2025년 6월호

그룹 차원에서 준비해 온 데이터 플랫폼 및 GenAl 구축이 시작되었습니다. 이 플랫폼은 단순한 IT 인프라를 넘어, 우리 그룹의 업무혁신과 디지털 전환을 본격화하는 중요한 전환점이 될 것입니다.

하지만 시스템의 성공 여부는 단순히 고도화된 최신 기술을 활용하여 구축하는 것에 그치는 것이 아니라, 구축된 시스템을 어떻게 활용하고, 정착시켜 사무혁신을 이루는 계열사의 실행력에 달려 있습니다. 데이터를 통합하고, AI를 업무에 녹여내는 것은 결국 사람과 조직의 준비 정도에 따라 달라지는 과업이기 때문입니다.

최근 산업 전반에서 디지털화를 통해 데이터를 생성하고 통합하여 이를 기반으로 AI를 활용해 업무를 개선하는 사무혁신이 가속화되고 있습니다. 선진 기업들은 업무 문서 요약, 보고서 초안 작성, 고객 상담 정리 등 반복적이면서도 단순한 업무의 자동화부터 데이터에 근거한 의사결정 및 사업 전략을 수립하는 등 복잡하고 고도화된 역량이 필요한 부문까지 AI를 실전에 배치하고 있습니다. (→ 미국 글로벌 제조사 GE Aviation은 GenAI를 통해 기술문서 작성 시간을 70% 단축했고, 국내 유통 대기업은 상품별 매출 데이터 분석 보고서를 GenAl가 자동으로 생성)

이러한 흐름은 거스를 수 없는 대세가 되었으며, 우리 그룹 또한 이번 플랫폼을 통해 흩어져 있는 데이터를 그룹의 자산으로 통합하고, AI를 누구나 활용할 수 있는 환경을 만들고자 합니다. 이는 곧 업무 생산성과 경쟁력의 본질적 변화로 이어질 것입니다.

이번 그룹 데이터 플랫폼 및 GenAl 구축 프로젝트가 성공하려면, 단순히 중앙에서 플랫폼을 제공하는 것을 넘어, 계열사의 참여와 실질적인 실행이 반드시 수반되어야 합니다. 다음의 항목들은 계열사 CIO가 주도하여 조직 내에서 반드시 준비하고 추진해 주셔야 하는 핵심 과제입니다.

1. 주요 업무 데이터의 식별 및 정의

데이터 플랫폼과 AI 분석의 출발점은 데이터이며, 잘못 정의된 데이터는 분석 결과의 왜곡을 초래합니다. 현장 업무에 활용할 데이터를 명확하게 식별하고, 표준화 해야 하며, 업무 데이터의 정합성을 확보해야 합니다. 또한, 이러한 체계가 지속적으로 유지 될 수 있도록 데이터 거버넌스 체계도 함께 고민해야 할 것입니다.

• • 업무별 주요 데이터 소스 파악 및 현황 진단 : 예) 매출, 생산, 품질, 고객, 설비 등, 위치, 포맷, 책임부서, 품질 이슈 등 포함
• • 데이터 표준화 및 정합성 확보 : 용어 통일, 단위 정리, 결측값 처리 등 기본적 품질 정비
• • 데이터 제공을 위한 사내 의사결정 및 거버넌스 체계 수립 : 데이터 오너 지정, 데이터 제공/활용 승인 체계 구축

2. 현업 중심의 GenAl 활용 시나리오 도출

GenAl 적용은 "해결할 문제" 정의부터 출발해야 합니다. GenAl를 활용하여 이루고자 하는 목적과 문제의식이 반영되어야 하며, GenAl를 활용해서 인사이트와 자동화로 발전하기 위한 사전 기획이 있어야 AI 구축의 성과도 뚜렷해집니다.

