산업과 지역·기업별 양극화, 제조 AX 정착 늦춘다

[산업일보]
제조 현장에서의 AI 적용은 설비와 공정의 안전하고 효율적인 작동과 이를 통한 생산성과 품질의 향상에 기여할 것으로 기대하고 있다. 특히, 제조업계의 절대 다수를 차지하는 중소기업이 겪고 있는 인력난 해소에도 도움이 될 것으로 보고 있다.

그러나, 현실을 들여다보면 중소 제조기업들은 비용과 인력, 실증에 대한 부담 등으로 인해 AI 도입의 필요성에는 공감하지만 이를 실행하는 데에는 머뭇거릴 수밖에 없다.

23일 국회에서 열린 ‘제조 AI 전환과 현장 확산을 위한 정책토론회’의 발표자인 한국생산기술연구원 제조AI연구센터 윤종필 센터장은 제조 현장에 AI를 도입하는 과정에서 불거지는 양극화의 해결을 촉구했다.

‘제조 AI 전환의 현황과 AX 양극화 해소 정책 과제’라는 주제의 발표에서 윤 센터장은 “제조업에 AI가 적용되는 분야는 맞춤형 설계와 설비 진단, 제품 검사 및 현장 물류, 공장 최적화 등”이라며 “이를 위해서는 데이터 센싱과 해석, 제조 특화 AI모델 개발, 현장 맞춤형 최적화가 필요하다”고 언급했다.
윤 센터장은 “딥러닝은 사용자가 만든 정답 데이터대로 학습한다”라며 “문제를 잘 풀 수 있도록 충분한 양의 입력 데이터와 정확한 정답 데이터를 확보하는 것이 중요하다”고 강조했다.

그는 한국의 제조 AI가 아직까지 연착륙하지 못하고 있는 이유를 ‘양극화 현상’에서 찾고 이를 산업과 지역, 기업의 관점으로 각각 분석했다.

윤 센터장은 “산업별 특성으로 봤을 때 제조업은 AI 노출도가 0.26에 그친 반면 금융‧보험은 0.58로 두 배 이상의 차이가 나고, 데이터가 부족한 제조업은 AI가 기존 직무를 대체하는 것도 어렵다”고 말한 뒤 “인프라 투자 여력도 중소기업은 1억 원 이하가 70%에 달할 정도”라고 언급했다.

지역의 양극화도 심각한 문제로 지적됐다. 윤 센터장의 설명에 따르면 AI 학습용 데이터 구축 지원 예산의 80% 가까이가 수도권에 배분돼 있고, 데이터센터 기업도 수도권에 80% 이상 밀집돼 지역별 양극화가 심화되고 있다.

“기업의 관점에서 봤을 때는 매출 규모에 따른 데이터 수집 여부에서부터 격차가 발생한다”고 말한 윤 센터장은 “대기업은 20명 이상으로 AI 전담조직을 구성한 곳이 36.4%를 차지하는 반면 중소기업은 5인 이하로 구성된 곳이 90%를 차지한다”고 꼬집었다.

발표를 마무리하면서 윤 센터장은 “현장의 데이터 전문가와 AI 모델 전문가, AI 시스템 전문가가 각자의 역량을 기반으로 협업 체계를 구축하는 것이 중요하다”고 덧붙였다.