[카테고리:] IT/과학

인프라 프로젝트의 성공을 가로막는 고질적인 문제는 바로 분산되고 단절된 데이터다. 각기 다른 시스템과 형식으로 저장된 정보는 부서 간의 협업을 저해하고, 비효율성을 야기하며, 결국 프로젝트 지연과 비용 증가라는 근본적인 어려움으로 이어진다. 이러한 데이터 파편화 문제는 인프라 산업 전반에 걸쳐 오랜 시간 해결되지 못한 과제로 남아 있었다.

이러한 복잡한 문제를 해결하기 위해, 벤틀리 시스템즈(Bentley Systems)는 ‘벤틀리 인프라스트럭처 클라우드 커넥트(Bentley Infrastructure Cloud Connect)’를 발표하며 새로운 솔루션을 제시한다. 이는 벤틀리 인프라스트럭처 클라우드(Bentley Infrastructure Cloud)의 핵심적인 기반 레이어로서, 기존에 분산되어 있던 다양한 인프라 관련 데이터를 통합하고 연결하는 역할을 수행한다. 즉, 서로 다른 시스템에서 생성된 데이터들을 하나의 플랫폼으로 모아, 접근성과 활용성을 극대화하는 것이다.

이 새로운 클라우드 커넥트 레이어는 인프라 생애주기 전반에 걸쳐 발생하는 방대한 양의 데이터를 효과적으로 관리하고 분석할 수 있는 환경을 제공한다. 이를 통해 설계, 건설, 운영 등 각 단계에서 발생하는 정보가 실시간으로 공유되고 활용될 수 있게 된다. 예를 들어, 설계 단계에서의 변경 사항이 건설 현장에 즉각적으로 반영되거나, 운영 단계에서의 성능 데이터가 설계 개선에 활용되는 등 유기적인 정보 흐름이 가능해진다.

벤틀리 인프라스트럭처 클라우드 커넥트가 성공적으로 적용된다면, 데이터 사일로로 인해 발생했던 비효율성은 상당 부분 해소될 것으로 기대된다. 프로젝트 팀원들은 필요한 정보에 더욱 신속하고 정확하게 접근할 수 있게 되며, 이는 곧 의사결정 속도 향상과 오류 감소로 이어질 것이다. 궁극적으로는 인프라 프로젝트의 생산성을 높이고, 비용을 절감하며, 더 나아가 안전하고 지속 가능한 인프라 구축이라는 장기적인 목표 달성에 기여할 수 있을 것으로 전망된다.

인프라 산업 전반에 걸쳐 기술 혁신이 가속화되고 있지만, 여전히 복잡한 과제들은 산적해 있다. 특히, 기후 변화와 도시화로 인한 인프라의 노후화 및 유지보수 비용 증가, 그리고 지속 가능한 발전을 위한 새로운 솔루션의 필요성은 시급한 문제로 대두되고 있다. 이러한 배경 속에서 Bentley Systems는 인프라 분야의 AI 역량을 대폭 강화하며 문제 해결에 적극적으로 나섰다.

Bentley Systems는 최근 연례 ‘Year in Infrastructure’ 컨퍼런스를 통해 새로운 인프라 AI 기능들을 공개했다. 이는 단순히 기존 기술을 개선하는 것을 넘어, 인프라 설계, 건설, 운영 전반에 걸쳐 AI를 통합하여 효율성을 극대화하고 새로운 가치를 창출하려는 야심찬 행보다. 이번 발표는 인프라 산업이 직면한 다양한 문제를 해결하기 위한 구체적인 방안을 제시한다. 예를 들어, ZenaTech는 AI 드론 기술을 활용한 ‘Drone as a Service (DaaS)’를 공공 사업 및 산불 관리를 위해 확장할 계획이며, 이는 자원 관리의 효율성을 높이고 예상치 못한 재난에 대한 대응 능력을 강화할 것으로 기대된다. 또한, Ovarro는 스마트 누수 감지 기술을 통해 전 세계적인 물 부족 문제에 대한 지속 가능한 해결책을 제시하며, 이는 가뭄 회복력을 강화하는 데 중요한 역할을 할 것이다.

이와 더불어, Trimble은 자산 생애 주기 관리에서 AI 기능과 GIS 중심 매핑 및 자산 추적 기능을 강화하여 효율성을 높이고 총 소유 비용을 절감하는 새로운 솔루션을 선보였다. OFA Group의 “PlanAid”는 건축 법규 준수를 위한 획기적인 AI 애플리케이션으로 베타 출시를 알리며, 설계 단계에서의 오류를 줄이고 건설 과정을 간소화할 가능성을 보여준다. Hexagon의 Leica CoastalMapper를 최초로 도입한 NV5는 해안 및 하천 매핑의 새로운 시대를 열며, 정밀한 데이터 수집을 통해 재해 예방 및 복구에 기여할 것으로 전망된다.

