정부가 내년 예산을 약 728조 원 규모로 편성하며 인공지능(AI) 분야에 대한 강한 의지를 표명했다. 특히 AI 3강 진입을 위한 예산은 올해보다 3배 증가한 10조 1000억 원으로 대폭 확대되었다. 이 가운데 제조 경쟁력 강화를 위해 1조 1000억 원 규모의 예산이 투입되며, AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등이 포함된다. 이러한 정책은 대한민국 미래성장 전략의 핵심으로, 산업 경쟁력을 AI 기술로 강화하는 데 초점을 맞추고 있다.
AI 팩토리 구축 사업은 2030년까지 500개 이상을 목표로 하고 있다. 이 사업을 통해 제조업의 경쟁력이 강화될 것으로 기대된다. 성공적인 AI 팩토리 구축을 위해서는 규모와 제조업의 종류에 따른 다양한 참조 모델을 개발하고, 실제 성공 사례를 만드는 것이 중요하다. 단순히 500개라는 숫자에 집착하기보다는 몇 가지 모범 사례를 집중적으로 구현하는 데 더 많은 노력을 기울여야 한다. 과거 산업 인터넷 시대를 이끌었던 제너럴 일렉트릭(GE)의 프레딕스(Predix) 실패 사례를 잊지 말아야 한다. GE는 대상 고객의 기대와 고민을 제대로 이해하지 못하고 멋진 플랫폼만 만들려고 하다가 현장 적용에 실패한 경험이 있다.
피지컬 AI 분야는 이제 막 관심을 받으며 AI의 새로운 화두로 떠오르고 있어 기회이면서도 위험 요소가 공존한다. 피지컬 AI 학습을 위해서는 기존 AI 학습 데이터와는 성격이 다른 데이터가 필요하다. 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 특화된 데이터 구성이 요구된다. 이는 피지컬 AI 분야에서 마주하게 될 매우 어려운 도전이다. 엔비디아의 옴니버스와 코스모스 플랫폼은 디지털 트윈과 피지컬 AI 학습 플랫폼이 얼마나 중요한 역할을 할 수 있는지 보여준다. 국내에서 자체적으로 이러한 플랫폼을 개발할 것인지, 아니면 해외 기술을 도입 활용할 것인지에 대한 신중한 의사 결정이 필요하다. 과거 국내에서 진행했던 디지털 트윈 과제들의 결과물을 냉철하게 재검토하고, 만약 경쟁력이 부족하다면 어떤 교훈을 얻었는지 분석해야 한다.
산단이라는 산업 인프라를 활용하여 각 산단의 특징에 맞는 AI 기반 고도화 과업을 명확히 정의하고 특화 모델을 고민해야 한다. 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션 검토도 필요하다. 산업 AX는 제조업 경쟁력 강화와 함께 특화된 중소기업 및 스타트업 생태계 구축의 기회를 제공한다. 기업과 AI 전문기업 간의 라운드테이블을 통해 문제를 공유하고 협업 방안을 모색하며 우수 사례를 공유해야 한다. 정부는 산업 AX 모범 사례와 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여 누구나 AI 전환에 대한 정보를 자유롭게 얻을 수 있도록 해야 한다.
기존의 성공적인 정책 프로그램을 계승하는 것도 중요하지만, 산업 AX는 아직 어느 나라도 본 궤도에 오르지 못한 영역이다. 각 나라의 제조 현장, 문화, 업무 방식이 다르기에 하나의 모델이나 방법론이 모두에게 적용될 수는 없다. 팔란티어는 단순히 솔루션과 플랫폼을 제공하는 것을 넘어 본사 엔지니어가 현장에 직접 투입되어 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 고객과 협의한다. 산업 AX는 현장 엔지니어 및 전문가와 함께 문제를 풀어가는 과정을 통해 성과가 나온다. 두 문화 간의 간극과 소통 문제를 해결하는 것이 이 국가 과제를 성공적으로 추진하는 데 가장 중요한 출발점이 될 수 있다.
다른 AI 과제들도 중요하지만, 산업 AX는 우리나라의 경쟁력 기반을 다시 세우는 핵심 과제이므로 반드시 성공 사례를 만들고 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 정책적으로도 이러한 기민성을 살리는 것이 매우 중요하다.
더 많은 이야기
우리 손으로 만든 AI 두뇌로 세계 시장에 도전한다
이력서 쓰기 막막할 때 AI가 똑똑한 조수가 돼준다
운전자 없는 자동차가 동네 골목 누비며 어르신 태운다