[디지털데일리 오병훈기자] 인공지능(AI) 열풍에 따라 기업들은 막연히 AI를 산업에 결합하면 큰 이익을 가져다줄 것이라 기대했다. 이에 따라 AI를 결합한 서비스 안내 챗봇, 서빙 로봇 등을 출시해 이용자 만족도를 높이는데 집중하거나, AI를 활용한 문서처리 기능을 도입해 직원 업무처리 속도를 높이는 등 생산성 효율을 끌어올리는 데 열을 올렸다.

그러나 기대와 달리 막상 AI를 결합한 이후 오히려 지출이 늘고, 손해만 보는 경우도 발생할 수 있다. AI를 결합하기 위한 초기 비용은 물론, 이를 관리하기 위한 서버 비용, 인건비 등이 만만치 않기 때문에 자칫 AI를 도입한 이득보다 지출이 더 커지면서 손해를 볼 수도 있다.

27일 광주과학기술원(GIST) 슈퍼컴퓨팅센터에서 만난 김종원 AI대학원장은 AI결합을 두고 기업이 겪게 되는 딜레마를 설명하며 “많은 기업에서 인건비 절감을 목표로 AI 결합을 시작했는데, 막상 AI를 결합하고 나서 뒤늦게 비용이 제법 들어간다는 사실을 깨닫는다”며 “AI는 공짜가 아니다”라고 강조했다.

그는 이같은 딜레마를 풀어내기 위한 방법으로 ‘디지털트윈’ 수준(레벨)을 끌어올리는 것이 중요하다고 강조했다. 김 원장은 통합관제센터 사례를 중심으로 AI와 특정산업 결합을 의미하는 디지털트윈 레벨에 대해 설명했다. 자율주행자동차가 4단계까지 있듯 디지털트윈도 데이터 축적에 따라 성능이 점차 진화한다는 것이다.

먼저 1단계는 ‘미러링’으로 AI에게 단순히 관제 범위 내 객체를 디지털로 구현하는 역할을 맡는 것에 불과하다. 데이터는 지속적으로 축적되지만 이를 활용한 기술 수준은 여전히 낮다. 2단계는 ‘모니터링’으로 데이터가 AI 모델에 충분히 축적돼 관제 범위 내에 있는 객체를 추적 관리할 수 있게 된다.

3단계는 ‘모델링&시뮬레이팅’으로 다양한 데이터가 유기적으로 상호작용하면서 단순한 추적 관리 뿐 아니라 앞으로 닥쳐올 위험, 관리 대상의 변화 등을 미리 감지할 수 있는 수준이다. 마지막 4단계는 이같은 AI 관제시스템 모델이 각 사물에 연결돼 완전한 자동화를 이룬 ‘테더레이션’ 상태다.

김 교수는 “데이터에 따라 시공간을 통제할 수 있는 정보가 쌓여있는 상태가 진정한 의미의 디지털트윈”이라며 “디지털트윈은 오랜 기간 양질 데이터를 쌓게 되면 AI가 그때부터 제대로 된 디지털트윈의 힘을 느낄 수 있다”고 강조했다.

다만, 마구잡이로 데이터를 축적한다고 해서 무조건 디지털트윈 효과를 누릴 수 있는 것은 아니다. 대규모 데이터와 또 다른 축에 속한 대규모 데이터가 서로 소통하기 위해서는 같은 플랫폼 내에서 서로 상호작용할 수 있는 수준으로 정제돼야 한다.

그는 “많은 기업 및 기관에서 데이터를 축적하는 데 급급해서 아무렇게나 데이터를 쌓아도 나중에 쉽게 바꿀 수 있다고 생각한다”며 “AI를 적용하기 위해 여러 데이터가 상호 작용할 수 있도록 조치해야 하는데, 정리가 안 돼 있으면 일을 두번 세번 하면서 시간을 낭비하게 된다”고 지적했다.

결과적으로 정제되지 않은 데이터가 쌓일 수록 디지털트윈 핵심이 되는 ‘디지털레이크’가 형성될 수 없다는 설명이다. 디지털레이크란 여러 환경에서 수집된 대규모 정형·비정형 데이터를 원시 형태로 저장해 접근을 용이하게 하고, 처리 및 분석이 가능하게 하는 저장소를 의미한다.

AI를 위한 방법론 ‘IPA’에 대해서도 설명했다. AI가 디지털트윈으로 실력을 발휘하기 위해서는 가장 먼저 데이터 축적 및 정제와 같은 인프라(Infrastructure)가 선행돼야 하고 이어서 각 데이터가 상호작용할 수 있는 플랫폼(Platform)이 다져져야 한다. 그 후에야 AI 모델로 제작된 애플리케이션(Application)에서 제대로 된 디지털트윈 정수를 느낄 수 있다는 조언이다.

마지막으로 김 교수는 “빅테크가 버티고 있는 글로벌 AI 시장에서 국내 AI 산업이 살아남기 위해서는 정제된 데이터를 모으기 위한 정부와 기업, 기업과 기업 간의 유기적인 협력체를 구성하는 방법도 있다”며 “의미 있는 발전을 위해 각자도생보다는 뭉치면 산다는 생각으로 산업이 발전하길 바란다”고 전했다.