산업/비즈니스

“AI 소비국 남으면 망한다..” 한국 산업, '데이터 공장'이 살길

댓글 0 · 저장 0 · 편집: 이도윤 기자 발행: 2026.02.27 08:33

기사 3줄 요약

1 AI 소비국 벗어나 데이터 생산국 돼야
2 공장 자체가 AI 학습하는 학교로 진화
3 반도체 등 제조 인프라가 한국의 무기

인공지능(AI) 기술이 하루가 다르게 발전하고 있습니다. 하지만 정작 산업 현장에서는 AI가 실험 단계에만 머물러 있다는 지적이 나옵니다. 이런 상황에서 한국 산업이 살아남으려면 공장을 거대한 'AI 학교'로 만들어야 한다는 주장이 제기됐습니다. 손병희 마음AI 연구소장의 칼럼을 바탕으로, 대한민국 산업이 나아가야 할 '데이터 팩토리' 전략을 알기 쉽게 정리했습니다.

젠슨 황도 주목한 '데이터 공장', 그게 뭔데?

최근 AI 기술은 모델 성능과 연산 속도 면에서 엄청난 발전을 이뤘습니다. 하지만 실제 공장이나 건설 현장에 가보면 AI는 여전히 시범 운영 수준에 그치고 있습니다. 손병희 연구소장에 따르면, 이는 기술 부족 때문이 아니라 기술이 작동할 '구조'가 없기 때문입니다. 지금까지는 "어떤 AI 모델을 쓸까"에만 집중했습니다. 하지만 이제는 "데이터를 어디서 만들고, 어떻게 학습시킬까"를 고민해야 합니다. 엔비디아의 젠슨 황 CEO는 시뮬레이션을 '로봇 AI를 위한 데이터 공장'이라고 정의했습니다. 공장이 물건만 찍어내는 곳이 아니라, AI를 똑똑하게 만드는 데이터도 생산하는 곳이 되어야 한다는 뜻입니다. 이 개념을 한국 산업 전체로 확장해 볼 필요가 있습니다. 가상 공간에서 AI를 미리 훈련시키고, 이를 실제 현장에 적용해 데이터를 얻는 구조를 만들어야 합니다. 단순히 AI를 도입하는 것을 넘어, 산업 현장 자체가 AI를 학습시키는 거대한 데이터 공장이 되어야 한다는 것입니다.

로봇은 '성공'보다 '실패'에서 더 많이 배운다

제조, 물류, 의료 등 산업 분야는 달라도 로봇이 하는 일의 본질은 비슷합니다. 물건을 집고(Pick), 옮기고(Place), 장애물을 피하고(Avoid), 확인하는(Inspect) 작업입니다. 손 연구소장에 따르면, 로봇 자체가 아니라 이런 '작업 단위'로 데이터를 설계해야 범용적인 AI를 만들 수 있습니다. 이때 중요한 것은 단순히 흩어진 데이터를 모으는 게 아닙니다. 현장에서 데이터가 자동으로 생성되고, AI가 이를 즉시 배워서 똑똑해지는 순환 구조를 만들어야 합니다. 특히 정답만 알려주는 게 아니라, 왜 실패했는지에 대한 '과정 데이터'가 중요합니다. 사람도 실패를 통해 성장하듯, '피지컬 AI(Physical AI)'도 실패 데이터를 통해 현장의 변수에 대처하는 법을 배웁니다. 가상 시뮬레이션과 실제 현장이 유기적으로 연결될 때, 로봇은 스스로 진화할 수 있습니다. 이것이 바로 피지컬 AI가 성공하는 핵심 열쇠입니다.

반도체 강국 한국, '피지컬 AI' 패권 잡을 기회

대한민국은 이미 세계 최고 수준의 산업 인프라를 가지고 있습니다. 반도체, 자동차, 물류 시스템이 좁은 국토에 밀집해 있습니다. 이는 전 세계 어디에서도 찾기 힘든 완벽한 '데이터 생산지'입니다. 손 연구소장은 새로운 산업을 억지로 만들 필요가 없다고 강조합니다. 이미 우리가 잘하고 있는 제조 현장을 '데이터 팩토리'로 바꾸기만 하면 됩니다. 공장 컨베이어 벨트가 돌아갈 때마다 AI의 지능도 함께 높아지는 구조를 만드는 것입니다. 지금까지 우리는 구글이나 오픈AI가 만든 모델을 가져다 쓰는 '소비자'였습니다. 하지만 이제는 우리 산업 현장이 AI를 직접 가르치는 '주체'가 되어야 합니다. 미국이 언어 모델(LLM)을 잡았다면, 한국은 물리 세계를 움직이는 '피지컬 AI'의 주도권을 잡을 수 있습니다. AI를 소비하는 나라로 남을 것인가, 아니면 AI를 학습시키는 나라가 될 것인가. 이 선택이 한국 산업의 미래를 결정할 것입니다. 지금이 바로 그 골든타임입니다.