삼성SDS 이주평 상무는 5일 제조업 인공지능(AI) 전환의 핵심 과제로 제조 데이터 활용 생태계 구축을 꼽으며 "제조 AI의 규모의 경제는 결국 제조 데이터의 공유와 활용에 달려 있다"고 강조했다. 이 상무는 이날 산업통상부가 대한상공회의소에서 주최한 제3회 M.AX (Manufacturing AI Transformation) 전문가 컨퍼런스에서 이 같은 입장을 밝혔다.

산업통상부는 현재 제조기업과 AI기업, 학계·연구기관 등이 참여하는 'M.AX 얼라이언스'를 중심으로 제조 데이터 활용 생태계 구축과 제조 AI 모델 개발을 추진하고 있다.

◆ "제조AI 핵심은 시계열 데이터"...보안·데이터 확보가 최대 과제

이날 발제에 나선 이주평 삼성SDS 상무는 AI 데이터센터 발전 방향과 제조 AI 데이터 활용 과제를 중심으로 제조업 AI 전환 전략을 제시했다.

이 상무는 AI 인프라 시장이 학습(Training) 중심에서 추론(Inference) 중심으로 이동하고 있다고 진단했다.

그는 "초기에는 대규모 언어모델(LLM) 학습을 위한 인프라 구축에 초점이 맞춰졌다면 이제는 AI 서비스를 실제 산업 현장에 적용하는 단계로 넘어가고 있다"며 "AI 데이터센터 역시 학습보다 추론 수요 비중이 점차 확대될 것"이라고 전망했다.

이 상무는 제조 AI의 핵심 데이터는 일반 생성형 AI가 활용하는 텍스트 데이터가 아닌 센서와 산업장비에서 생성되는 시계열(Time-Series) 데이터라고 설명했다.

그는 "LLM이 인터넷과 오픈소스 기반 텍스트 데이터를 활용하는 반면 제조 데이터는 공장 설비와 센서에서 지속적으로 생성되는 시계열 데이터"라며 "예측과 최적화가 목적이지만 민감정보 익명화가 매우 어렵다는 특징이 있다"고 말했다.

특히 제조 데이터는 공정 조건과 생산 노하우 자체가 기업 경쟁력인 만큼 데이터 공유가 쉽지 않다고 지적했다.

이 상무는 "제조 데이터는 데이터 자체가 기업의 핵심 지식재산(IP)인 경우가 많다"며 "공정 데이터 일부만 노출돼도 생산 방식과 수율 등 핵심 정보가 드러날 수 있어 단순 마스킹만으로 해결하기 어렵다"고 설명했다.

이어 과거 삼성전자 메모리사업부 근무 경험을 언급하며 "정말 중요한 제조 데이터는 구경도 하지 못할 정도로 보안이 엄격하다"며 "기업들이 안심하고 데이터를 활용할 수 있는 저장·관리 체계가 먼저 마련돼야 한다"고 강조했다.

또 "제조 AI의 규모의 경제는 결국 제조 데이터의 공유와 활용에 달려 있다"고 말했다.

산업부 역시 제조 데이터 유출 우려를 해소하기 위해 외부와 차단된 환경에서 데이터를 활용하는 '제조 데이터 라이브러리' 구축을 추진하고 있다.

◆ "코딩 AI 성공에서 답 찾아야"...디지털트윈 중요성 강조

이 상무는 제조 AI 발전 방향으로 최근 급성장한 AI 코딩 에이전트를 사례로 제시했다.

그는 AI 코딩 에이전트가 빠르게 확산된 배경으로 ▲기계와 개발 환경의 표준화 ▲오픈소스 기반 대규모 공개 데이터 ▲성숙한 검증 체계 ▲데이터 거버넌스 등을 꼽았다.

이 상무는 "코딩 분야는 수십 년간 축적된 공개 데이터와 검증 체계를 바탕으로 AI 활용이 빠르게 확산될 수 있었다"며 "제조 AI 역시 표준화와 검증 체계, 데이터 거버넌스가 구축돼야 본격적으로 확산될 수 있다"고 말했다.

특히 제조 현장에서는 디지털 트윈이 중요한 역할을 할 것으로 전망했다.

디지털 트윈은 실제 제조 공정을 가상환경에 구현해 생산 조건 변화와 설비 운영 시나리오를 사전에 검증하는 기술이다.

이 상무는 "좋은 코드에 테스트 체계가 필요하듯 좋은 제조 데이터에는 디지털 트윈 기반 검증 환경이 필요하다"며 "가상환경에서 다양한 시뮬레이션을 수행함으로써 제조 AI 모델의 신뢰성과 활용도를 높일 수 있다"고 밝혔다.

한편 산업부는 제조 AI 파운데이션 모델 개발을 위해 제조 데이터 라이브러리 구축과 AI팩토리 사업 등을 추진하고 있으며, 올해부터 산업단지를 중심으로 엣지 AI 데이터센터 구축에도 나설 계획이다.