[글 한국인더스트리4.0협회 박한구 명예회장] 앞으로 50년, 제조기업 중심 대한민국이 미래 시장을 선점하기 위해서는 제조 공장에서 측정·생성되는 다양한 데이터를 표준화된 데이터 포맷을 활용해 체계적으로 수집·저장·분석·활용해야 한다. 제조 AI의 역할은 사람이 자동화된 설비에 대해 △모니터링 △분석 △판단 △조치하던 작업을 AI 솔루션이 대신하는 것이다. 이때 사람은 AI 솔루션이 판단한 결과를 보고 최종적으로 의사결정해 신속하게 조치하는 모습으로 역할이 변화된다.

필자는 제조 AI가 사람을 대체하는 개념이 아니라, 어렵고 힘든 일은 AI 솔루션으로 대체하고 사람은 지식근로자로 그 시간에 다른 창의적인 업무를 수행하면서 AI 솔루션이 문제가 있다고 판단한 결과만 분석 및 조치하는 모습으로 디지털 전환된다고 생각해 왔다.

다만 올해 라스베이거스에서 개최된 CES2024를 보며 생각이 달라지게 됐다. 올해 CES에서는 ‘모든 기술의 핵심은 생성형(Generative) AI’라는 새로운 국면에 대한 시작이 예고됐다. 지난해 CES에서 AI에 대한 특별한 내용이 없고, ‘앞으로 AI는 우리 일상생활과 산업에 기본적으로 사용되는 하나의 기술로 자리매김할 것’이라는 전망 정도만 공유된 것과는 다르다.

앞으로 일상생활에서 생성형 AI가 가져올 파급력은 무척 클 것이다. 이에 AI를 제조기업에서 어떻게 활용하고, AI가 기업에는 어떤 영향을 줄 것인지를 함께 고민하고자 한다.

대량 데이터 기반 빠른 기초 모델 생성 가능

사용자는 생성형 AI를 사용하면 다양한 입력을 기반으로 새로운 콘텐츠를 빠르게 생성할 수 있다. 관련 모델 입출력에는 △텍스트 △이미지 △사운드 △애니메이션 △3D 모델이나 기타 유형을 가진 데이터가 포함될 수 있다.

생성형 AI 모델은 신경망(Neural Network)을 사용해 기존 데이터 내 패턴과 구조를 식별하며 새롭고 독창적인 콘텐츠를 생성해 낸다. 생성형 AI 모델에 대한 획기적인 발전 중 하나는 훈련을 위한 비지도 학습(Unsupervised Learning)이나 반지도 학습(Semi-Supervised Learning)을 포함한 다양한 학습 접근 방식을 활용할 수 있다는 점이다. 조직은 관련 학습을 통해 레이블이 지정되지 않은 대량 데이터를 활용한 기초 모델을 쉽고 빠르게 생성할 수 있다. 이름에서 알 수 있듯 기초 모델은 많은 작업을 수행하는 AI 시스템 내 기반으로 사용될 수 있다.

기초 모델에 대한 예시로는 사용자가 언어의 힘을 활용할 수 있게 해주는 GPT-3 및 스테이블디퓨전(Stable Diffusion)이 있다. 구체적으로 GPT-3을 기반으로 하는 챗(Chat)GPT 같은 인기 애플리케이션을 사용하면 사용자는 짧은 텍스트 요청을 기반으로 에세이를 생성할 수 있다. 또 스테이블디퓨젼을 사용하면 사용자는 텍스트 입력에 따라 사실적인 이미지를 생성할 수 있다.

모델별 특성 결합해 강력한 모델 생성 가능

성공적인 생성형 AI 모델에는 품질과 다양성, 속도 등 세 가지 기준이 요구된다. 다양한 결과물을 고품질로 빠르게 생성·출력해야 한다는 뜻이다. 특히 사용자와 직접 상호작용하는 애플리케이션에서는 고품질 생성이 매우 중요하다.

모델에는 확산 모델, VAE 모델 등 다양한 유형이 있다. 사용자는 각 모델이 내는 결과 중 긍정적인 특성을 결합하면 보다 강력한 모델을 만들 수 있다.

현재 생성형 AI는 창작자나 엔지니어, 연구원 및 과학자 등에 대한 워크플로(workflow)를 간소화하기 위한 강력한 도구로 △텍스트 △이미지 △오디오 △비디오 △코드 등 입력을 받아 언급된 양식을 통해 새로운 콘텐츠를 생성할 수 있다. 일례로 텍스트 입력을 이미지로 변환하거나 이미지를 노래로 변환하는 것, 비디오를 텍스트로 변환하는 작업까지 가능하다.

아울러 생성형 모델이 갖는 파급 효과는 광범위하기에 관련 응용 프로그램도 지속 증가하고 있다. 구체적으로 자동차 산업에서는 생성형 AI가 시뮬레이션과 자동차 개발을 위한 3D 세계 및 모델을 만드는 데 도움이 될 것으로 예상된다. 실제로 생성형 AI 애플리케이션 중 합성 데이터는 자율주행차 훈련에도 사용되고 있다. 현실적인 3D 세계에서 자율주행차가 갖는 능력에 대한 도로 테스트(Road Test)를 진행할 수 있으면 안전성과 효율성, 유연성이 향상되는 동시에 위험 및 간접비도 줄어들게 된다.

