제조업체는 어떻게 AI를 신뢰할 방법을 배우는가

• 인공지능(AI)이 널리 보급되었지만, 제조업과 같은 많은 전통적인 산업은 이 기술을 쉽게 신뢰하지 못하고 있다.
•  AI는 제조 프로세스를 자동화하여 효율성은 높이고 오류는 줄이면서, 제너레이티브 디자인으로 혁신을 평준화하고, 더 안전한 작업 환경을 만들 수 있다.
•  제조업체의 68%(PDF, 6쪽)는 이미 AI로 구동되는 운용 사례 또는 프로세스를 하나 이상 보유하고 있으며, 이러한 작은 발걸음이 AI의 가치를 입증하고 신뢰를 구축하게 될 것이다.

인공지능(AI)은 시리(Siri)나 알렉사(Alexa)와 같은 스마트 어시스턴트부터 개인 로봇 및 자동차 자동화, 의료 분야의 새로운 혁신에 이르기까지 일상적으로 활용되고 있다. 그러나 사람들이 기술을 이해하는 데 어려움을 겪고, 안전 문제나 일자리 대체, 비인격화된 느낌 등 그 단점을 두려워하기 때문에 여전히 부정적인 인식이 남아있다.

AI가 널리 보급되었지만 디자인 및 제조(D&M)와 같은 전통적인 산업은 AI에 작업을 넘겨주기를 특히 꺼린다. 그러나 AI의 잠재력은 거의 활용되지 않고 있다. 세계경제포럼(PDF, 3쪽)의 예측에 따르면 AI는 세계 경제 활동에서 최대 약 1경 7337조 원(13조 달러)을 창출하고 세계 GDP를 2% 증가시킬 수 있다. AI 기반 도구를 사용하기로 선택한 기업의 경우, 특히 데이터 공유 및 보안에 대해 걱정할 수 있다. 그러나 기업들이 데이터나 특별한 전문 지식에 대한 우려 없이 AI를 사용하여 실질적인 이점을 얻게 된다면 AI에 대한 신뢰는 더욱 커질 것이다.

D&M에서의 AI 현황

AI는 최근 현상처럼 보일 수 있지만 제조업에 깊은 뿌리를 두고 있다. 산업용 AI의 선구자이자 메릴랜드 대학 칼리지 파크의 기계공학부 클라크 석좌교수 겸 산업용 인공지능 센터 소장인 제이 리 박사(Dr. Jay Lee)는 "40년 전 제너럴 모터스 생산 공장의 3D 비전 유도 로봇 자동화 시스템에서 AI 경력을 쌓기 시작했다"며 “사람들은 AI가 이제 막 시작되었다고 말하지만 그렇지 않다. 우리는 이걸 이미 40년 전에 만들어 냈다. 로봇은 스마트 비전으로 자동차를 조립하고, 스스로 보완하며 경로를 자동으로 식별하고 조정했다"고 리는 말했다. 그는 세계 경제 포럼의 첨단 제조 및 생산에 관한 글로벌 미래 협의회 (Global Future Council on Advanced Manufacturing and Production) 회원이다.

기업들은 오랫동안 운영 개선에 대한 도움을 받기 위해 리를 찾아왔다. 미국 켄터키주 조지타운에 있는 토요타에서 압축 공기 시스템이 계속 고장 났을 때 계획에 없던 가동 중단으로 비용이 발생했고,  25초마다 라인에서 새 차가 나오던 시설에서 생산이 지연되었다. 리는 생산 라인에 AI를 결합하여 센서와 AI로 이상 현상을 감지하고 고장을 피하고자 했다. 유지보수 비용이 50% 줄었고, 2006년에 이 솔루션을 구현한 이후 해당 문제로 인한 작동 중단은 더 이상 발생하지 않았다.  

AI는 이러한 초기 활용 사례 이후 기본적인 운영 기능을 넘어 더욱 안정적으로 발전했다. 이제 다양한 시나리오를 반복하고 시뮬레이션하여 최상의 결과를 제공할 수 있는 제너레이티브 디자인으로 기업의 혁신을 도울 수 있다. 66%의 비즈니스 리더들은 향후 2~3년 내에 AI가 필요할 것이라고 생각한다. 그러나 최근 보스턴 컨설팅 그룹(Boston Consulting Group)의 연구에 따르면 제조 회사 중 16%만이 AI 목표에 도달한 것으로 나타났다. 초기의 비약적인 성장에도 불구하고 제조업에서 AI의 활용은 더디게 이루어지고 있다. 

프로세스를 신뢰하려면 올바른 데이터가 필요하다

제조업은 매년 약 1812페타바이트의 데이터를 생산하며, 제조업체가 이 데이터를 인사이트와 행동으로 전환하면 혁신을 앞당길 수 있다. 그러나 딜로이트(Deloitte)에 따르면 경영진의 67%는 다른 조직에 데이터를 제공하는 것을 불편해 한다.

