제조업에 있어 인공지능(AI) 기술의 가치는 지난해만해도 약 3억 달러에 불과했지만, 앞으로는 연평균 52%의 성장률을 보이며 2023년이 되면 48억 달러 이상의 가치를 창출할 것으로 전문가들은 전망하고 있는데요. 이에 많은 기업들이 AI 분야에서의 경쟁력 확보를 미래 비즈니스 성공의 핵심으로 보고 모든 총력을 기울이고 있습니다.
포스코 역시 올해 초 新중기전략의 하나로 그룹 사업의 스마타이제이션(Smartization)을 발표하고, 포스코건설, 포스코에너지, 포스코ICT 등 그룹의 주력 계열사가 모두 참여하는 스마트 팩토리(Smart Factory), 스마트 빌딩 앤 시티(Smart Building & City), 스마트 에너지(Smart Energy) 의 사업 플랫폼 정비 및 신규 사업기회를 모색하고 있습니다.
포스코는 현재까지 스마트 관련 모든 사업분야에 걸쳐 약 100여 건의 과제를 성공적으로 완료했고, 추가로 131건의 새로운 과제를 진행 중에 있는데요. 진행 중인 과제 중 인공지능(AI) 및 빅데이터(Big Data) 적용 과제 비중을 보면 지난해 대비 20% 증가한 68%로, 스마트화를 위한 신기술 도입에도 적극적으로 대응하고 있습니다.
△ 지난 7월 포스코센터에서 개최된 ‘스마트포스코 포럼 2017’
지난 7월에는 그동안의 스마타이제이션(Smartization) 성과를 임직원과 고객사에 공유하고, 향후 AI 연구와 기술 적용에 대한 조언을 공유하기 위한 ‘스마트포스코 포럼 2017’을 개최했는데요. 특히 이날 포럼에서는 서울대 장병탁 교수 등 국내 AI 관련 전문가들이 제조업에 AI를 적용해 성과를 창출하기 위한 전략 및 발전 방향을 주제로 열띤 토론을 펼쳤습니다. 기업에서 AI 적용을 위해 풀어야 할 도전 과제와 미래 솔루션에 대해 포럼 현장에서 오고간 전문가들의 의견을 포스코리포트로 정리해 보았습니다.
l AI 기술 적용은 문제발굴과 강화학습을 시작으로
포항공과대학교 산업경영공학과 김병인 교수는 인공지능을 제조업에 적용하는 데 가장 중요한 요소 중 하나로 “문제 발굴(Problem mining)”을 꼽았습니다. 현업에서 발생하는 문제를 해결하기 위해서는 문제를 찾아내고 정의하는 일을 가장 우선해야 하기 때문이죠.
김병인 교수는 문제 발굴과 더불어 과거 연구 노하우를 이용한 “강화 학습(reinforcement learning)”의 중요성도 덧붙였는데요. 과거 유사 과제 수행 경험을 토대로 훈련하여 새로운 과제를 해결해 내는 강화 학습을 통해 문제를 좀 더 정확히 정의하고 관련된 키워드들을 체계적으로 관리하여 향후 발생할 과제들을 훨씬 수월하게 해결할 수 있게 되죠.
서울대학교 컴퓨터공학부 장병탁 교수는 기존에는 사람이 직접 문제를 해결해야 했다면, 앞으로는 AI를 적극적으로 활용해 문제를 해결할 수 있게 될 것이며, 사람이 해야 할 일은 문제를 올바르게 정의하여 시스템을 구현하고 알맞은 데이터 확보에 주력하는 것이라고 강조했습니다.
l 업계 간 협력으로 구현되는 AI
실제 AI가 구현되기 위해서는 AI가 해결할 문제를 올바르게 정의하는 일과 더불어, 각 산업과 기업 내에 새로운 작업 환경이 갖춰져야 합니다.
의료 분야에 AI를 활용한 스타트업 VUNO의 정규환 CTO는 이와 관련하여 제조업에 공통으로 적용할 수 있는 영역을 찾아 연구를 지속해야 한다고 강조했습니다. 회사마다 고유의 생산 혹은 운영 방식이 존재하고 서로 다른 데이터 포맷이나 프로토콜을 사용하지만, 제품 검사나 화면 UI 최적화 등의 작업은 공통된 영역으로 볼 수 있는데요. 따라서 업종 간 공통된 부분들을 찾아내고 AI를 다방면으로 확장하여 응용할 수 있는 방안을 연구하다 보면 분명 의미 있는 성과를 도출해낼 수 있을 것이라고 설명했습니다.
정규환 CTO는 추가적으로 AI 인력 대부분이 제조업에 익숙하지 않다는 점을 꼬집으며, 특히 사용하는 용어가 생소하고 어려워 정보를 공유하고 이해하는 것만도 상당한 시간이 걸리는 철강업을 예로 들었습니다. 같은 이유로 스타트업 기업이 시장 규제와 제한이 많은 개발 환경에 익숙하지 않은 상태로 뛰어들기에도 장벽이 높다고 주장했고요.
