우리 경제의 근간을 이루는 산업, 특히 제조업의 경쟁력을 AI 기술로 한 단계 끌어올리려는 정부의 노력이 본격화되고 있다. 정부는 내년 예산 728조 원 중 AI 3강 진입을 위해 올해보다 3배 증가한 10조 1000억 원을 투입하며, 이 중 제조 경쟁력 강화에 1조 1000억 원을 배정했다. 이는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등 구체적인 사업을 통해 실현될 예정이다. 그러나 이러한 정책이 단순한 예산 투입으로 그치지 않고 실질적인 성과를 거두기 위해서는 몇 가지 중요한 점을 반드시 고려해야 한다.
산업 AX(Artificial Intelligence Transformation)는 단순히 새로운 기술을 도입하는 차원을 넘어, 우리 제조업의 경쟁력 기반을 근본적으로 재설정하는 과제이다. 한상기 테크프론티어 대표는 이러한 산업 AX가 성공적으로 안착하기 위해서는 ‘성공 케이스’를 만들어내고, 끊임없는 피드백과 평가, 그리고 이를 바탕으로 한 민첩한 개선이 필수적이라고 강조한다. 정책적으로도 이러한 기민성을 살리는 것이 무엇보다 중요하다는 지적이다.
먼저, 정부가 목표로 삼고 있는 2030년까지 500개 이상의 AI 팩토리 구축은 단순히 수치에 집중하기보다, 제조업의 다양한 규모와 종류에 맞는 참조 모델과 성공 사례를 만드는 것에 더욱 집중해야 한다. 과거 제너럴 일렉트릭(GE)이 야심 차게 추진했던 프레딕스(Predix) 플랫폼이 결국 실패로 돌아간 사례는 우리에게 중요한 교훈을 준다. 대상 고객의 실제적인 기대와 고민을 제대로 이해하지 못하고 화려한 플랫폼 구축에만 몰두했던 GE의 실패를 잊지 말아야 한다.
피지컬 AI 분야는 현재 AI 기술의 새로운 화두로 떠오르며 기회인 동시에 위험 요소로 작용할 수 있다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 성격이 다르다. 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 고유한 특성을 가진 데이터 구성이 요구되며, 이는 피지컬 AI 분야에서 마주하게 될 매우 어려운 도전이다. 엔비디아의 옴니버스와 코스모스와 같은 플랫폼의 중요성을 감안할 때, 우리가 자체적으로 이러한 수준의 플랫폼을 구축할 것인지, 아니면 기존의 높은 수준의 기술을 도입하여 활용할 것인지에 대한 신중한 의사 결정이 필요하다. 또한, 국내에서 그동안 진행된 디지털 트윈 과제들의 경쟁력을 냉철하게 재평가하고, 어떤 교훈을 얻었는지 성찰해야 한다.
우리에게는 산업단지라는 강력한 산업 인프라가 존재한다. 이러한 인프라의 특징을 기반으로 AI 기반 고도화 과업을 명확히 정의하고, 이에 맞는 특화 모델을 고민해야 한다. 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화와 더불어, 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 절호의 기회가 될 수 있다. 기업과 AI 전문기업이 함께 문제를 공유하고 협업 방안을 모색하며 우수 사례를 공유할 수 있는 라운드테이블 구성이 시급하다.
정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 공유할 수 있는 ‘산업 AI 허브’와 같은 공간을 마련하여, 동일 업종의 다른 사업장에서 AI 전환 사례에 대한 정보가 자유롭게 흐르도록 해야 한다. 또한, 기존 정책에서 좋은 성과를 보였던 프로그램들을 계승하는 것도 중요하지만, 산업 AX는 어느 나라도 아직 본 궤도에 오르지 못한 영역이며 각국의 제조 현장과 문화, 업무 방식이 다르기에 단일 모델이나 방법론이 모두에게 적용될 수는 없다.
팔란티어와 같이 솔루션과 플랫폼 제공을 넘어, 본사 엔지니어들이 직접 현장에 투입되어 문제 정의, 효과 분석, 데이터 확보 등을 고객과 긴밀히 협의하는 방식이 필요하다. 산업 AX는 단순히 AI 엔지니어들이 개발하는 것이 아니라, 현장에 투입되어 현장 엔지니어 및 전문가와 함께 문제를 풀어가는 과제를 통해 성과가 나온다. 두 문화 간의 간극과 소통 문제를 원활하게 돕는 것이 국가 과제 성공의 중요한 출발점이 될 수 있다.
산업 AX는 우리 나라의 경쟁력 기반을 다시 세우는 핵심 과제로서, 반드시 성공 케이스를 만들어내고 이를 바탕으로 지속적인 피드백과 평가, 개선을 민첩하게 수행해야 한다. 이러한 노력만이 AI 기술을 통한 산업 경쟁력 강화라는 목표를 실현하고, 대한민국 경제의 미래를 굳건히 다질 수 있을 것이다.
About the Author
