대한민국 제조업의 경쟁력 기반이 흔들리고 있다는 위기감이 고조되고 있다. 이러한 상황에서 정부가 내년 예산을 약 728조 원 규모로 편성하며, 특히 인공지능(AI) 분야에 대한 집중 투자를 예고한 것은 시의적절한 조치로 평가된다. AI 3강 진입을 위한 예산을 올해보다 3배 증가한 10조 1000억 원으로 대폭 확대했으며, 그중 제조 경쟁력 강화를 위한 예산으로 1조 1000억 원을 배정했다. 이는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등 미래 제조 경쟁력 확보를 위한 구체적인 사업들을 포함한다.
하지만 이러한 정책적 의지가 실효성을 거두기 위해서는 몇 가지 근본적인 문제 해결이 선행되어야 한다. 먼저, AI 팩토리를 2030년까지 500개 이상 구축하겠다는 목표는 숫자에 대한 집착으로 이어질 수 있다는 우려가 제기된다. 과거 제너럴 일렉트릭(GE)의 프레딕스(Predix) 사례에서 보듯, 대상 고객의 실제 기대와 고민을 제대로 이해하지 못한 채 거창한 플랫폼 구축에만 집중하는 것은 현장 적용의 실패로 이어질 수 있다. 따라서 500개라는 숫자보다는 규모와 제조업 종류에 따른 실질적인 참조 모델과 성공 사례를 만드는 데 집중하는 것이 더욱 중요하다.
피지컬 AI 분야 역시 새로운 기회와 동시에 위험 요소를 안고 있다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 근본적으로 다르다. 여기에는 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터와 같이 고도로 복잡하고 특화된 데이터 구성이 요구된다. 이는 피지컬 AI 분야에서 최초로 마주하는 매우 어려운 도전 과제가 될 것이다. 엔비디아의 옴니버스와 코스모스와 같은 성공적인 디지털 트윈 및 피지컬 AI 학습 플랫폼의 사례는 이러한 기술 도입의 중요성을 보여준다. 국내 기술 수준과 경쟁력을 냉철하게 되짚어보고, 자체 개발과 기술 도입이라는 중요한 의사 결정을 신중하게 내려야 한다.
산업 단지라는 강력한 산업 인프라를 보유하고 있다는 점은 AI 기반 제조업 고도화를 위한 중요한 기회 요인이다. 산업 단지의 특징에 기반한 명확한 AI 과업 정의와 특화 모델 개발이 필요하며, 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 병행해야 한다. 또한, 산업 AX는 제조업 경쟁력 강화와 더불어 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 좋은 기회이다. 기업과 AI 전문기업 간의 라운드테이블 운영, 우수 사례 공유, 그리고 정부 주도의 산업 AI 허브 구축을 통해 AI 전환에 대한 정보가 자유롭게 흐르고 협업이 활성화될 수 있도록 지원해야 한다.
산업 AX는 아직 어느 나라도 본 궤도에 오르지 못한 영역이며, 각국의 제조 현장, 문화, 업무 방식에 따라 적용 가능한 모델이나 방법론이 달라진다. 팔란티어의 사례처럼, 단순히 솔루션이나 플랫폼을 제공하는 것을 넘어 현장에서 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 협의하는 과정이 필수적이다. 산업 AX는 현장 엔지니어 및 전문가와 함께 과제를 풀어가는 과정을 통해 성과를 창출해야 하며, 이 과정에서 발생하는 두 문화 간의 간극과 소통 문제를 원활하게 지원하는 것이 국가 과제 성공의 가장 중요한 출발점이 될 수 있다.
결론적으로, 산업 AX는 대한민국의 경쟁력 기반을 다시 세우는 핵심 과제이다. 따라서 성공적인 케이스를 반드시 만들어내고, 끊임없는 피드백, 평가, 그리고 민첩한 개선이 이루어져야 한다. 정책적으로도 이러한 기민성을 살려나가는 것이 무엇보다 중요하며, 이를 통해 제조업 경쟁력 약화라는 문제를 극복하고 미래 성장 동력을 확보해야 할 것이다.
About the Author
