공장은 인공지능(AI)에게 가장 까다로운 시험장 중 하나다. 데이터는 설비마다 다른 형식으로 파편화돼 축적되고, 작업 조건은 품질·납기·안전과 복잡하게 연결된다. 잘못된 판단은 곧바로 라인 정지와 불량률 상승으로 직결된다. 산업 인공지능 전환(AX)의 난도는 여기서 발생한다. 일반적인 AI 모델 성능보다 공장 데이터를 읽어낼 구조, 판단을 검증할 가상 공간, 그 결과를 로봇·설비와 물리적 동작으로 구현하는 시스템적 면모가 요구되기 때문이다.

 

크리스티나 맥엘허런(Kristina McElheran) 캐나다 토론토대학교(University of Toronto) 교수는 제조 AI 도입을 두고 “AI는 플러그앤플레이(Plug & Play)가 아니다. AI는 시스템 차원의 변화를 요구하며, 이 과정은 특히 기존 제조 기업에 마찰을 일으킨다(AI isn’t plug-and-play. It requires systemic change, and that process introduces friction, particularly for established firms)”고 진단했다.

 

AI가 실질적인 성과로 이어지려면 기술 도입을 넘어 데이터 인프라, 생산 관리 방식, 업무 흐름, 조직 운영 전반 등이 유기적으로 체질을 바꿔야 한다는 의미다.

 

 

여기에 칼리안 비라마차네니(Kalyan Veeramachaneni) 매사추세츠공과대학교(MIT) 슈워츠먼 컴퓨팅대학 수석연구원은 제조 AI의 출발점을 데이터 정합성에서 찾았다. 그는 “제조 운영에는 보편적인 데이터라는 것이 없다. 터빈, 자동차뿐만 아니라, 우리가 수집하는 다른 신호에서 나오는 데이터가 전 세계적으로 호환되는 구조도 없다(There’s no such thing for manufacturing operations. there is no universal availability of data from turbines, cars, or other signals that we are capturing)”고 단언했다.

 

거대언어모델(LLM)은 정제된 언어를 바탕으로 학습하지만, 제조 데이터는 설비, 공정, 품질 기준, 유지보수 조건마다 완전히 다르게 생성된다. 산업 AX가 데이터·검증·실행을 단일 파이프라인으로 통합해야 하는 이유다.

 

이러한 동향·인사이트를 담은 AI 기반 산업 혁신 행사가 이달 16일 개막을 알렸다. ‘산업AX 코리아 2026(IndustryAX Korea 2026)’는 ‘AX(AI Transformation), 산업의 판단 구조를 바꾸다’를 슬로건으로 특화 콘퍼런스·쇼케이스를 동시 운영했다. 제조·물류·로보틱스·정보기술(IT) 현장의 생생한 AX 사례와 실행 전략을 비롯해, 피지컬 AI(Physical AI), 디지털 트윈(Digital Twin), 로보틱스, 자동화 솔루션 등이 한 공간에서 총망라했다.

 

 

행사 주최사 ㈜첨단의 이준원 대표이사는 환영사에서 산업 AX를 기술 도입 이후의 '연결 과제'로 규정했다. 이 대표는 “과거에는 새로운 기술을 얼마나 빠르게 도입하느냐가 경쟁의 핵심이었다면, 이제 경쟁의 기준은 완전히 달라지고 있다”며 “현시점 AI는 산업의 기본 인프라가 됐고, 데이터는 새로운 생산 자원으로 진화함과 동시에 자동화는 자율화(Autonomous)로 성장하는 중”이라고 짚었다.

 

그러면서 이 과정에서 중요한 것은 기술과 사람·현장·데이터·경험·지식을 어떻게 결합해 새로운 부가가치를 창출하느냐에 있다는 뜻을 분명히 했다. “이것이 산업 AX의 본질”이라고 이 대표가 피력했다.