• • GenAl를 적용하여 효과를 낼 수 있는 업무와 프로세스의 정의 및 우선순위화
• • 업무별 기대 효과 정량화 및 RO 검토 (예: 시간 절감, 품질 향상, 응답속도 개선 등)
• • PoC 등을 통한 빠른 성공 경험 확보와 조직 내 확산 유도

3. 조직 내 데이터 역할자 지정 및 운영 체계 마련

데이터 플랫폼과 GenAl는 도입 이후에도 지속적인 관리·보완이 필요한 시스템입니다. 역할과 책임이 명확하지 않으면 데이터 오류, 해석 불일치, 낮은 활용도로 이어질 수 있습니다. 업무에 가장 가까운 사람이 주체가 되어야 데이터가 살아 움직이고, 현장 중심의 변화가 가능합니다. 데이터를 지속적으로 활용하고 품질을 유지하려면, 단순한 시스템 도입을 넘어 조직 내 역할 정의와 운영 체계 수립이 필수적입니다. 이를 통해 데이터의 소유권, 책임, 활용 체계를 명확히 하여 데이터 플랫폼 및 GenAl 도입 이후에도 자율적이고 지속적인 운영이 가능해집니다.

필수 역할	정의	책임과 역할	비고
데이터 오너 (Data Owner)	부서별 핵심 데이터를 정의하고 품질을 관리하는 담당자	· 데이터 항목의 의미·정의·기준 수립 · 데이터 표준화 및 정합성 책임 · 데이터 오류 및 해석 차이 조율	실무 책임자
업무 활용 담당자 (Business Data User)	플랫폼에서 데이터를 조회·분석·보고 등에 활용하는 실무 사용자	· 정기/수시 조회 및 리포트 활용 · 데이터 활용에 대한 피드백 제공 · 현업 내 확산 및 사용자 의견 수렴	부서별 실무자
시민개발자 (Citizen Developer)	간단한 분석, 자동화, 시각화 등을 직접 수행할 수 있는 현업 인력	· 로우코드 도구 기반의 보고서 작성 · 업무 자동화 플로우 구성 · 단순 분석/알림 기능 자체 구현
플랫폼 운영 창구 (Communication Interface)	데이터 관련 요청 및 이슈 접수 채널	· 데이터 수정 요청, 신규 항목 등록 등 대응 · IT와 현업 간 커뮤니케이션 허브 역할	그룹 IT 또는 계열사 전담자 지정

데이터 플랫폼 및 GenAl 구축은 단순히 "툴"을 생성하는 것이 아니라, 조직문화와 일하는 방식의 전환점이 될 것이며, 이 변화는 누가 대신해 줄 수 있는 일이 아닌 계열사가 주체적으로 준비하고, 실험하고, 확산해야만 성공할 수 있습니다.

데이터 플랫폼과 GenAl 기반의 업무 혁신 체계가 정착되고, 실질적인 성과(업무 혁신)로 이어지기 위해서는 데이터를 가장 잘 이해하고, 이를 통해 가치를 창출할 수 있는 현업의 적극적인 참여와 준비가 무엇보다 중요합니다.

데이터 플랫폼 및 GenAI가 그룹의 디지털 경쟁력을 높이고 업무를 혁신하는 도구로 활용되기 위해 완성도 높은 플랫폼을 함께 만들어간다는 마음으로 적극적으로 동참해 주시기 바랍니다.

과거 우리가 얘기하던 AI는 영화 터미네이터에서 아놀드가 분했던 T-800처럼 움직이는 몸을 가진 실물이었으나, 근래 우리가 흔히 접하는 인공지능(AI)은 대부분 디지털 공간에서 작동하면서 주로 모니터를 통해서 상호작용을 하고 있습니다. 검색 엔진, 추천 시스템, 챗봇 등은 모두 가상 환경에서 데이터를 처리하고 정보를 생성합니다. 하지만 최근 엔비디아의 CEO 젠슨 황이 "피지컬 AI(Physical AI)"를 언급하면서 글로벌 기업과 연구소, 스타트업들이 이 영역에 대해 새로운 얘기들을 하고 있습니다.

