KG스틸·코넥 공장서 제조 특화 AI 에이전트 실증…A.X K1 제조업 첫 적용
공정 오류·장비 매뉴얼·설비 로그 학습…숙련공 노하우 AI 자산화 추진
국방 이어 철강·자동차 부품으로…보안형 온프레미스 AI로 산업 AX 공략

SK텔레콤의 독자 인공지능(AI) 파운데이션 모델이 국방에 이어 제조업 현장으로 적용 범위를 넓히고 있다. <출처=SKT>

SK텔레콤의 독자 인공지능(AI) 파운데이션 모델이 국방 분야에 이어 제조업 현장에 실전 적용되고 있다. 보안과 데이터 주권이 중요한 영역에서 자체 모델을 앞세워 산업 특화 AI 전환(AX) 시장을 선점한다는 전략이다.

SKT는 25일 철강 제조기업 KG스틸, 자동차 부품 제조기업 코넥과 각각 독자 AI 파운데이션 모델 기반 제조 특화 AI 에이전트 현장 실증을 위한 전략적 업무협약을 체결했다고 밝혔다. SKT가 자체 개발한 독자 AI 파운데이션 모델을 제조업에 적용하는 첫 사례다.

실증 사업에는 SKT의 초거대 언어모델 A.X K1이 활용된다. A.X K1은 5190억개 파라미터를 갖춘 모델로, 추론 시 약 330억개 파라미터만 활성화하는 구조다. 전체 모델은 대규모 지식을 보유하되 실제 업무 처리 과정에서는 필요한 전문가 영역만 쓰는 방식인 만큼, 비용과 속도가 중요한 산업 현장에 적용하기 유리하다는 설명이다.

SKT는 지난 4월부터 KG스틸과 코넥이 보유한 과거 공정 오류·사고 분석 보고서, 장비 매뉴얼, 설비 로그 등 제조 데이터를 확보해 제조 특화 AI 에이전트 데모를 개발했다. 하반기에는 KG스틸 당진공장의 도금 강판 냉간 압연 라인과 코넥의 주조·가공 공정에 각각 데모를 적용해 현장 실증을 진행한다. 실증 과정에서 축적되는 데이터와 현장 피드백은 에이전트의 성능 개선과 추론 속도 향상에 활용된다. SKT는 현재 개발 중인 후속 모델 A.X K2 학습에도 관련 제조 데이터를 반영할 계획이다.

핵심은 제조업 AI 전환의 병목으로 꼽혀온 ‘데이터 단절’과 ‘지식 고립’을 독자 모델로 풀겠다는 데 있다. 

제조 현장은 설비별, 공정별, 부서별로 데이터가 흩어져 있는 경우가 많다. 같은 품질 이슈가 반복돼도 원인 분석과 조치 방식은 숙련공의 경험에 의존하는 경우가 적지 않다. 베테랑 인력이 은퇴하거나 이직하면 현장 노하우가 함께 사라지는 구조다. SKT는 사고 보고서와 장비 매뉴얼, 설비 로그, 작업자 피드백을 AI가 이해할 수 있는 지식 자산으로 전환해 품질 이상 대응, 오류 원인 탐색, 장비 조치 가이드 등 현장 업무에 활용하겠다는 구상이다.

SKT의 독자 AI 파운데이션 모델은 클라우드뿐 아니라 기업 내부 서버에 직접 설치하는 온프레미스 환경도 지원한다. <이미지=AI로 생성>

보안도 중요한 포인트다. 철강·자동차 부품 공정 데이터는 생산성, 품질, 원가 경쟁력과 직결되는 핵심 자산이다. 이 때문에 외부 클라우드 기반 AI 서비스에 민감한 데이터를 올리는 데 제약이 크다. SKT의 독자 AI 파운데이션 모델은 클라우드 뿐만 아니라 기업 내부 서버에 직접 설치하는 온프레미스 환경도 지원한다. 제조 공정 데이터를 외부로 반출하지 않고도 AI를 활용할 수 있다는 점은 글로벌 빅테크 모델과 차별화되는 지점이다.

SKT의 독자 모델 확산은 앞서 국방 분야에서 먼저 시작됐다. SKT는 지난달 국방부와 과학기술정보통신부 독자 AI 파운데이션 모델을 국방 분야에 활용하기 위한 업무협약을 체결했다. 국방 행정과 데이터 활용, 국방 특화 AI 모델 개발·실증을 추진하는 내용이다. 국방과 제조는 모두 보안성과 전문성이 강하게 요구되는 분야다. SKT 입장에서는 자체 모델의 장점을 입증하기에 적합한 초기 시장인 셈이다.

정책 환경도 맞물리고 있다. 산업통상자원부는 최근 제조업 AI 대전환, 이른바 M.AX를 제조 공정에서 생산계획, 공급망 관리, 안전·환경, 재고 운영 등 기업활동 전반으로 확대하겠다는 방향을 제시했다. 제조 AI가 단순 불량 탐지나 설비 예지보전 수준을 넘어 기업 의사결정을 지원하는 AI 에이전트로 진화하는 흐름이다. SKT의 제조 특화 AI 에이전트 실증도 이 같은 산업 AX 확산 기조와 궤를 같이한다.

관건은 현장 실증 성과다. 제조업은 데이터 품질이 일정하지 않고, 같은 업종 안에서도 공정 조건과 설비 구성이 제각각이다. AI 에이전트가 실제 현장에서 쓰이려면 단순 질의응답을 넘어 작업자가 신뢰할 수 있는 원인 분석과 조치 제안을 안정적으로 내놓아야 한다. 응답 속도와 비용, 보안, 현장 시스템 연동도 상용화의 핵심 변수다.

정석근 SKT AI CIC장은 “보안이 중요한 제조 현장에는 데이터를 외부로 내보내지 않고도 활용할 수 있는 독자 AI 파운데이션 모델이 효과적인 해법”이라며 “KG스틸, 코넥과의 협력을 시작으로 제조업의 AI 전환을 앞당기고 독자 AI 파운데이션 모델의 적용 사례를 확대해 나가겠다”고 말했다.

[CEO스코어데일리 / 김동일 기자 / same91@ceoscore.co.kr]