중소기업 AI전략 및 방향 수립을 위한 조언
4차 산업혁명은 인공지능(AI), 로봇기술, 생명과학, 빅데이터가 주도하는 차세대 산업혁명이자 초연결시대를 맞아 사물을 지능적으로 제어함으로써 분야 간 융·복합 형태로 발전해나가는 기술 혁신의 신패러다임이다. 산업적 측면에서 보면 다가올 미래를 준비하며 현실에 맞는 실행을 하는 것이 무엇보다 중요하다.

산업적으로, 기존 모든 공장 및 설비는 자동화 관점에서 생산성 향상에 집중했다고 볼 수 있다. 자동화를 위해 좋은 설비를 얼마나 잘 활용하는지에 관한 경쟁력을 확보하는 데 노력해왔으며, 이는 업무 숙련도와 경험에서 나오는 노하우에 기반한 효율화였다고 볼 수 있다.

생산성 및 가격 경쟁력 향상, 품질 고도화 측면에서 글로벌 경쟁력을 확보하기 위해서는 데이터 기반 고도화, 지능화를 통해 더욱 더 극대화해야 하는 중요한 시점에 와 있다. 이를 가능하게 해주는 수단으로 인공지능, 즉 데이터 기반 지능화를 꼽을 수 있다. 현장의 의미있는 데이터 분석을 통해 객관적인 판단의 효용성을 현장 전문가에게 제공한다면 기대 이상의 큰 효과를 얻을 수 있다는 것을 경험하기 시작했다. 다만 현실에 맞는 데이터 기반 고도화와 지능화를 위해 몇 가지 고려해야 할 사항이 있다.

1. 경영층과 현장 실무자 간 눈높이를 맞춰야 한다. 인공지능을 활용하면 획기적인 결과가 나올 수도 있다고 기대하는 경영진과 큰 결과가 나오지 않을 거라고 생각하는 현장 실무자 간 갭이 크다. 지능화는 단기간에 큰 성과를 가져올 것이라고 기대하기보다 점진적으로, 서서히 좋아지는 특성을 가지고 있기 때문에 작은 것부터 조금씩 진행하는 것이 필요하다.
2. 기업 현장 전문가가 주도하는 지능화가 돼야 한다. 생산성 향상 및 품질 고도화의 주체는 현장 전문가이며, 어떤 현장의 문제를 어느 수준까지 풀지도 현장 전문가가 결정해야 하기 때문이다. 이와 같은 조건에서라야 인공지능 전문가의 도움이 의미있다. 많은 데이터 기반 인공지능 효과를 극대화하려면 무엇보다 현장 전문가의 경험 데이터가 중요함을 꼭 기억해야 한다.
3. 현재 확보한 데이터의 효용성을 검증받고, 의미있는 데이터를 확보하기 위해 준비해야 한다. 기업이 보유한 많은 데이터는 현장의 어떤 문제를 풀지에 대한 고민 없이 자동화 관점에서 설비를 튜닝하기 위해 확보된 데이터이기 때문에 지능화를 위한 데이터로는 맞지 않는 경우가 대부분이다. 지금부터라도 고도화, 지능화를 위한 현장 중심 데이터 수집 준비를 할 필요가 있다.
4. 경험에 기반한 많은 것을 데이터화해 지능화할 수 있는 방향으로 가야 한다. 특히 숙련된 작업을 요구하는 곳에서는 데이터 기반 고도화의 여지가 크다. 경험에 바탕을 둔 많은 노하우에 관한 것을 데이터화해 사람의 판단 오류(Human error), 일관되지 않은 판단(품질) 등 생산성 향상에 활용해야 한다.
5. 경영진도 인공지능을 이해할 필요가 있다. 다만 이론적인 이해보다는 비즈니스 중심의 지능화를 위한 전략적 의사결정 관점에서 인공지능을 이해해야 한다.


현장의 문제를 데이터 기반 분석(인공지능 활용)으로 접근하면 비즈니스에 도움될 부분이 많다. 이를 위해선 현실적으로 접근해야 한다.
현장 인력 교육과 현장 문제를 분리하지 않고 동시에 해결할 필요가 있다. 더 좋은 방법이 있을 수도 있지만, 중소기업은 인공지능 관련 인력 확보가 어렵다는 현실적인 상황을 고려해야 한다. 여기에 현재까지 AI와 산업 현장을 동시에 경험한 것을 기초로 가장 바람직하다고 생각하는 접근 방법을 가이드하고자 한다.

1. 현장 인력 교육과 문제 해결을 분리하지 말고 연결해 접근해야 한다.
2. 인공지능 이론 교육을 지양하고 비즈니스 영역에 맞는 맞춤형 인공지능 교육을 해야 한다. 일반적으로 데이터가 많을수록 똑똑해진다고 말하는 일반 인공지능과 달리 산업 지능화는 주어진 데이터로 얼마나 정확하게 판단할 것이냐는 관점에서 인공지능을 활용해야 한다. 따라서 의사결정 방법이 다르다는 것을 고려해야 한다.
3. 이론적 이해도를 높이는 교육이기보다 현장의 문제를 발굴하고 이를 해결하기 위해 외부 자원을 활용하는 역량(인공지능 전문가 및 IT 인력 활용 포함)을 키우는 교육이어야 한다.
4. 발굴한 문제를 인공지능 전문가의 도움을 받아 해결하고, 지속적으로 개선하는 주체가 될 수 있도록 현장 전문가의 이해도를 높이는 교육을 해야 한다. 지능화는 지속적인 업데이트를 통해 성과에 대한 추가 개선이 필요하기 때문에 기존 SW 같은 일회성 협력을 최대한 지양해야 한다.
5. 현장 인력 교육은 인공지능에 대한 이해도를 높이는 동시에 현장의 문제를 발굴하고 이를 해결하고자 같이 고민하는 교육이어야 한다. 성공 사례를 공유하면서 비즈니스에 맞는 해결 방향을 모색하는 교육을 해 실제 과제를 수행하는 형태로까지 연결돼야 한다.

한국의 중소기업은 치열해지는 경쟁 환경에서 생존하기 위해 타 회사의 AI 도입을 단순히 벤치마킹하는 데서 벗어나야 한다. 자사 비즈니스에 특화된 현장 중심으로 커스터마이징된 AI 활용 방안을 수립하는 것이 바람직하다. 기업의 경쟁력 강화를 위해서는 AI 전략 수립부터 유지·관리까지 경영진의 지속적인 관심과 실무자의 성공에 대한 도전적이고 혁신적인 자세가 가장 중요하다. 더불어 명확한 목적과 문제를 가지고 비즈니스에 특화된 현장 중심의 실용적이고 현실성 있는 AI를 적용해야 할 것이다.