이러한 기술 혁신과 협업은 인프라가 직면한 문제를 해결하는 데 있어 AI의 잠재력을 명확히 보여준다. Bentley Systems의 이번 발표는 인프라 AI 기술의 발전뿐만 아니라, 다양한 기업들의 혁신적인 솔루션이 어떻게 상호 작용하며 인프라 산업 전반의 지속 가능성과 효율성을 높여나갈 것인지에 대한 중요한 통찰을 제공한다. 궁극적으로 이러한 노력들은 더욱 안전하고 회복력 있으며 효율적인 인프라를 구축하는 데 기여할 것으로 기대된다.

고령화되는 수자원 시설, 기후 변화의 압박, 산업 수요 증가, 숙련된 엔지니어 부족 등 물과 폐수 처리 산업이 복합적인 위기에 직면해 있다. 이러한 문제들을 해결할 인력과 기술은 존재하지만, 일관되지 못하거나 신뢰할 수 없는 데이터로 인해 진전을 이루지 못하고 있다. 최근 암스테르담에서 열린 Bentley Year in Infrastructure 2025 콘퍼런스에서 업계 리더들은 인공지능(AI)이 이러한 단편화된 데이터 환경을 어떻게 변화시키고 있는지 논의했다. 이를 통해 수자원 시설이 반응적 유지보수에서 능동적이고 적응적인 계획으로 전환할 수 있게 될 전망이다.

전 세계 물 산업 인프라의 상당 부분이 수십 년 전에 건설되었기에, 핵심 데이터는 사일로화되거나 오래된 형식으로 갇혀 있거나, 은퇴를 앞둔 전문가들의 암묵적인 지식으로만 존재하는 경우가 많다. 리스본 상하수도 회사(EPAL)의 자산 관리 책임자인 누노 메데이로스는 많은 수자원 시설이 SCADA 및 지리 정보 시스템과 같은 초기 기술을 도입했음에도 불구하고, “센서로부터 더 많은 데이터를 확보했지만, 이를 추출하고 통합할 시스템이 부족한” 새로운 문제에 직면해 있다고 지적했다. 즉, 데이터는 축적되지만 그 안에서 의미 있는 정보를 얻어내지 못하는 상황이 발생하는 것이다. 이러한 레거시 데이터는 시설 운영 및 의사 결정에 있어 치명적인 장애물로 작용하며, 결과적으로 효율적인 문제 해결을 방해하는 근본적인 원인이 되고 있다.

인프라스트럭처 산업은 그 태생부터 방대한 규모와 복잡성을 특징으로 하지만, 동시에 각기 다른 이해관계자, 다양한 기술, 그리고 분산된 데이터로 인해 정보의 파편화라는 고질적인 문제에 직면해왔다. 이러한 단절은 프로젝트의 비효율성을 야기하고, 비용 초과, 일정 지연, 그리고 잠재적인 안전 문제로 이어지기 쉬운 환경을 조성한다. 특히, 정보의 공유와 협업은 많은 프로젝트에서 여전히 주요한 난제로 남아 있으며, 이는 궁극적으로 인프라스트럭처의 전반적인 품질과 지속가능성에 부정적인 영향을 미치고 있다.

이러한 인프라스트럭처 산업의 근본적인 정보 단절 문제를 해결하기 위해, Bentley Systems는 ‘Bentley Infrastructure Cloud Connect’를 새롭게 발표하며 혁신적인 솔루션을 제시한다. 이는 Bentley Infrastructure Cloud의 핵심 기반 레이어로서, 다양한 인프라스트럭처 관련 소프트웨어와 데이터 소스를 통합하는 역할을 수행한다. 즉, 기존에 서로 연결되지 않았던 여러 시스템과 정보를 하나의 플랫폼으로 통합하여, 모든 이해관계자가 최신 정보를 실시간으로 공유하고 협업할 수 있는 환경을 구축하는 것을 목표로 한다. 이를 통해 정보의 사일로 현상을 제거하고, 데이터 접근성을 획기적으로 향상시켜 프로젝트 전반의 투명성과 효율성을 높일 것으로 기대된다.

Bentley Infrastructure Cloud Connect가 성공적으로 도입된다면, 파편화되었던 인프라스트럭처 정보는 하나의 통합된 생태계 안에서 유기적으로 연결될 것이다. 이는 프로젝트 팀이 의사 결정을 내리는 데 필요한 정확하고 시기적절한 정보를 손쉽게 확보할 수 있도록 지원하며, 잠재적인 위험 요소를 조기에 파악하고 관리하는 데에도 크게 기여할 수 있다. 궁극적으로 이러한 정보 통합과 강화된 협업 환경은 인프라스트럭처 프로젝트의 성공 가능성을 높이고, 더 나아가 지속 가능하고 안전한 도시 및 사회 기반 시설 구축이라는 장기적인 목표 달성에 중요한 발판이 될 것으로 전망된다.

