2025년 5월호

(※ 알고리즘 : 특정 문제 해결을 위한 단계적 절차 혹은 방법, 컴퓨터 과학 및 수학에서 사용되며 문제 해결 계산 절차 및 처리 과정 순서를 나타냄)

구글의 AI조직인 딥마인드에서 지난 5월14일 새로운 AI 에이전트인 ' 알파이볼브(AlphaEvolve) ' 를 발표했다. 블로그 게시글을 통해 진화형 코딩 에이전트라고 소개하면서 수학과 컴퓨터 과학에 필요한 문제 해결 방법인 알고리즘을 찾아내고 코드로 구현하여 스스로 발전시킨다고 설명했다.

(사진 : 구글)

알파이볼브의 핵심 구조는 구글의 제미나이(Gemini)를 기반으로 다양한 해결책을 빠르게 탐색하는 제미나이 플래시와 심층 분석을 통해 깊이 있는 통찰력을 제공하는 제미나이 프로, 이 2개의 상호 보완적인 언어 모델을 결합하여 만들어졌다. 이 프레임워크는 문제 해결을 위한 수백, 수천개의 해결책을 생성하고 이들을 객관적인 지표에 따라 자동으로 평가한다. 이 과정을 통해 정확하고 효과적인 해결책만 유지되고 개선된다.

구글은 알파이볼브가 설계한 알고리즘을 이용하여 데이터센터 컴퓨터 자원의 0.7%를 절약했으며, AI칩 설계를 최적화하여 곱셈 연산 23% 가속화로 제미나이 학습 시간을 1% 감소시켰다고 설명했다. 이외에도 수학 문제 해결 능력에서도 해석학, 기하학, 분석론, 정수론 등 50개 이상의 난제에 적용한 결과, 약 75%의 문제에 대해 기존 최적 해법을 재확인했고 20%는 더 나은 해법을 제시했다고 밝혔다.

향후 알파이볼브의 잠재적인 응용 분야는 다양한 산업에 걸쳐 있으며, 재료과학 분야에서 신소재를 찾는 시간을 단축하거나 제약 산업에서 약물 발견을 가속화 시키는데 사용할 수 있을 것이다. 구글에서는 우선 사용자 인터페이스 개발과 함께 학계 파트너십부터 계획하고 있으며, 이후 장기적으로 재료 과학, 신약 개발, 지속 가능성, 그리고 더 광범위한 기술 및 비즈니스 응용 분야 등 더 많은 분야에서 혁신을 가져올 수 있을 것으로 예상하고 있다.

(참고) 진화적 사고로 창조하는 미래의 메타 알고리즘

https://m.blog.naver.com/PostView.naver?blogld=jonghyunc&logNo=223867461270&navType=by

지난 수년 간 기업 경영의 화두였던 디지털 전환(DX, Digital Transformation)이 인공지능 전환(AX, AI Transformation)으로 그 자리를 빠르게 대체하고 있다. 업무 효율화와 디지털화를 넘어, AI를 기업의 핵심 동력으로 삼아 비즈니스 모델 자체를 혁신하고 새로운 가치를 창출하는 AX가 기업 혁신의 핵심 열쇠로 부상하고 있는 것이다. 기업들은 클라우드 도입, 데이터 분석 시스템 구축, 업무 프로세스 자동화 등을 통해 DX를 추진해 왔고, 이를 통해 운영 효율성과 고객 경험을 개선하는 성과를 거둔 것도 사실이다. 하지만 DX는 기존 업무 방식을 디지털로 '전환'하는데 초점을 맞췄다면, AX는 AI를 활용해 업무 방식 자체를 '재창조'하고 이전에 불가능했던 새로운 가능성을 모색한다는 점에서 근본적인 차이가 있다.

DX가 디지털 '도구'를 도입하는 수준에 머무르는 경우가 많았다면, AX는 AI라는 '지능'을 기업의 모든 활동과 의사결정 과정에 깊숙이 통합시키는 것을 목표로 한다. 특히 생성형 AI(Generative Al) 기술의 비약적인 발전이 AX 시대를 앞당기는 결정적인 계기가 되었다. 과거의 AI가 주로 데이터 분석이나 예측 등 특정 영역에 한정적으로 활용되었다면, 이제는 인간과 유사한 수준의 콘텐츠 생성, 복잡한 문제 해결, 창의적인 아이디어 도출까지 가능해지면서 AI의 활용 범위가 전 산업 영역으로 확장되고 있다.

