정부가 인공지능(AI) 분야에 대한 강한 의지를 표명하며 내년 예산을 전년 대비 8.1% 증가한 약 728조 원 규모로 편성했다. 특히 AI 3강 진입을 위한 예산은 올해보다 3배 증가한 10조 1000억 원으로 확대되었으며, 이 중 제조 경쟁력 강화를 위한 예산은 1조 1000억 원 규모이다. 이 예산에는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등이 포함된다. 이러한 정책 기조는 대한민국 미래 성장 전략의 핵심 동력으로서 산업, 특히 제조업의 경쟁력을 AI 기술로 강화하는 것을 목표로 하고 있다. 그러나 이러한 정책이 실효성을 거두기 위해서는 몇 가지 중요한 고려사항이 존재한다.
가장 먼저, AI 팩토리 구축 목표인 2030년까지 500개 이상이라는 숫자에 집착하기보다는, 규모와 제조업 종류에 따른 다양한 참조 모델을 개발하고 성공 사례를 집중적으로 만들어내는 것이 중요하다. 과거 제너럴 일렉트릭(GE)이 ‘프레딕스’를 거창하게 내세웠으나 대상 고객의 니즈를 제대로 파악하지 못해 현장 적용에 실패했던 사례는 시사하는 바가 크다. 단순히 멋진 플랫폼을 만드는 데 집중하는 것이 아니라, 실제 현장의 고민을 이해하고 이를 해결하는 데 초점을 맞춰야 한다.
피지컬 AI 분야는 AI 기술의 새로운 화두로 떠오르고 있지만, 동시에 매우 도전적인 영역이다. 피지컬 AI를 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 특화된 데이터 구성이 필수적이다. 이러한 데이터 구축 및 활용 능력은 피지컬 AI 분야의 성공을 위한 핵심 과제가 될 것이다. 엔비디아의 옴니버스나 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성을 인식하고, 국내 자체 플랫폼 개발 역량을 점검하거나 선진 기술 도입을 신중하게 검토해야 한다. 또한, 과거 디지털 트윈 과제의 결과물을 냉철하게 비판하고 교훈을 얻는 과정도 필요하다.
산단이라는 산업 인프라를 활용하여 제조 현장에 특화된 AI 기반 고도화 과업을 명확히 정의하고, 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화와 더불어 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 기회이기도 하다. 이를 위해 기업과 AI 전문 기업 간의 라운드테이블을 통해 문제 공유 및 협업 방안을 모색하고, 우수 사례를 공유하는 장을 마련해야 한다. 또한, 정부는 산업 AX 모범 사례와 관련 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여 AI 전환에 대한 정보가 자유롭게 공유될 수 있도록 지원해야 한다.
산업 AX는 어느 나라도 아직 본 궤도에 오르지 못한 영역이며, 각국의 제조 현장과 문화, 업무 방식이 다르므로 하나의 모델이나 방법론이 보편적으로 적용되기 어렵다. 팔란티어와 같이 고객 현장에 직접 투입되어 문제를 정의하고 해결책을 협의하는 방식처럼, 산업 AX 역시 현장 엔지니어 및 전문가와 함께 과제를 풀어가는 과정을 통해 성과를 도출해야 한다. 두 문화 간의 간극을 좁히고 원활한 협업과 소통을 지원하는 것이 국가 과제 성공의 중요한 출발점이 될 수 있다.
산업 AX는 우리나라의 경쟁력 기반을 재건하는 핵심 과제로서, 반드시 성공 사례를 만들어내고 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 이를 위해서는 정책적으로도 이러한 기민성을 살리는 것이 무엇보다 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
