챗GPT 등장 이후 AI 시장은 매우 가파르게 성장하고 있습니다. 글로벌 시장 조사업체인 IDC(International Data Corporation)에 따르면 생성형 AI 시장 규모가 2023년 149억 달러(약 19조 원)에서 2027년에는 1511억 달러(약 196조 원)로 불어난다고 합니다. 연평균 성장률(CAGR)이 무려 86.1%로, 엄청나게 빠른 속도로 시장이 커지고 있는 거죠. 이렇게 AI가 내밀하게 우리 삶에 들어오는 와중에 과연 산업계는 어떻게 AI를 활용하고 있을까요? 산업별로 AI 활용 사례를 살펴보겠습니다.
제조업 분야
세계 경제를 견인하고 있는 제조업 분야에서는 제품 생산성을 끌어올려 최대한 많은 제품을 생산하고, 반대로 불량률은 낮춰 수율(결함이 없는 합격품의 비율)을 올리는 것이 지상 과제였습니다. 그리고 이러한 이슈를 해결하는 데 사용하는 것이 바로 AI죠. 세계의 유수 제조 기업들은 대부분 이런 식으로 AI를 활용하고 있습니다.
AI를 통해 생산성을 향상시키는 효과적인 방법은 '스마트팩토리' 구축입니다. 스마트팩토리는 제품 생산 과정에서 공장 스스로 제어하는 자동화 시스템을 말합니다. 특히 철강 업계에서 스마트팩토리 구축에 신경 쓰고 있는데요. 철강 산업 특성상 철강에 들어가는 불순물을 제거하는 게 매우 중요하기 때문에 철강 업계에서는 제철소 내 설비 관리 시스템을 구축해 불순물 관리에 힘쓰고 있습니다. 이 시스템을 통해 설비 센서 데이터를 실시간으로 분석하여 고장을 사전에 감지하고 예방 조치를 취할 수 있는 거죠.
또 생산 과정에서 지연이 없도록 하고 있습니다. 선철에 포함된 불순물을 제거하고 철의 함유량을 적절히 조정하는 과정이 있는데요. 온도, 성분을 제어하는 AI 통합 제어 시스템으로 중단이나 지연이 없는 연속 작업을 가능하도록 했습니다. 한 철강 업체는 이와 같이 생산 과정에서 AI를 활용하면서 1000건 이상의 스마트 기술 과제를 수행했다고 밝혔고, 자동화를 통해 높아진 수율(완성품 중 합격 제품 비율)과 줄어든 인건비는 1630억 원이라고 발표했습니다.
반도체 업계에서는 반도체 생산성 향상을 위해 AI를 활용하고 있습니다. 반도체라는 제품은 특성상 공정을 미세화하는 것이 경쟁력 향상의 지표입니다. 그리고 미세화를 위해선 파운드리 공정의 경우 선폭(회로의 폭)을 좁히는 게 중요하죠. 그런데 선폭을 줄이는 데는 트랜지스터 간 간섭이 생기면서 전류 누설 등의 우려가 생깁니다. 업계는 이 문제를 AI를 통해 해결하려 하고 있습니다. AI로 빅데이터를 집중 분석하고 영향을 미치는 요소를 찾아내 해결할 수 있는 거죠. 또 반도체 집적회로의 핵심 재료인 웨이퍼가 손실되는 원인을 분석해 내 제품 불량률을 낮추는 데 힘쓰고 있습니다.
금융 분야
금융 분야 역시 AI가 활발히 활용되고 있는 분야입니다. 특히 은행에서 AI 활용에 공을 들이고 있는데요. 가장 많은 인력인 금융 상담을 하는 창구 직원을 생성형 AI가 대체할 수 있기 때문입니다. 따라서 각종 은행에서는 AI 챗봇을 속속 출시하면서 인력을 대체하기 위한 계획을 수립하고 있습니다. AI 챗봇과 음성봇을 운영해 상담원 없이 응대를 하는 한편, 음성 기반 금융상담 AI 서비스를 통해 고객 정보 기반으로 맞춤형 답변을 제공하고 있습니다. 자체적으로 금융 특화 언어 엔진을 개발해 개인 맞춤 AI 금융비서 서비스도 출시될 전망입니다. 이처럼 은행들이 AI 상담 서비스를 출시한 영향 때문인지 국내 은행 영업점 수는 2022년 말 기준 5800개로 코로나19 사태인 2019년과 비교하면 13.5%(909개) 줄어들었습니다.
