‘애자일’하게 AI시스템 시장 투입 필요
끊임없는 피드백으로 성능개선
“무엇보다 목표과제 분명해야”

인공지능 스마티팩토리를 도입, 성공하기 위해선 다양한 실패요인을 제거해야 한다는 전무가들의 주문이다. '2023스마트팩토리전' 에 출품한 업체의 부스로서, 본문기사와 직접 관련은 없음.
인공지능 스마티팩토리를 도입, 성공하기 위해선 다양한 실패요인을 제거해야 한다는 전문가들의 주문이다. '2023 스마트팩토리전' 에 출품한 업체의 부스.

[중소기업투데이 조민혁 기자] 흔히 회사나 공장에 AI를 도입한 기업들은 혼란을 겪기 일쑤다. 어렵사리 구축한 AI시스템이 제 기능을 못하거나 아예 가동을 중단된 경우도 많다. 그래서 스마트팩토리 시스템 자체가 불구 상태가 되기도 한다. 이에 대해 전문가들은 “(AI도입 전에도) 이미 업무나 공정이 충분히 효율적이었고, 도입 후에는 끝없이 데이터를 모아들이기만 하는 경우가 많기 때문”이라고 지적한다.

그러면 이같은 실패를 방지하려면 어떻게 해야 할까. 매년 열리는 ‘스마트제조혁신대전’ 참가 기업들은 이를 위한 성공사례를 공유하면서, 그 노하우를 제시하기도 한다. 이들에 의하면 우선 AI와 스마트팩토리 기술을 왜 도입해야 하는가, 즉 목표가치와 과제를 명확히 설정하는 것이 중요하다.

“초창기 혼란, 실패 극복이 중요”

서울스마트공장공급기업협의회의 한 회원사 관계자는 “초창기 혼란이나 실패를 두려워하지 말고, 일단 도입한 시스템에 대해 시장과 고객의 지속적 피드백을 연계하는 것이 중요하다”면서 “이를 통해 코드와 알고리즘을 개선하고, 점차 성능을 높여가다 보면 결국 최적화를 기할 수 있을 것”이라고 조언한다.

이에 따르면 우선 처음 AI를 도입하는 경우, “(과제를) 충분히 실현할 수 있는 만큼만 설정하고, 이를 AI가 조금씩 수행하게 한다”면서 “다만 애자일 체제, 즉 시행착오를 거치면서도 포기하지 않되, 재빠르게 개선하는 것이 중요하다”고 했다. 즉 “면밀한 계획에 근거하여 차근차근 진행하는 기존의 방식으로는 시간이 오래 걸릴 뿐 아니라, 시간을 소비한 만큼 계속해서 변화하는 고객의 니즈를 쫓아가지 못한다”는 지적이다.

시장분석기관인 IRS글로벌도 이와 유사한 분석을 하고 있다. 이 기관은 그간의 관련 보고서들을 통해 역시 스마트공장과 AI의 원활한 적용의 조건을 제시해왔다.

이에 따르면 처음부터 완성 단계를 기대할게 아니라, 필요한 최소한의 결과물을 만든 다음 과감하고 빠르게 시장에 투입한다. 이 대목에서 역시 실시간의 속도감있는 피드백을 주문한다. 즉 “시장에 투입한 후에 고객으로부터 피드백을 받아 개선하고, 다시 한 번 시장에 묻는 방식을 빠르게 반복함으로써 변화하는 시장의 니즈에 대처할 필요가 있다”면서 “그런 과정을 거쳐 최종적으로 원하는 결과물을 빠르게 개발할 수 있다”는 것이다.

특히 AI를 사용하는 비즈니스에서는 수집한 데이터의 양이 정밀도에 직결되기 때문에, 속도는 특히 중요하다는 주문이다.

'2023 스마트팩토리전'에 출품한 AI 머신비전 관련 업체의 부스로서, 본문 기사와 직접 관련은 없음.
'2023 스마트팩토리전'에 출품한 AI 머신비전 관련 업체의 부스.

잘못된 ‘과제’ 설정, ‘첫단추’부터 잘못 끼워

흔히 AI를 비즈니스에 접목하면 우선 ‘과제 설정’→‘실천적 목표 설정’→‘분석’→‘개선’ 프로세스를 끊임없이 반복하며 성능을 높여간다. 그러나 처음부터 과제를 잘못 설정함으로써 ‘첫단추’부터 잘못 끼운 경우가 많다는 지적이다.

이처럼 CEO나 의사 결정권자가 목표와 과제를 잘못 설정하게 되면, 잘못된 목표를 향해 AI시스템 자체가 잘못된 퍼즐을 열심히 맞추는 모양새가 반복되는 것이다.

또한 ‘AI 기술을 아는 인재’와 ‘비즈니스에 숙련된 인재’를 모두 가진 팀을 편성하는 것도 중요하다. 실제로 AI 전문가를 고용했지만 아무것도 나아진 것이 없다며 고민하는 기업도 있다.

IRS글로벌은 “AI를 잘 아는 인재는 비즈니스에 관심이 없어, 적절한 과제 설정을 하지 못하는 경우가 많기 때문”이라며 “반대로, 비즈니스를 잘 아는 인재는 AI를 이해하려 하지 않는다. 실제로 변혁을 지원할 때에도, 비즈니스 현장에서는 거의 반드시 ‘AI따위보다는 우리가 더 잘 안다’라는 말을 많이 한다”며 비즈니스와 기술의 조화를 강조했다.

특히 “이 둘 사이의 간극을 줄이기 위해서도, 애자일한 체제 속에서 긴밀하게 연계해 상호간의 이해를 깊이 해야 한다”는 주문이다.

그래서 흔히 성공적인 AI 접목 스마트팩토리의 사례로 아마존이 주목받고 있다.

아마존은 다수의 AI를 한꺼번에 투입, 여러 가지 과제를 지원하는 구조로 성공을 거둔 경우다. 판매 예측 시스템, 재고 예측 시스템, 공급체인 최적화, 추천 엔진, 수익 최적화 시스템 등 20개 이상의 데이터 분석 시스템을 구비했다. 이들은 시스템 상호간에, 그리고 전략적으로 관련을 맺는 인재끼리 연결돼 통합된 원활한 구조를 형성한다.

예를 들어 판매 예측을 위한 AI시스템을 통해 특정 상품의 인기가 높아지게 되면, 역시 AI에 의한 재고 예측치를 다시 갱신한다. 그로 인해 AI공급체인 시스템이 창고 전체에 걸쳐 재고를 최적화하는 것이다.

그러면 소비자들을 대상으로 한 AI추천 엔진이 인기가 높아서 재고를 늘린 상품을 더욱 많이 권장하고, AI 수익 최적화 시스템이 그에 맞는 수준으로 가격을 최적화한다. 이러한 사이클을 반복하면서 AI는 다시 판매와 재고 예측치, 공급체인 시스템 등을 반복 갱신하는 것이다.

저작권자 © 중소기업투데이 무단전재 및 재배포 금지