이에 대해 정규환 CTO는 원활한 정보 공유를 해결책으로 꼽았습니다. 과제 효율성이란 정보 보안과 상충한다고 할 수 있는데, 만약 포스코에도 기술정보 유출 위험이 크지 않은 데이터에 한해 특정 프로세스가 존재한다면 분명 스타트업 기업과의 협업을 통해 큰 성과를 낼 수 있다고 강조했습니다. 그리고 판교에 있는 포스코ICT는 스타트업 인력에게 좋은 근무 환경을 제공하고 있어, 포스코 ICT와 같은 거점을 잘 활용한다면 포스코도 스타트업 기업과의 성공적인 협업을 수행할 수 있을 것으로 봤습니다.
마지막으로 국내에는 아직 제조업에 특화된 AI 기업이 많지 않고, 심지어 제조업에 맞는 데이터가 존재한다는 사실조차 알지 못하는 경우가 대부분인데, 오히려 그렇기 때문에 제조업에 특화된 스타트업 기업을 육성하는 것도 좋은 기회가 될 수 있을 것이라고 덧붙였습니다.
CB 인사이트에 따르면 AI 연구에 있어 가장 효율적이고 통찰력 있는 스타트업 기업의 인수 합병 비율이 2011년 대비 700% 이상 증가했다고 합니다. 패널들은 기존의 스타트업 기업에 투자하는 것은 물론이고, 캐글과 같이 전 세계 데이터 분야의 과학자들이 모여 산업과 사회에 산재한 문제를 해결하는 공개 경진대회 등을 통해 우수한 AI 인재를 발굴하고 스타트업 기업으로 육성해내는 것도 좋은 방법이라는 점에 동의했습니다.
l 새로운 과제를 향한 도전
AI 연구와 관련한 다양한 활동이 국제적으로 활발하게 이뤄지며 다양한 분야와 산업에 AI를 활용할 방안을 마련하는 움직임도 끊이지 않고 있는데요. 그렇다면 수많은 변수가 존재하는 환경에서 기업과 연구자들은 어떠한 방향으로 나아가야 할까요?
한동대학교의 전산전자공학부 최희열 교수는 기업과 연구자들이 택해야 할 방향성에 대하여, “사람, 문제 정의, 그리고 데이터” 이렇게 세 가지가 준비된 곳에서 시작해야 하며, 생산, 판매, 유통 등 부문의 구분 없이 문제를 해결하기 위한 의지만 있다면 결과는 자연스럽게 도출될 것이라고 조언했습니다.
서울대학교 장병탁 교수는 무모해 보일 정도로 도전적인 과제에도 거리낌 없이 뛰어들어 보길 바란다고 조언하기도 했는데요. 컴퓨터를 통한 계산 능력이 엄청나게 발달하면서 과거에는 불가능해 보였던 무모한 도전도 시도해 볼 수 있게 되었는데, 때로는 아무리 많은 데이터를 수집해도 충분하지 않을 수 있어서 그럴 땐 문제를 하나의 실험 대상으로 보고 무작정 실험을 진행해 보는 것도 필요하다고 말하기도 했습니다.
단순히 데이터가 축적되어 문제가 해결되기만을 기다리는 것이 아니라 과정을 거꾸로 밟아가며 해결하는 것도 효율적인 방법이 될 수 있어, 먼저 필요한 데이터를 정의하고 해당 문제와 데이터가 얼마나 긴밀하게 결합할지를 결정해 보는 것도 도움이 된다고 조언했습니다.
성균관대학교의 이종석 교수는 이에 덧붙여, 문제를 정의할 때 문제 해결 측면에서 단기 과제와 장기 과제로 나누어야 한다고 했고, 약간의 개선을 통해 고쳐지는 문제가 있는 반면 쉽게 해결되지 않는 문제도 있기 때문에 후자에 해당하는 문제의 경우, 인내심을 갖고 지속해서 투자하여 해결하려는 노력이 필요하다고 조언했습니다.
제조업도 생산, 영업, 경영 전반에서 데이터를 수집하기 때문에 이미 빅데이터는 업무의 효율성, 지속 가능성, 그리고 퍼포먼스 향상을 위해 활발히 활용되고 있습니다. 결국 데이터 분석을 위한 최적의 소프트웨어와 모델링 시스템을 고안해내는 자가 빠른 속도로 경쟁우위를 선점하게 되겠죠.
끝으로 유니스트(UNIST) 최재식 교수는 제조업에서 전 임직원을 대상으로 AI 교육 과정을 운영하는 기업은 세계적으로 흔치 않다며, 이런 점에서 포스코는 충분히 앞서가고 있다고 평가했는데요. 실제로 포스코는 현장에 많은 데이터가 준비되어 있고, 직원들 또한 더욱더 정확한 데이터 확보를 위해 끊임없이 노력하고 있기 때문에, AI를 적용하여 성과를 내기 좋은 환경이라며 AI 분야에서의 포스코의 긍정적인 앞날을 응원해 주었습니다.
포스코의 스마타이제이션을 향한 시도는 Hello, 포스코 블로그에서도 꾸준히 소개될 예정이니 계속해서 많은 관심 부탁드립니다.