제조업 AI 성공의 핵심은 ‘데이터’… 슈퍼브에이아이, '중소제조기업 경영진을 위한 실전 AI·AX 전환’ 세미나 참가

지난 15일, 군산대학교 K-하이테크 플랫폼 사업단이 군산대 새만금캠퍼스 세미나실에서 개최한 ‘중소제조기업 경영진을 위한 실전 AI·AX 전환’ 세미나가 지역 제조기업과 유관기관 관계자들의 높은 관심 속에 마무리됐다.

이날 행사에는 군산 및 인근 지역 중소제조기업 임원을 비롯해 지자체와 유관기관 관계자 등 50여 명이 참석해 제조업 현장에서 활용 가능한 인공지능(AI) 도입 전략과 AX(AI Transformation) 실행 방안을 공유했다.

(중략)

“AI는 모델보다 데이터‘…산업 AI 경쟁력은 현장 전문성에서 시작

두 번째 세션에서는 슈퍼브에이아이 이현동 부대표가 ‘AI 기반 엔지니어링 실무 자동화 및 데이터 혁신’을 주제로 산업 AI의 핵심 경쟁력을 설명했다. 그는 최근 생성형 AI와 대규모 언어모델(LLM)의 발전으로 AI 기술 자체는 빠르게 평준화되고 있지만, 실제 산업 현장의 성패는 AI 모델보다 데이터를 어떻게 구축하고 운영하느냐에 달려 있다고 진단했다. 

이 부대표는 제조업을 비롯해 조선, 플랜트, 모빌리티, 신재생에너지 등 산업 현장은 이미지와 영상, 센서 등 비정형 데이터가 대부분을 차지하는 만큼 이를 체계적으로 데이터화하는 과정이 AI 경쟁력을 좌우한다고 설명했다. 특히 현장의 숙련 기술과 경험을 디지털 데이터로 축적하지 못하면 아무리 뛰어난 AI 모델을 도입하더라도 기대하는 성과를 얻기 어렵다고 강조했다. 

그는 산업 AI의 방향성으로 데이터 라벨링 자동화와 휴먼 인 더 루프(Human in the Loop), 피지컬 AI, 디지털 트윈 등을 제시하며 사람과 AI가 협업하는 구조의 중요성을 설명했다. 

“AI는 사람을 대체하는 기술이 아니라 현장의 전문성을 증폭시키는 기술입니다. 연구실에서 만든 AI보다 현장의 데이터를 어떻게 축적하고 운영하느냐가 앞으로 기업 경쟁력을 결정하게 될 것입니다.”

이 부대표는 AI 기술이 발전할수록 오히려 사람의 역할은 더욱 중요해진다고 강조했다. 산업 현장에서는 AI가 분석 결과를 제시하더라도 최종 판단은 사람이 수행하는 구조가 가장 안전하며, 이러한 ‘휴먼 인 더 루프’ 체계가 제조업 AI 운영의 핵심 원칙이라고 설명했다. 특히 산업 현장은 안전과 품질이 직결되는 만큼 AI의 판단을 무조건 신뢰하기보다 지속적인 검증 체계를 함께 구축해야 한다고 조언했다. 

또한 AI 프로젝트가 실패하는 주요 원인으로 △데이터 체계 부족 △라벨링 단계 미흡 △현장 적용 실패 △지속적인 업데이트 부족 등을 꼽으며, AI 도입 이전에 데이터 관리 체계를 먼저 구축해야 한다고 말했다. 데이터 라벨링은 단순 반복 작업이 아니라 전문가의 판단 기준을 AI에 학습시키는 핵심 과정으로, 산업 현장의 전문성이 그대로 AI 품질을 결정하는 요소라고 덧붙였다.

이어 그는 최근 산업 AI가 화면 속 분석을 넘어 실제 공장을 움직이는 ‘피지컬 AI’ 시대로 진입하고 있다고 소개했다. 휴대전화 카메라만으로 공장을 3차원 디지털 트윈으로 구현하거나 차량 외관 검사 시간을 40분에서 5분 이내로 단축하는 사례, CCTV 기반 공정 분석, 건설현장 위험요소 자동 분석 등 실제 산업 현장에 적용되고 있는 다양한 사례를 공유하며 AI 활용 범위가 빠르게 확대되고 있다고 설명했다.