구분	디지털 전환 (DX)	AI 전환 (AX)
목표	프로세스 최적화, 효율성 증대, 고객 경험 개선	비즈니스 모델 혁신, 새로운 가치 창출, 지능형 의사결정, 초개인화 경험 제공
핵심 기술	클라우드, 빅데이터, 모바일, loT, RPA등	머신러닝, 딥러닝, 자연어 처리, 생성형 AI 등
접근 방식	기존 업무의 디지털화, 기술 도입 중심	비즈니스 재설계, 데이터 기반 지능화 중심
데이터 활용	수집된 데이터 분석 및 시각화, 현황 파악	예측, 추천, 자동화, 새로운 인사이트 도출
영향 범위	특정 부서 또는 업무 프로세스 개선	기업 전략, 조직 문화, 제품/서비스 개발 등 기업 전반의 근본적 변화

AI 전환을 위해서는 기업에서 사용할 수 있는 업무용 AI 서비스가 필요한데, 시장에는 여러 공급사들이 각기 다른 강점과 특징을 가진 서비스를 제공하고 있으며 크게 플랫폼형 AI와 SaaS형 AI로 나누어 볼 수 있다.

1. 플랫폼형 AI (PaaS/laas 기반) 서비스

기반 모델이나 개발 도구를 제공하여 기업이 자체적으로 AI 모델을 구축하거나 기존 시스템에 AI 기능을 통합할 수 있도록 지원함. 맞춤형 솔루션 구축에 유리하며 데이터 보안 및 통제권을 기업이 가질 수 있다는 장점이 있음.

공급사	주요 서비스/플랫폼	강점 및 특징	주요 활용 분야	한국어 지원
AWS	· Amazon Bedrock · Amazon SageMaker · Amazon Q	· 다양한 기반 모델 선택지 제공 · 유연한 인프라 · 자동화된 기계학습 환경 구축 용이 · 개발자 중심 도구	· 맞춤형 AI 애플리케이션 개발 · 대규모 모델 훈련 · 기업 내부 정보 검색 및 질의응답 · 고객 서비스	모델별 상이(다수 최상)
Microsoft	· Azure Al (OpenAl) · MS Copilot Studio	· M365 생태계와의 강력한 연동 · 다양한 산업별 템플릿 제공 · OpenAl 최신 모델 접근성 · 엔터프라이즈 급 보안 및 관리 기능	· M365 앱 연동 생산성 향상 · 고객 서비스 챗봇 · 데이터 분석 · 맞춤형 AI 모델 개발 · 지식 관리	최상
Google	· Google Cloud Al Platform · Gemini 모델	· 강력한 자체 LLM(Gemini) · 방대한 데이터 처리 능력 · 검색 및 자연어 처리 기술 우수 · Google Workspace 연동	· 데이터 분석 및 예측 · 개인화 마케팅 · 콘텐츠 생성 · 검색 기능 강화 · 고객 지원 자동화	최상
Naver	· HyperCLOVA X · Neurocloud for HyperCLOVA X · CLOVA Studio	· 한국어 특화 LLM · 국내 법규 및 정서 이해 · 자체 데이터센터 기반 보안 · 다양한 산업 특화 솔루션	· 한국어 기반 콘텐츠 생성 · 고객 상담 · 법률/금융 등 전문 문서 이해 및 요약 · 교육	최상(자국어)

2. SaaS형 AI (Software as a Service) 서비스

특정 업무나 기능에 초점을 맞춘 기성 AI 솔루션. 별도의 개발 과정 없이 즉시 도입하여 사용할 수 있다는 장점이 있으며, 주로 반복적인 업무 자동화나 특정 영역의 효율성 증대에 활용됨. 사내 시스템 및 데이터와의 통합은 제한적임.

공급사	주요 서비스/플랫폼	강점 및 특징	주요 활용 분야	한국어 지원
Adobe	· Adobe Sensei GenAl · Firefly	· 텍스트 기반 이미지, 영상, 문서 자동 생성 · 마케팅 데이터 분석 및 개인화	· 이미지/영상 생성 및 편집 · 마케팅 콘텐츠 제작 · 고객 경험 개인화	우수
Upstage	· Document Al · AskUp	· 문서 처리 특화 (OCR, 정보 추출) · 자체 개발 LLM 기반 질의응답 및 요약 · 금융/보험 등 특화	· 계약서/보고서 등 문서 자동 분석 · 고객 문의 응대 챗봇 · 사내 정보 검색	최상
뤼튼(Wrtn)	· 뤼튼 엔터프라이즈	· 한국어 콘텐츠 생성 특화 · 다양한 템플릿 제공 · 사용 편의성	· 마케팅 문구 생성 · 블로그 포스팅 · 보고서 초안 작성	최상(자국어)
Al3	· 웍스AI	· 업무별 다양한 AI 서비스 · 실시간 정보 검색 · 형식, 디자인이 유지되는 문서 번역	· 보고서 초안 작성 · 사내 개인용 챗봇 · 시장 조사/리서치	최상(자국어)

