오픈AI “제조업 AI 사용량 격차, 반년 새 2배서 5배로”

[이데일리 신영빈 기자] 제조업은 다른 산업보다 인공지능(AI) 도입이 더디지만 일단 도입한 기업의 활용 강도는 가장 높다는 오픈AI의 분석이 나왔다. 제조업 내에서도 AI를 적극 활용하는 기업과 그렇지 않은 기업 사이의 사용량 격차가 커지고 있다.

이동재 오픈AI 어카운트 디렉터는 28일 서울 강남구 조선 팰리스에서 열린 베스핀글로벌의 ‘제조 기업 CxO 초청 AX 조찬 세미나’에서 “제조업은 챗GPT 도입 정도로 보면 8개 산업군 중 6위지만 사용 강도는 1위”라고 밝혔다.

이동재 오픈AI 어카운트 디렉터가 28일 서울 강남구 조선 팰리스에서 열린 ‘제조 기업 CxO 초청 AX 조찬 세미나’에서 제조업의 챗GPT 활용 현황과 기업용 AI 적용 방안을 설명하고 있다. (사진=신영빈 기자)

이 디렉터는 “제조 데이터를 AI에 연결하기 어렵고 보안 문제도 있어 도입 속도는 상대적으로 느리지만, 한 번 도입되고 나면 그 어떤 산업군보다 다양한 활용 사례로 깊은 강도로 AI를 사용하는 것이 제조 산업군”이라고 말했다.

제조기업 간 활용 격차도 확대되고 있다. 이 디렉터가 소개한 오픈AI 내부 데이터에 따르면 제조업 상위 10% 기업과 중앙값 수준 기업의 활성 사용자당 출력 토큰 수 격차는 올해 초 약 2배에서 6월 5배 이상으로 벌어졌다. 토큰은 AI가 처리하는 텍스트 등의 단위다. 해당 지표는 AI 사용량 차이를 보여준다.

이 디렉터는 AI를 적극 활용하는 기업들이 적용 업무를 넓히며 방법론을 정립하는 반면 다른 기업들은 여전히 도입 방법을 고민하고 있다고 설명했다.

제조업의 활용 범위는 연구개발부터 품질보증, 생산관리, 구매까지 넓다. 이 디렉터는 미국 시약·장비 제조기업 프로메가가 연간 250건 이상 고객 품질 설문에 대응하는 업무에 챗GPT 엔터프라이즈를 활용해 품질보증 업무 시간을 연간 약 600시간 절감한 사례를 소개했다.

이 같은 활용을 위해서는 AI가 회사 내부의 데이터를 읽고 업무 맥락을 이해할 수 있어야 한다. 가령 품질 문제가 발생했을 때 사내 판정 기준과 과거 조치 사례를 함께 찾아오도록 하려면 관련 자료가 AI에 안정적으로 연결돼 있어야 한다는 것이다.

오픈AI는 구글 드라이브·셰어포인트·슬랙 등과 연결하는 커넥터와 외부 데이터·도구를 AI에 연결하는 표준인 MCP 등을 통해 기업 내부 정보의 활용을 지원한다고 설명했다. 이를 바탕으로 품질팀은 불량 데이터를 비교하고 생산관리팀은 계획과 실적의 차이를 점검하며, 구매팀은 협력사별 거래 조건을 검토할 수 있다.

모든 업무에 AI 에이전트를 개발할 필요는 없다는 제언도 나왔다. 반복적으로 수행하고 유지·관리해야 하는 업무는 전용 에이전트를 구축하되 일상적인 자료 검토나 문서 작성 등은 기존 업무용 AI 도구에 맡기는 방식이다.

이 디렉터는 개별 작업의 속도와 품질을 높이는 데서 출발해 팀 업무를 완결하고, 부서 간 정보 장벽을 낮추는 방향으로 활용을 넓혀야 한다고 강조했다. 궁극적으로는 AI 도입 전후에 직원의 역할과 조직의 의사결정 방식이 어떻게 달라졌는지 점검해야 한다는 설명이다.

한재용 아마존웹서비스(AWS) 제조 스페셜리스트가 28일 서울 강남구 조선 팰리스에서 열린 ‘제조 기업 CxO 초청 AX 조찬 세미나’에서 제조업 AI 활용 사례와 데이터 통합의 중요성을 설명하고 있다. (사진=신영빈 기자)

이날 발표한 한재용 아마존웹서비스(AWS) 제조 스페셜리스트도 데이터의 정확성과 현장 지식의 체계화를 제조업 AI 전환의 핵심 조건으로 꼽았다. 에이전트가 스스로 필요한 정보를 찾아 판단하려면 흩어진 데이터를 연결하는 것은 물론, 장비와 공정 사이의 관계를 이해할 수 있도록 의미를 부여해야 한다는 것이다.

한 스페셜리스트는 숙련자가 가진 판단 규칙을 구조화하는 접근을 소개했다. 데이터와 개념 사이의 관계를 정의하는 온톨로지에 현장 지식을 연결하면 AI의 판단 근거를 추적하고 숙련자의 노하우를 조직의 자산으로 축적할 수 있다는 설명이다.

그는 “에이전트가 어떤 판단을 내리려면 데이터가 정확해야 한다”며 투자 효과가 큰 데이터부터 검증하고 이를 바탕으로 AI 적용 범위를 넓히는 접근이 중요하다고 강조했다.