정부가 오는 2025년 약 728조 원 규모의 예산을 편성하며, 특히 인공지능(AI) 분야에 대한 강력한 의지를 표명했다. AI 3강 진입을 위해 올해보다 3배 늘어난 10조 1000억 원을 투입하며, 그중 제조 경쟁력 강화를 위한 예산으로 1조 1000억 원을 배정했다. 이 예산은 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등에 집중될 예정이다. 산업, 특히 제조업의 경쟁력을 AI 기술로 강화하려는 정부의 이러한 기조는 국가 미래 성장 전략의 핵심 축을 이루고 있다. 하지만 이러한 정책이 실질적인 의미를 갖기 위해서는 몇 가지 중요한 과제를 해결해야 한다.
가장 시급한 과제는 AI 팩토리 구축 목표 달성이다. 정부는 2030년까지 500개 이상의 AI 팩토리를 구축하겠다는 계획을 발표했지만, 단순히 양적인 목표에 집착하기보다는 제조업의 다양한 규모와 종류에 맞는 참조 모델을 개발하고, 실제적인 성공 사례를 만들어내는 데 집중해야 한다. 제너럴 일렉트릭(GE)이 ‘프레딕스(Predix)’ 플랫폼을 야심차게 내세웠으나 고객의 니즈를 제대로 파악하지 못해 실패했던 사례를 잊지 말아야 한다. 이는 성공적인 AI 도입이 기술 자체보다는 현장의 이해와 적용에 달려 있음을 보여준다.
피지컬 AI 분야 역시 새로운 기회인 동시에 잠재적 위험 요소를 안고 있다. 피지컬 AI를 위한 데이터는 기존 AI 학습 데이터와는 차원이 다르다. 인과 관계, 추론 메타데이터, 다양한 맥락과 비정형적 상황, 시공간적 일관성, 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 복잡하고 새로운 특성을 가진 데이터 구성이 필수적이며, 이는 피지컬 AI 분야의 첫 번째 난관이 될 것이다. 엔비디아의 옴니버스와 코스모스 사례에서 보듯, 디지털 트윈과 피지컬 AI 학습 플랫폼의 중요성은 매우 크다. 국내 기술 수준을 냉철하게 평가하고, 필요하다면 해외 선진 기술 도입을 신중하게 검토해야 한다.
국내에 산단이라는 산업 인프라가 존재한다는 점은 AI 기반 고도화에 유리한 조건이다. 산단의 특징을 기반으로 AI 특화 모델을 개발하고, 팔란티어의 온톨로지 모델과 같은 복합 솔루션 검토도 필요하다. 더불어, 산업 AX는 제조업 경쟁력 강화뿐만 아니라 특화된 중소기업 및 스타트업 생태계를 구축할 기회이기도 하다. 기업과 AI 전문 기업 간의 협력을 위한 라운드테이블을 운영하고, 우수 사례를 공유하며, 정부는 산업 AI 허브 구축을 통해 AI 전환에 대한 정보가 자유롭게 흐르도록 지원해야 한다.
산업 AX는 아직 어느 나라에서도 본격 궤도에 오르지 못한 영역이며, 각국의 제조 현장과 문화, 업무 방식이 다르기에 단일 모델이나 방법론이 모두에게 적용될 수는 없다. 팔란티어가 현장 엔지니어와 협력하여 문제를 정의하고 해결책을 제시하듯, 산업 AX 또한 현장 전문가와 AI 엔지니어 간의 긴밀한 협업과 소통이 성공의 열쇠가 될 것이다. 두 문화 간의 간극을 좁히는 것이 이 국가 과제를 성공적으로 추진하는 가장 중요한 출발점이 될 수 있다.
산업 AX는 대한민국의 경쟁력 기반을 재건하는 사업이므로, 반드시 성공 사례를 만들고 끊임없는 피드백, 평가, 개선이 민첩하게 이루어져야 한다. 이러한 기민성을 정책적으로 뒷받침하는 것이 중요하다.
◆ 한상기 테크프론티어 대표
서울대 컴퓨터공학과 1회 졸업생으로 1980년대 카이스트에서 인공지능 주제로 석박사 학위를 취득했다. 삼성종합기술원, 삼성전자 등에서 활동했으며 1999년 벤처포트 설립, 2003년 다음커뮤니케이션(현 카카오) 전략대표와 일본 법인장을 역임했다. 카이스트와 세종대 교수를 거쳐 2011년부터 테크프론티어 대표를 맡고 있다. 데이터 경제 포럼 의원, AI챌린지 기획, AI데이터 세트 구축 총괄 기획위원 등을 역임했다. 대표 저서로는
About the Author
