글로벌 제조업 AI 시장 동향
최근 AI 기술의 급속한 발전과 실제 적용 사례들이 소개되며 기술 도입에 대한 관심과 수요가 커지고 있다. 특히 생성형 AI 기술이 급부상하며 제품 개발 및 보안 등 IT 업무에서부터, 고객 서비스, 영업/마케팅, 재무/회계 등 기업 활동의 전 영역으로 응용처가 확대되고 있다. 생성형 AI 기술을 적용하면 다양한 업무에서 작업 시간을 단축하고 업무 효율성을 높일 수 있을 것으로 기대된다.
마켓앤마켓 'Artificial Intelligence in Manufacturing Market – Forecast to 2028’에 따르면, 제조 분야에서의 AI 시장 규모는 2023년 32억 달러에서 2028년 208억 달러로 증가하는 등 연간 45.6%의 성장률을 보일 것으로 전망된다. 주된 성장요인으로는 방대한 데이터의 효율적 처리에 대한 필요성, 관련 연산장치의 발전, IoT 및 자동화 기술의 적용, 관련 기업에 대한 투자 확대를 꼽았다. 구체적인 적용 분야별로는 예지 보전 및 기계 검사, 사이버보안, 품질 관리, 산업용 로봇, 재고 최적화, 생산 계획, 현장 서비스 순으로 많이 활용되고 있다. 제조업 내 산업별로는 자동차, 에너지 및 전력, 제약, 반도체 및 전자제품, 금속 및 중기계, 식품 및 음료, 기타 순으로 많이 활용되고 있다.
생성형 AI가 바꿀 스마트 제조 트렌드
생성형 AI는 이미지, 음성, 텍스트, 코드 등을 생성할 수 있으며, 제조업에 혁신을 불러올 잠재력이 있는 강력한 도구이다. 프로스트&설리번 보고서 ‘The Rise of Generative Artificial Intelligence in Manufacturing’은 생성형 AI가 제조업에 주는 세 가지 핵심 가치로 △데이터의 양적·질적 향상 △인력 및 비용의 부족 문제 해결 △창의적 문제 해결을 제시하였다. 구체적으로 첫째, 생성형 AI는 데이터 품질에 대한 문제를 해결하거나 새로운 데이터 생성을 통해 학습 데이터를 증강하는 데 활용될 수 있다. 현재 보유한 데이터가 제한적이고 편향된 경우 이러한 방법이 특히 유용하다.
둘째, 전통적으로 숙련된 노동자를 필요로 하는 복잡한 작업을 자동화하는 데 활용할 수 있다. 또한 생성형 AI는 제조전략 및 설비 구성을 빠르게 최적화하고, 작업자의 기술을 향상할 수 있는 다양한 교육에 활용될 수 있다. 셋째, 복잡하고 방대한 설계안을 검토하거나 학습 데이터로부터 도출된 특정 패턴 또는 관계로부터 새로운 아이디어를 도출하는, 가치사슬(제품 설계/공정 최적화/생산 전략) 전반에 걸쳐 혁신성을 발휘하는 데 도움을 줄 수 있다.
제조업에서의 생성형 AI는 이러한 핵심 가치를 실현하는 다양한 분야인 공급망 관리, 제조, 소매, 제품 분야의 업무에 활용될 수 있다. 공급망 관리 업무에서는 대규모 데이터 처리, 패턴 식별, 적용 가능한 아이디어 생성, 재고 모니터링 및 실시간 재고 업데이트, 직관 예측, 출고 감시, 중단지점 확인, 경로 최적화, 고객 및 공급처 관리, 공급망 관련 질의 등에 활용할 수 있다. 제품의 제조 단계에서는 설계 아이디어 생성, 재료 선정, 고객 선호도에 따른 전략 수립, 기술 문서 자동 생성에 활용할 수 있다.
