[SMK 2025 아젠다 컨퍼런스] 인하대 이창선 교수

인간과 AI의 협업 프로토콜 확보와 도메인 지식과 데이터를 조립하여 AI 예측 모델을 설계하고 생산하는 지식 제조 시스템인 ‘지식 조립 공장’ 확대를 통해 제조 AI 강국 기반을 확보해야 한다는 분석이 나왔다.

인하대 이창선 교수는 11월 19일 대구 엑스코에서 열린 ‘SMK 2025 아젠다 컨퍼런스’에서 ‘지식을 이해하는 AI, 제조를 혁신하다’를 주제로 발표를 실시했다.

이창선 교수에 따르면 지난 2년 간 미국에서 프로그래머 일자리의 27.5% 사라졌는데, 생성형 AI(예 : 챗GPT, GitHub Copilot 등)의 등장으로 코딩 자동화와 생산성 향상이 급속히 확산되면서 반복적, 표준화된 업무는 AI가 대체 가능해지며 초급 및 단순개발자 중심으로 수요가 감소했다. 이로 인해 AI 활용 능력이 개인과 조직의 생존 및 발전의 기반이 되고 있다.

다만 AI는 만능이 아니라 한계가 있으며, 개별 사례로부터 일반 규칙을 찾아내는 귀납추론에는 매우 뛰어나지만 일반 법칙을 구체 사례에 적용하는 연역추론, 유사한 구조나 패턴을 가진 사례를 비교하여 새로운 결론을 도출하는 유추추론, 관찰된 결과에서 가능한 원인을 추정하는 가설추론, 원인과 결과의 작용 관계를 밝히는 인과추론 등에는 취약한 편이다.

게다가 미수집, 위조, 오류, 편향 데이터는 AI 환각의 원인이 되며, 지식 전이와 현장 적용, 인간 협력 및 윤리적 한계로 인해 인간, 특히 제조 전문가의 역할이 필요하다.

AI의 활용을 위해서는 인간과 AI의 협업 프로토콜, 즉 소통과 협력을 가능하게 만드는 약속이나 규칙의 체계인 프로토콜 확보가 필요하다.

그리고 산업별로 AI를 적용하는 방법은 지식 구조에 따라 다르다. 우선 ‘상관 지식 구조’는 상관 기반 예측, 데이터 기반 예측, 귀납적 예측, 패턴 기반 예측, 현상 기반 예측 등이 필요하며 검색과 마케팅, 수요 예측, 금융 및 서비스 분석 등의 산업 등이 해당한다.

그리고 ‘인과 지식 구조’는 인과 기반 예측, 지식 기반 예측, 연역적 예측, 원인 기반 예측, 개념 기반 예측 등이 필요하며 철강과 반도체, 에너지 및 화학, 바이오 등 제조업이 주로 해당된다.

철강을 포함한 제조업의 경우 인간과 AI의 협업 프로토콜을 확보하고, 프로토콜 교육을 받으면 제조 전문가가 본인의 예측 모델을 개발할 수 있다.

‘지식 조립 공장’은 도메인 지식과 데이터를 조립하여 AI 예측 모델을 설계하고 생산하는 지식 제조 시스템으로 공장장은 도메인 전문가, 원재료는 인과 지식 및 데이터, 설비는 지식 조립 AI, 제품은 AI 예측 모델에 해당한다.

제조 전문가들에 대한 AI 프로토콜 교육 강화와 이를 통한 지식 조립 공장 확대는 제조 AI 강국의 기반이 될 수 있다고 볼 수 있다.

지난 10월 경주에서 열린 ‘APEC CEO Summit 2025’에서 젠슨 황 엔비디아 CEO는 “한국은 소프트웨어 진문성, 깊은 수준의 기술력과 과학 역량, 제조 역량 등 AI 시대의 세가지 핵심적이고 필수적인 조건을 모두 갖추고 있다”고 지적한 바 있다.

이에 철강업계를 포함한 국내 산업계는 AI 기반 기술과 활용 기술 개발을 통한 AI 역량을 확보할 필요가 있다.