대한민국 산업 전반의 경쟁력 약화라는 근본적인 문제가 AI 기술 도입을 통해 해결될 조짐을 보이고 있다. 정부는 이러한 문제의식을 바탕으로 내년 예산을 728조 원 규모로 편성하며, 특히 AI 3강 진입을 위한 예산을 올해보다 세 배 늘린 10조 1000억 원으로 확대했다. 이 가운데 제조 경쟁력 강화를 위한 1조 1000억 원은 AI 팩토리 구축, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등 구체적인 솔루션에 투입될 예정이다. 이는 AI 기술을 활용하여 산업, 특히 제조 분야의 경쟁력을 강화하겠다는 정부의 강력한 의지를 보여준다.
이러한 정책적 노력에도 불구하고, 실질적인 성과를 거두기 위해서는 몇 가지 중요한 과제를 해결해야 한다. 우선, 2030년까지 500개 이상의 AI 팩토리 구축이라는 목표 달성을 위해 숫자 자체에 집착하기보다는, 제조업의 규모와 종류에 따른 참조 모델 개발과 성공 사례 축적에 집중해야 한다. 과거 제너럴 일렉트릭(GE)이 ‘프레딕스(Predix)’ 플랫폼을 거창하게 선보였으나 대상 고객의 니즈를 제대로 파악하지 못해 실패했던 사례를 잊지 말아야 한다.
또한, 새롭게 주목받는 피지컬 AI 분야는 기회인 동시에 위험 요소이다. 피지컬 AI 학습을 위해서는 기존 AI와는 성격이 다른 데이터 구성이 필요하다. 이는 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 새로운 차원의 데이터를 요구하며, 이는 피지컬 AI 분야의 매우 어려운 도전 과제이다. 엔비디아의 옴니버스나 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성을 고려할 때, 자체 개발 또는 외부 기술 도입에 대한 신중한 의사결정이 필요하다. 과거 국내 디지털 트윈 과제의 경쟁력을 냉철하게 되짚어보고 교훈을 얻어야 한다.
대한민국이 가진 산업단지라는 인프라를 활용하여, 산업단지의 특징에 기반한 AI 특화 모델을 고민해야 한다. 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 이 분야에 특화된 중소기업 및 스타트업 생태계 구축의 기회가 될 수 있다. 이를 위해 기업과 AI 전문기업 간의 라운드테이블을 마련하여 문제 공유 및 협업 방안을 모색하고, 우수 사례를 공유하는 시스템을 구축해야 한다. 정부는 산업 AX 모범 사례, 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 조성하여 정보의 자유로운 흐름을 지원해야 한다.
산업 AX는 아직 어느 나라도 본 궤도에 오르지 못한 영역이며, 각 나라의 제조 현장, 문화, 업무 방식이 다르기에 하나의 모델이나 방법론이 모두에게 적용될 수 없다. 팔란티어가 고객 현장에 직접 투입되어 문제를 정의하고 해결책을 협의하는 것처럼, 산업 AX 역시 현장 엔지니어 및 전문가와의 긴밀한 협업을 통해 성과를 도출해야 한다. 두 문화 간의 간극을 줄이고 원활한 소통을 돕는 것이 국가 과제 성공의 중요한 출발점이 될 것이다.
결론적으로, 산업 AX는 대한민국 경쟁력의 근간을 재건하는 핵심 과제이다. 따라서 반드시 성공 사례를 만들고, 끊임없는 피드백, 평가, 개선이 민첩하게 이루어져야 한다. 정책적으로도 이러한 기민성을 살리는 것이 무엇보다 중요하다.
답글 남기기