PwC 인사이트: AI와 빅데이터로 제조업 혁신하기

인공지능과 빅데이터를 어떻게 정의하시나요?

AI는 기계가 환경을 인지하고 일반적으로 인간 지능이 필요한 작업을 수행하는 능력이며, 다양한 기술, 기법, 애플리케이션의 전체 분야입니다.

빅데이터는 극도로 큰 데이터 세트를 다루고 처리하기 위한 도구와 역량의 집합입니다.

AI와 빅데이터는 어떻게 함께 작동하나요?

빅데이터는 AI의 인에이블러 중 하나일 뿐이지만, 데이터 볼륨이 증가함에 따라 가장 중요한 것 중 하나입니다.

제조 현장에 어떻게 적용할 수 있나요?

광범위하게 말하면, AI와 데이터 활용의 많은 이점에는 비용 절감, 인적 오류 최소화, 생산성 및 효율성 증가가 포함됩니다. 중요한 것은 어떤 기술이든 사용 환경에서 어떤 문제를 해결하려는지 고려하는 것입니다. 단순한 반복 작업 자동화부터 인간과 기계가 협업하여 더 빠르고 더 나은 의사결정을 내림으로써 공장 내 작업의 본질을 재발명하는 것까지 다양합니다.

제조업체가 스마트 제조 역량을 도입할 때 AI와 빅데이터를 사용해야 하는 이유는? 제조업체에 어떤 가치가 있나요?

한 가지 관점은 다시 AI의 경제적 이점입니다. 제조업에서 이는 다음의 결과로 나타납니다:

1. 프로세스 자동화와 기존 인력의 작업을 다양한 AI 기술 애플리케이션으로 보강하여 얻는 생산성 향상.

2. 제조 제품의 개인화 및 맞춤화 능력 향상, 더 높은 품질의 디지털 및 AI 강화 제품과 서비스로 인한 소비자 수요 증가.

제조업(및 건설업)은 본질적으로 자본 집약적입니다. 2018년 보고서 "중동 지역의 AI 잠재적 영향"에서 AI 애플리케이션 도입이 2030년까지 이 부문의 GDP 기여도를 12.4% 이상 증가시킬 수 있을 것으로 추정했습니다.

AI와 빅데이터가 제조업체의 인더스트리 4.0 혁명 진화를 어떻게 도울 수 있나요? 이미 인더스트리 5.0을 고려하는 기업들은 어떨까요?

정말 지금 하는 투자로 비즈니스를 미래에 대비시키는 것입니다.

우리는 일반적으로 AI 도입에 대한 두 가지 광범위한 전략 또는 접근 방식을 봅니다. 빅데이터에 의존하지 않고 즉시 할 수 있는 것들이 있습니다. 이를 '센싱(Sensing)' 기술이라 설명하며, 컴퓨터 비전 등이 포함됩니다. 이들은 제조업에서 즉시 사용할 수 있는 많은 사용 사례가 있습니다. 예를 들어 자동 결함 감지 등입니다. 그러나 더 장기적인 플레이는 데이터에 투자하는 것을 요구합니다. 올바른 수집 메커니즘, 저장, 데이터 거버넌스, 빅데이터 역량 등을 갖추어 점점 더 가치 있는 머신러닝 기반 AI 사용 사례를 개발하기 위함입니다. 이는 장기적 도입 성공에 절대적으로 필요합니다.

제조업에서 AI와 빅데이터의 가치를 실현하려는 조직을 위한 최적의 전략은?

AI와 빅데이터는 성공적인 스마트 팩토리의 한 부분일 뿐입니다. AI 도입을 선도하는 조직은 핵심 비즈니스 프로세스 디지털화에서 가장 많은 진전을 이룬 조직들입니다. AI 솔루션을 대규모로 활용하여 앞서 나가기 위해서는 여러 기술 투자와 조직적 결정이 필요합니다.

1. 프로세스 디지털화는 궁극적으로 데이터 생성 능력 향상으로 이어지며, 제조 현장에서 수백 개의 센서가 실시간으로 수천 개의 측정을 생성하면 그 결과는 빅데이터입니다. 데이터는 AI 구축의 핵심이므로 신뢰할 수 있고 정확한 데이터 획득, 관리, 거버넌스가 핵심입니다. 생산 라인과 공장이 데이터 획득 프로세스에서 중요한 직접적 역할을 합니다.