앞서 소개한 SaaS형 AI의 경우 전반적으로 잘 포장된 서비스를 제공하고 있어 사용자가 쉽게 접근하여 사용할 수 있다. 따라서 임직원의 AI 경험 확산 및 친숙도 향상에 효과가 있을 것으로 판단한다. 다만 대부분의 서비스들이 가장 핵심인 AI를 OpenAl와 같은 외부 글로벌 AI 개발사의 기능 기반으로 동작하고 있는 등 비용·기능·보안·확장성 측면에서 제약이 존재하고 있다. 즉 입력 데이터의 외부 전송 이슈나 도입 효과 극대화를 위한 기업 내부 시스템, 데이터, 문서를 연동하는데 있어 기술적으로 제약 사항이 존재한다.

※ 고려사항

• ① 목적 및 과제를 명확화 : AI를 통해 해결할 과제와 달성할 목표를 명확화
• ② 데이터 준비 상태 점검 : AI 모델의 성능은 학습 데이터의 질과 양에 좌우됨
• ③ 기존 시스템과의 통합 : 사용 중인 업무 시스템(ERP, 그룹웨어 등)과의 연동 용이성 확인
• ④ 보안 및 규정 준수 : AI서비스의 데이터 처리, 저장 방식, 학습 활용 여부, 접근 보안 등 확인
• ⑤ 비용 효율성 (ROI) : 초기 도입 비용, 운영 비용, 클라우드의 경우 사용량 기반 여부 확인
• ⑥ 기술 지원 및 사용 편의성 : 기술 지원 수준, 교육 프로그램 유무, 사용자 AI 활용 능력 고려 포함
• ⑦ 확장성 및 유연성 : 서비스 확장, 커스터마이징 용이성
• ⑧ 한국어 지원 수준 : 한국어 처리 능력, 한국 문화 및 비즈니스 환경에 대한 높은 이해도

위에 언급된 공급사 외에도 수많은 기업들이 특화된 업무용 AI 서비스를 제공하고 있다. "최고의" AI 서비스는 존재하지 않으며, 기업의 구체적인 상황과 요구에 가장 잘 맞는 "최적의" 서비스 선택이 필요하다.

현재 우리 그룹 역시 AI를 도입하기 위해 준비하고 있다. 위에서 언급한 고려 사항 중 데이터 준비, 기존 시스템 통합, 보안, 확장성 및 유연성 등을 고려하여 플랫폼형 AI를 기반으로 한솔만의 맞춤형 솔루션을 구축할 예정이다. 또한 이렇게 구축한 솔루션이 진정한 한솔만의 AI 서비스가 될 수 있도록 그동안 축적해 온 문서 자산이 AI의 데이터로 활용될 수 있게 문서 관리 체계 개선 역시 검토하고 있다.

다만 SaaS형 AI 역시 쉽게 접근할 수 있는 특성을 이용하여 임직원의 AI 경험 및 친숙도를 향상시키고, 이후 한솔 Al 도입 이후에도 필요에 따라 특화된 서비스를 사용하는 방식으로 유용하게 사용할 수 있을 것이다.

기업의 인공지능 전환(AX, Al Transformation)은 더 이상 선택이 아닌 생존과 성장을 위한 핵심 전략으로 자리매김하고 있으며, 단순한 기술 도입을 넘어 기업의 체질을 근본적으로 변화시키고 새로운 가치를 창출하는 AX는 이제 모든 산업 분야에서 미래 경쟁력을 좌우하는 결정적인 요소로 부상하고 있다. 우리의 AX 역시 현재 준비하고 있는 과제들의 결과물과 함께 성공적인 여정을 이어 나갈 수 있을 것으로 기대한다.

AX시대에 생산 현장을 대변하는 MES (Manufacturing Execution System) 또한 변화가 필요합니다. MES는 생산 현장의 모든 활동을 실시간으로 관리·통제하는 시스템입니다. 실시간으로 돌아가는 생산 실적과 공정을 모니터링하여 이상을 사전에 감지하고 생산 품질을 유지하는 등 생산계획, 자재 투입, 생산 실행, 품질, 설비관리 등 생산의 전 과정을 디지털화하고 정보의 실시간 흐름과 공정 간 최적화를 가능하게 해야 합니다. 이렇듯 MES시스템은 제조 현장의 가장 중요한 기반 시스템으로 AX시대에 제조 혁신을 통한 생산 경쟁력 확보를 위해 기술적 변화와 우수한 서비스 제공 역량이 필요합니다.

