2030년 세계 4대 제조강국으로의 도약을 위한 정부의 ‘제조업 르네상스’는 스마트공장, 스마트 산단, 인공지능 공장이 그 핵심이다. 스마트팩토리는, 초연결사회, 빅데이터, 인공지능과 대체 어떤 연관성이 있을까? 어떻게 해야 성공 할 수 있을까? 이코노믹리뷰는 오퍼레이션 컨설팅회사인 가온파트너스와 함께 스마트 팩토리의 올바른 이해와 성공적 구축을 위한 명확한 방향제시를 위해 시리즈를 기획했다.

전 세계가 디지털 혁신을 경쟁적으로 추구하고 있다. 그 가운데 특히 인공지능(AI)에 대한 관심이 뜨겁다. “2030년까지 전 세계 기업 70%가 인공지능(AI) 활용, 세계 GDP 13조 달러 추가 성장 예상”. 글로벌 컨설팅 회사인 맥킨지(Mckinsey & Company)가 ‘18년에 발표한 내용이다.  우리 정부에서도 지난 해 10월 ‘인공지능 기본구상’이라는 국가차원의 산업육성 계획을 발표했다. AI를 도입하지 않으면 경쟁에서 뒤처질 것 같은 불안감이 각 기업들에게는 또 하나의 압박처럼 다가온다. 이럴수록 중심을 잡는 것이 중요하다. 유행을 쫓아가기 보다는 새로운 기술을 어떻게 활용해서 성과를 창출할 것인가를 잊지 말아야 한다. 써먹으려면 우선 알아야 한다. AI에 대한 이해부터 시작해보자.

스마트팩토리는 사람을 지속적으로 대신해가는 과정이다. 센서나 로봇 등과 같은 디바이스가 사람의 오감과 팔다리를 대신하고, 신경이 정보를 전달하듯 유무선 통신이 데이터를 이동시킨다. 남은 것은 사람의 두뇌에 해당하는 ‘판단’의 영역이다. ‘판단’의 수위를 지속적으로 향상시켜왔지만, 기계가 아직 인간의 판단을 전면적으로 대신하기에는 부족하다. 그러나 최근 들어 관련기술의 급속한 발전을 통해 인간에 점점 더 가까워지고 있다. 기계에 대한 ‘학습’이 가능해지면서 AI의 정확도가 향상되었다. 알파고가 이세돌을 이기고, 챗봇(Chatbot)이 고객을 응대하며, 휴대폰이 비서를 대신한다. AI는 인간의 판단을, 일부 영역에 대해 빠르고 정확하게 대신함으로써 효율적인 일처리를 가능하게 하는 것이 목적이다. AI에게 무엇을 판단시킬 것인지를 결정하는 것은 사람의 몫이다. 그렇게 하기 위해서는 AI의 작동원리까지야 알 필요는 없겠지만, AI로 무엇을 할 수 있는가를 아는 것은 필요하다. AI는 필요에 따라 만들어진 수학적 모델일 뿐, 우리의 의도와 목적을 알아서 해결해주지는 않기 때문이다.

학습(머신러닝, 딥러닝)을 통해 AI가 할 수 있는 일은 대표적으로 분류, 예측, 군집화의 3가지다. 분류(Classification)는 데이터의 효과적인 사용을 위해 주어진 데이터를 카테고리로 나누는 것이다. 스팸메일과 정상메일을 분리하거나, 설비의 고장 및 제품의 불량을 예측하는 것과 같은 용도로 사용이 가능하다. 예측(Regression)은 주어진 데이터를 통해 수치형 종속변수 값을 추정하는 것이다. 집값을 예측하거나, Product Mix의 변경에 따른 매출과 이익을 예측할 수 있다. 마지막으로 군집화(Clustering)는 각 데이터간 유사도 계산을 근간으로 한 데이터 그루핑을 하는 것이다. 마케팅을 위한 고객 구매패턴 분류나 이미지 분석을 통한 불량/고장의 판단 등이 가능하다. 분류와 군집화의 차이는 지도학습과 비지도학습의 차이에 있다. 지도학습의 경우는 변수(Feature)와 답을 가진 데이터 셋을 만들어서 제공해야 한다. 비지도학습의 경우에는 데이터만 주어질 뿐 기계 스스로 판단의 근거를 만들고 최적화하는 방식이다.

AI가 위와 같은 일을 구현하는 방식은 통계 알고리즘이다. 분류는 의사결정나무(Decision Tree), 예측은 평균제곱오차(Mean Square Error), 최적화는 K-means의 알고리즘을 사용한다. 더 많은 데이터를 더 빠른 시간에 처리할 수 있는 Infra 기술이 AI의 발전을 가능하게 했다. 통계를 통해 무엇을 알아낼 것이며, 결과를 어떻게 판단할 것인지, 왜 그런 결과가 나왔는지는 AI가 알려주지 않는다. 앞서 언급한 것처럼, 정해준 좁은 영역에서 인간보다 탁월한 – 정확하고 빠른 능력을 가질 수 있을 뿐이다.

AI에 대한 이해를 토대로 효과적으로 활용하기 위해서는 사람의 역할이 필수적이다. 첫 번째로, AI를 어디에 어떻게 활용할 것인지 결정하는 것이다. 스마트과제는 인지·판단·수행으로 구성되는 Performance Logic을 통해 성과창출이 이루어진다. Performance Logic 속에서 AI의 역할이 정해진다. 꼭 AI를 써야 할 것인지는 또 하나의 결정요소다. PLC Program으로 충분한 것도 있기 때문이다. 두 번째는 AI 학습을 위한 데이터의 공급이다. 품질이 확보된 방대한 데이터 셋의 준비는 AI 활용의 장애요인 중 하나다. 엔지니어가 변수를 제대로 선정하지 못하면 통계 알고리즘은 정상적으로 작동하지 못한다. 더구나 비지도학습의 경우는 외란 요소에 의한 불확실성이 AI 판단의 신뢰도에 많은 영향을 끼친다. 마지막으로 알고리즘의 정확도에 대한 엔지니어의 판단이다. 수학적 모델에 대한 직접적 평가는 전문가의 몫이겠지만, 모델에 의한 결과물이 만족할 만한 것인지 판단하는 것은 남이 해줄 수가 없다.

“재미없는 영화를 알려줘”라고 AI 비서에게 물어보면 재미있는 영화를 물어봤을 때와 같은 대답을 내놓는다. AI에게는 ‘영화’라는 단어의 가중치가 훨씬 높게 잡혀있기 때문이다. AI의 한계라고 할 수 있지만, 결국 사람이 어떻게 모델을 선정했는가가 근본적인 원인이다. AI에 대한 막연한 환상을 버리고 활용할 수 있도록 올바른 이해를 가지는 것이 중요한 이유다.