현재 한국이 AI G3 수준을 목표로 국가적 차원에서 AI 인프라 구축과 세계 수준의 AI 모델 개발에 매진하고 있지만, 이것만으로는 치열한 글로벌 AI 기술 패권 경쟁에서 의미 있는 역할을 수행하기 어렵다는 지적이 나온다. 전 세계적으로 빅테크 기업들은 100만 장 이상의 GPU를 갖춘 슈퍼클러스터 구축을 발표하며 AI 모델 개발 경쟁에 박차를 가하고 있으며, AI 모델의 발전 속도는 몇 개월 안에 선두 주자가 바뀔 정도로 급변하고 있다. 이러한 상황에서 대규모 사전 학습과 강화학습을 통한 AI 모델의 지속적인 지능 향상 시도가 과연 인간을 넘어서는 초지능 구현이라는 궁극적인 목표를 달성할 수 있을지에 대한 근본적인 의문이 제기되고 있다.

AI 분야의 선구자들 역시 현 방식의 한계를 지적하며 새로운 접근, 모델, 알고리즘 개발의 필요성을 강조하고 있다. 딥마인드의 제프리 힌턴 교수, 오픈AI의 데미스 허사비스, 튜링상 수상자인 얀 르쿤 교수와 요수아 벤지오 교수, 프랑수아 숄레 등 AI 연구 리더들도 이러한 문제의식을 공유하고 있다. 알파고 개발에 기여한 데이비드 실버는 이미 인간 데이터로 AI를 학습시키는 시대는 끝났으며, AI가 스스로 세상을 경험하며 학습하는 시대로 나아가야 한다고 주장했다. 현재 AI 기술의 핵심 기반인 트랜스포머 아키텍처가 2017년에 등장한 이후에도 계속 활용되고 있지만, 여러 연구자들은 이를 넘어서는 새로운 시도를 하고 있으며, 이들의 연구 결과가 아직 대규모 활용 단계에 이르지는 못했으나 또 다른 혁명적인 연구로 이어질 가능성이 상존한다.

이에 따라 현재 기술에서 세계 수준을 달성하는 것만큼이나 중요한 것은 다음 세대 기술 연구에 대한 국가적 차원의 전략적인 지원이다. 앤스로픽의 다리오 아모데이와 오픈AI의 데미스 허사비스는 각각 2027년과 2030년경 인간을 뛰어넘는 초지능(AGI 또는 ASI)의 등장을 예측하고 있다. 영국 키어 스타머 총리는 AGI가 가져올 거대한 변화를 언급하며 영국이 이를 선도해야 한다고 주장했으며, 미국은 AI 실행 계획을 통해 AI 분야 승리를 선언하고 자국 중심의 AI 기술을 동맹국에 수출하겠다는 의지를 보였다. 중국 역시 국제 협력을 촉구하며 ‘함께 배를 타고 가자’고 했지만, 이는 자국 기술 중심의 AI 세계 패권을 장악하겠다는 의도로 해석된다.

이처럼 AI 기술 패권 경쟁이 심화되는 상황에서, 우리가 선택을 강요받더라도 전략적 필수불가결성을 확보한다면 보다 유연하고 전략적인 선택이 가능해질 수 있다. 현재는 AI 반도체 관련 기술에 집중하고 있지만, 다음 단계의 AI 모델 개발에서 의미 있는 역할을 수행한다면 우리에게 또 다른 기회가 열릴 것이다. 초지능의 구현 시점과 주체를 예측하기 어려운 현 상황에서, 메타의 초지능 연구소 설립과 오픈AI 출신 연구자의 안전 초지능 회사 설립 등 막대한 자금이 차세대 AI 연구에 투입되고 있다.

향후 5년간 100조 원에 달하는 AI 국가 전략 자금 중 극히 일부인 1%만을이라도 미래 AI 연구에 투자한다면, 국가 AI 인재 양성과 더불어 매우 창의적인 인재를 발굴하고 육성할 수 있을 것이다. 이러한 초지능 연구소에는 AI 전공자뿐만 아니라 철학자, 수학자, 언어학자 등 다양한 분야의 전문가가 필요하다. AI 연구자를 중심으로 언어학자, 뇌과학자, 물리학자, 수학자 등이 모여 통합적인 연구를 수행해야 할 필요성이 대두된다.

아직 초기 단계이지만 미래 가능성이 보이는 여러 국가 연구팀을 한국의 초지능 연구소로 초빙하여 자유롭게 연구하게 하고, 그 성과를 인류 전체의 공공재로 제공하는 비전을 실현할 수 있다. 한국인을 포함한 세계적인 AI 연구자들을 초빙하여 충분한 연구 환경을 제공함으로써, 대한민국이 새로운 시각으로 디지털 지능에 접근하는 국가 초지능 연구소를 구축해야 하는 이유가 여기에 있다.