1. 분산 환경 Web 기반으로 전환

기존 MES는 과거 기술의 한계로 인하여 설치된 장비로만 접근해야 했고, 고정된 구조로 변경 비용이 높으며 노후화된 기술에 따라 신기술 적용 뿐만 아니라 IT 개발자 확보도 어려운 상황으로 점점 다양해 지고 있는 장비 환경과 새로운 기술 적용이 가능한 분산 환경 Web 기반으로 전환이 필요함.

관점	요구 사항	기존 MES 한계	분산 환경 Web기반 MES
프로세스	변화에 대한 유연성/민첩성	고정된 구조, 시스템 변경 비용 높음	ul와 업무Logic 분리, 모듈화 설계로 빠른 대응
성능/유지보수	안정성 및 운영 효율성	PC, OS등 주변 IT요소에 영향도 높음 단말기 패치/업그레이드 비용 발생	주변 IT요소에 영향 없고, 중앙 서버 패치/업그레이드로 해결
기술트렌드	미래 지향적 아키텍처	노후 기술, IT개발자 부족	IT개발자 풍부, 최신 트랜드 부합
접근성	현장 이슈 실시간 대응력	현장 PC로 접근	스마트폰, 테블릿 등 다양한 방법으로 접근
시스템 통합	타 시스템과의 유연한 통합	제한적인 통합, AI확장 어려움	ERP, WMS및 AI확장 기능 보유

2. AI 기능으로의 확장

기존 MES가 생산정보를 관리하기 위해 데이터를 수집하고 ERP 연계 중심의 생산현장 지원 시스템이었다면 AX 시대의 MES는 생산 최적화를 위해 실시간으로 데이터를 분석하고 예측 기반 의사결정을 지원하는 제조 지능화 허브 역할을 담당함.

구분	기존 MES 한계	AI기능 탑재 MES
목적	생산 정보 관리 및 통제	AI 기반 생산 최적화 및 고객 맞춤 대응
데이터 처리	수집 중심	실시간 분석 및 예측 기반 의사결정
사용자 경험	현장 전산화	직관적 UX, 모바일/음성 인식 연계
확장성	ERP 연계 중심	loT, AI, 클라우드, 엣지 연계 중심
역할	생산현장 지원 시스템	디지털 트윈 기반의 제조 지능화 허브

※ 분산 환경 Web 기반 및 AI 적용 MES 구축 사례

• 📌 삼성전자 광주사업장 (출처: 전자신문, 2022)
  • - Web 기반 MES 전환과 동시에 AI 품질 예측 시스템 연동
  • - 라인 불량 예측율 73% → 93% 향상, 라인 중단 발생 건수 30% 이상 감소
• 📌 보도자료 : LS ELECTRIC 스마트팩토리 구축 사례 (출처: LS 공식 보도자료)
  • - Web 기반 MES + AI 기반 설비 이상 감지 시스템 운영
  • - 설비 이상 조기 감지로 비정상 가동시간 25% 감소, 품질 이상 발생 비율 감소
• 📌 중견 식품 제조사 D사 (중소기업청 스마트팩토리 사례집)
  • - 노후 MES를 Web 기반으로 전환하며 loT 설비 연결
  • - 실시간 설비 상태 모니터링 가능 → 생산 계획 수정 시간 50% 단축

한솔PNS는 정부에서 시행한 『'24년 지능형공장 공급기업 역량진단』에서 SCM전문기업 티라유텍과 함께 우수 기업 중 가장 높은 등급으로 평가 받았습니다. 해당 등급은 진단 대상 300개 기업 중 상위 3%로서 경영, 기술, 프로젝트 관리 등 전반적인 역량이 우수함을 객관적으로 인정 받은 결과입니다.

한솔PNS에서 공급하고 있는 I'MFACTO MES 솔루션 역시 AX 시대에 경쟁력을 갖추기 위한 기술적 변화로 Al Agent R&D를 진행하고 있습니다. Web 환경에서 AI 기능이 탑재된 I'MFACTO MES는 제조 혁신의 경쟁력 있는 도구로서 사용자에게 새로운 경험과 함께 제조 혁신을 가능하게 할 것입니다.

TOP