피지컬 AI는 인공지능이 물리적 세계에서 눈과 귀를 가지고 상호작용하며 실질적인 행동을 수행하는 개념으로 새로운 기술은 아니며 이미 우리 주위에 자율주행차로 그 모습을 보여주고 있습니다.

Physical AI에 대해 발표하는 젠슨 황 (출처 : NVIDIA)

피지컬 AI는 크게 세 가지 핵심 요소로 구성됩니다.

• • 인식 : 카메라, 센서, 마이크 등 다양한 장치를 통해 주변 사물의 형태, 움직임, 소리 등을 인지하고 정보를 수집
• • 추론 및 의사결정 : 수집된 데이터를 바탕으로 AI가 상황을 분석하고, 다음에 어떤 행동을 할지 결정
• • 행동 : 결정된 사항을 실제 물리적 행동으로 옮김 (로봇 팔이 물건을 잡거나, 자율주행차가 경로를 변경하는 등)

이 세 가지 과정이 유기적으로 연결되어 피지컬 AI는 복잡하고 예측 불가능한 현실 세계에서도 유연하게 대처하고 임무를 수행할 수 있게 됩니다.

피지컬 AI는 이미 다양한 산업 분야에서 응용되고 있으며, 상상했던 것들이 이미 현실에서 구현되었거나 개발 중입니다.

📌 제조 및 물류 : 공장에서 사람과 함께 작업하는 협동 로봇, 물류 창고에서 물품을 운반하는 자율 이동 로봇(AMR) 등 정해진 경로로 움직이는 것이 아니라 실시간으로 변화하는 환경에 맞춰 스스로 판단하고 행동

📌 자율주행 : 자동차가 주변 환경을 인식하고, 다른 차량이나 보행자의 움직임을 예측하며, 스스로 주행 경로를 결정

📌 서비스 로봇 : 식당에서 음식을 서빙하거나, 병원에서 환자를 안내하거나, 청소를 하는 로봇들이 사람의 표정이나 음성을 인식하고 주변 환경을 파악하여 적절한 서비스를 제공

📌 농업 : 농업용 로봇이 작물의 상태를 분석하고, 최적의 시기에 물이나 비료를 주며, 수확 작업을 수행

📌 탐사 및 재난 구호 : 접근하기 어려운 위험 지역에 투입되어 피지컬 AI를 통해 환경을 탐색하고, 정보를 수집하며, 구조 작업을 수행

피지컬 AI가 제조 현장에 가져오는 가장 큰 변화는 '유연성'과 '적응력'의 획기적인 향상입니다. 기존의 산업용 로봇은 정해진 작업만 반복할 수 있고, 작업 변경 시 복잡한 재프로그래밍이 필요했습니다. 하지만 피지컬 AI 로봇은 실시간으로 환경을 인식하고 상황에 맞게 행동을 조정할 수 있습니다.
이러한 유연성은 다품종 소량 생산, 맞춤형 제조와 같은 현대 제조업의 트렌드에 완벽하게 부합합니다. 소비자 요구가 빠르게 변화하고 제품 수명 주기가 짧아지는 상황에서, 피지컬 AI는 생산 라인을 빠르게 재구성하고 새로운 제품으로 전환할 수 있는 능력을 제공합니다.
기존 자동화 시스템이 효율성에 초점을 맞췄다면, 피지컬 AI는 효율성과 유연성을 동시에 제공합니다. 이는 제조업의 근본적인 경쟁력 변화를 의미합니다.

피지컬 AI의 성공적인 도입은 단순히 로봇 기술 자체가 아니라, 인간과 로봇이 효과적으로 협업할 수 있는 시스템을 구축하는 것으로 인간 노동력의 '대체'가 아닌 '증강'을 목표로 합니다. 로봇과 인간이 각자의 강점을 살려 시너지를 창출하는 모델을 구축해야 성공적인 도입이 가능합니다.
BMW 미국 공장에서는 피규어 AI의 로봇을 도입해 사람과 협업하는 시스템을 구축했습니다. 로봇은 무거운 부품을 운반하고 정밀한 조립을 담당하며, 사람은 품질 검사와 복잡한 의사결정을 담당합니다. 피규어 AI는 이러한 협업을 통해 생산성과 품질이 동시에 향상되어 시험 운영 이후 하루 최대 1,000건의 작업을 처리하고 있으며 상당한 진전을 보여주고 있다고 발표했습니다.

