산업 AX는 우리 나라의 경쟁력 기반을 다시 세우는 것이기 때문에 반드시 성공 케이스를 만들어 내고 끊임없는 피드백과 평가, 그리고 개선이 민첩하게 이루어져야 한다. 정책적으로도 이런 기민성을 살려야만 한다.

정부가 내년 예산을 약 728조 원 규모로 편성했다. 이는 전년에 비해 8.1% 증가한 규모이고 이 가운데 AI 3강 진입을 위한 예산을 올해보다 3배 증가한 10조 1000억 원을 투입하면서 AI 분야에 대한 강한 의지를 표명했다. 이 가운데 제조 경쟁력 강화를 위한 예산은 1조 1000억 원 규모이며 이에는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등을 포함한다.

산업, 특히 제조 분야의 경쟁력을 AI 기술을 통해 강화하고 이를 위한 기반 기술과 응용 분야에 초점을 맞춘다는 것은 우리 상황에서 무엇보다 중요한 어젠다라고 생각한다. 정부는 대한민국 미래성장 전략의 틀을 잡기 위해 예산과 국정과제 전반에 이러한 기조를 곳곳에 심고 있다. 그렇다면 이런 정책이 실효적으로 의미 있게 실행하기 위해서는 어떻게 해야 할지, 이번 글에서는 이를 위한 몇 가지 조언을 더하고자 한다.

우선 AI 팩토리를 2030년까지 500개 이상 구축한다고 하는데, 규모와 제조업의 종류에 따른 몇 가지의 참조 모델을 잘 만들고 그에 대한 성공 케이스를 만들어 내는 것이 중요하다. 500개라는 숫자에 집착하지 말고 몇 가지 모범 사례를 집중적으로 구현하는 것에 더 많은 관심을 가져주기 바란다. 

산업 인터넷을 강조하던 시절에 제너럴 일렉트릭(GE)이 프레딕스(Predix)를 거창하게 내세웠으나 결국 실패로 돌아간 사례를 잊지 말아야 한다. 대상 고객의 기대와 고민을 제대로 이해하지 못하고 멋진 플랫폼만 만들려고 했던 GE가 현장 적용에 실패한 것이다.

피지컬 AI에 대한 계획도 사실 이 분야가 이제 막 관심을 받으며 AI 분야의 새로운 화두가 되고 있다는 것이 오히려 기회이면서도 위험 요소이다. 피지컬 AI를 위한 데이터는 기존 AI 학습 데이터와는 성격이 완전히 다르다. 여기에는 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등의 또 다른 특성을 갖춘 데이터 구성이 필요하며 이는 피지컬 AI라는 분야에서 맨 처음 만나게 되는 매우 어려운 도전이다.

엔비디아의 옴니버스와 코스모스는 디지털 트윈과 피지컬 AI 학습 플랫폼의 두 가지 플랫폼이 얼마나 중요한 역할을 할 수 있는지 알 수 있다. 우리가 자체적으로 이런 플랫폼을 만들 것인지 아니면 이런 수준의 기술을 도입 활용할 것인가도 중요한 의사 결정이다. 국내에서 그동안 진행한 디지털 트윈 과제들의 결과물이 과연 이런 수준의 경쟁력이 있는 지 되짚어 봐야 하며, 만일 그렇지 않다면 어떤 교훈을 우리가 얻었는지 냉철하게 비판해야 한다. 

우리에게는 산단이라는 산업 인프라가 있기 때문에 산단이 갖고 있는 특징에 기반한 AI를 기반으로 고도화하려는 과업을 명확히 정의하고 그에 맞는 특화 모델을 고민하면서 팔란티어의 온톨로지 모델 같은 복합적 솔루션도 함께 검토했으면 한다. 

산업 AX는 제조업 경쟁력 강화라는 목적과 함께 이 분야에 특화된 중소기업이나 스타트업 생태계를 구축할 수 있는 좋은 기회이다. 기업과 AI 전문기업의 라운드테이블을 만들어 서로가 문제를 공유하고 협업을 할 수 있는 방안을 함께 모색하게 해야 하며, 우수 사례를 공유할 수 있도록 해야 한다. 정부는 산업 AX 모범 사례와 공유할 수 있는 기술 솔루션과 데이터를 개방할 수 있는 산업 AI 허브 같은 공간을 만들어서 누구나 같은 업종의 다른 사업장에서 AI 전환을 어떻게 할 수 있는 가에 대한 정보가 자유롭게 흐를 수 있도록 해야 한다. 

기존에 우리 정책에서 좋은 성과를 보였던 많은 프로그램이 있기 때문에 이를 승계하는 것도 필요하지만 산업 AX는 어느 나라도 아직 본 궤도에 오르지 못한 영역이고, 각 나라의 제조 현장과 문화, 업무 방식이 다르기 때문에 하나의 모델이나 방법론이 모두에게 적용될 수 있는 분야가 아니다.

팔란티어는 고객에서 단지 솔루션과 플랫폼을 제공하는 것이 아니라 본사 엔지니어들이 현장에 가서 문제를 제대로 정의하고, 효과 분석과 필요한 데이터를 어떻게 확보할 것인가를 고객과 협의한다. 산업 AX는 멋진 AI 엔지니어가 자기 회사에서 개발하는 것이 아니라 현장에 투입되어 현장 엔지니어나 현장 전문가와 함께 풀어가는 과제를 통해서 성과가 나온다. 두 문화의 간극이 아직 크며 여러 소통의 문제를 갖고 있는 영역이기 때문에 이들 사이의 협업과 소통을 원활히 도와주는 것이 어쩌면 이 국가 과제를 성공적으로 추진하는데 가장 중요한 출발점일 수 있다. 

다른 AI 과제도 국가적으로 모두 중요한 목표와 의미를 갖고 있지만 산업 AX는 우리 나라의 경쟁력 기반을 다시 세우는 것이기 때문에 반드시 성공 케이스를 만들어 내고 끊임없는 피드백과 평가, 그리고 개선이 민첩하게 이루어져야 한다. 정책적으로도 이런 기민성을 살려야만 한다. 

◆ 한상기 테크프론티어 대표

서울대 컴퓨터공학과 1회 졸업생으로 1980년대 카이스트에서 인공지능 주제로 석박사 학위를 취득했다. 삼성종합기술원, 삼성전자 등에서 활동했으며 1999년 벤처포트 설립, 2003년 다음커뮤니케이션(현 카카오) 전략대표와 일본 법인장을 역임했다. 카이스트와 세종대 교수를 거쳐 2011년부터 테크프론티어 대표를 맡고 있다. 데이터 경제 포럼 의원, AI챌린지 기획, AI데이터 세트 구축 총괄 기획위원 등을 역임했다. 대표 저서로는 <AGI의 시대>, <AI 전쟁 2.0> 등이 있다.