오토데스크의 데이터 수집 및 전략 담당 이사인 알렉 슐디너(Alec Shuldiner)는 "특정 작업을 수행하기 위해 데이터를 구축하지 않으면, 새로운 용도로 사용하기 위해선 작업을 다시 해야 한다"며 "데이터 수집은 분석 또는 머신 러닝 애플리케이션과 같은 일부 새로운 프로세스에 사용할 수 있도록 데이터를 재활용하는 데 필요한 작업"이라고 말했다.

AI의 능력은 AI가 받아들이는 데이터에 달려 있다. AI는 데이터가 신뢰할 수 있고 정확하며 관련성이 있는 경우에만 원하는 결과를 생성한다. 리는 "쓸모없는 데이터를 주면 도움이 안 된다"며 “쓸모 있고 사용할 수 있는 데이터를 줘야 한다. 데이터가 원하는 목적에 연결될 수 있도록 ‘기계 고장을 예측하고 싶다’처럼 정확한 맥락이 있어야 한다. 기계의 상태와 관련된 데이터를 제공해야 한다는 뜻이다. 물고기가 있으면 요긴하지만, 오염된 물에서 온 물고기는 먹을 수 없다”고 말했다.

AI 수용을 꺼리는 것과 AI의 모든 힘을 극대화하는 것 사이의 격차를 줄이기 위해 제조업체는 볼 수 없는 것을 신뢰하는 법을 배워야 한다. 그들은 AI가 예측 유지 보수를 처리하도록 하는 것에는 익숙하지만, 제너레이티브 AI는 아직 커다란 미지의 영역이다. 하지만 감수할 가치가 있는 위험이다. AI가 어떻게 모든 과정에서 가시성을 제공하는지 제조업체가 더 잘 이해하면 AI는 조직에 더 많은 가능성을 제공할 것이다.

신뢰 구축 및 AI의 가치 실현

리는 AI의 이점을 "3W", 즉 작업 감소(work reduction), 낭비 감소(waste reduction) 및 걱정 감소(worry reduction)로 정의한다. 그는 “우리는 모르는 게 많다”며 말했다. "예를 들어 어떤 사람들은 공장을 돌아다니며 모든 것을 확인하고 싶어 한다. 기계가 절대 고장나지 않더라도 걱정이 되기 때문이다.” AI는 가시성을 높임으로써 이러한 두려움을 완화한다. 리는 “지역 사회의 모든 사람이 감시 카메라를 가지고 있다면 걱정이 없을 것이다. 집을 보면서 ‘어, 누구지? 아, 아마존 배송이구나’ 이런 식으로 확인하는 앱이 있을 수 있다.” AI가 스스로를 증명하고 AI가 어떻게 작동하는지에 대한 사람들의 인식이 향상되면, 사람들은 AI를 운영에 더 많이 통합하기 시작한다.

클라우드 연결 공장이 일반화됨에 따라 AI는 이 모든 데이터를 실시간으로 수집하고 인사이트를 빠르게 생성하여 더욱 강력해질 수 있다. 그러나 아직까지 제조업체는 의사 결정에 어려움을 겪고 있다. 

슐디너는 "오늘날 디자인에서 우리는 종종 절충안을 만들어야 할 때가 있다"고 말했다. “신속하게 설계하거나, 쉽게 제조할 수 있도록 설계하거나, 재활용성과 같은 지속가능성 목표를 달성하도록 설계할 수 있습니다. 그러나 이러한 모든 작업을 한 번에 수행할 수 없는 경우가 많죠. 따라서 디자인에 재활용성을 추가한다고 할 때 해당 디자인에 더 많은 시간을 할애해야 하고, 결국 제조 비용이 더 많이 들 수 있어요. AI는 이러한 많은 절충안이 사라지는 지점으로 우리를 데려다줄 것입니다. 빠르고 효율적으로 설계할 수 있고 여러 가지 복잡한 설계 목표를 달성할 수 있죠."

리는 토요타나 제너럴 모터스 같이 초기에 첨단 기술을 사용한 업계의 아웃라이어를 지목한다. 이 기업들은 클라우드 컴퓨팅과 AI를 사용하여 더 가볍고 효율적인 자동차를 만들기 위해 혁신을 거듭하고 있다. 그러나 제조업체가 AI에 점점 더 많은 작업을 넘기는 것은 점진적인 프로세스인 경우가 많다. 리는 "전통적인 산업은 지속적인 개선이 필요해다"며 “하룻밤 새 이루어지는 성공이 아니다 작은 일을 먼저 하고, 그 일을 실현한 뒤 다음으로 넘어가는 것”이라고 말했다.

제조업체의 68%(PDF, 6쪽)는 AI로 구동되는 운용 사례 또는 프로세스를 하나 이상 보유하고 있으며, 이러한 작은 발걸음이 AI의 가치를 입증하고 신뢰를 구축할 것이다. 리는 "AI의 이점을 인식하는 것이 가장 중요하다"며 “사람들은 AI의 위협이나 부정적인 면에 대한 두려움을 가지고 있지만, 너무 걱정한 나머지 앞으로 나아가는 것을 멈춰서는 안 된다”고 말했다.