"환자 상담 내용을, 공장 불량 사진을, 농장 작물 영상을… 이걸 정말 외부 AI 서버에 올려도 괜찮은 걸까?"
— 데이터 유출이 두려워 ChatGPT 도입을 포기한 어느 중소병원 원장의 말
클라우드 AI는 강력합니다. 하지만 병원·공장·농장·법률사무소처럼 민감한 데이터를 다루는 현장에서는 치명적인 문제가 하나 있습니다. 바로 "데이터가 밖으로 나간다"는 점입니다. 매달 꼬박꼬박 나가는 구독료, 인터넷이 끊기면 멈춰버리는 서비스도 부담이죠.
그래서 요즘 뜨는 것이 Liquid AI의 LFM(Liquid Foundation Model)처럼 작고 가벼운 멀티모달 소형모델입니다. 노트북이나 소형 미니PC 한 대에 통째로 넣어 인터넷 없이, 구독료 없이 텍스트·이미지·음성을 처리하죠. 오늘은 비전공자도 이 기술로 '현장 전용 AI 도구 제작소'를 차려 건당 80만 원을 받는 5단계 실전 가이드를 드립니다.
왜 '작은 AI'가 현장의 정답일까?
거대 모델은 데이터센터급 GPU가 필요하지만, LFM3 계열 소형 멀티모달 모델은 수억~수십억 파라미터로 설계돼 일반 노트북·미니PC에서도 실시간 구동됩니다. 핵심 차이를 한눈에 비교해볼까요?
현장 고객이 돈을 내는 이유는 'AI 성능'이 아니라 '내 데이터가 밖으로 안 나간다는 안심'입니다. 작은 모델이 오히려 비싸게 팔립니다.
건당 80만 원을 만드는 5단계 실전 로드맵
STEP 1~2 · 돈 되는 '반복 업무' 하나를 찾아라
전 과정을 자동화하려 하지 마세요. 가장 지겹고 반복되는 단일 업무 하나만 공략합니다. 예를 들어 피부과의 '상담 음성 → 요약 차트', 식품공장의 '포장 불량 사진 판독', 과수원의 '잎사귀 병충해 이미지 진단', 법률사무소의 '계약서 독소조항 1차 검토'처럼요. 그다음 해당 입력(음성/이미지/텍스트)을 지원하는 소형 멀티모달 모델을 고르면 됩니다.
STEP 3 · 현장 언어를 가르쳐 '전용'으로 만든다
범용 모델에 그 현장만의 검수 기준·전문 용어·판정 예시 수십 개를 넣어주면, 범용 AI가 흉내 못 내는 '그 공장만 아는 불량 기준'이 완성됩니다. 바로 이 특화가 80만 원의 근거입니다.
첫 고객은 '지인이 운영하는 현장'에서 시작하세요. 무료 시범 운영 2주 → 효과 입증 → 유료 전환이 가장 성공률 높은 영업 공식입니다.
STEP 4~5 · 미니PC에 담아 '제품'으로 납품한다
모델을 40~60만 원대 미니PC에 설치하고, 직원이 버튼 한 번으로 쓰는 단순 화면만 입히면 끝입니다. 장비는 고객 비용으로 처리하고, 제작비 80만 원 + 월 유지보수 5~15만 원을 받으면 한 번 만든 노하우로 현장마다 복제 납품이 가능해집니다.
가장 큰 장벽은 '기술'이 아니라 '시작'입니다
사실 모델을 내려받고, 현장 데이터를 붙이고, 미니PC에 올리는 과정은 생각보다 정형화돼 있습니다. 비전공자가 막히는 지점은 코드가 아니라 "어디서부터, 어떤 순서로 손대야 하는지"의 감각이죠.
투더제이(TTJ) 코딩클래스 정규반에서는 이렇게 온디바이스 소형 AI를 직접 설치하고, 현장 데이터로 특화시키고, 실제 납품 가능한 도구로 완성하는 전 과정을 프로젝트 중심으로 함께 만듭니다. 막연한 이론이 아니라 '당장 팔 수 있는 결과물'을 들고 나오는 것을 목표로 하죠. 데이터 주권 시대, 작은 AI 하나로 시작하는 나만의 제작소를 진지하게 고민 중이라면 가볍게 문을 두드려 보세요.
거대한 AI를 만들 필요는 없습니다. 현장 하나의 문제를, 데이터 밖으로 내보내지 않고 푸는 '작은 AI'면 충분합니다.
— 온디바이스 AI가 비전공자에게 열어준 가장 현실적인 기회