대한민국이 인공지능(AI) 강국으로 도약하기 위한 야심찬 계획을 발표했다. 정부는 내년 예산을 약 728조 원 규모로 편성하며, 이 중 AI 3강 진입을 위해 올해 대비 3배 증가한 10조 1000억 원을 투입하겠다는 강력한 의지를 밝혔다. 특히 제조 경쟁력 강화를 위해 1조 1000억 원 규모의 예산이 배정되었으며, 이는 AI 팩토리 선도 프로젝트, 피지컬 AI 개발, 휴머노이드 개발, 온 디바이스 AI 개발 등을 포함한다. 이러한 거시적인 산업 동향과 사회적 요구는 AI 기술을 활용하여 산업, 특히 제조업의 경쟁력을 강화하는 것이 국가적 아젠다임을 시사한다.
이러한 흐름 속에서, 정부의 AI 팩토리 2030년까지 500개 이상 구축 계획은 주목할 만한 실천 사례로 평가된다. 그러나 단순히 숫자 달성에 집착하기보다는, 규모와 제조업 종류에 따른 참조 모델을 잘 만들고 성공 사례를 축적하는 것이 무엇보다 중요하다. 이는 과거 제너럴 일렉트릭(GE)의 프레딕스(Predix) 실패 사례에서 얻은 교훈을 통해 더욱 분명해진다. GE는 대상 고객의 기대와 고민을 제대로 이해하지 못한 채 멋진 플랫폼 구축에만 집중하다 현장 적용에 실패했다. 따라서 이번 AI 팩토리 구축 사업은 현장 적용 중심의 실질적인 성공 사례 창출에 초점을 맞춰야 한다.
또한, 새롭게 부상하는 피지컬 AI 분야에 대한 정부의 계획 역시 면밀한 검토가 필요하다. 피지컬 AI는 기존 AI와는 다른 차원의 데이터 특성을 요구하며, 이는 인과 관계 및 추론 메타데이터, 다양한 맥락과 비정형적 상황 데이터, 시공간적 일관성 및 멀티모달 통합, 상호작용 및 에이전트 행동 데이터 등의 복잡한 구성을 필요로 한다. 엔비디아의 옴니버스, 코스모스와 같은 디지털 트윈 및 피지컬 AI 학습 플랫폼의 중요성을 고려할 때, 국내 자체 플랫폼 구축 또는 외부 기술 도입에 대한 신중한 의사 결정이 요구된다. 또한, 과거 디지털 트윈 과제들의 경쟁력을 냉철하게 되짚어보고 얻은 교훈을 바탕으로 실질적인 기술 경쟁력 확보 방안을 모색해야 한다.
대한민국은 산단이라는 강력한 산업 인프라를 보유하고 있으며, 이를 기반으로 AI 기술을 고도화하는 과업을 명확히 정의하는 것이 중요하다. 팔란티어의 온톨로지 모델과 같은 복합적 솔루션 검토와 함께, 산단의 특성에 맞는 특화 모델 개발이 필요하다. 이는 산업 AX가 제조업 경쟁력 강화뿐만 아니라, 해당 분야 특화 중소기업 및 스타트업 생태계 구축의 기회가 될 수 있음을 보여준다. 기업과 AI 전문기업 간의 라운드테이블 운영, 우수 사례 공유, 그리고 산업 AI 허브 구축을 통해 정보의 자유로운 흐름을 촉진하는 것이 중요하다.
산업 AX는 어느 국가도 아직 본 궤도에 오르지 못한 영역이며, 각 나라의 제조 현장과 문화, 업무 방식에 따라 적용 가능한 모델이 달라진다. 팔란티어처럼 고객 현장에 직접 투입되어 문제를 정의하고 협의하는 방식으로 접근해야 성공 가능성을 높일 수 있다. 이는 단순히 AI 엔지니어가 개발하는 것이 아니라, 현장 엔지니어 및 전문가와 함께 풀어가는 과제를 통해 성과를 도출해야 함을 의미한다. 두 문화 간의 간극을 줄이고 원활한 소통을 지원하는 것이 국가 과제 성공의 핵심 출발점이 될 수 있다.
결론적으로, 산업 AX는 대한민국 경쟁력 기반을 재건하는 핵심 과제로서 반드시 성공 케이스를 만들어내야 한다. 이를 위해 끊임없는 피드백과 평가, 그리고 민첩한 개선이 이루어져야 하며, 정책적으로도 이러한 기민성을 살리는 것이 무엇보다 중요하다. 정부의 AI 분야에 대한 과감한 투자와 더불어, 현장 중심의 전략 수립 및 실행이 뒷받침될 때 진정한 산업 경쟁력 강화와 AI 강국으로의 도약을 이룰 수 있을 것이다.