 

 

이 대표는 피지컬 AI, AI 팩토리(AI Factory), 멀티 에이전트(Multi Agent) 기반 자율제조(Autonomous Manufacturing) 시스템이 더 이상 미래 예측 영역이 아님을 내다봤다. 이에 대해 그는 “공장은 스스로 판단하고, 설비는 데이터를 기반으로 최적의 결정을 내리는 시대가 곧 올 것”이라며 이 과정에서 로봇은 사람과 안전하게 협업하고 있다는 트렌드를 분석했다. 끝으로 “이 거대한 변화는 지난 디지털 전환(DX) 트렌드에서 산업의 운영 방식과 판단 구조 자체를 근본적으로 뒤바꾸고 있다”고 덧붙여 밝혔다.

 

“이제 기술만으론 부족하다”

 

이날 개막식의 무게중심은 산업 AI의 철저한 ‘현장성’에 놓였다. 참관객은 AI 알고리즘 자체보다 ▲데이터 전처리 ▲기존 노후 설비와의 연결 ▲조직 실행 방식, 자동화 장와 로봇 간 물리적 적용 구조 등을 핵심 난제로 꼽았다. 산업 AX가 개별 솔루션 도입의 단계에서 벗어나, 제조 운영 전반의 의사결정 방식을 초기화하는 전방위적 과제라는 점이 거듭 강조됐다.

 

이날 준비된 발표 과정은 순서보다 제조업의 실제 적용 단계 흐름으로 새로운 인사이트를 제시했다. 산업 AX가 공장 라인에서 작동하려면 데이터를 정리하는 단계가 선행돼야 하고, 그 판단을 시험할 검증 공간이 필수적이라는 시각에서다. 최종적으로는 로봇·설비가 제어돼야 하기 때문이다.

 

AI가 읽을 수 있는 '맥락'부터 맞춰야 공장이 산다

 

첫 번째 핵심 쟁점은 ‘데이터’다. 제조 현장의 데이터는 단일 저장소에 머물지 않는다. ▲설비 상태 ▲품질 결과 ▲공정 조건 ▲에너지 사용량 ▲물류 흐름 ▲유지보수 이력 등이 저마다 다른 시스템과 다종·이기종 장비에 흩어져 있다.

 

이때 AI가 이를 판단 재료로 활용하려면 ‘데이터 맥락(Data Context)’을 매칭하는 동기화 작업이 필수다. 어떤 설비에서 파생된 값인지, 어떤 공정 조건과 연결되는지, 최종 품질 결과와 어떤 상관관계를 갖는지 등에 대한 교통 정리가 선행되지 않으면 AI는 현장 운영 체계 안으로 진입할 수 없다.

 

AI 레디 데이터(AI Ready Data), 제조실행시스템(MES) 현대화, 데이터 전략, 데이터 패브릭(Data Fabric), AI 기반 비전(Vision) 솔루션은 서로 다른 기술처럼 보이지만 결국 하나의 지향점을 향한다. 공장 내부에 묻힌 데이터를 AI가 즉각 읽을 수 있는 형태로 어떻게 가공할 것인가의 문제라는 것을 짚은 것이다.

 

 

공장 하드웨어의 한계를 ‘시행착오’에서 찾다...관건은 ‘완충 지대’ 구축하기

 

이후 ‘검증’에 대한 가치가 강조된다. 제조 현장은 시행착오 비용이 극도로 큰 공간이다. 공정 조건 하나를 임의로 바꾸는 일조차 생산 차질, 대량 불량, 안전사고 리스크로 직결된다. 설비 배치와 자동화 장비 투입 역시 한 번 결정되면 물리적으로 되돌리기 어렵다. 산업 AX가 디지털 트윈, 시뮬레이션, 피지컬 AI를 동시다발적으로 요구하는 이유다. AI가 도출한 판단을 실제 라인에 곧바로 적용하기 전, 가상 공간에서 먼저 시험하고 비교해 위험요소를 제로에 수렴시키는 완충 지대가 필요한 것이다.

