대한민국의 미래 경쟁력의 핵심 축으로 부상한 산업 인공지능(AI) 전환, 즉 산업 AX는 2025년, 정부의 728조 원 규모 예산 편성으로 본격적인 실행 단계에 돌입한다. 특히 AI 3강 진입을 위한 예산이 전년 대비 3배 증가한 10조 1000억 원으로 확대된 가운데, 제조 경쟁력 강화를 위한 1조 1000억 원이 투입된다. 이 예산은 AI 팩토리 구축, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등 구체적인 과제에 집중될 예정이다. 하지만 이러한 정책적 의지 표명만으로는 실효성을 담보하기 어렵다. 산업 AX의 성공은 곧 국가 경쟁력의 기반을 재정립하는 과제이기에, 해결해야 할 근본적인 ‘문제점’에 대한 깊이 있는 분석과 민첩한 대응이 요구된다.
정부는 2030년까지 AI 팩토리 500개 이상 구축을 목표로 하고 있지만, 단순히 숫자에 집착하는 것은 위험하다. 과거 제너럴 일렉트릭(GE)이 야심 차게 내세웠던 산업 인터넷 플랫폼 ‘프레딕스(Predix)’가 고객의 현장 상황과 요구를 제대로 이해하지 못해 실패로 돌아간 사례에서 교훈을 얻어야 한다. 이는 대규모 플랫폼 구축 자체보다, 대상 산업의 종류와 규모에 맞는 참조 모델을 개발하고 성공 사례를 축적하는 것이 더욱 중요함을 시사한다. 또한, 새롭게 부상하는 피지컬 AI 분야는 기회인 동시에 난제다. 기존 AI 학습 데이터와는 차원이 다른, 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 복합적인 특성을 갖춘 데이터 구축이 필수적이며, 이는 피지컬 AI 분야가 직면한 가장 어려운 도전 과제 중 하나다.
이러한 문제들을 해결하기 위해 정부는 여러 가지 솔루션을 제시하고 있다. 국내 산업 인프라인 산단의 특징을 고려한 맞춤형 AI 기반 고도화 과업 정의와 특화 모델 개발을 모색해야 한다. 더 나아가 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화와 더불어, 이 분야 특화 중소기업 및 스타트업 생태계를 구축할 수 있는 절호의 기회이기도 하다. 이를 위해 기업과 AI 전문기업 간의 라운드테이블을 활성화하여 문제점을 공유하고 협업 방안을 모색하며, 우수 사례 공유를 촉진해야 한다. 정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방할 수 있는 ‘산업 AI 허브’를 구축하여, 업종별 AI 전환 정보를 자유롭게 공유하고 확산하는 역할을 수행해야 한다.
또한, 산업 AX는 어느 국가도 아직 본 궤도에 오르지 못한 새로운 영역이기에, 각 나라의 제조 현장, 문화, 업무 방식에 따른 차이를 인정하고 유연한 접근이 필요하다. 팔란티어가 고객 현장에 직접 투입되어 문제 정의부터 효과 분석, 데이터 확보까지 협업하는 방식처럼, 국내 산업 AX 역시 멋진 AI 엔지니어링 자체보다 현장 엔지니어 및 전문가와의 긴밀한 협업을 통해 성과를 도출해야 한다. 두 문화 간의 간극을 줄이고 원활한 소통을 지원하는 것이 국가 과제 성공의 핵심 출발점이 될 수 있다.
산업 AX는 대한민국 경쟁력 기반을 다시 세우는 중대한 과제로서, 반드시 성공 사례를 만들어내고 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 정부의 정책 역시 이러한 기민성을 살려 유연하게 대응해야만, AI를 통한 제조업 경쟁력 강화라는 목표를 달성할 수 있을 것이다.
About the Author