최근 인공지능(AI) 기술의 폭발적인 발전은 산업 전반에 걸쳐 거대한 패러다임 전환을 예고하고 있다. 과거 선택의 영역이었던 산업 현장의 AI 도입은 이제 생존을 위한 필수 불가결한 요소로 자리매김하고 있다. 특히 제조업 분야에서 AI를 활용한 부가가치 창출과 국가 및 기업 경쟁력 확보는 무엇보다 시급한 과제가 되었다. 그러나 현재 산업계의 AI 도입 및 활용률은 현실적인 역량에 비해 미흡한 수준이며, 이로 인해 정부의 보다 적극적이고 체계적인 지원 역할이 절실히 요구되는 상황이다.

이러한 현실적인 문제점을 극복하고 제조·산업 전반의 AI 대전환(AX)을 본격화하기 위해 과학기술정보통신부, 산업통상자원부, 중소벤처기업부가 15일, 국가과학기술자문회의 대회의실에서 ‘산업 전반의 AX 정책 협력 업무협약’을 체결했다. 이번 협약은 각 부처의 전문성과 역량을 융합하고 연계성 있는 정책 추진을 통해 산업 현장의 성공적인 AX 확산을 지원하는 데 목적을 두고 있다.

주요 협력 으로는 ▲산업 전반의 AX 역량 강화 및 핵심 기술 내재화 ▲AI 벤처·스타트업과 중소·소상공인의 AI 기술 사업화 및 현장 맞춤형 AX 기술 개발 지원 ▲지역 핵심 산업군 중심의 AX 생태계 조성 지원 ▲AI 관련 국정과제의 차질 없는 이행을 위한 적극적인 지원 등이 포함된다. 더불어 각 부처 산학연 전문가들 간의 기술 교류회 등을 추진하여 지역, 현장, 그리고 국민이 체감할 수 있는 실질적인 성과 창출을 위해 긴밀하게 협력해 나갈 예정이다.

이번 업무협약을 계기로 세 부처는 산업 전반의 AX를 위한 전 주기 지원 체계를 구축하게 된다. AI 핵심 기반 기술 확보부터 실제 산업 현장에의 적용, 그리고 스타트업 및 중소기업으로의 확산에 이르기까지, 부처 간 통합적인 협력 구조를 통해 산업 전반의 AX 확산 속도를 한층 높일 것으로 기대된다. 이는 지역과 기업의 규모에 관계없이 모든 주체가 AI 기술을 활용할 수 있는 공정한 기반을 마련하는 중요한 전환점이 될 것이다.

배경훈 부총리는 AI 대전환을 “단순한 기술 혁신을 넘어 국가 경쟁력과 미래 번영을 좌우하는 국가적 생존 전략”이라고 강조하며, 우리나라의 제조 DNA 강점에 AI를 접목하여 세계적인 기술력을 확보해야 한다고 역설했다. 그는 과기정통부가 AI 기본 역량 구축과 내재화에 박차를 가하고, 이번 업무협약이 AI 스타트업과 함께 글로벌 신시장을 개척하는 중요한 기회가 될 것이라고 덧붙였다.

김정관 산업부 장관은 인구 감소, 생산성 정체, 중국의 기술 추격 등 우리 산업이 직면한 위기를 극복할 유일한 해법으로 AI 대전환을 제시했다. 그는 생존을 위한 속도 경쟁에서 살아남기 위해 AI, 데이터, 제조 현장을 긴밀히 연결하고, 우리의 강점을 활용하여 기술 혁신과 제조업의 고도화를 이루어 나가야 한다고 설명하며, 산업부는 관계부처 및 국가AI전략위원회와 긴밀히 소통하여 실효성 있는 제조 AX 정책을 추진할 것이라고 밝혔다.

한성숙 중기부 장관은 AI 대전환 시대에 중소기업과 소상공인이 AI를 활용하지 않으면 생존하기 어려운 절박한 상황임을 전했다. 그는 이번 세 부처의 협력이 정부 인프라와 대기업의 AI 기술 및 경험을 중소기업과 소상공인이 활용할 수 있도록 함으로써, AI 벤처·스타트업에는 새로운 성장 기회를, 중소·소상공인에게는 미래 경쟁력을 확보할 수 있는 중요한 계기가 될 것이라고 강조했다.

임문영 국가인공지능전략위원회 상근 부위원장은 AI가 기업의 체질 자체를 바꾸는 핵심 기술임을 강조하며, 우리나라가 AI 3대 강국으로 도약하기 위해서는 각 산업 도메인의 전문성에 AI를 융합하는 것이 무엇보다 중요하다고 말했다. 그는 이번 업무협약을 계기로 위원회 산하에 제조 TF를 구성하여 AI 기반 산업 대전환을 중점적으로 지원해 나갈 것이라고 밝혔다.