피지컬 AI는 앞으로도 우리 삶의 많은 부분을 변화시킬 잠재력을 가지고 있습니다. 제조업에서 로봇을 이용한 자동화를 넘어, 인간의 삶을 더 풍요롭고 안전하게 만드는 데 기여할 것으로 기대됩니다. 예를 들어, 거동이 불편한 노약자를 돕는 로봇, 재택근무 환경에서 동료 역할을 하는 로봇 등 새로운 형태의 피지컬 AI가 등장할 수 있습니다.

하지만 피지컬 AI가 보편화되기 위해서는 몇 가지 도전 과제도 해결해야 합니다.

• • 안전성 및 신뢰성 : 물리적 세계에서 작동하는 만큼, 로봇의 오작동은 심각한 결과를 초래할 수 있음. 극한 상황에서도 안정적으로 작동하고, 예측 불가능한 변수에 대처할 수 있는 높은 수준의 안전성과 신뢰성이 요구됨
• • 윤리적 문제 : 자율성을 가진 AI가 인간의 삶에 깊숙이 개입하면서 발생할 수 있는 일자리 감소, 책임 소재 등 윤리적, 사회적 문제에 대한 논의와 해결책 마련이 필요함
• • 복잡한 환경 대응 : 매우 복잡하고 변화무쌍한 현실 세계의 다양한 변수와 불확실성 속에서도 유연하게 작동해야 함

피지컬 AI는 디지털과 물리적 세계의 경계를 허물며 새로운 시대의 문을 열고 있습니다. 이러한 기술의 발전이 우리 사회에 긍정적인 영향을 미칠 수 있도록 지속적인 연구 개발과 함께 사회적 논의가 병행되어야 할 것입니다.

기술 분야	설명	관련 기술
대규모 언어 모델 (LLM)	· 인간 언어 이해 및 지시 처리 · 로봇이 자연어 명령을 이해하고 계획을 세우는 데 사용	OpenAl, Anthropic, Meta, Google, DeepMind
로봇 운영체제 (ROS)	· 로봇을 구성하는 하드웨어·소프트웨어를 연결하고, 센서·모터 등을 제어하는 기반 기술	Open Robotics, NVIDIA, Boston Dynamics
강화학습 및 시뮬레이션	· 로봇이 환경에서 반복적으로 학습하여 최적의 행동을 찾아가는 기술 · 현실 적용 전 가상 공간에서 훈련	NVIDIA, Google DeepMind, OpenAl
컴퓨터 비전 & 3D 인식	· 로봇이 카메라나 센서를 통해 주변을 인식하고, 사물 및 거리, 움직임 등을 파악	Intel, Skydio, Google Research
엣지 컴퓨팅 & AI 칩셋	· 로봇이 실시간으로 판단하고 행동하기 위해 필요한 겸량 AI 프로세서 및 엣지 디바이스	NVIDIA, Qualcomm, AMD
로보틱스 하드웨어 & 메카트로닉스	· 모터, 센서, 관절, 촉각 등 실제 로봇 하드웨어 기술	Boston Dynamics, Tesla, Figure Al, 1X Technologies, Apptronik
촉각 및 인간-로봇 상호작용(HRI)	· 정밀 조작, 사람과의 협업 및 사회적 행동 처리	Physical Intelligence, Toyota Research, KUKA Robotics
데이터 플랫폼 & 로봇 시뮬레이션 학습용 툴	· 로봇이 다양한 환경과 상호작용하며 학습하는 데 필요한 대규모 학습 데이터 및 환경 구성	NVIDIA, Unity Technologies, Meta Al, Waymo

TOP