산단공, 중소·중견 제조 AX 촉진 위해 ‘AI 두뇌’ 만든다

같은 뉴스, 네 가지 시선. AILENS입니다. 중소 제조공장 하나를 떠올려보시겠어요. 기계는 하루 종일 돌아가고, 어딘가에는 온도 로그가 쌓이고, 어딘가에는 불량 기록이 쌓입니다. 그런데 그 데이터들은 서로 연결이 안 돼 있어요. 설비 담당자는 자기 시스템을 보고, 품질 담당자는 또 다른 파일을 봅니다. 데이터는 있는데, 쓸 수가 없는 상황이죠. 이게 지금 수많은 중소·중견 제조기업들이 마주한 현실이에요. 데이터가 없어서가 아니라, 데이터가 '각자의 방언'으로 쌓이고 있어서 AI가 읽질 못하는 거거든요. 기업마다 형식도 다르고, 관리 체계도 달라요. 그러니 AI 모델을 만들려면 그 기업 혼자서 처음부터 다 만들어야 합니다. 자금도, 전문 인력도 부족한 곳들에게 이건 거의 넘기 힘든 벽이에요. 한국산업단지공단이 이 문제를 건드리기로 했습니다. 온톨로지라는 기술을 씁니다. 어렵게 들리지만 개념은 단순해요. 데이터들 사이에 '이 값이 저 공정 조건과 이런 관계다'라는 걸 정의해서, AI가 맥락을 이해할 수 있게 해주는 거예요. 단어들을 나열하는 게 아니라 문장을 만들어주는 것과 비슷합니다. 여기서 한 가지 더 나아가는 게 있어요. 기업마다 각자 AI를 만들게 하는 게 아니라, 공통으로 쓸 수 있는 AI 파운데이션모델을 하나 만들겠다는 겁니다. 철강의 가열·열처리부터 시작해서 시멘트, 주조 같은 열 공정 산업군으로 넓혀가는 방식이에요. 이천이백삼십억 원의 국비를 이천이십팔년까지 투입합니다. 이 모델 하나를 기반으로 각 기업이 자기 공정에 맞게 가져다 쓰는 구조죠. 그런데 저는 이 지점이 좀 흥미로웠어요. 보통 AI 얘기가 나오면 '기업이 자기 데이터로 자기 모델을 만들어야 한다'는 방향이잖아요. 그런데 이건 반대로 가는 거예요. '함께 쓸 수 있는 공통 모델을 만들고, 각자는 거기서 가져간다'. 자동차 부품 플랫폼처럼, AI도 플랫폼화하겠다는 생각인 거죠. 개별 기업이 경쟁적으로 개발하는 대신 기반을 공유하는 방식이에요. 다만 저는 이 대목이 좀 걸렸어요. 데이터를 연결하고 '제조지식'으로 만든다는 구상은 이해가 가요. 그런데 그 데이터를 공단이 모아서 공통 모델로 만드는 과정에서, 기업들이 자기 생산 데이터를 얼마나 기꺼이 꺼내놓을까요. 품질 데이터, 불량률, 공정 조건 — 이건 제조업에서 핵심 노하우거든요. 플랫폼이 유용하려면 데이터가 충분히 들어와야 하는데, 충분히 들어오려면 신뢰가 먼저입니다. 그 신뢰를 어떻게 쌓을지는 기술 문제가 아니라 관계의 문제예요. 기억할 것 하나로 정리하자면 이겁니다. 데이터가 없어서 AI를 못 쓰는 시대는 지나갔어요. 데이터가 있어도 '연결이 안 돼' 못 쓰는 게 지금의 문제고, 이 사업이 건드리는 지점도 거기입니다. 연결이 되면 지식이 되고, 지식이 쌓이면 비로소 AI가 일을 할 수 있죠. 그 연결이 실제로 얼마나 많은 기업들 사이에서 이뤄질지, 지켜볼 만한 시도입니다. 같은 뉴스, 네 가지 시선. AILENS였습니다.