능하다.

 

네트워크가 상황에 따라 스스로 동작 방식을 만든다

 

기존에는 네트워크 절차 자체가 표준에 정의되었다.

AI for 6G에서는 절차를 실행 시점에 생성된다는 점에서 차이가 있다.

 

 

 

Variant 2 — “Intent는 어떻게 표현되는가?”

---

그렇다면 AI가 사람의 Intent를 어떻게 이해할 수 있을까?
이 Variant의 본질은 “Intent를 네트워크가 실행 가능한 언어로 번역하는 것”이다.

 

Intent는 두 가지 형태로 나뉜다

 

정형 Intent : 구조화된 데이터(json 등)로, 해석이 쉽지만 유연성이 낮다.

비정형 Intent : 자연어 기반으로 해석이 필요하지만 유연하다.

현실적인 방향은 정형 + 비정형 혼합 구조

 

Intent를 어떻게 전달할 것인가?

 

Intent는 다양한 경로로 들어온다.

• UE → Core Network
• AF → Core Network

그렇다면 누가 Intent를 만들어서 전달할 것인가. 사용자? Application? Network 내부?

 

Intent는 반드시 검증되어야 한다.

 

Intent는 위험할 수 있다.

예를 들어 “최고 품질 보장”하라는 Intent에 대해 Network의 자원이 폭주할 수도 있다.

그래서 정책 기반 필터링, 제약 조건 검증, 모호성 제거 등의 논의가 필요하다.

 

 

Variant 3 — “Network Function은 어떻게 AI를 갖는가?”

---

이 Variant의 핵심은 “네트워크를 지능형 컴포넌트들의 집합으로 만드는 것”이다.

 

NF 자체가 지능을 갖는다

 

기존 NF는 정해진 기능 수행만 수행했다.

6G의 AI-enabled NF는 AI 모델을 내장하여 추론을 수행하고, 학습까지 수행될 수 있다.

 

AI 기능 = discoverable resource

 

이때 중요한 변화는 어떤 NF가 어떤 AI 기능을 갖는지 Registration하는 방식이 필요하다는 것.

그래야지 Agent가 이를 검색하고 사용할 수 있다.

이를 통해 AI의 capability가 곧 "Service"가 된다.

 

AI NF와 기존 NF의 공존

 

그러나 5G에서 6G로 넘어가는 과정에서의 완전한 네트워크 교체는 비효율적이다.

따라서 AI-enabled NF와 Non-AI NF가 공존하는 형태로 가야 한다.

 

 

Variant 4 — “AI는 어떻게 Self-evolving하는가?”

---

이 Variant는 “네트워크가 스스로 최적화되는 구조”를 다룬다.

 

Closed-loop의 시작

 

그렇다면 AI가 잘하고 있는지는 어떻게 판단하는가?

1. 이를 위해서는 우선 성능 모니터링이 진화해야 한다.
   이때의 성능은 단순한 KPI가 아닌, AI의 판단 결과, Intent 달성 여부, Service의 품질 등이 포함된다.
2. AI가 결정하고 이를 수행한 다음 결과를 측정하고, 측정된 결과를 바탕으로 다시 학습하는 폐쇄 루프 구조가 필요하다.
3. 특히 장기 최적화와 Trade-off 문제를 해결하기 위해 Reinforcement Learning의 역할이 중요하다.

 

Variant 5 — “AI를 어떻게 통제할 것인가?”

---

AI는 강력하지만 위험하고 통제 불가능할 수 있다.

따라서 “AI를 통제 가능한 시스템으로 만드는 것”은 매우 중요다.

 

자율성의 레벨 정의

 

AI의 권한은 사람이 결정해야 한다.

운영자는 AI를 사용하지 않음 / AI는 추천만 수행 / 부분 자동화 / 완전 자동화 중 선택할 수 있어야 한다.

 

정책 기반 제어

 

Operator는 Policy를 정하고, 이 틀 안에서 AI가 동작하도록 할 수 있어야 한다.

이때 어떤 AI 기능을 허용할 것인지? 어떤 상황에서 제한할 것인지? 어떤 데이터에 접근할 것인지를 정의할 수 있다.

 

런타임 가드레일

 

만약 AI가 잘못된 결정을 하거나 자원을 남용하거나,

혹은 Policy 위반이 탐지될 경우를 대비해 실시간 안전장치가 필요하다.

 

 

 

결론: 6G는 ‘스스로 생각하는 네트워크’다

---

이 5개 Variant를 하나로 보면 이렇게 정리된다:

• V1: 어떻게 동작할지 구조를 만들고
• V2: 무엇을 원하는지 표현하고
• V3: 누가 실행할지 정의하고
• V4: 계속 학습하며 개선하고
• V5: 사람이 통제할 수 있게 만든다

이를 토대로 6G의 핵심을 정의하면,

“6G는 Intent를 이해하고, 절차를 스스로 만들며, 계속 학습하면서도, 통제 가능한 AI 네트워크”라는 점을 알 수 있다.