제품 생산 시에는 조립 라인의 병목 지점 식별, 기계의 잠재적 고장 분석, 실시간 제조 정보 처리에 활용할 수 있고, 제품 품질 관리 단계에서는 생산된 제품의 편차 식별과 제조 파라미터 분석에 활용할 수 있다. 제품 판매 단계에서는 고객의 요구사항, 시장 동향, 경쟁사 분석 등을 반영하여 마케팅이나 판매 전략을 수립하고, 애프터마켓의 활성화 방안을 도출하는 등에 활용할 수 있다. 마지막으로 고객의 취향, 행동, 피드백 등을 분석하여 맞춤형 제품이나 서비스를 제공하거나, 고객과의 상호작용을 강화하기 위해 텍스트, 음성, 이미지 등의 콘텐츠를 생성하는 데 활용할 수 있다.
글로벌 제조 기업 AI 솔루션 적용 사례
AI는 기존에 소프트웨어 개발, 문제 보고, 시각적(vision) 품질 검사 위주의 특정 업무를 중심으로 적용되었다. 이후 도입에 따른 효과가 나타나며 다른 영역으로까지 적용이 확산하는 추세다. AI 기술의 적용은 자동차 분야에서 가장 활발하다. 벤츠는 현재 파일럿 단계로, ChatGPT를 지능형 차량 생산, 기술 인력에 대한 지원, 실시간 의사결정의 지원에 활용하고 있다. 또한 마이크로소프트 애저(Azure)를 활용하여 ChatGPT를 자사 M0360 디지털 플랫폼에 통합했다. 이를 통해 ChatGPT는 엔지니어가 음성을 통해 질문하면 일반적인 답변을 하고, 복잡한 질문에는 간략화된 답을 제공한다. 이는 랩탑, 스마트폰, 태블릿을 활용하여 확인할 수 있다.
더불어 전반적인 생산 과정에서 전략적 의사결정을 지원하고, 실시간 생산 계획 모니터링, 에러 식별, 공정 최적화, 품질 관리 등 다양한 서비스를 제공하고 있다. 벤츠는 파일럿 단계를 거친 후 이를 전 세계 생산 네트워크에 적용할 계획이다. 제너럴 모터스도 AI를 자동차 생산 공장 내 다양한 공정에 적용하고 있다. 일례로, 도색 품질 관리를 위해 도색에 적합한 습도가 아니면 다른 생산 공정부터 수행한 후에 도색 작업을 하도록, 공정 분석에 AI를 활용하는 식이다. 또한 제너럴 모터스는 마이크로소프트 및 구글과 협력하여 생성형 AI 기반 차량용 인포테인먼트 서비스를 개발하고 있다. 운전자가 챗봇을 활용해 사용 방법, 수리 방법과 같은 정보를 얻고 차고 제어 및 일정 관리도 할 수 있다. 이 외에도 대부분의 자동차 회사에서는 생성형 AI를 차량에 탑재하여 다양한 서비스를 제공하는 것을 목표로 하고 있다.
지멘스는 센서와 통신 기능을 갖춘 AI 기반 스마트 박스를 활용하여, 기계 상태를 확인하고 예지 보전을 위한 불규칙성을 검출하고 있다. 또한 전력망 제어 및 모니터링을 통해 운영의 신뢰성을 확보하고 있다. 최근에는 마이크로소프트와 협력하여 ‘지멘스 인더스트리얼 코파일럿’을 개발하였다. 이는 제조업체가 신제품을 설계하고 생산, 유지 관리하는 데 도움을 주기 위해 만들어졌다. 이를 적용하면 제조 과정에서 발생한 정보를 수집하고 복잡한 자동화 코드를 신속하게 생성·개선 및 디버깅하여, 공장 등 시설에서 시뮬레이션하는 시간을 단축할 수 있다.
