대한민국 제조업의 근본적인 경쟁력이 약화되고 있다는 우려 속에서, 정부가 인공지능(AI) 기술을 통한 돌파구 마련에 나섰다. 내년 예산 728조 원 중 AI 분야에만 올해 대비 3배 증가한 10조 1000억 원을 투입하며 AI 3강 진입에 대한 강력한 의지를 표명한 것이다. 특히 제조 경쟁력 강화를 위해 1조 1000억 원 규모의 예산이 배정되었으며, 이는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등을 포함한다. 이러한 정책적 결정은 우리 경제의 미래 성장 동력 확보라는 중요한 과제와 직결된다.
하지만 이러한 정책이 실효성을 거두기 위해서는 몇 가지 심도 깊은 고민이 필요하다. 한상기 테크프론티어 대표는 “산업 AX는 우리 나라의 경쟁력 기반을 다시 세우는 것이기 때문에 반드시 성공 케이스를 만들어 내고 끊임없는 피드백과 평가, 그리고 개선이 민첩하게 이루어져야 한다”고 강조하며, 정책적인 기민성의 중요성을 역설한다.
우선, 2030년까지 500개 이상의 AI 팩토리 구축 목표는 단순한 숫자 달성이 아닌, 실제적인 성공 사례 창출에 초점을 맞춰야 한다. 제조업의 다양한 규모와 종류에 따른 참조 모델을 명확히 제시하고, 이를 성공적으로 구현한 케이스를 집중적으로 확보하는 것이 중요하다. 과거 제너럴 일렉트릭(GE)이 산업 인터넷 플랫폼 ‘프레딕스’를 거창하게 내세웠지만, 대상 고객의 기대를 제대로 이해하지 못하고 현장 적용에 실패했던 사례는 이러한 접근 방식의 위험성을 시사한다.
더불어, 피지컬 AI 분야는 새로운 기회이자 동시에 극복해야 할 난관이다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 차원이 다르다. 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성, 멀티모달 통합, 그리고 상호작용 및 에이전트 행동 데이터 등 특화된 구성이 요구된다. 이는 피지컬 AI 분야가 직면한 매우 어려운 도전 과제이다. 엔비디아의 옴니버스와 코스모스와 같은 플랫폼의 중요성을 인식하고, 국내 자체 플랫폼 구축 여부 또는 외부 기술 도입에 대한 신중한 의사 결정이 필요하다. 과거 국내에서 진행된 디지털 트윈 과제들의 성과를 냉철하게 되돌아보고, 그로부터 얻은 교훈을 바탕으로 경쟁력 있는 플랫폼 개발 방안을 모색해야 한다.
산업 인프라로서 산단(산업단지)의 특징을 활용한 AI 기반 고도화 과제 정의와 특화 모델 개발이 필수적이다. 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 이 분야 특화 중소기업 및 스타트업 생태계 구축에도 중요한 기회가 될 수 있다. 기업과 AI 전문기업 간의 라운드테이블을 통해 문제를 공유하고 협업 방안을 모색하며, 우수 사례 공유를 활성화해야 한다. 정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여, AI 전환에 대한 정보가 자유롭게 흐르도록 지원해야 한다.
기존 성공 프로그램의 계승도 중요하지만, 산업 AX는 아직 어느 나라도 본 궤도에 오르지 못한 영역이며, 각 나라의 제조 현장과 문화, 업무 방식에 따른 차이로 인해 단일 모델이나 방법론 적용은 어렵다. 팔란티어처럼 단순히 솔루션과 플랫폼을 제공하는 것을 넘어, 현장에 투입된 엔지니어들이 고객과 함께 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 협의하는 방식으로 접근해야 한다. 산업 AX의 성공은 멋진 AI 엔지니어가 자체적으로 개발하는 것이 아니라, 현장 엔지니어 및 전문가와 함께 풀어가는 과제를 통해 달성된다. 두 문화 간의 간극과 소통 문제를 원활하게 지원하는 것이 국가 과제 성공의 중요한 출발점이 될 수 있다.
결론적으로, 산업 AX는 대한민국 제조업의 경쟁력 기반을 재건하는 핵심 과제이며, 성공적인 실행을 위해서는 정책적인 기민성과 더불어 끊임없는 피드백, 평가, 개선의 과정이 필수적으로 요구된다. 이러한 노력이 뒷받침될 때, AI 기술은 산업 경쟁력 강화라는 목표를 달성하는 데 중요한 역할을 할 것으로 기대된다.
답글 남기기