한편 전문적인 능력을 요하는 부분에서도 AI가 적극 활용되고 있습니다. 바로 투자 부분인데요. 실제로 사람보다 훨씬 더 뛰어난 성과를 내고 있습니다. 대표적으로 ‘로보어드바이저’가 있는데요. 로보어드바이저는 로봇(Robot)과 투자 전문가(Advisor)의 합성어로 AI 머신러닝을 활용해 포트폴리오를 관리하고 투자 조언을 해주는 자동화된 투자 플랫폼을 말합니다.
금융사들은 로보어드바이저를 통해 투자 정보를 전달하고 상품을 추천해 줄 뿐 아니라 맞춤형 자산관리 서비스도 제공하고 있습니다. 국내 한 은행은 고객별 투자 성향과 목적에 맞는 금융상품 포트폴리오를 추천하고 있습니다. 주가지수, 펀드, 경제 성장률 등 사용 가능한 모든 금융 데이터를 투입해 AI가 자산에 영향을 미치는 요인을 학습하고 펀드 성과에 영향을 미치는 요인을 학습합니다. 마지막으로 자산과 펀드 간 최적의 조합을 학습하여 고객에게 딱 맞는 포트폴리오를 제시합니다.
로보어드바이저의 성과 역시 나쁘지 않은데요. 펀드평가사 에프앤가이드에 따르면 로보어드바이저의 최근 3년 수익률은 평균 -7.88%로, 코로나 이후 변동장에서 -14.72%를 기록한 국내 주식형 ETF에 비해 선방한 결과를 보여주고 있습니다. 시장도 빠르게 성장하고 있습니다. 코스콤 로보어드바이저 테스트베드 센터 통계에 따르면, 국내 로보어드바이저의 운용 규모는 2017년 8월 116억 원에 불과했으나 2023년 1월 1조 8,250억 원 규모로 커졌습니다. 계약자 수 또한 급증했는데요. 2023년 1월 기준 총 34만 5,759명으로 2018년 1월(3만9,382명) 대비 5년 만에 약 9배 가량 성장했습니다.
유통 분야
유통 업계의 가장 큰 관심사는 제품의 수요가 어느 정도인지 예측하고 수요에 맞게 제품을 최대한 많이 판매하는 것입니다. 이 이슈를 손쉽게 해결해 줄 수 있는 것이 바로 AI입니다. AI를 통해 과거의 상품 데이터와 고객 데이터를 분석할 수 있고 이를 통해 미래 수요가 어느 정도인지, 판매량은 어느 정도일지 대략적으로 예측해 볼 수 있죠. 또 고객에게 적합한 시점에 적합한 제품을 보여줌으로써 판매를 유도할 수 있고요.
유통 업계에서도 특히 이커머스 업체들이 AI를 적극 활용해 위 이슈를 해결하려 하는데요. 빠른 배송, 정시 배송이 중요하다 보니 자체적으로 데이터 수집, 분석 시스템을 만들어 날씨, 요일, 프로모션 등 데이터를 분석하고 지역별 주문량을 예측하기도 합니다. 이로써 수요 예측의 정확도를 높이고 불필요한 상품 폐기를 막아 손실을 최소화할 수 있는 거죠. 한 업체는 권역/지역별, 배송 유형, 상품(SKU), 온도별 등 다양한 기준으로 구분하여 수요를 예측하고 주문 수, 총 수량, 매출액, 소요시간 등 다양한 타깃을 대상으로 예측한 후에 30일 후, 7일 후, 1일 후, 당일 등 여러 시점과 타이밍을 기준으로 예측한다고 합니다. 그리고 D-day에 가까워질수록 최신 데이터를 모델에 자주 적용해 예측주기를 짧게 운영함으로써 예측값을 정교하게 만듭니다. 이렇게 최대한 정확하게 수요 예측을 하고 있습니다.
세계적인 이커머스 기업들은 이미 오래전부터 AI 기반 광고 사업을 통해 상품 판매량을 극대화하고 있습니다. 수많은 고객 데이터를 수집해 고객이 상품을 사기 위해 어떤 키워드로 검색하고 어떤 페이지를 방문했으며 어떤 상품을 샀는지 등의 데이터들을 수집했고, 이러한 데이터를 통해 소비자 니즈와 선호도를 정확히 파악하고 소비자의 구매 시점에 딱 맞는 상품을 보여주는 거죠. 이러한 광고 형태를 RMN(Retail Media Network)이라고 하는데요. 미국의 한 이커머스 기업은 RMN으로만 2022년에 310억 달러(약 41조 원)를 벌어들였습니다. 그리고 현재는 우리나라를 포함해 대부분의 이커머스 업체들이 RMN을 사용하고 있습니다.
RMN의 핵심은 데이터인데요. 데이터를 최대한 많이 수집해야 해당 데이터를 기반으로 더 정교하게 제품을 추천해 줄 수 있기 때문입니다. 따라서 각종 이커머스 기업들은 멤버십 서비스를 내세워 고객 데이터 확보에 힘쓰고 있습니다.
