AI 팩토리 500개 이상 구축, 나도 혜택 받을 수 있다

내년부터 인공지능(AI) 분야에 대한 정부의 지원이 대폭 강화된다. 특히 제조 경쟁력 강화를 위해 AI 팩토리 구축, 피지컬 AI 개발 등에 1조 1000억 원 규모의 예산이 투입될 예정이다. 이는 AI 3강 진입을 위한 총 10조 1000억 원 예산의 일부로, 정부의 강력한 의지를 엿볼 수 있는 대목이다. 이처럼 AI 기술을 활용해 산업 경쟁력을 높이려는 정부 정책은 우리 경제의 미래를 위한 중요한 과제이다. 이러한 정책이 실질적인 성과로 이어지기 위해서는 몇 가지 중요한 점을 고려해야 한다.

우선 2030년까지 AI 팩토리 500개 이상 구축을 목표로 하고 있지만, 단순히 숫자 달성에만 집중하기보다는 규모와 제조업의 종류에 따른 성공적인 참조 모델을 개발하고, 이를 통해 구체적인 성공 사례를 만드는 것이 더 중요하다. 성공 사례는 다른 기업들에게 실질적인 도움을 줄 수 있는 중요한 지침이 될 것이다. 과거 제너럴 일렉트릭(GE)이 야심 차게 내놓았던 프레딕스(Predix) 플랫폼이 현장 적용에 실패했던 사례를 잊지 말아야 한다. 이는 고객의 실제 요구와 현장의 어려움을 제대로 이해하지 못하고 기술 자체에만 집중했을 때 발생할 수 있는 위험을 보여준다.

새롭게 주목받고 있는 피지컬 AI 분야 역시 기회인 동시에 주의가 필요한 영역이다. 피지컬 AI 학습에 필요한 데이터는 기존 AI 학습 데이터와는 성격이 다르다. 인과 관계, 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성, 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등 복잡하고 특수한 데이터 구성이 요구되며, 이는 피지컬 AI 분야가 마주한 매우 어려운 도전 과제이다. 엔비디아의 옴니버스와 코스모스와 같은 플랫폼이 디지털 트윈 및 피지컬 AI 학습 플랫폼으로서 얼마나 중요한 역할을 하는지 주목할 필요가 있다. 우리는 자체적으로 이러한 수준의 플랫폼을 구축할 것인지, 아니면 기존 기술을 도입하고 활용할 것인지에 대한 신중한 의사 결정이 필요하다. 국내에서 진행되었던 디지털 트윈 과제들의 결과물을 냉철하게 평가하고, 어떤 교훈을 얻었는지 되짚어보는 것이 중요하다.

산업 단지라는 우리의 강점을 활용하여, 산단 특성에 맞는 AI 기반 고도화 과제를 명확히 정의하고 특화 모델을 개발하는 것이 필요하다. 팔란티어의 온톨로지 모델과 같은 복합적인 솔루션도 함께 검토해 볼 만하다. 또한, 산업 AX는 제조업 경쟁력 강화뿐만 아니라, 이 분야에 특화된 중소기업 및 스타트업 생태계를 구축할 수 있는 좋은 기회이다. 기업과 AI 전문기업 간의 협력을 위한 라운드테이블을 마련하여 문제점을 공유하고 공동 해결 방안을 모색하며, 우수 사례를 공유할 수 있는 장을 만들어야 한다. 정부는 산업 AX 모범 사례와 관련 기술 솔루션, 데이터를 개방하는 산업 AI 허브를 구축하여, 같은 업종의 다른 기업들이 AI 전환에 대한 정보를 자유롭게 얻고 활용할 수 있도록 지원해야 한다.

과거 정책에서 성공을 거둔 프로그램들을 계승하는 것도 중요하지만, 산업 AX는 아직 어느 나라도 본격적으로 궤도에 오르지 못한 영역이다. 각 나라의 제조 현장, 문화, 업무 방식이 다르기 때문에 단일 모델이나 방법론이 모든 곳에 적용될 수는 없다. 팔란티어의 경우, 단순히 솔루션과 플랫폼을 제공하는 것을 넘어 본사 엔지니어가 현장에 직접 투입되어 고객과 함께 문제를 정의하고, 효과 분석 및 데이터 확보 방안을 협의한다. 산업 AX의 성과는 뛰어난 AI 엔지니어들이 사내에서 개발하는 것이 아니라, 현장에 투입되어 현장 엔지니어 및 전문가와 함께 문제를 해결하는 과정에서 나온다. 두 문화 간의 간극과 소통 문제를 원활하게 지원하는 것이 이 국가 과제를 성공적으로 추진하는 데 있어 가장 중요한 출발점일 수 있다.

다른 AI 과제들 역시 국가적으로 중요하지만, 산업 AX는 대한민국의 경쟁력 기반을 다시 세우는 핵심적인 과제이다. 따라서 성공 사례를 반드시 만들어내고, 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 한다. 정책적으로도 이러한 유연성과 기민성을 살려나가는 것이 중요하다.