산업/비즈니스

“AI 도입 다 실패한다?” 한국 산업 살릴 ‘데이터공장’의 비밀

댓글 0 · 저장 0 · 편집: 이도윤 기자 발행: 2026.02.04 07:03

기사 3줄 요약

1 산업 AI, 시범사업 단계서 정체된 이유
2 엔비디아 ‘데이터팩토리’ 전략이 유일한 해법
3 한국 제조 강점 살려 AI 주권 확보

산업 현장에 도입된 인공지능(AI)이 여전히 '맛보기' 단계인 개념 실증(PoC)이나 시범사업 수준을 벗어나지 못하고 있다는 지적이 나왔습니다. 기술력 자체의 문제가 아니라, 기술이 작동할 수 있는 근본적인 '구조'가 없기 때문입니다. 최근 손병희 마음AI 인공지능연구소장은 칼럼을 통해 현재 대한민국 산업 AI의 한계를 날카롭게 분석했습니다. 그는 AI 모델의 성능은 비약적으로 발전했지만, 이를 산업 현장에 적용하는 과정에서 데이터가 생성되고 순환하는 구조가 부재하다고 꼬집었습니다. 손 소장은 이에 대한 해법으로 '데이터팩토리(Data Factory)' 개념을 제시했습니다. 이는 단순히 데이터를 모으는 것을 넘어, 산업 현장 자체가 데이터를 생산하고 학습하는 거대한 공장이 되어야 한다는 뜻입니다.

엔비디아도 주목한 ‘공장’의 개념

'데이터팩토리'는 엔비디아(NVIDIA)가 로봇 연구를 설명하며 강조한 핵심 개념입니다. 젠슨 황 엔비디아 CEO는 시뮬레이션 환경을 로봇 AI를 위한 '데이터 공장'이라고 정의한 바 있습니다. 손 소장에 따르면, 현실의 데이터만으로는 로봇과 자율주행 AI를 완벽하게 학습시키기에 한계가 있습니다. 따라서 시뮬레이션 환경이 데이터를 마치 공산품처럼 자동화하여 대량 생산할 수 있어야 합니다. 이때 중요한 것은 '연구소'가 아닌 '공장'이라는 단어를 사용했다는 점입니다. 이는 데이터 생성이 우연히 이루어지는 것이 아니라, 체계적인 공정 시스템 하에 반복 가능하고 확장성 있게 이루어져야 함을 시사합니다.

로봇이 아닌 ‘작업’을 학습하라

제조, 물류, 의료 등 산업 분야는 다양하지만, 로봇이 수행하는 작업의 본질은 놀랍도록 유사합니다. 대부분 '잡기', '옮기기', '피하기', '확인하기'와 같은 기본 동작으로 구성됩니다. 손 소장은 로봇의 외형보다는 이러한 '작업(Task)' 단위로 데이터를 설계해야 한다고 주장합니다. 작업 단위로 데이터가 표준화되면, 특정 현장에서 학습한 내용을 다른 산업 현장에서도 재사용할 수 있는 '범용 학습 자산'이 됩니다. 이러한 방식은 AI 도입 비용을 획기적으로 낮추고 효율성을 극대화합니다. 산업의 경계를 넘어 AI가 빠르게 확산될 수 있는 기반을 마련하는 것입니다.

실패에서 배우는 ‘과정 데이터’

기존의 AI 학습이 정답만을 찾는 것에 집중했다면, 피지컬 AI(Physical AI) 시대에는 '과정 데이터'가 훨씬 중요해집니다. 로봇이 왜 그런 판단을 했는지, 왜 실패했는지에 대한 기록이 필수적입니다. 손 소장은 "성공 데이터보다 실패를 통해 보정해 나가는 과정 데이터야말로 AI 진화의 핵심 재료"라고 강조했습니다. 현장에서 발생하는 수많은 시행착오 자체가 귀중한 학습 데이터가 되는 셈입니다. 이를 위해 가상 시뮬레이션(디지털 트윈)과 실증 테스트베드, 그리고 실제 산업 현장이 유기적으로 연결되어야 합니다. 이 세 공간이 하나의 파이프라인으로 묶일 때 비로소 AI는 스스로 진화할 수 있습니다.

한국형 ‘지능 생산 설비’로 전환

대한민국은 반도체, 자동차, 물류 등 세계 최고 수준의 산업 벨트를 이미 보유하고 있습니다. 손 소장은 새로운 산업을 억지로 만들 것이 아니라, 이미 존재하는 강력한 산업 현장을 데이터팩토리로 전환해야 한다고 제언했습니다. 우리의 공장들이 단순히 제품만 생산하는 곳이 아니라, 지능을 생산하는 기지로 거듭나야 한다는 것입니다. 이는 한국이 글로벌 AI 패권 전쟁에서 승리할 수 있는 유일하고도 강력한 전략입니다. 결국 산업 현장 자체가 AI를 학습시키는 주체가 되어야 합니다. AI를 소비하는 나라에서 AI를 만들어내는 나라로의 전환이 시급한 시점입니다.