SK텔레콤 제조 특화 AI 에이전트 협업 구조도(사진=SK텥레콤)
SK텔레콤은 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 독자 AI 파운데이션 모델 기반 ‘제조 특화 AI 에이전트’ 현장 실증을 위한 전략적 업무협약을 체결했다고 25일 밝혔다. 이번 협력은 SK텔레콤의 독자 AI 파운데이션 모델을 제조업에 적용하는 첫 사례다.
SK텔레콤은 지난 4월부터 KG스틸과 코넥이 보유한 과거 공정 오류·사고 분석 보고서, 장비 매뉴얼, 로그 등 제조 데이터를 확보하고 독자 AI 파운데이션 모델 ‘A.X K1’을 기반으로 제조 특화 AI 에이전트 데모 버전을 개발했다.
A.X K1은 5190억개 매개변수를 갖춘 초거대언어모델이다. 복잡한 작업 처리 능력을 갖추면서도 추론 과정에서는 약 330억개 매개변수만 활성화되는 구조다. 전체 모델 규모는 크지만 필요한 부분만 작동시키는 방식으로 산업 현장에서 효율적으로 활용할 수 있다는 게 회사 측 설명이다.
SK텔레콤과 KG스틸, 코넥은 올 하반기 제조 특화 AI 에이전트 데모 버전을 실제 공정에 적용해 현장 실증을 진행한다. KG스틸은 도금 강판을 생산하는 당진공장 냉간 압연 라인에, 코넥은 주조·가공 공정에 각각 AI 에이전트를 적용할 예정이다.
KG스틸과 코넥은 SK텔레콤에 제조 공정 데이터를 실시간으로 공유하고, SK텔레콤은 해당 데이터와 실증 과정에서 발생하는 현장 피드백을 바탕으로 제조 특화 AI 에이전트의 성능과 추론 속도를 개선한다. 기능 확장도 추진한다.
실증 과정에서 확보한 제조 현장 데이터는 현재 개발 중인 A.X K2 모델 학습에도 활용할 계획이다. 실증 완료 후에는 제조 특화 AI 에이전트 상용화와 도입을 검토한다. 필요할 경우 SK텔레콤의 독자 AI 파운데이션 모델 후속 시리즈로 모델을 교체하는 방안도 검토한다.
제조업은 그동안 AI 도입이 어려운 분야로 꼽혀왔다. 제조 현장 데이터의 디지털화 속도가 더디고 축적된 데이터도 공정별·부서별로 따로 생성·관리되는 경우가 많아 AI 활용이 쉽지 않기 때문이다. 작업자의 숙련도와 경험에 따라 업무 처리 방식이 달라지는 점도 한계로 지적된다. 핵심 노하우가 특정 숙련공에게만 머무는 ‘지식 고립’ 현상이 대표적이다. 이 경우 베테랑 작업자의 은퇴나 이직과 함께 현장 경쟁력이 약화될 수 있다.
SK텔레콤은 산재한 제조 데이터와 숙련공의 경험 지식을 디지털 자산화하고 이를 학습한 AI 에이전트를 현장에 도입하면 공정 과정에서 발생하는 오류에 빠르게 대응할 수 있을 것으로 기대하고 있다. 이를 통해 조치 시간을 줄이고 공정 효율성도 높일 수 있다는 설명이다.
보안성도 제조업 AI 도입의 주요 변수다. 제조 현장은 공정별 보안이 중요해 데이터를 외부로 내보내는 클라우드 기반 AI 도입이 쉽지 않다. SK텔레콤은 독자 AI 파운데이션 모델이 클라우드 방식뿐 아니라 폐쇄형 온프레미스 환경도 지원해 제조 공정 데이터를 외부로 반출하지 않고 기업 내부 환경에서 활용할 수 있다고 설명했다.
◇국방 이어 제조까지…독자 AI 파운데이션 모델 확산 가속
SK텔레콤은 최근 독자 AI 파운데이션 모델의 적용 영역을 넓히고 있다. 앞서 지난달에는 국방부와 과학기술정보통신부 독자 AI 파운데이션 모델의 국방 분야 활용을 위한 업무협약을 체결했다. 보안과 데이터 주권이 중요한 국방 영역에 독자 AI 파운데이션 모델을 적용하기 위한 협력이다.
SK텔레콤은 국방과 제조를 시작으로 금융, 공공, 의료 등 다양한 산업으로 독자 AI 파운데이션 모델 적용을 확대할 계획이다. 각 산업이 보유한 데이터와 독자 모델을 결합해 산업별 특화 AI를 만들고 국내 산업 전반의 AI 전환을 지원한다는 구상이다.
정석근 SK텔레콤 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.
배선우 KG스틸 기술연구소장은 “이번 협력으로 현장 데이터를 기반으로 한 AI 도입의 발판을 마련하게 됐다”며 “제조 경쟁력을 한층 끌어올리겠다”고 강조했다.
이광표 코넥 대표이사는 “현장에서 반복되는 품질 관련 이슈에 대한 빠른 대응은 제조업의 오랜 과제였다”며 “AI를 통해 제조 현장에서의 업무 효율성을 높여 나가겠다”고 말했다.