연휴 직후인 10일 오전, 국가정보자원관리원에서는 화재로 인한 심각한 피해 상황이 발생했다. 이는 국민 생활에 직접적인 영향을 미칠 수 있는 국가 전산 자원의 중요성을 다시금 일깨우는 계기가 되었다. 이번 사태는 단순한 설비의 문제가 아니라, 국가 운영의 핵심 동력이라 할 수 있는 전산 데이터의 안정적 관리 시스템에 대한 근본적인 점검을 요구하고 있다.

대통령실 김남준 대변인의 서면 브리핑에 따르면, 이재명 대통령은 공식적으로 연차를 사용 중이었음에도 불구하고 사안의 심각성과 복구 인력 격려의 필요성을 고려하여 현장 방문을 결정했다. 이 대통령은 먼저 화재 구역의 배터리를 모아 둔 냉각 침수조를 둘러본 뒤, 실제 화재가 발생한 5층 전산실을 찾아 피해 상황을 면밀히 점검했다. 이 과정에서 이 대통령은 발화 요인에 대한 구체적인 질문과 함께, 배터리 적재 방식 등 현행 시스템의 잠재적인 문제점을 파악하는 데 주력했다.

시찰 이후 진행된 간담회에서 이 대통령은 윤호중 행정안전부 장관으로부터 복구 진행 상황과 향후 조치 계획에 대한 보고를 받았다. 이 자리에서는 국민 생활과 직결된 주요 서비스의 신속한 복구 방안이 집중적으로 논의되었다. 또한, 현장에서 묵묵히 복구 작업을 수행하고 있는 실무자들이 겪는 고충과 생생한 의견을 경청하며 문제 해결의 실마리를 찾으려는 노력이 있었다.

이재명 대통령은 국가 전산 자원의 중요성이 국방에 비견될 만큼 막중하다는 점을 강조하며, 이번 사태를 계기로 다시는 이러한 일이 발생하지 않도록 신속한 복구와 확고한 재발 방지 대책 마련을 지시했다. 나아가 비상근무 중인 행정안전부 및 복구 업체 직원들의 안전한 근무 환경 조성을 주문하며, 현장의 어려움을 헤아리는 모습을 보였다. 대통령은 “이제 전산 데이터는 국가 운영의 핵심이라는 걸 온 국민이 느끼게 되었다”며, 복구 현장 근무자들의 노고를 치하하고 자부심을 갖고 임해줄 것을 당부했다. 현장 근무자들은 명절 휴가까지 반납하며 복구에 매진하고 있지만, 기술적인 난관과 피로 누적이라는 현실적인 어려움에 직면해 있음을 토로하며 사명감을 갖고 최선을 다하겠다는 의지를 밝혔다.

결론적으로, 이번 국가정보자원관리원 화재는 두 가지 중요한 과제를 안겨주었다. 첫째, 피해 복구를 최대한 신속하고 효율적으로 진행하는 것이다. 이재명 대통령은 복구 과정에서 예산과 인력 사용의 효율성을 강조하며, 지체 없는 실행을 당부했다. 둘째, 유사한 사고의 재발을 근본적으로 차단하기 위한 철저한 재발 방지 대책을 수립하고 이행하는 것이다. 이는 단순한 시스템 점검을 넘어, 국가 데이터 관리 시스템 전반에 대한 혁신적인 개선을 요구하는 목소리로 해석된다.

정부가 내년 예산을 약 728조 원 규모로 편성하며, 이 중 AI 3강 진입을 위한 예산을 올해보다 3배 늘린 10조 1000억 원으로 책정한 것은 AI 분야에 대한 강력한 의지를 방증한다. 특히 제조 경쟁력 강화를 위해 1조 1000억 원 규모의 예산을 투입하며 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등을 포함한 구체적인 정책 방향을 제시했다. 이는 AI 기술을 통해 산업, 특히 제조 분야의 경쟁력을 강화하고 관련 기반 기술 및 응용 분야에 집중하겠다는 정부의 미래 성장 전략을 명확히 보여준다. 그러나 이러한 정책이 실효성을 거두기 위해서는 해결해야 할 근본적인 문제점들이 존재하며, 이를 위한 정책 설계에 대한 깊이 있는 고민이 필요하다.

가장 시급하게 해결해야 할 과제 중 하나는 AI 팩토리 구축 계획에 대한 접근 방식이다. 2030년까지 500개 이상의 AI 팩토리 구축이라는 양적 목표에만 집중하기보다는, 다양한 규모와 제조업 종류에 따른 참조 모델을 개발하고 성공 사례를 집중적으로 만들어내는 것이 중요하다. 과거 제너럴 일렉트릭(GE)이 야심 차게 내세웠던 산업 인터넷 플랫폼 ‘프레딕스(Predix)’가 대상 고객의 기대와 고민을 제대로 이해하지 못하고 현장 적용에 실패했던 사례를 잊어서는 안 된다. 단순한 플랫폼 구축을 넘어, 실제 현장의 문제를 해결하는 데 초점을 맞춰야 성공을 담보할 수 있다.

