“AI는 현재 ‘황금기’를 맞이하며, 한때 공상과학으로 여겨졌던 문제들까지도 해결하고 있다.” (제프 베조스)

그럼에도 불구하고 AI에 대한 의견은 여전히 엇갈린다. 골드만삭스 그룹의 짐 코벨로(Jim Covello)는 1990년대 후반의 닷컴 열풍과 최근의 암호화폐 붐을 언급하며, AI에서도 이와 유사한 현상이 나타날 수 있다고 경고한다. 반면 같은 회사의 조셉 브릭스(Joseph Briggs)는 AI가 업무의 약 4분의 1을 자동화해 경제 성장을 촉진할 것으로 전망하고 있다.

AI를 차세대 대세로 보는 의견에 동의하든 반대하든, 픽테 웰스 매니지먼트의 동 첸(Dong Chen)이 언급한 단기 투자 테마는 주목할 만하다. 그의 세 가지 주요 트렌드 중 두 가지는 AI와 산업 부문의 가능성을 나타내며, 이는 전기화, 탈탄소화, 디지털화와 같은 산업 전환 동향과도 밀접하게 연결되어 있다.

산업용 AI를 통한 모멘텀 확보

산업용 AI는 제조 기업이 오퍼레이셔널 엑설런스(Operational Excellence)에 도달하도록 돕는 중요한 도구로, 에너지 전환 목표 달성에 핵심적인 역할을 한다. AI 모델에 내장된 안전 가드레일을 통해 기업은 효율성을 높이고 설비 상태를 실시간으로 추적하며, 지속가능성을 최적화할 수 있다.

인간 대 기계의 논쟁 속에서 산업용 AI는 복잡하고 안전이 중요한 제조 현장에서 작업자를 완전히 대체하려 하지 않는다. AI가 해결할 수 있는 문제가 있는 반면, 모든 문제를 해결하지는 못한다. 자산 집약적 산업에서는 현실적이고 정확한 조언을 제공하는 산업용 AI의 장점이 부각된다. 운영자와 엔지니어는 AI 결과의 신뢰성을 확보하며, 이를 통해 투명하고 책임감 있는 기술 활용이 가능해진다.

산업용 AI는 도메인 전문성을 반영한 가드레일과 엔지니어링 원칙에 기반해 공정 모델과 AI를 결합한다. 즉, 화학, 물리, 전기, 지구과학 등 과학적 법칙을 준수해 안전성을 보장한다. 산업용 AI는 민첩성, 지침 및 자동화를 전제로 작동하며, 작업자와 운영자가 더 빠르고 전략적인 의사 결정을 내릴 수 있도록 지원하는 조언자이자 항공기의 부조종사 같은 역할을 한다.

지속가능성을 향한 여정

향후 20년간 에너지 전환이 진행됨에 따라 자산 집약적 산업에서 지속가능성은 최우선 과제가 될 것이다. 이 목표를 실현하려면 기업은 산업용 AI를 최적화하여 활용하는 환경을 조성해야 한다.

첫째, 조직은 운영 전반을 종합적으로 평가해 개선 가능성이 높은 영역을 식별해야 한다. 예를 들어, 에너지 집약적 프로세스를 분석하여 비효율성을 파악하고, 이를 바탕으로 개선에 나설 수 있다. 산업용 AI는 예측 유지 관리를 통해 설비 고장을 미리 파악하고 운영 일정을 최적화하여 가동 중지 시간과 에너지 사용량을 줄일 수 있다. 공급망 최적화 측면에서도 AI는 자산 집약적 프로세스 전반에서 배출량과 비용을 절감하는 데 도움을 준다. 이를 통해 AI의 데이터 분석 및 프로세스 최적화 기능을 활용해 지속 가능한 성과를 실현할 수 있다.

