정부가 내년 예산 약 728조 원 규모를 편성하며, 특히 인공지능(AI) 분야에 대한 강력한 의지를 표명했다. AI 3강 진입을 위해 올해보다 3배 증가한 10조 1000억 원을 투입하는 가운데, 제조 경쟁력 강화를 위한 예산 또한 1조 1000억 원 규모로 책정되었다. 이 예산은 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등에 집중 투입된다. 이러한 정책은 대한민국 미래 성장 전략의 핵심 틀로서, AI 기술을 통해 산업, 특히 제조업의 경쟁력을 획기적으로 강화하려는 분명한 목표를 가지고 있다. 하지만 이러한 정책이 실효성을 거두기 위해서는 몇 가지 근본적인 문제점 해결과 전략적 접근이 필요하다.
정부는 2030년까지 500개 이상의 AI 팩토리 구축을 목표로 하고 있으나, 단순히 숫자 달성에 집착하는 것은 위험하다. 과거 제너럴 일렉트릭(GE)이 ‘프레딕스’ 플랫폼으로 산업 인터넷 시대를 열려 했으나, 대상 고객의 실제 고민과 현장 적용에 대한 이해 부족으로 실패한 사례를 잊어서는 안 된다. 성공의 열쇠는 규모보다는 제조업의 다양한 종류에 따른 참조 모델을 잘 만들고, 이를 통해 구체적인 성공 사례를 축적하는 데 있다.
특히 피지컬 AI 분야는 AI 기술의 새로운 화두로 떠오르고 있지만, 이는 동시에 큰 도전 과제이기도 하다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 근본적으로 다르다. 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성, 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 복잡하고 특수한 데이터 구성이 요구된다. 이는 피지컬 AI 분야에서 마주하게 될 매우 어려운 허들이다. 엔비디아의 옴니버스나 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성을 고려할 때, 국내 자체 플랫폼 구축 역량을 냉철히 평가하고, 필요하다면 해외 선도 기술 도입을 신중하게 검토해야 한다. 과거 진행했던 디지털 트윈 과제의 경쟁력을 되짚어보고, 거기서 얻은 교훈을 바탕으로 나아가야 한다.
국내에 구축된 산단이라는 산업 인프라를 활용하여, 산단의 특징에 맞는 AI 기반 고도화 과제를 명확히 정의하는 것이 중요하다. 이를 위해 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 필요하다. 산업 AX 전환은 제조업 경쟁력 강화뿐만 아니라, 이 분야 특화 중소기업 및 스타트업 생태계 구축의 기회가 될 수 있다. 정부는 기업과 AI 전문기업 간의 라운드테이블을 마련하여 문제 공유 및 협업 방안을 모색하고, 우수 사례를 적극적으로 공유하도록 지원해야 한다. 또한, 산업 AI 허브와 같은 공간을 조성하여 모범 사례, 기술 솔루션, 데이터를 개방하고, 동일 업종 내 다른 사업장의 AI 전환 사례 정보를 자유롭게 공유할 수 있도록 해야 한다.
과거 정책에서 성공을 거둔 프로그램들을 계승하는 것도 중요하지만, 산업 AX는 아직 전 세계적으로도 본격 궤도에 오르지 못한 영역이며, 각 나라의 제조 현장, 문화, 업무 방식이 다르기에 일률적인 모델이나 방법론은 통하지 않는다. 팔란티어와 같이 현장 엔지니어들이 고객과 직접 소통하며 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 협의하는 방식의 접근이 요구된다. 산업 AX는 현장에 투입된 AI 엔지니어가 현장 전문가와 함께 과제를 풀어가는 과정에서 성과가 도출된다. 두 문화 간의 간극과 소통 문제는 이 국가 과제의 성공을 위한 가장 중요한 출발점이 될 수 있다.
다른 AI 과제들 또한 국가적으로 중요하지만, 산업 AX는 대한민국 제조업 경쟁력 기반을 재건하는 핵심 과제이다. 따라서 반드시 성공 케이스를 만들어내고, 끊임없는 피드백과 평가, 그리고 신속한 개선이 이루어져야 한다. 이러한 기민성을 정책적으로 뒷받침하는 것이 성공적인 산업 AX 전환을 위한 필수 조건이다.
답글 남기기