피지컬 AI 분야 역시 새로운 기회인 동시에 상당한 위험 요소를 안고 있다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 근본적으로 다른 특성을 요구한다. 여기에는 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 새로운 차원의 데이터 구성이 필수적이다. 이는 피지컬 AI 분야가 직면한 매우 어려운 도전 과제이다. 엔비디아의 옴니버스와 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성이 부각되는 상황에서, 국내 자체 플랫폼 구축 역량을 냉철하게 평가하고 필요하다면 수준 높은 기술 도입 활용에 대한 의사 결정도 신중하게 내려야 한다. 기존 디지털 트윈 과제들의 경쟁력을 되짚어보고, 실패로부터 교훈을 얻는 것이 중요하다.

또한, 대한민국이 보유한 산단이라는 산업 인프라를 활용하여 AI 기반 고도화 과업을 명확히 정의하고, 이에 맞는 특화 모델 개발에 힘써야 한다. 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토 역시 필요하다. 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 기회이기도 하다. 이를 위해 기업과 AI 전문기업 간의 라운드테이블을 활성화하여 문제 공유와 협업 방안을 모색하고, 우수 사례를 공유하는 체계를 마련해야 한다. 정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여 정보가 자유롭게 흐를 수 있도록 지원해야 한다.

과거 정책에서 성공을 거둔 프로그램들을 계승하는 것도 필요하지만, 산업 AX는 어느 국가도 아직 본 궤도에 오르지 못한 영역이며 각국의 제조 현장과 문화, 업무 방식이 다르므로 단일 모델이나 방법론으로는 모든 문제를 해결할 수 없다. 팔란티어가 현장에 투입되어 고객과 함께 문제를 정의하고 해결책을 모색하듯, 산업 AX 역시 현장의 엔지니어나 전문가와 함께 문제를 풀어가는 과제를 통해 성과가 도출되어야 한다. 이 과정에서 발생하는 문화적 간극과 소통 문제를 원활하게 지원하는 것이 국가 과제 성공의 중요한 출발점이 될 것이다.

다른 AI 과제들이 국가적으로 중요한 의미를 가지는 만큼, 산업 AX 역시 대한민국의 경쟁력 기반을 다시 세우는 핵심 과제로서 반드시 성공 사례를 만들어내고, 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 정책적으로도 이러한 기민성을 살려 나가는 것이 무엇보다 중요하다.

AI 시대의 핵심 인프라이자 전략적 자산으로 주목받는 AI 반도체를 둘러싼 글로벌 경쟁이 치열해지고 있다. 고도화된 데이터 분석과 실시간 처리 속도를 요구하는 AI 모델의 발전에 따라 AI 반도체는 그 중요성이 더욱 커지고 있지만, 한국은 이러한 흐름 속에서 기술적 자립과 경쟁 우위 확보라는 근본적인 문제에 직면해 있다. ChatGPT와 같은 AI 발전은 인류의 역량을 확장하며 산업과 사회 전반에 변화를 가져오고 있으나, 이를 뒷받침할 고성능 반도체 없이는 혁신적 발전에 한계가 있다는 점이 분명해지고 있다. 인간의 지능이 뇌라는 맞춤형 하드웨어를 통해 발휘되듯, AI 역시 특화된 반도체가 필수적인 시대가 도래한 것이다.

현존하는 GPU는 AI 작업을 수행할 수 있지만, 전력 효율성과 처리 속도 측면에서 AI 알고리즘의 독특한 연산 패턴을 최적화하는 데 제약이 따른다. 이는 주로 게임이나 그래픽 처리를 위해 설계된 탓인데, 이러한 한계를 극복하기 위한 혁신적인 솔루션으로 뉴럴 프로세싱 유닛(NPU)과 같은 AI 특화 반도체가 떠오르고 있다. AI 특화 반도체는 전력 소모를 줄이고 연산 효율성을 높여 AI 응용 프로그램의 확장성을 증대시킨다. 이제 AI는 데이터 센터를 넘어 온-디바이스 AI까지, 우리 산업과 생활의 다양한 분야에서 활용되는 ‘AI-X’ 시대를 열고 있으며, 이러한 시대에서 반도체 기술은 AI 구현의 중심 축으로 자리 잡고 있다.

