정부가 내년 예산 728조 원 가운데 인공지능(AI) 분야에 전년 대비 3배 증가한 10조 1000억 원을 투입하며 AI 강국 진입 의지를 강력히 표명했다. 특히 제조 경쟁력 강화를 위한 1조 1000억 원 규모의 예산은 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등에 집중 투입될 예정이다. 이는 대한민국 미래성장 전략의 핵심 기조로, 산업 전반의 경쟁력 강화를 목표로 하고 있다. 그러나 이러한 막대한 투자와 야심찬 목표에도 불구하고, 산업 AX(Artificial Intelligence Transformation)가 성공적으로 안착하기 위해서는 몇 가지 근본적인 문제점을 해결해야 한다는 지적이 나온다.
가장 시급히 해결해야 할 과제는 ‘성공 사례’의 부재와 ‘현장 중심’의 접근 방식 확립이다. 정부는 2030년까지 AI 팩토리를 500개 이상 구축하겠다는 목표를 제시했지만, 한상기 테크프론티어 대표는 단순히 숫자 채우기에 집중하기보다 실제 제조업의 종류와 규모에 따른 참조 모델을 명확히 하고, 이를 통해 실질적인 성공 사례를 만들어내는 것이 중요하다고 강조한다. 과거 제너럴 일렉트릭(GE)이 화려한 ‘프레딕스’ 플랫폼을 내세웠으나 대상 고객의 기대와 현장의 복잡한 고민을 제대로 이해하지 못해 실패했던 전철을 밟지 않기 위해서다. 성공적인 산업 AX는 멋진 플랫폼 개발이 아닌, 현장의 문제를 해결하는 실질적인 솔루션 제공에서 시작된다.
또한, 피지컬 AI와 같은 신기술 분야는 기회인 동시에 큰 도전 과제이다. 피지컬 AI 학습을 위해서는 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 등을 포괄하는 복잡하고 특수한 데이터 구성이 필요하다. 이는 현재 국내 기술 수준으로 해결하기에는 높은 진입 장벽을 가지고 있다. 엔비디아의 옴니버스와 코스모스 사례처럼, 국내에서도 자체 플랫폼 개발 역량을 갖추거나, 해외 최고 수준의 기술을 효과적으로 도입 활용할 수 있는 전략적 판단이 요구된다. 과거 진행했던 디지털 트윈 과제들의 경쟁력을 냉철하게 재평가하고, 거기서 얻은 교훈을 바탕으로 실질적인 기술력 확보 방안을 모색해야 한다.
더불어, 산업 인프라인 ‘산단’의 특성을 활용한 AI 고도화 전략도 필요하다. 산단의 특징에 기반한 특화 모델 개발과 더불어, 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토도 함께 이루어져야 한다. 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 중소기업 및 스타트업 생태계 구축의 기회이기도 하다. 기업과 AI 전문 기업 간의 라운드테이블을 통해 문제를 공유하고 협업 방안을 모색하며, 우수 사례를 공유하는 시스템 마련이 시급하다. 정부는 산업 AX 모범 사례, 기술 솔루션, 데이터를 개방하는 ‘산업 AI 허브’ 구축을 통해 AI 전환 정보를 자유롭게 공유할 수 있는 환경을 조성해야 한다.
산업 AX의 성공은 결국 현장의 전문가와 AI 개발자 간의 긴밀한 협업과 소통에 달려 있다. 팔란티어와 같이 본사 엔지니어들이 직접 현장에 투입되어 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 고객과 협의하는 방식이 필요하다. 멋진 AI 엔지니어가 사내에서 개발하는 것이 아니라, 현장 엔지니어 및 전문가와 함께 문제를 풀어가는 과정에서 실질적인 성과가 도출된다. 두 문화 간의 간극을 좁히고 효과적인 소통을 지원하는 것이 국가 과제 성공의 가장 중요한 출발점이 될 수 있다. 산업 AX는 우리나라 경쟁력 기반을 다시 세우는 핵심 동력이므로, 민첩한 피드백과 평가, 그리고 끊임없는 개선을 통해 반드시 성공적인 결과물을 만들어내야 하며, 정책적으로도 이러한 기민성을 최대한 살려나가야 할 것이다.
About the Author
