대한민국 제조업의 경쟁력 기반이 흔들리고 있다는 우려의 목소리가 커지고 있다. 인공지능(AI) 기술을 통한 산업 전환, 즉 산업 AX(Artificial Intelligence Transformation)가 국가 경쟁력의 핵심 과제로 부상했지만, 이를 실질적으로 성공시키기 위한 구체적인 방안과 정책적 지원이 시급한 상황이다. 정부는 2025년 예산 약 728조 원 중 AI 3강 진입을 위해 전년 대비 3배 증가한 10조 1000억 원을 투입하는 등 AI 분야에 대한 강력한 의지를 표명했다. 특히 제조 경쟁력 강화를 위해 1조 1000억 원 규모의 예산을 편성하고 AI 팩토리, 피지컬 AI, 휴머노이드, 온 디바이스 AI 개발 등을 포함한 구체적인 프로젝트를 추진하고 있다. 그러나 이러한 정책들이 단순한 예산 투입에 그치지 않고 실질적인 성과로 이어지기 위해서는 몇 가지 중요한 고려사항이 존재한다.
정부는 2030년까지 AI 팩토리를 500개 이상 구축하겠다는 목표를 제시했지만, 전문가들은 숫자에 집착하기보다 규모와 제조업 종류에 따른 참조 모델을 잘 만들고 성공 사례를 집중적으로 구현하는 것이 더 중요하다고 지적한다. 과거 제너럴 일렉트릭(GE)이 산업 인터넷 플랫폼 ‘프레딕스’를 야심 차게 내세웠으나, 대상 고객의 기대와 고민을 제대로 이해하지 못하고 현장 적용에 실패했던 사례는 이러한 접근의 위험성을 시사한다. 또한, 새롭게 부상하는 피지컬 AI 분야는 기존 AI 학습 데이터와는 성격이 다른, 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등을 포함하는 고도의 데이터 구성이 요구된다. 이는 피지컬 AI 분야가 마주한 매우 어려운 도전 과제이며, 엔비디아의 옴니버스와 코스모스와 같은 플랫폼의 중요성을 다시 한번 부각시킨다. 국내에서 진행된 디지털 트윈 과제들의 경쟁력을 냉철하게 재평가하고, 부족한 부분에 대한 교훈을 얻는 과정이 필수적이다.
산업 인프라와 연계한 AI 기반 고도화 전략 역시 중요하다. 산단(산업단지)의 특징에 기반한 특화 모델을 고민하고, 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 필요하다. 더 나아가, 산업 AX는 제조업 경쟁력 강화뿐만 아니라 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 좋은 기회이다. 이를 위해 기업과 AI 전문기업 간의 라운드테이블을 마련하여 문제 공유 및 협업 방안을 모색하고, 우수 사례를 적극적으로 공유해야 한다. 정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여 정보의 자유로운 흐름을 지원해야 한다.
산업 AX는 아직 어느 나라도 본 궤도에 오르지 못한 영역이며, 각국의 제조 현장, 문화, 업무 방식이 다르기에 단일 모델이나 방법론이 모든 곳에 적용될 수 없다. 팔란티어와 같이 본사 엔지니어가 현장에 직접 투입되어 고객과 함께 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 협의하는 방식이 필요하다. 산업 AX는 멋진 AI 엔지니어가 회사 안에서 개발하는 것이 아니라, 현장에 투입되어 현장 엔지니어 및 전문가와 협력하여 과제를 해결해 나갈 때 비로소 성과가 나온다. 두 문화 간의 간극과 소통 문제를 원활하게 돕는 것이 국가 과제 성공의 가장 중요한 출발점이 될 수 있다.
결론적으로, 산업 AX는 대한민국 제조업의 경쟁력 기반을 재건하는 중차대한 과제이다. 이를 위해서는 반드시 성공 사례를 만들어내고, 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 정부 정책 역시 이러한 기민성을 살리는 방향으로 나아가야 하며, 현장의 목소리에 귀 기울이고 실질적인 해결책을 제시하는 ‘현장 밀착형’ 접근 방식이 절실히 요구된다.
About the Author
