SKT, 독자 AI 파운데이션 모델로 제조 현장 공략 나선다

[엠투데이 이세민 기자] SK텔레콤이 독자 AI 파운데이션 모델의 적용 영역을 제조업으로 넓힌다. 

SKT는 철강 제조 기업 KG스틸, 자동차 부품 제조 기업 코넥과 각각 전략적 업무협약을 맺고 제조 특화 AI 에이전트 현장 실증을 추진한다고 25일 밝혔다.

이번 협력은 SKT의 독자 AI 파운데이션 모델을 제조업에 적용하는 첫 사례다. SKT는 통신과 국방을 넘어 제조 현장까지 AI 활용 범위를 넓히며 산업별 특화 AI 모델 확산에 속도를 내고 있다.

SKT는 지난 4월부터 KG스틸과 코넥이 보유한 공정 오류·사고 분석 보고서, 장비 매뉴얼, 로그 데이터 등을 확보해 제조 특화 AI 에이전트 데모 버전을 개발했다. 기반 모델은 SKT의 초거대 언어 모델 ‘A.X K1’이다.

A.X K1은 5190억 개 매개변수를 갖춘 대규모 AI 모델이다. 전체 모델 규모는 크지만 추론 과정에서는 약 330억 개 매개변수만 활성화하는 구조로, 복잡한 작업 처리 능력과 산업 현장 적용 효율성을 동시에 고려했다.

하반기에는 제조 특화 AI 에이전트 데모 버전이 실제 생산 현장에 투입된다. KG스틸 당진공장의 도금 강판 냉간 압연 라인과 코넥의 주조·가공 공정에 적용해 현장 실증을 진행할 예정이다.

실증 과정에서 KG스틸과 코넥은 더 많은 제조 공정 데이터를 실시간으로 SKT에 공유한다. SKT는 이 데이터와 현장 피드백을 바탕으로 AI 에이전트의 성능과 추론 속도를 개선하고 기능을 확장한다.

확보된 제조 현장 데이터는 현재 개발 중인 후속 모델 ‘A.X K2’ 학습에도 활용될 예정이다. 

실증이 끝난 뒤에는 제조 특화 AI 에이전트의 상용화와 도입 여부를 검토하고, 필요할 경우 SKT 독자 AI 파운데이션 모델 후속 시리즈로 교체하는 방안도 살펴본다.

제조업은 그동안 AI 도입이 쉽지 않은 분야로 꼽혀 왔다. 공정 데이터의 디지털화가 더디고, 데이터가 공정별·부서별로 나뉘어 관리되는 경우가 많아 AI 학습과 활용에 한계가 있었기 때문이다.

숙련공의 경험과 노하우가 특정 개인에게 머무는 문제도 컸다. 베테랑 작업자가 은퇴하거나 이직하면 현장 지식이 함께 사라지는 ‘지식 고립’ 현상이 발생할 수 있다. 제조 특화 AI 에이전트는 이런 경험 지식을 디지털 자산으로 바꾸는 역할을 할 수 있다.

SKT는 산재한 제조 데이터와 숙련공의 경험을 AI가 학습하면 공정 오류 대응 시간을 줄이고 생산 효율성을 높일 수 있을 것으로 보고 있다. 

반복되는 품질 이슈나 장비 이상 상황에서 AI가 과거 사례와 매뉴얼을 바탕으로 빠른 대응 방안을 제시할 수 있다는 것이다.

보안 문제도 제조 AI 전환의 핵심 과제다. 제조 현장 데이터는 공정 경쟁력과 직결되기 때문에 외부 반출이 어렵다. 클라우드 기반 AI를 도입하려면 보안 우려가 커질 수밖에 없다.

SKT의 독자 AI 파운데이션 모델은 클라우드 방식뿐 아니라 기업 내부 서버에 직접 설치하는 온프레미스 환경도 지원한다. 제조 공정 데이터를 외부로 내보내지 않고 내부 환경에서 AI를 활용할 수 있어 보안이 중요한 산업 현장에 적합하다는 설명이다.

SKT는 이미 국방 분야에서도 독자 AI 파운데이션 모델 적용을 추진하고 있다. 지난달 국방부와 업무협약을 맺고 보안과 데이터 주권이 중요한 국방 영역에 독자 AI 모델을 활용하기로 했다. 이번 제조 분야 협력은 그 적용 범위를 민간 산업 현장으로 확장하는 의미가 있다.

향후 SKT는 금융, 공공, 의료 등으로 독자 AI 파운데이션 모델의 적용 분야를 넓힐 계획이다. 각 산업이 보유한 데이터와 독자 AI 모델을 결합해 산업별 특화 AI를 구축하고, 국내 산업 전반의 AI 전환을 지원하겠다는 구상이다.

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 적용 사례를 확대해 나가겠다”고 말했다.

배선우 KG스틸 기술연구소장은 “이번 협력으로 현장 데이터를 기반으로 한 AI 도입의 발판을 마련하게 됐다”며 제조 경쟁력 강화를 기대했다. 이광표 코넥 대표도 “반복되는 품질 이슈에 대한 빠른 대응은 제조업의 오랜 과제였다”며 AI를 통한 업무 효율 개선 의지를 밝혔다.