게임 분야
최근 AI를 가장 적극적으로 활용하는 회사는 바로 게임사들입니다. 대형 게임사는 물론 중소 게임사들도 모두 AI 인력을 대거 채용할 만큼 AI에 진심인데요. 이토록 게임사들이 AI를 활용하려는 이유는 AI를 통해 게임을 보다 실제와 유사한 환경으로 구현할 수 있기 때문입니다. 이로써 게임이 가상현실이 아니라 실제 현실과 같이 만드는 것이 게임사들의 목표죠. 가령, 게임 내에는 NPC (Non Player Character)라는 존재가 있는데, NPC는 매번 정해진 대화만 합니다. 우리가 키오스크에서 음식을 주문할 때 매번 같은 내용의 질문이 오는 것과 마찬가지죠.
이런 로봇 같은 대화 시스템을 마치 사람과 대화하듯 자연스럽게 바꿀 수 있는데, 이때 사용되는 게 언어 모델(LLM, Large Language Model) 입니다. 언어 모델은 AI 기술의 한 형태로, 인간의 언어를 이해하고 생성하는 능력을 갖춘 시스템을 말합니다. 즉, 사람이 말하는 것을 알아듣고 사람처럼 말할 수 있다는 거죠. 대표적인 언어 모델이 챗GPT인데요. 챗GPT에게 무언가를 질문하면 마치 사람이 대답해 주듯이 말을 하죠. 그리고 이어서 질문을 하면 챗GPT가 맥락을 이해하면서 후속 답변을 해주고요. 이처럼 언어 모델을 사용해 마치 실제 사람과 대화하듯 NPC와 대화할 수 있습니다.
NPC뿐만 아니라 게임 내 몬스터나 캐릭터에도 지능을 부여해서 유저들이 좀 더 재미있게 게임을 플레이할 수 있도록 하고 있습니다. 보통 게임에서 몬스터나 캐릭터는 정형화된 패턴으로 행동합니다. 그래서 게임을 이용하는 유저들은 그 패턴을 쉽게 알아내 공략합니다. 이렇게 되면 게임 자체가 단조로워지기 때문에 흥미가 떨어질 수 있습니다. 이때 AI를 이용하면 유저의 실력과 상황에 따라 캐릭터, 몬스터의 작동 형태를 바꿀 수 있습니다. 이들은 정형화된 패턴을 벗어나 보다 전략적으로 움직이거나 공격할 수 있죠.
이와 같은 환경을 조성하기 위해 AI를 활용하고 있는 건데, 국내 한 게임사는 전문 연구개발 인력만 수백 명을 육성하고 AI 기술 인력 채용에 힘쓰는 등 대대적으로 투자를 하고 있죠. 적극적인 투자 덕에 이미 2022년에 게임에 AI 요소를 첨가한 AI 콘텐츠를 출시했는데요. 똑같은 패턴을 보여줬던 기존 게임 콘텐츠와는 달리 AI 콘텐츠에서는 AI가 스스로 학습하여 훨씬 복잡한 패턴의 퀘스트를 맛볼 수 있다고 합니다. 때문에 유저들의 반응도 좋았다고 하죠.
앞서 살펴봤듯 챗GPT 이후 AI가 대중화되면서 국내 각 산업계에 속한 기업들은 AI 활용에 힘쓰고 있습니다. 그리고 실제로 AI 활용 이후 성과가 오르고 있는 기업들도 있음을 확인할 수 있었습니다. 앞으로 AI 시장 규모와 AI 기술이 급속도로 빠르게 성장하면서 AI를 어떻게 활용하는지가 기업 경쟁력의 주요 지표로 떠오를 텐데요. 기업 차원에서 AI에 대해 꾸준히 관심을 가지고 AI 인력에 대해 적극적으로 투자하여 기업 경쟁력이 증진시키는 것이 전체 산업계가 발전하는 방향이 아닐까 생각됩니다.
참고자료
[1] https://www.sisajournal-e.com/news/articleView.html?idxno=298913
[2] https://www2.deloitte.com/kr/ko/pages/technology-media-and-telecommunications/articles/2023/20230822.html
[3] https://www.hanabank.com/cont/mall/mall27/index.jsp
[4] https://www.joongang.co.kr/article/25160433#home
[5] https://helloworld.kurly.com/blog/introduce_datascience_team/
▶ 해당 콘텐츠는 저작권법에 의하여 보호받는 저작물로 기고자에게 저작권이 있습니다.
▶ 해당 콘텐츠는 사전 동의 없이 2차 가공 및 영리적인 이용을 금하고 있습니다.
