대한민국의 미래 성장 동력이 될 산업 경쟁력 강화라는 막중한 과제에 직면해 있다. 특히 제조 분야의 경쟁력을 AI 기술로 혁신하려는 정부의 의지가 2025년 예산안에 뚜렷하게 반영되었다. 정부는 총 728조 원 규모의 예산을 편성했으며, 이 중 AI 3강 진입을 위해 전년 대비 3배 증가한 10조 1000억 원을 투입하기로 했다. 특히 제조 경쟁력 강화를 위한 예산은 1조 1000억 원 규모로, AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등 핵심 분야에 집중될 예정이다. 이러한 대규모 투자는 AI 기술을 통해 산업 경쟁력을 재고하고, 궁극적으로 국가 경쟁력의 기반을 재건하겠다는 정부의 강력한 의지를 보여준다.
그러나 막대한 예산 투입만으로는 성공을 보장할 수 없다. 이러한 정책들이 실효성을 거두기 위해서는 몇 가지 중요한 점을 고려해야 한다. 우선, 2030년까지 AI 팩토리 500개 이상 구축이라는 목표에 집착하기보다, 규모와 제조업의 종류에 따른 참조 모델을 구축하고 실질적인 성공 사례를 만드는 데 더욱 집중해야 한다. 과거 제너럴 일렉트릭(GE)이 야심차게 내세웠던 프레딕스(Predix) 플랫폼이 대상 고객의 현장 이해 부족으로 실패했던 사례는 우리에게 중요한 교훈을 준다. 즉, 단순히 멋진 기술이나 플랫폼을 만드는 것을 넘어, 실제 현장의 문제점과 고객의 니즈를 정확히 파악하고 이를 해결하는 데 초점을 맞춰야 한다.
새롭게 부상하는 피지컬 AI 분야는 기회인 동시에 위험 요소이다. 피지컬 AI 학습을 위한 데이터는 기존 AI 학습 데이터와는 근본적으로 다르다. 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 새로운 특성의 데이터 구성이 필수적이며, 이는 피지컬 AI 분야에서 마주하게 될 매우 어려운 도전이다. 엔비디아의 옴니버스와 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성을 고려할 때, 자체적인 플랫폼 개발 역량을 확보할 것인지, 아니면 선진 기술을 도입 활용할 것인지에 대한 신중한 의사 결정이 필요하다. 국내에서 진행되었던 디지털 트윈 과제들의 경쟁력을 냉철하게 되짚어보고, 얻은 교훈을 바탕으로 전략을 재정비해야 한다.
대한민국이 보유한 산업단지라는 강력한 인프라를 활용하여, 산단의 특징에 기반한 AI 고도화 과업을 명확히 정의하고 특화 모델을 개발하는 것이 중요하다. 또한, 팔란티어의 온톨로지 모델과 같이 복합적인 솔루션 도입도 검토해야 한다. 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 절호의 기회이다. 정부는 기업과 AI 전문기업 간의 라운드테이블을 마련하여 문제 공유와 협업 방안을 모색하고, 우수 사례를 공유하는 장을 제공해야 한다. 더 나아가, 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방하는 ‘산업 AI 허브’와 같은 공간을 조성하여, 누구나 AI 전환에 대한 정보를 자유롭게 얻을 수 있도록 해야 한다.
기존 정책의 성공 사례를 계승하는 것도 중요하지만, 산업 AX는 아직 어느 나라도 본격적인 궤도에 오르지 못한 영역이다. 각국의 제조 현장, 문화, 업무 방식이 다르기 때문에 단일 모델이나 방법론이 모두에게 적용될 수는 없다. 팔란티어와 같이 현장에 직접 투입되어 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 고객과 협의하는 접근 방식이 필요하다. 산업 AX는 단순히 AI 전문가들이 사내에서 개발하는 것이 아니라, 현장 엔지니어 및 전문가와 협력하여 현장의 문제를 풀어가는 과정을 통해 실질적인 성과를 창출해야 한다. 이러한 문화적 간극과 소통의 문제를 원활하게 지원하는 것이 국가 과제 성공의 핵심 출발점이 될 것이다.
산업 AX는 대한민국의 경쟁력 기반을 재건하는 핵심 과제이므로, 반드시 성공 사례를 만들어야 한다. 이를 위해 끊임없는 피드백과 평가, 그리고 민첩한 개선이 필수적이며, 정책적 측면에서도 이러한 기민성을 최대한 살려야만 성공적인 산업 경쟁력 강화가 가능할 것이다.
About the Author
