“AI로 뭘 하지?”…첫 질문부터 막히는 기업들, 현장에선 어려움 ‘여전’

인공지능(AI) 도입에 나서는 기업들이 늘고 있지만 여전히 기술 활용에 대한 실질적인 이해 부족과 함께 숙련 인력·데이터 미비 등 복합적인 어려움이 해소되지 않은 분위기다. 이 같은 문제를 해결하기 위해 AI 도입을 지원하는 기업들은 문제 정의부터 실무 적용까지 각 단계에 맞춘 솔루션을 제공하고 있다.

25일 업계에 따르면 최근 많은 기업들이 AI 도입에 나서고 있지만 실제 적용 단계에서는 여전히 복잡한 현실적 장벽에 부딪히고 있다.

이 같은 상황에 대해 AI 도입을 지원하는 기업들은 ‘AI를 어디에 적용해야 할지’에 대한 문제 정의가 이뤄지지 않는 점을 주요 어려움 중 하나로 꼽았다.

한 업계 관계자는 “실제로 AI를 어떻게 적용해야 할지에 대한 구체적인 그림이 없는 경우가 많다”며 “AI 기술을 어떤 방식으로 활용해야 할지에 대한 아이디어가 부족하다 보니 오히려 ‘어떤 방식으로 적용할 수 있을지’ 아이디어를 역으로 요청하는 경우도 있다”고 전했다.

그러면서 “결국 AI 도입이 제대로 작동하려면 문제를 실제로 안고 있는 실무자가 주체적으로 고민하고 풀어야 한다”고 덧붙였다.

AI가 학습할 기반이 되는 데이터 역시 주요 난관으로 지목된다. 기업 내부에 활용 가능한 데이터가 부족하거나 수집된 데이터도 정제되지 않아 학습 자체가 어렵다는 설명이다. 예컨대 HWP 문서나 설비 로그 등 특화된 포맷을 다뤄야 하는 상황에서는, 이를 AI가 학습 가능한 형태로 가공하는 데만도 상당한 기술적 리소스가 필요한 경우가 있다.

김현수 슈퍼브에이아이 대표는 “AI를 ‘최고의 셰프’라고 한다면, 데이터는 ‘신선한 재료’와 같다. 많은 기업들이 AI 모델의 성능에만 집중하지만 정작 AI가 학습해야 할 데이터가 제대로 준비되어 있지 않은 경우가 대부분이다”며 “데이터가 없거나 있더라도 정제되지 않아 쓸 수 없는 상황은 AI 프로젝트를 시작 단계에서부터 좌초시키는 가장 큰 원인이 된다”고 짚었다.

복잡한 인프라 환경과 AI 전문 인력 부족 등도 이유로 언급됐다. 이는 GPU 자원 확보부터 모델 선택, 데이터 연동, 배포 환경까지 전반적인 인프라가 단절돼 있어 도입 이후 효율적인 활용이 어렵다는 설명이다.

일례로 한국산업기술진흥원(KIAT)은 많은 기업들이 AI 기술을 어떻게 활용해야 할지에 대한 실질적인 이해가 부족하며 이와 함께 숙련된 인력도 부족하다는 점을 주요 어려움으로 들었다. 산업통상자원부가 E컨슈머를 통해 수행한 보고서에서도 기술 인력 부족, 데이터 미비 등이 AI 도입의 대표적인 장애물로 꼽혔다.

(중략)

이 같은 복합적인 어려움을 해소하기 위해 AI 도입과 운영을 지원하는 기업들은 자사 솔루션을 제공하고 있다.

슈퍼브에이아이는 문제 정의를 먼저 짚고 단기간의 개념검증(PoC)으로 실제 효과를 점검한다. 심층 워크숍을 통해 목표를 설정하고 자체 ‘제로 파운데이션 모델’을 활용하는 구조다. 베슬AI는 AI 오케스트레이션 플랫폼을 통해 도입 전 과정을 자동화한다. GPU 자원 관리부터 모델 파인튜닝, 워크플로우 연결까지 한 번에 처리한다.

(후략)