기업은 예측 분석을 통해 에너지 수요를 예상하고 사용량을 최적화할 수 있으며, AI는 배출량을 실시간 모니터링하여 과도한 배출원을 감지하고 시정 조치를 제안할 수 있다. 머신러닝 모델은 생산 공정을 분석하여 효율성을 높이고 낭비를 줄이며, AI 기반 시뮬레이션은 다양한 운영 시나리오를 탐색해 기업이 환경에 미치는 영향을 최소화하는 전략을 도출하도록 지원한다. AI 시스템은 지속적인 학습과 적응을 통해 지속가능성 목표 달성에 기여하며, 정기적인 감사와 업데이트로 최신 데이터와 트렌드를 반영한다.

둘째, 산업용 AI 솔루션을 배포할 때 발생할 수 있는 잠재적 문제를 인식해야 한다. AI를 기존 운영에 통합하고 레거시 시스템과의 호환성을 확보하는 과정에서 복잡성이 생길 수 있다. 또한 데이터 품질과 가용성 문제도 있다. 아스펜테크는 보존 법칙을 기반으로 한 공정 모델을 통해 현장에서 빅데이터 없이도 온디맨드 시뮬레이션 데이터를 생성할 수 있는 방식을 제공한다. 이 방식은 전통적인 AI의 데이터 활용과 다르며, 과거 데이터를 사용하지 않고 지속 학습하는 강화학습 등의 방식도 포함된다. 기업은 특히 민감한 운영 데이터를 처리할 때 데이터 보호와 보안에도 신경 써야 하며, 이를 위해 신중한 계획과 교육 투자, 지속적인 개선 노력이 요구된다.

셋째, 산업용 AI는 비즈니스 운영의 주요 영역을 혁신하여 민첩성과 자동화를 통해 큰 영향력을 발휘할 수 있다. AI 기반 민첩성을 통해 조직은 변화하는 비즈니스 환경에 신속히 적응하여 가치 창출을 극대화할 수 있다. 산업 현장에서 모델의 지속성은 시뮬레이션과 현실 간의 격차를 줄여 효율성을 높이고 낭비를 줄인다. 이를 통해 기업은 시장 수요와 운영 변화에 빠르게 대응할 수 있으며, AI는 복잡한 의사 결정을 빠르고 정확하게 내리도록 인력을 지원한다. 산업용 AI 기반 소프트웨어는 신입 직원에게 시스템 최적화 개념을 이해시키고, 숙련된 직원이 복잡한 프로세스를 관리할 수 있도록 돕는다.

AI 기반 자동화는 엔지니어가 반복적인 업무에서 벗어나 더욱 가치 있는 활동에 집중할 수 있게 하며, 예를 들어 CO2 저장을 위한 최적의 위치를 탐색하는 지하 이미지 자동 분석을 통해 지속가능성 목표 달성에 기여할 수 있다. AI의 민첩성과 통찰력 제공 기능은 기업의 운영 효율성을 크게 향상시키며 전략적 의사 결정을 지원해 지속가능성을 뒷받침한다.

넷째, AI는 데이터 기반 인사이트를 통해 의사 결정에 도움을 주며, 이를 통해 지속가능성을 기업 전략에 반영하는 데 중요한 역할을 한다. AI 기반 도구는 다양한 비즈니스 활동의 환경적 영향을 평가하여 지속가능성 목표에 맞는 결정을 내릴 수 있도록 한다. 의사 결정 지원을 위해 산업용 AI는 환경적, 사회적, 경제적 요소를 균형 있게 고려하여, 지속가능성 효과가 큰 우선 과제를 선정하는 데 도움을 준다. 이해 관계자와의 소통 측면에서 AI는 실시간으로 지속가능성 지표와 ESG 목표 진행 상황을 제공하여 투명성을 높이고 커뮤니케이션을 개선한다. AI는 환경 및 사회적 위험 요소를 사전에 파악하고 관리하여 기업이 이와 관련된 문제를 신속히 해결할 수 있도록 한다.

AI를 전략적 프레임워크에 통합함으로써 기업은 지속가능성에 대한 약속을 더 효과적으로 이행하고 전달할 수 있다. 또한 AI는 규제 변경사항을 추적하고 규정 준수를 보장하여 기업 핵심 운영에 지속가능성을 한층 더 내재화할 수 있다.

하이코 클라우센, 아스펜테크 수석 부사장 겸 공동 CTO

김흥식, 아스펜테크 한국지사장