세계 기업들은 AI 패권을 차지하기 위해 치열한 경쟁을 벌이고 있다. 미국의 엔비디아는 AI 연산에 최적화된 H100 GPU로 시장을 선도하며 독보적인 위치를 구축했고, 내년 중순에는 차세대 블랙웰 GPU를 발표하며 AI 연산의 새로운 표준을 제시할 것으로 기대된다. 엔비디아는 삼성전자와 SK하이닉스가 공급하는 고대역폭 메모리(HBM)를 통해 GPU 성능을 강화하며 AI 메모리 시장 주도권을 공고히 하고 있다. 하지만 엔비디아의 독주를 견제하려는 움직임도 활발하다. 인텔은 ‘가우디2’ AI 가속기로 점유율을 확대하고 있으며, 오픈AI는 TSMC 및 브로드컴과 협력해 AI 연구에 최적화된 맞춤형 반도체 개발을 추진하며 반도체 자립성을 강화하고 있다. 또한, 한국의 리벨리온, 퓨리오사, 하이퍼 엑셀과 같은 스타트업들은 독자적인 칩 개발을 통해 한국만의 AI 반도체 생태계를 구축하려는 노력을 가속화하고 있다.

한국은 전 세계 메모리 반도체 시장에서 60% 이상의 점유율을 차지하는 강점을 바탕으로, 메모리 내에서 AI 연산을 수행하는 PIM(Processing in Memory) 기술을 선도하고 있다. 또한, 리벨리온, 퓨리오사, 모빌린트 등 국내 스타트업들은 NPU 개발에 박차를 가하고 있으며, 특히 리벨리온은 ISSCC 2024에서 엔비디아의 성능을 능가하는 NPU 연구 성과를 발표하며 기술력을 입증했다. 이러한 기술적 성과를 발판 삼아 한국은 PIM과 NPU 분야에서 AI 반도체 개발 역량을 강화하고 있으며, 글로벌 시장에서 주도권을 확보할 가능성을 높이고 있다.

하지만 AI 반도체 산업의 경쟁력은 기술력뿐만 아니라 인력 양성에서도 좌우된다. 급속도로 고도화되는 반도체 기술과 치열해지는 글로벌 경쟁 속에서 인재 부족 문제는 심각한 과제로 떠올랐다. 이에 대응하기 위해 KAIST는 2023년, 반도체 설계에 중점을 둔 교육 과정을 운영하는 인공지능반도체대학원을 설립하여 한국 반도체 산업의 미래를 이끌 전문 인력을 체계적으로 양성하고 있다. 이 대학원은 AI 반도체에 특화된 커리큘럼을 통해 이론과 실습을 겸비한 교육을 제공하며, AI 알고리즘, AI 반도체, AI 응용 세 가지 기술을 종합적으로 펼칠 수 있는 실무 역량과 연구 능력을 갖춘 인재를 배출하고 있다. 또한, 국내외 유수 대학 및 연구기관과의 공동 연구, 산학 협력 프로젝트, 해외 인턴십 프로그램을 통해 학생들이 글로벌 인재들과 교류하며 국제적인 시각과 네트워크를 구축할 기회를 제공하고 있다.

AI 반도체 주권 확보를 위한 한국의 정책적 전망은 분명하다. 첫째, 경쟁국과의 차별화를 위해 정부, 산업계, 학계 간 협력을 강화하고 연구개발(R&D) 자금 지원 확대와 정책적 인센티브를 통해 협력 연구를 독려해야 한다. 메모리 강국의 이점을 살려 저전력 PIM을 바탕으로 온-디바이스 AI 시장을 선도하고, 뉴로몰픽 칩을 통해 초격차를 확보하는 전략이 필요하다. 또한, 기술 이전과 상용화를 촉진하는 법적·제도적 장치를 마련하여 연구 성과가 실제 제품과 서비스로 연결되도록 지원해야 한다.

둘째, 혁신 인재의 발굴과 육성을 위한 관련 인프라 및 교육 프로그램 강화가 시급하다. 인공지능반도체대학원과 같은 특화 교육 기관을 확대하여 AI 반도체 분야 고급 인재를 지속적으로 배출하고, 산업계와의 협력을 통해 실무 기반 교육 커리큘럼을 설계하며 산학 협력 프로그램을 통해 실습 및 인턴십 기회를 제공해야 한다. 이를 통해 현장 적응력을 갖춘 고급 엔지니어를 육성하는 것이 중요하다.

셋째, 엔지니어의 처우를 개선하고 글로벌 네트워크를 형성해야 한다. 국내 유수 인재의 해외 유출을 방지하기 위해 경쟁력 있는 보상 체계를 마련하고 안정적인 근무 환경을 조성해야 한다. 또한, 해외 우수 인재 유치를 위한 비자 발급 완화, 연구비 지원 등의 정책을 통해 글로벌 인재들이 한국 AI 반도체 산업에 기여할 수 있도록 해야 한다. 해외 우수 연구자들과의 인적 네트워크 형성을 통해 세계 기술 동향에 선도적으로 대응하고 국제 시장을 능동적으로 개척해야 한다.

