2024년 금융, 공공, 리테일 등 다양한 산업에서 생성형 AI(Generative AI)의 도입과 상용화가 이루어졌습니다. 그러나 제조 분야는 높은 수준의 품질 기준과 공정 과정에 대한 실험적인 도전이 비교적 쉽지 않아 AI 도입이 어렵다는 인식이 만연하였습니다. AI 시스템을 실제 현장에 적용하려면, AI 시스템의 도입과 통합 과정의 복잡성, 데이터 품질 문제, 초기 투자 비용 등의 어려움을 극복해야 하기 때문입니다. 이러한 이유로 AI는 제조업에서 테스트 단계에 머무르며, 실용적인 기술로 자리 잡기까지 시간이 필요하다는 시각이 있었습니다.
그러나 글로벌에서 시작된 AI 도입에 따라 선두 기업들이 찾은 해결 방안을 통해 제조업의 AI 도입은 더욱 활발하게 이루어질 것으로 예상됩니다. 제조 산업의 AI 시장 규모는 2022년 15억 6천만 달러로 연평균 47.8% 성장이 이뤄질 것으로 전망되며, 예측 분석, 자율 로봇 공정, 맞춤형 생산, 스마트 팩토리 운영 등 다양한 영역에서 실제로 도입되어 운영 중입니다.
이러한 상황에서 2025년 제조업에서 AI는 어떤 방향으로 발전하며, 기업에 새로운 기회를 가져다 줄 수 있는지 Google Cloud에서 발간한 AI 리포트(제조 편)를 통해 알아보고자 합니다.
제조업에서 AI 트렌드
Trend 1. Mutimodal AI : 다양한 데이터 분석의 시대
AI는 단순히 텍스트를 생성하는 것을 넘어 이미지, 영상, 오디오까지 분석하고 처리할 수 있는 멀티모달(Multimodal AI)로 진화하고 있습니다. 멀티모달 AI란 여러 유형의 데이터를 동시에 학습하고 분석하는 AI 기술로 텍스트뿐만 아니라 이미지, 영상, 오디오, 센서 데이터까지 처리할 수 있는 AI를 의미합니다.
이러한 기술은 제조업에서는 기계의 고장 예측, 품질 검사, 물류 최적화 등 다양한 방식으로 활용될 수 있으며 AI가 학습할 수 있는 데이터 범위도 더욱 확장됩니다.
예를 들어, 멀티모달 AI를 통해 노이즈, 진동 등을 멀티 모달 센서가 분석함으로써 장비 결함에 발생할 수 있는 문제를 예방하여 다운타임을 최소화하고 생산성을 최대로 끌어올릴 수 있습니다.
Trend 2. AI Agents the evolution : 자동화된 공정의 시작
AI는 문의, 응대만을 하는 챗봇 기능에서 넘어가, 공장에서 직접 생산을 돕는 AI 코드 에이전트(Code Agents)로 발전하고 있습니다. 코드 에이전트를 활용하면 공장에서 사용할 설계 파일(CAD 파일)을 CNC(컴퓨터 수치제어) 기계가 직접 이해할 수 있는 코드(CNC 프로그램 코드)로 자동 변환할 수 있어 디지털 설계도(blueprints)와 실제 공장에서 기계를 조작하는 과정을 연결할 수 있게 됩니다.
설계와 생산을 연결하는 AI 시스템인 코드 에이전트를 통해 제품 개발 속도를 더욱 향상할 수 있으며, 기계 프로그래밍 자동화로 기술 장벽을 완화하여 기업의 인력 부담이 완화될 수 있습니다.
Trend 3. Assistive Search : AI 기반 시장 분석
제품 혁신을 촉진하기 위해, 앞으로 더 많은 제조업체 소셜 미디어에서 소비자 반응(감성 분석)을 활용하여 충족되지 않은 소비자 니즈와 새로운 트렌드를 파악할 것으로 예상됩니다.
즉, 소셜 미디어에서 사람들이 원하는 제품이나 불만 사항을 AI가 분석하여 숨겨진 니즈를 빠르게 파악하고 즉각 대응하는 방식이 확산될 전망입니다.
이를 통해, 이전에는 상상하지 못했던 새로운 제품을 더 빠르게 설계하고 개발할 수 있게 되며, 또한 유통 및 재고 관리 전략을 실시간으로 최적화할 수 있습니다.
Trend 4. AI-powered customer experience : 맞춤형 생산 확대
전통적인 대량생산(stock-and-sell) 모델에서 맞춤형 생산(make-to-order) 방식으로 전환이 가속화되는 가운데, AI를 활용하여 실시간 재고 및 생산 데이터를 분석하는 형태로 확산될 것으로 보입니다.
이러한 변화를 가속화하기 위해 IT(정보기술)와 OT(운영기술) 데이터를 통합 강력하고 실시간으로 운영 현황을 파악할 수 있는 시스템이 갖춰질 전망입니다. 실시간 데이터 분석을 통해 생산 일정을 최적화하고 비용을 절감할 수 있게 됩니다.
Trend 5. Security gets tighter-and tougher-with AI : 데이터 보호 강화
제조업체들은 AI 기반 시스템을 활용하여 데이터의 무결성(Integrity)을 검증하고, 프롬프트 주입(prompt injection)과 같은 보안 위협을 감지할 것으로 예상합니다.
AI 시스템이 복잡해지면서, 데이터 보안과 무결성을 보장하는 것이 점차 중요해 지고 있는 가운데, AI가 학습하는 데이터의 신뢰성을 확보하고 AI를 이용한 보안 위협을 탐지하는 기술이 함께 발전할 것으로 예상됩니다. 이를 실현하기 위해, 강력한 데이터 출처 추적(provenance tracking)과 이상 탐지(anomaly detection) 기술을 도입하여 데이터의 일관성을 확인하고 잠재적인 위험을 식별하는 과정이 포함될 것입니다.
마무리하며
디지털 전환이 가속화되는 지금, 제조업체는 제조 기술의 발전과 경쟁력 제고, 고객의 요구에 적시 대응할 수 있는 맞춤형 생산 능력을 확보해야 하는 과제에 직면했습니다. 시장 점유율을 확대하려는 전 세계 제조업체들의 경쟁으로 기업들은 혁신의 필요성을 인지하고 있는데요.
이런 과정에서 디지털 기술에 숙련된 인력의 부족과 기존 인력의 디지털 기술 습득에 대한 도전이 제조업 성장을 저해하는 주요 요인으로 작용합니다. 생성형 AI 기술의 효과적인 구현 및 관리를 위해서는 고급 기술 지식이 필요하므로 외부 전문가의 기술 지식과 경험을 확보하여 장기적인 기술 역량을 내재화하는 전략도 필요해 보입니다.
🤔 공정 과정에서 데이터 분석을 통해 스마트 제조 환경을 구축하고 싶다면,
메가존소프트에서 준비한 “AI와 데이터로 혁신하는 스마트 제조” 영상을 등록하여 시청해 보세요. 📌 등록하러 가기
