- 600만 건 합성 데이터 기반 한국 사회·문화 맥락 반영

 

오픈소스 공개·비식별 구조로 소버린 AI 개발 기반 강화

엔비디아가 한국형 합성 데이터셋 ‘네모트론-페르소나-코리아(Nemotron-Personas-Korea)’를 공개하고 글로벌 AI 개발 플랫폼 허깅 페이스(Hugging Face)에서 데이터셋 부문 1위를 기록했다.

 

글로벌 데이터셋 경쟁에서 한국어 데이터 존재감 확대

네모트론-페르소나-코리아는 공개 직후 허깅페이스 데이터셋 순위 상위권에 진입하며 글로벌 AI 개발자 커뮤니티에서 빠르게 확산됐다. 한국어 기반 데이터셋이 글로벌 환경에서 상위권을 기록한 사례는 드물어 언어 특화 데이터의 활용 가치와 완성도를 동시에 보여준 사례로 평가된다.

 

600만 건 규모 합성 데이터로 한국 사회 구조 반영

데이터셋은 약 600만 건 규모로 구성되며 대한민국의 인구통계, 지역 분포, 직업 구조를 반영한다. 국가통계포털, 국민건강보험공단, 네이버 클라우드 등 공공·민간 데이터를 기반으로 실제 통계 분포를 모델링했다. 이름, 성별, 연령, 직업, 거주 지역 등 기본 속성뿐 아니라 존댓말 체계와 지역별 직업 패턴까지 반영해 한국어 맥락을 포함했다.

 

AI 학습·추론 품질 개선 위한 데이터 설계

이 데이터셋은 대규모 언어 모델 학습과 추론 단계에서 한국어 응답 품질을 높이는 데 활용하며 사용자 질문 맥락에 맞는 응답 생성과 문화적 표현 이해, 상황별 언어 선택 정확도를 개선한다. 존댓말 체계와 사회적 관계 표현까지 반영해 실제 사용자 환경에 가까운 응답을 지원한다.

 

합성 데이터 기반 개인정보 규제 대응

데이터셋은 실제 개인 정보를 포함하지 않는 완전 합성 데이터로 구성해 개인정보보호법을 준수하며 실제 데이터를 사용하지 않으면서도 통계적 특성을 유지한다. 이를 통해 데이터 활용성과 규제 대응을 동시에 확보하고 금융·공공 등 민감 데이터 환경에서도 적용 범위를 넓힌다.

 

오픈소스 공개로 개발자 활용 범위 확대

네모트론-페르소나-코리아는 오픈소스 라이선스로 공개돼 개발자가 자유롭게 활용할 수 있으며 데이터 다양성 확보와 모델 편향 완화, 응답 정확도 개선에 활용한다. 한국어 기반 챗봇과 추천 시스템, 자동화 서비스 등 다양한 환경으로 적용 범위를 확장한다.

 

국내 AI 생태계 협력 확대

엔비디아는 ‘Nemotron Developer Days Seoul 2026’을 통해 개발자와 기업 간 협업을 확대하며 데이터와 오픈 모델 기반으로 한국형 AI 개발 환경 구축을 지원하고 실제 서비스 적용 사례도 늘린다.

 

#엔비디아 #네모트론페르소나코리아 #합성데이터 #AI데이터 #소버린AI #허깅페이스 #AI플랫폼 #데이터셋