마지막으로, 국제 표준화와 AI-X와 같은 응용 기술에 힘써 세계 시장을 선도해야 한다. 국제적 기술 표준화를 주도하여 시장 내 입지를 강화하고 해외 시장 진출 기반을 마련해야 한다. 또한, AI 알고리즘, AI 반도체, AI 응용 기술을 종합적으로 활용하여 전 산업과 사회 전 분야에 AI 도입 및 활용을 가속화하는 AI-X를 국내 기업 및 연구 기관과의 협력을 통해 선도적으로 실현하고, 이를 통해 세계 시장을 선점할 수 있는 여건을 조성해야 한다. 이러한 정책적 노력을 통해 대한민국은 AI 반도체 분야에서 독자적인 기술력을 확보하고 글로벌 경쟁에서 유리한 입지를 차지하며, 궁극적으로 세계 G3로 미래 기술 패권을 쥐는 데 중요한 역할을 할 것으로 기대된다.

국내 상당수 공공서비스 웹사이트와 애플리케이션에서 시스템 운영의 근간이 되는 ‘로그’ 기록이 제대로 관리되지 않고 있다는 지적이 나왔다. 이는 단순한 시스템 오류를 넘어, 사용자의 편의성을 저해하고 궁극적으로는 성공적인 인공지능(AI) 전환을 가로막는 핵심적인 문제로 지목된다. 박태웅 녹서포럼 의장은 IT 업계에서의 오랜 경험을 바탕으로 이러한 ‘로그’의 중요성을 강조하며, 현재 공공서비스가 마주한 근본적인 어려움을 분석했다.

로그는 컴퓨터 시스템에서 발생하는 모든 이벤트를 시간 순서대로 기록하는 시스템을 의미한다. 사용자의 로그인 기록부터 파일 삭제, 시스템 오류 발생까지, 시스템 운영에 필요한 모든 정보가 기록된다. 이러한 로그 기록이 부재할 경우, 서비스 개선을 위한 객관적인 데이터 확보가 불가능해진다. 예를 들어, 웹사이트 메뉴 중 어떤 메뉴가 가장 많이 사용되는지 파악할 수 없어 사용자 편의에 맞는 메뉴 배치가 어렵다. 또한, 웹페이지 로딩 속도가 느리거나 오류가 발생해도 이를 인지하고 개선할 방법이 없어 사용자의 이탈을 막을 수 없게 된다. 박 의장은 “3초 이상 걸리는 웹사이트의 경우 40%의 사용자가 이탈한다”는 통계를 언급하며, 로그 부재가 사용자 경험 악화로 이어지는 심각성을 경고했다. 이는 결국 공공서비스 이용자들이 겪는 불편함으로 직결되며, 서비스 품질 향상을 기대하기 어렵게 만드는 요인으로 작용한다.

이러한 문제점을 해결하기 위한 방안으로 박 의장은 AI 전환을 위한 필수 조건으로서 ‘데이터’ 확보와 ‘클라우드 기반’ 시스템 구축을 제시한다. AI는 데이터를 기반으로 학습하고 발전하는 기술로, ‘일’을 할수록 자동으로 쌓이는 데이터가 필요하다. 이러한 데이터는 기계가 읽을 수 있어야 하고, 통합될 수 있어야 진정한 ‘데이터’로서의 가치를 지닌다. 공공서비스에 로그 시스템이 제대로 구축된다면, 이를 통해 축적된 데이터를 기반으로 AI 비서가 과거 유사 사례를 분석하거나, 다른 부처와의 시너지 창출 방안을 제안하는 등 다양한 업무 효율화가 가능해진다. 회의록을 분석하여 결정 사항, 책임자, 기한 등을 자동으로 정리하고 캘린더에 연동하는 것도 가능하다. 따라서 AI 전환은 단순히 AI 기술을 도입하는 것을 넘어, 소프트웨어에 대한 이해, 클라우드 시스템 활용 능력, 그리고 더 스마트하게 일하려는 조직 문화가 뒷받침될 때 비로소 성공할 수 있다고 박 의장은 강조한다.

궁극적으로, 공공서비스에 체계적인 로그 시스템을 구축하고 이를 통해 데이터를 축적하는 것은 AI 시대를 맞아 공공서비스의 질을 혁신적으로 향상시키기 위한 필수적인 과제이다. 로그가 없는 웹페이지를 운영하는 것은 마치 통나무 없이 배의 속도를 측정하려는 것과 같다는 비유처럼, 데이터 기반의 서비스 개선 없이는 어떠한 기술 발전도 실질적인 효용을 거두기 어렵다. 이러한 근본적인 문제 해결을 통해 공공서비스는 사용자 편의성을 높이고, 더욱 효율적이며 스마트한 행정 서비스를 제공할 수 있을 것으로 기대된다.