또 자연과학 분야는 이미 생성형 AI가 가진 이점을 크게 누리고 있다. 의료 산업에서 생성 모델은 약물 발견에 도움이 되는 새로운 단백질 서열을 개발함으로써 의학 연구에 도움을 줄 수 있다. 추가적으로 실무자는 스크라이빙이나 의료 코딩, 의료 영상 및 게놈 분석 같은 작업에 대해 자동화가 주는 편리함, 효율 향상 등 긍정적인 효과를 누릴 수 있다.

프로세스 자동화 등 다양한 이점 제공

한편 생성형 AI 알고리즘을 사용하면 인간이 만든 콘텐츠와 구별할 수 없는 이미지와 비디오, 텍스트 등에 대해 새롭고 독창적인 콘텐츠를 만들 수 있다. 또 자연어 처리, 컴퓨터 비전 등 기존 AI 시스템 관련 효율성 및 정확성 향상에도 사용할 수 있다. 일례로 생성 AI 알고리즘을 사용하면 다른 AI 알고리즘을 훈련하고 평가하는 데 사용할 수 있는 합성 데이터를 생성할 수 있다.

또 생성형 AI를 활용한 알고리즘은 복잡한 데이터를 새로운 방식으로 탐색하고 분석하는 게 가능하다. 이에 기업과 연구자는 원시 데이터만으로는 명확하지 않을 수 있는 숨겨진 패턴과 추세를 발견하는 데 도움을 받을 수 있다.

특히 관련 알고리즘은 다양한 작업과 프로세스를 자동화하고 가속해 기업 및 조직의 시간과 리소스 절약을 지원한다. 전반적으로 생성형 AI는 광범위한 산업과 애플리케이션에 큰 영향을 미칠 수 있는 잠재력을 갖고 있기에 AI 연구 및 개발에 있어 중요한 영역이라고 할 수 있다.

제조업서 생성형 AI 통한 신규 비즈니스 기회 창출 가능

제조업에서는 기업 내에서 생성되는 △OT(Operation Technology) △IT(Information Technology) △DT(Data Technology) 기술과 △4M2E(Man, Machine, Material, Method, Energy, Environment)에서 생성되는 데이터를 기반으로 기업이 보유한 핵심 노하우와 엔지니어링 기술 등 공개된 기반 기술을 상호 융합해 새로운 제품 개발 및 사업모델 개발에 활용할 수 있다. 특히 기업에서 갖고 있는 고질적인 난제를 생성형 AI를 통해 쉽게 해결할 수도 있다.

구체적으로 제품 디자인과 개발에 있어서는 생성형 AI를 활용해 고객 요구사항에 맞는 맞춤형 제품을 디자인하거나 기존 제품을 개선하는 데 도움이 될 수 있다. 또 복잡한 제품 구조를 최적화해 재료 비용을 절감하고 제조 공정을 단순화할 수 있다. 또 생성형 AI는 공정 최적화와 시나리오 분석 영역에서 제조 공정 중 발생하는 데이터를 분석해 생산성을 극대화하고, 불필요한 에너지 소비나 자원 낭비를 줄이는 최적의 운영 조건을 찾아낼 수 있다.

고장 예측과 유지보수에 있어서는 제조 설비에서 수집한 센서 데이터를 바탕으로 장비에 대한 잠재적 결함을 예측하고, 고장 발생 이전에 유지보수를 실시할 수 있어 생산 중단 시간 최소화를 지원한다. 또 재고 관리 및 수요 예측과 관련해서는 판매 추세와 시장 변동성, 계절적 요인 등을 분석해 수요를 예측하고, 최적의 재고 수준을 유지할 수 있는 전략을 생성하는 데 도움을 줄 수 있다. 추가적으로 품질 관리 부문에서는 공정 중이나 공정을 끝마친 이후에 AI를 활용해 제품 결함을 식별하고 분류하는 제품 품질 검사를 자동으로 수행할 수도 있다.

아울러 생성형 AI는 공정 단계를 뛰어넘어 각 산업 영역별로도 다양한 이점을 제공한다. 우선 자동화와 로봇공학 관련 산업에서는 로봇 팔이나 자동화된 시스템에 대한 경로 계획 및 작업 순서를 최적화해 생산 효율을 높이고 인간이 느끼는 작업 부담을 줄이는 데 일조할 수 있다. 또 공급망 최적화 관련 산업에서는 공급망 전반에서 발생하는 비용을 절감하고 리드 타임을 단축하기 위해 공급업체에서 소비자에 이르는 전체 네트워크를 분석하고 최적화하는 데 활용 가능하다.

특히 에너지 관리 영역에서는 제조 공장 내 에너지 소비 패턴을 분석하고, 비용 효율과 환경 영향을 고려한 에너지 소비 전략을 제안할 수 있으며, 3D 프린팅 산업에서는 생성형 AI 알고리즘을 이용해 복잡한 형상을 가진 제품이나 부품을 만들기 위한 3D 프린팅 프로세스를 개선하고 최적화할 수 있다.

다양한 사례들과 같이 제조기업은 생성형 AI 활용을 통해 제품 품질과 생산 효율을 향상하면서도 비용은 절감하고, 고객 만족도는 높일 수 있다. 앞으로 제조기업이 글로벌 시장을 선점하기 위해서는 생성형 AI 기술을 응용해 기존 제품이 가진 고질적인 난제를 해결하고, 새로운 제품과 사업모델을 개발하는 데 많은 연구와 노력을 할 필요가 있다.

조창현 기자 다른기사 보기