조익환 SK텔레콤 피지컬AI 본부장이 5월14일 서울 소공동 롯데호텔에서 디지털데일리 주최로 열린 'AI WAVE 2026' 포럼에서 발언하고 있다. [사진=디지털데일리]

[디지털데일리 정혜승기자] "의사결정의 주체가 현장 숙련자였다면 이제는 그 노하우를 담아 인공지능(AI) 기반으로 의사결정해야 합니다. 인간의 직관 중심에서 데이터·AI 중심으로 바뀌어야 할 때입니다."

조익환 SK텔레콤 피지컬AI 본부장은 14일 서울 소공동 롯데호텔에서 디지털데일리 주최로 열린 'AI WAVE 2026' 포럼에서 제조 현장의 의사결정 구조를 AI 기반으로 전환해야 한다고 강조했다.

그는 SK텔레콤이 제조 분야 피지컬 AI를 추진하는 배경에 대해 "AI가 SK텔레콤의 핵심 신사업 중 하나"라며 "SK그룹은 물론 국내 제조업 전반의 경쟁력경쟁력 강화에도 기여하기 위한 것"이라고 설명했다.

조 본부장은 현재 제조업이 직면한 구조적 한계로 ▲사람의 판단 범위를 넘어선 공정 복잡도 ▲고령화에 따른 숙련 인력 감소 ▲현장 암묵지 소멸 ▲시장 변화에 대응하기 어려운 경직된 공장 구조 등을 꼽았다.

그는 "다품종 소량 생산 체제가 일반화되면서 기존처럼 정해진 공정을 반복하는 방식으로는 한계가 있다"고 진단했다.

기존 제조현장의 의사결정 구조도 문제라고 봤다. 숙련 인력 중심의 사후 대응 체계로는 복잡한 공정을 전체 최적화하기 어렵고, 부분 최적화에 머무르는 경우가 많다는 설명이다. 조 본부장은 "경직된 형태의 의사결정보다는 소프트웨어적으로 수시로 바꿀 수 있는 구조로 가야 한다"고 말했다.

이를 위해 필요한 전제 조건으로는 ▲현장 지식의 디지털화 ▲데이터 기반 AI 확보 ▲소프트웨어 기반 제어 시스템 등을 제시했다. 데이터가 디지털 형태로 축적돼야 AI가 이를 분석·활용할 수 있고, AI의 판단이 실제 하드웨어 제어까지 연결되는 구조가 필요하다는 설명이다.

조 본부장은 제조 현장 혁신을 위한 핵심 축으로 데이터 인텔리전스, 디지털 트윈, 로보틱스를 제시했다.

우선 데이터 인텔리전스는 공정 데이터 간 상관관계를 분석하고 이상 징후를 탐지해 원인을 추적하는 역할을 맡는다. 특히 온톨로지 기반 기술을 활용해 데이터 간 관계를 연결하고 AI가 스스로 원인을 분석할 수 있도록 하는 구조가 핵심이라고 설명했다.

그는 "범용 거대언어모델(LLM)이 아니라 특정 제조 공정을 이해할 수 있는 도메인 특화 AI 모델이 필요하다"며 "그래야 데이터를 해석하고 설명 가능한 판단을 내릴 수 있다"고 강조했다.

디지털 트윈은 실제 공장 적용 전 가상 환경에서 먼저 시뮬레이션을 수행해 리스크를 줄이는 역할을 한다. 예를 들어 생산라인 병목 현상이 발생했을 때 우회 경로 변경이나 우선순위 조정 효과를 사전에 검증할 수 있다는 설명이다.

마지막 축인 로보틱스는 AI의 판단을 실제 현장에서 실행하는 물리적 수행 주체다. 디지털 트윈 환경에서 로봇을 먼저 학습시킨 뒤 실제 공장에 투입함으로써 시행착오를 최소화할 수 있다고 설명했다.

조 본부장은 "범용 로봇 파운데이션 모델(RFM)을 제조 도메인에 맞게 파인튜닝하는 과정이 중요하다"고 말했다.

그는 "이같은 피지컬 AI 체계가 구축되면 운영 효율성과 속도를 높일 수 있고 판단부터 실행까지 시스템 기반으로 움직이면서 품질 일관성과 정밀 제어가 가능해진다"며 "실시간 최적화와 복잡한 문제 해결 능력을 통해 제조현장의 유연성과 민첩성을 확보할 수 있다"고 강조했다.

이어 "결국에는 자율 에이전트가 의사결정을 내리고 실행까지 옮기며 재학습을 거듭하면서 점점 지능이 높아진다"며 "불확실성을 통제 가능한 영역으로 전환하는 것이 피지컬 AI를 통한 의사결정의 장점"이라고 말했다.