 

다크 팩토리, 소프트웨어 정의 공장(SDF), 디지털 트윈 기반 AI 팩토리, 3D 프린팅 기반 제조 업무 혁신은 이 검증 과정을 관통한다. 무인화 공장을 뜻하는 다크 팩토리는 공정 상태를 데이터로 계측하고 운영 조건을 정교하게 조정(Tuning)하는 방향성이다. SDF는 하드웨어 중심의 기존 공장 체계를 소프트웨어 기반 제어와 유연한 업데이트가 가능한 구조로 바꾸는 개념이다. 디지털 트윈과 엔지니어링 솔루션은 실제 설비를 변경하기 전 가상 환경에서 사전 검토하는 방파제 역할을 맡는다.

 

AI의 판단을 물리적 '구동'으로 완결하는 법은?

 

‘실행’, 즉 판단을 실제 구동으로 옮기는 단계에서 산업 AX는 새로운 접근법을 제안한다. AI가 결함을 정밀 예측하고, 최적 공정 조건을 제안하는 식이다. 아울러 물류 흐름을 계산해내도 현장 장비가 최종 구동되지 않으면 성과로 이어지지 않는다. 판단 결과는 검사 장비, 비전 시스템, 협동 로봇(코봇), 물류 자동화, 제어 시스템 등을 통해 실제 물리적 역학 동작으로 완결되어야 한다. 산업 AX의 마지막 종착지는 장비와 공정 현장인 배경이다.

 

이 가운데 로보틱스(Robotics)·자동화(Automation) 세션이 이 지점을 직관적으로 담당했다. 코봇에 탑재되는 피지컬 AI, 산업용·코봇 기반 3D 비전 자동화, 제조·물류 운영 혁신, 에이전틱 AI(Agentic AI), 비전 AI 로봇 자동화 솔루션 등은 모두 판단을 동작으로 바꾸는 실행 계층으로 소개됐다.

 

이러한 접근법에서 카메라는 대상을 정밀 인식하고, 로봇은 물체를 조작한다. 물류 시스템은 공정 간 흐름을 단절 없이 유지한다. 이어 운영 시스템은 작업 지시와 이상 대응, 유지보수 판단을 다음 행동으로 끊임없이 연결하는 구조다.

 

행사 현장에 마련된 쇼케이스 공간은 앞선 ‘데이터·검증·실행’ 이 세 가지 핵심 어젠다를 생생한 현장 장면으로 구현했다. 여기에 참여한 업체는 데이터, AI 인프라, 제조 자동화, 로보틱스, 비전, 엔지니어링 솔루션을 대거 선보이며 산업 AX가 어떤 하드웨어·소프트웨어 형태로 공장 내부에 안착하는지 증명했다.

 

 

컨퍼런스가 산업 AX의 거시적 방향과 실행 전략을 다뤘다면, 쇼케이스는 기술이 실제 업무와 제조 설비에 닿는 미시적 접점을 확인하는 역할을 수행했다.

 

산업 AX는 현장 적용과 실행력 경쟁으로 완전히 진입했음을 알리는 신호탄이다. 이 양상에서 앞으로의 산업 경쟁력은 고도화 기술 보유 여부가 아니다. 그 기술을 공장 데이터와 검증 체계, 실행 장비로 얼마나 촘촘하고 견고하게 연결해내느냐에서 결정될 전망이다.

 

한편, 이번 행사에는 한국IBM, 코오롱베니트, LS일렉트릭, 로크웰오토메이션, 인터엑스, 데이터랩스, 코그넥스코리아, 슈퍼브에이아이, 스트라타시스, 아이벡스, 어드밴텍케이알, 뉴로메카, 픽잇코리아, 카덱스코리아, LG CNS, 씨메스로보틱스 등이 대거 참여했다. 이들 업체은 데이터 인프라, 제조실행시스템, AI 비전, 디지털 트윈, 피지컬 AI, 협동로봇, 물류 자동화, 로봇자동화 솔루션을 각 세션과 쇼케이스에서 나눠 소개했다.

 

헬로티 최재규 기자 |