"산업현장서의 AI 활용, 하드웨어와의 긴밀 결합이 필수"

by한광범 기자
2023.10.17 17:26:36

윤일용 포스코DX 상무 "핵심은 기존 시스템과 '융합'"
"의사결정 기술과 융합 통한 자율적 판단 시스템 필요"
"AI 접목이 경쟁력…기업들간 경쟁력 격차 벌어질 것"

[이데일리 김가은 한광범 기자] “제조업에서의 인공지능(AI)은 공정과 생산의 자동화·효율화가 가장 중요합니다. 현장의 복잡한 요구사항을 수행하려면 AI와 하드웨어 간 긴밀한 결합이 필요합니다.”

윤일용 포스코DX AI기술그룹장(상무)은 17일 서초구 JW메리어트 서울에서 열린 지능정보산업협회 ‘AIIA(AI Is Anywhere)’ 포럼에서 제조업의 AI 활용과 관련해 이같이 밝혔다.

포스코DX는 철강과 2차전지 소재 등 대표적 중후장대 사업을 영위하고 있는 포스코그룹의 디지털 전환(DX)을 주도하는 회사다. AI·클라우드·5G 등 정보통신기술(ICT)을 산업 현장에 적용해 스마트 팩토리·물류 등의 신사업을 추진 중이다.

(그래픽=이미나 기자)
윤 상무는 “포스코DX는 국내 유일의 정보기술(IT)·운영기술(OT) 융합기업”이라며 “전사적 자원관리(ERP)·공급망관리(SCM)부터 공정 관리, 제어까지 통합 수행할 수 있는 역량을 갖고 있다”고 말했다.

AI기술에 대한 방향성도 여느 기업들과는 다르다. 포스코DX가 강조하는 키워드는 ‘융합’이다. 물리적 공정 과정을 담당하는 기존 시스템들과 융합돼야만 제조업에서 요구하는 실질적 가치를 창출할 수 있다는 설명이다.

포스코DX는 △제어 △센서 시스템 △의사결정 기술 등을 AI기술과 융합돼야 할 주요 시스템으로 꼽고 있다. 먼저 제어 융합은 딥러닝 인지를 통해 공장 내 설비를 조작하는 시스템을 고도화, 더 정밀하게 제어하는 것에 초점이 맞춰져 있다. AI가 제어시스템에만 데이터를 전달하는 단방향 체계가 아닌, 양방향 정보 공유 시스템이 갖춰져야 한다는 점이 핵심이다.

산업 현장에 대한 인지와 판단 분야는 센서 시스템 융합이 필수적이다. 제품 크기는 물론, 생산 현장 또한 넓고 방대한 만큼 센서와 뉴럴 네트워크를 융합해 산업 현장 내 위험성을 줄여야 한다.



윤 상무는 특히 의사결정 기술과 AI를 융합해 자율적 판단이 가능한 시스템을 갖춰야 한다고 강조했다. 스마트 팩토리 측면에서 데이터가 입력됐을 때 결괏값을 내는 수동적 AI는 한계가 있다는 것이다.

그는 “현재 제조업에서의 머신러닝(ML) 응용은 인지와 예측 두 가지에 초점을 맞추고 있는 경우가 많다”며 “입력이 들어왔을 때 결과만을 내는 것은 스마트 팩토리에 있어서 큰 의미가 없다”고 지적했다. 그러면서 “자율적 판단이 가능한 AI를 구현하기 위해서는 수학적 최적화, 강화학습 같은 의사결정 기술이 융합돼야 한다”고 부연했다.

포스코DX는 융합AI와 관련된 다양한 기술과 사례를 보유하고 있다. 구체적으로 △라이다(LiDar)와 카메라 센서를 융합한 ‘크레인 무인화’ △비전AI를 활용한 ‘택배 물품 자동 분류’ △스마트 CCTV로 물품 상하차 작업 진척률을 실시간 계산, 화물차량 대기시간 최소화와 생산성 향상을 이끈 ‘물류센터 상하차 최적화’ △멀티 카메라 정보 융합 기반 ‘작업장 위험 상황 감지’ △자재 이송용 컨베이어 벨트의 정상·비정상 데이터 수집 및 데이터베이스(DB)화 목적 테스트베드 제작 등이 있다.

윤 상무는 “현재 딥러닝 수준에서 고도화된 시스템을 구현하려면 융합AI가 필수적”이라며 “AI와 공장 설비를 결합하려면 제어, 센서, 의사결정 기술과 한 몸을 이뤄야 기업에서 원하는 기술이 될 수 있다”고 힘줘 말했다.

이날 포럼의 또 다른 발표 연사인 AI 스타트업 업스테이지의 권순일 부사장은 이제 AI가 기업의 경쟁력을 좌우하게 될 것이라고 내다봤다. 권 부사장은 “지금 작은 스케일로라도 시도하고 도전적으로 하는 기업, 이를 제공하기 위해 노력하는 기업들과 그렇지 못한 기업들과의 경쟁력 차이는 계속 유지되거나 더 벌어질 수밖에 없다”고 밝혔다.

또 과거 다른 기술과 AI의 차이에 대해선 “누군가 성공한 솔루션을 도입한다고 그 격차가 좁혀지지 않는다는 것”이라며 “특화 AI는 실사용 환경에서의 추가 데이터와 피드백을 통한 강화학습이 필요하고 이는 절대적 사용 기간이 필요하다. 이를 대비하기 위해선 다양한 테스트를 통해 개선하는 기업이 경쟁력을 가져갈 것”이라고 내다봤다.

권 부사장은 이 같은 상황에서 결국 많은 기업들이 보다 경제적인 소형 거대언어모델(sLLM)을 택하게 될 것이라고 전망했다. 그는 “LLM을 프라이빗 클라우드를 통해 사용하는 것은 엄청난 비용이 들다 보니 결국 많은 기업들이 스몰(small·소형) 스케일 영역에 관심을 갖고 있다”고 말했다.