2. AI 전략은 단기와 장기 모두 사용 사례, 비즈니스 애플리케이션에서 시작합니다. 제조업체는 어디에 AI를 사용하고 싶은지 묻고, 이러한 사용 사례를 모아 예상 영향과 구현 복잡성의 균형을 기준으로 프로젝트 우선순위를 정해야 합니다.

물론 기술과 비즈니스 프로세스 외에도 사람이 모든 성공적 기술 도입의 중심에 있습니다. AI 팀은 데이터 과학자뿐만 아니라 데이터 엔지니어, 솔루션 아키텍트, 데이터 스튜어드, 그리고 점점 더 '분석/AI 번역가'라 불리는, 비즈니스 리더와 기술 전문가와 소통할 수 있는 사람들로 구성되어야 합니다. 문화도 핵심이며, 제조업체는 데이터와 AI 주도 문화를 가능하게 하고, 직원들에게 AI와 그 역량, 가치 추출 최적의 방법에 대해 교육하여 데이터와 알고리즘에 대한 신뢰를 구축해야 합니다. 긍정적인 면뿐만 아니라 위험과 한계도 포함됩니다. 이들은 기대가 설정되지 않은 상태에서 마주치면 투자 의지에 중대한 영향을 미칠 수 있습니다.

제조업에서 AI와 빅데이터 도입 시 과제는 무엇인가요?

연구에 따르면 AI 구현의 주요 과제 중 하나는 투자 수익(ROI)에 대한 불확실성입니다. 말했듯이 장기적 데이터와 AI 전략의 성공에는 상당한 투자가 필요하며, 가시적 수익을 보는 시간에 대한 기대는 현실적으로 설정되어야 합니다.

많은 기업이 데이터 측면에서도 어려움을 겪습니다. AI 시스템 운영에 필요한 데이터를 수집 및 공급하고, 그것이 정확한지 확인하는 것입니다. 다시 말해 디지털화에 필요한 더 큰 투자가 필요함을 시사합니다.

우리의 연구에 따르면 제조 기업이 대규모 AI 구현 시 직면하는 주요 과제는 다음과 같습니다:

• 40% → 기술이 성숙하지 않음
• 40% → 인력이 AI 구현 및 관리 기술 부족
• 36% → 투자 수익 불확실
• 33% → 데이터가 아직 성숙하지 않음
• 32% → 투명성과 신뢰 부족
• 24% → 근로자 위원회 및 노동조합
• 22% → 국내 및 주요 시장의 규제 장벽

여기서 강조된 요소, 특히 신뢰 부족과 노동조합 관련해서, AI가 미디어에서 일반적으로 노동자를 '대체'하고 일자리를 뺏는 것으로 왜곡되어 표현된다는 점이 지적됩니다. 네, 첫 산업혁명 이래 자동화로 효율성 향상이 있었습니다. 하지만 우리는 데이터와 AI가 노동자를 보강하여 그들의 능력과 제조되는 제품을 향상시킬 때 가장 가치 있다고 믿습니다.

우리가 보기 시작하는 또 다른 과제는 스마트 팩토리에서 상호 연결된 장비와 기계를 겨냥한 사이버 공격이 점점 증가하고 있다는 것입니다. PwC는 최근 미국 제조업체 협회(National Association of Manufacturers), 마이크로소프트와 협력하여 이 주제로 웹캐스트를 주최했습니다.

제조업에서 AI와 빅데이터의 현재 트렌드는?

• 엔지니어링, 조립, 품질 테스트 등 핵심 생산 공정에 AI 솔루션을 추가하는 데 약간 더 초점을 맞추는 기업들
• 안전이 중요한 중요성으로, 프로토콜 준수 기능(예: 특정 기계로부터 안전 거리 유지)에 채택된 기술이 코로나19 프로토콜 준수를 위한 일상적 시나리오로 더 많이 채택됨
• 제조 공정에 관여하는 대형 기계의 예측 정비와 공급망 최적화에 상당한 관심

향후 12-18개월간 제조업 AI와 빅데이터 산업에서 무엇을 보게 될까요?

솔직히 지난 12-18개월 동안 이미 진행되어 온 것이 계속될 것이라 생각합니다. AI와 데이터는 이미 제조업에서 사용되고 있지만, 헬스케어만큼 미디어의 주목을 받지는 못합니다. 하지만 성공 사례는 존재하며, 운영이 디지털 여정을 계속함에 따라 계속될 것입니다.