반도체 제조 산업의 경우 패턴이 미세하고 3D 구조의 채택이 증가하면, 설계가 복잡해지고 생산 공정이 증가해 까다로워진다. 이때, AI 기술을 이용하면 제품 설계나 공정 최적화 및 오류 감지에 활용해 효율적인 생산과 검사가 가능하다. 엔비디아는 반도체 제조 공정에서 회절효과를 감안하여, 원하는 웨이퍼 이미지 형성을 위한 마스크 패턴 기술을 발표하였다. 삼성전자는 반도체 산업의 전 과정에 AI 적용을 검토하고 있으며, 텍스트 및 코드, 이미지 생성 도구인 자체 솔루션 ‘가우스’를 활용하여 메일 작성, 문서 요약, 번역 등 일상적인 업무에 활용하고 있다.
기존 제조업체뿐만 아니라 마이크로소프트, 구글, 메타, 아마존, 네이버, 카카오 등 국내외 생성형 AI 관련 빅테크 플랫폼 기업들도 적극적으로 적용 사례를 발굴하고 있다. 마이크로소프트는 B2B 제휴를 통해 생성형 AI 솔루션을 확대하고 있다. 높은 보급률을 가지는 윈도우, 오피스를 비롯하여 MS 팀즈를 기반으로, 최근 오픈AI와 연계한 코파일럿(Copilot)을 통해 사무·행정, 기획·분석, 영업·마케팅, IT 개발·운영 등 다양한 업무환경에서 시장을 확대하고자 노력하고 있다.
구글은 AI 챗봇 바드(Bard)를 출시하고, 멀티모달로 설계된 차세대 고성능 AI 모델 제미나이(Gemini)를 발표하였다. 제미나이는 텍스트, 이미지, 영상,오디오 등 다양한 형태의 입력을 이해해 상호작용할 수 있으며, 특정 부분에서는 사람을 뛰어넘는 성능을 기록한 바 있다. 국내에서도 네이버의 ‘하이퍼클로바 X’와 ‘큐:(Cue:)‘, 카카오의 ‘코-GPT’와 같은 플랫폼이 출시되어 다양한 비즈니스에 AI를 활용하려는 노력이 이루어지고 있다.
제조업 AI 미래 전망과 발전 방향
제조업의 경우 제품의 형태와 종류가 매우 다양하고 생산 환경도 현장마다 다르기에, 범용적인 플랫폼으로는 사용자의 요구를 모두 충족시키기 어렵다. 또한 현재 생성형 AI 기술은 정보 정확성에 대한 불안, 결과의 차별성, 시스템의 불안정성 등으로 인해 충분한 신뢰성을 확보하지 못했다. 이 때문에 AI 시스템은 빠른 효과를 볼 수 있고 높은 신뢰도가 요구되지 않는 업무에 개별적으로 적용되고 있다. 높은 신뢰도가 요구되는 업무에는 작업자의 확인이 필수적이다.
기술 도입 비용과 숙련된 전문 인력의 부족도 AI 기술을 적용하는 데 걸림돌이 되고 있다. 상대적으로 자금과 인력의 여유가 있는 대기업 위주로 관련 신기술을 선도하고 있으나, AI 기술 활용이 필수라는 인식이 점차 확산하면 중소기업의 기술 도입도 활성화될 것으로 보인다. 이러한 과정에서 글로벌 빅테크에 비해 기술력이 뒤처지는 기업 위주로 업체 간 기술개발 경쟁 및 협업이 활발해질 것이다. 기업은 직원들의 교육이나 업무 재배치, 충원을 통해 새로운 기술을 갖추어 미래에 대비하는 노력이 필요하다.
AI 기술 도입 시 데이터 유출과 저작권 및 개인정보보호 등 규제에 대한 고려와 대응도 필요하다. 일부 기업에서는 데이터 유출 문제로 외부 생성형 AI 도구의 사용을 금지하고 있으며, 민감한 데이터는 사내 플랫폼에 구축하는 것도 고려해야 한다. 이러한 우려에도 기업들은 AI 기술을 제조업뿐 아니라 전 산업 영역의 비즈니스에 활용하고자 적극적으로 시도할 것이다. AI 기술은 단기적으로 생성형 AI, 온디바이스 AI를 위주로 각 산업 분야에 맞춰 우선 적용될 것이며, 장기적으로는 범용인공지능(AGI)으로 서서히 발전할 것으로 전망된다.
