SKT 독자 AI, 철강·자동차 부품 공장 들어간다…제조 현장 '베테랑 노하우' 학습

[경제일보] SK텔레콤이 자체 개발한 독자 AI 파운데이션 모델을 제조 현장에 적용한다. 고객 상담이나 업무 보조를 넘어 철강과 자동차 부품 공장의 오류 대응과 공정 관리에 AI를 접목하는 시도다.

SKT는 철강 제조 기업 KG스틸과 자동차 부품 제조 기업 코넥과 각각 ‘제조 특화 AI 에이전트’ 현장 실증을 위한 전략적 업무협약을 체결했다고 25일 밝혔다. SKT의 독자 AI 파운데이션 모델을 제조업에 적용하는 첫 사례다.

SKT는 지난 4월부터 KG스틸과 코넥이 보유한 공정 오류 분석 보고서와 사고 보고서, 장비 매뉴얼, 설비 로그 등을 확보했다. 이를 토대로 독자 모델 ‘A.X K1’을 활용한 제조 특화 AI 에이전트 데모 버전을 개발했다.

A.X K1은 5190억개 매개변수를 갖춘 초거대 언어모델이다. 공개 기술보고서에 따르면 A.X K1은 필요한 전문가 모델 일부만 활성화하는 MoE 구조를 적용했다. 전체 모델 규모는 크지만 추론 과정에서는 약 330억개 매개변수만 활성화된다. SKT는 이 구조가 산업 현장에서 효율적인 추론에 유리하다고 보고 있다.

실증은 하반기부터 진행된다. KG스틸 당진공장의 냉간 압연 라인과 코넥의 주조·가공 공정에 제조 특화 AI 에이전트 데모 버전이 적용된다. 두 회사는 제조 공정 데이터를 추가로 제공하고 SKT는 현장 피드백을 반영해 성능과 추론 속도를 개선할 계획이다.

제조업은 AI 도입이 쉽지 않은 분야로 꼽힌다. 공장에는 데이터가 많지만 설비 로그와 품질 기록, 작업자 메모가 공정별로 흩어져 있는 경우가 많다. 숙련공의 판단과 경험에 의존하는 업무도 적지 않다. 베테랑의 은퇴나 이직이 현장 경쟁력 약화로 이어질 수 있다는 우려도 나온다.

SKT가 주목하는 지점은 현장 노하우의 디지털 자산화다. 작업자가 과거 오류를 어떻게 판단했는지, 어떤 매뉴얼을 확인했는지, 조치 순서는 어땠는지를 AI가 학습하면 같은 지식을 다른 작업자와 공정에서도 활용할 수 있다. 특정 숙련자에게 머물던 경험을 조직 전체의 운영 자산으로 바꾸는 방식이다.

이번 협력은 글로벌 피지컬 AI 흐름과도 맞닿아 있다. 피지컬 AI는 AI가 실제 물리 환경을 인식하고 판단하며 로봇과 설비를 통해 행동하는 기술 흐름을 뜻한다. 엔비디아는 2025년 휴머노이드 로봇을 위한 오픈 파운데이션 모델 GR00T N1을 공개했다. 글로벌 제조 기업들도 디지털 트윈과 로봇 자동화, 공정 최적화를 결합하며 AI의 활용 범위를 넓히고 있다.

국내에서도 철강과 자동차, 전자 산업을 중심으로 AI 기반 비전 검사와 예지보전, 스마트팩토리 고도화가 진행돼 왔다. 다만 기존 사례가 특정 공정의 자동화와 효율 개선에 초점이 맞춰졌다면 이번 실증은 언어모델 기반 에이전트가 보고서와 매뉴얼, 설비 데이터를 함께 읽고 현장 판단을 돕는 방식이라는 점에서 차이가 있다.

보안은 상용화의 핵심 조건이다. 제조 데이터에는 설비 조건과 생산 노하우, 품질 이슈가 담겨 있어 외부 반출 부담이 크다. SKT는 독자 AI 파운데이션 모델이 클라우드뿐 아니라 폐쇄형 온프레미스 환경도 지원한다고 설명했다. 기업 내부 서버에서 데이터를 처리할 수 있으면 제조 현장의 보안 우려를 낮출 수 있다.

SKT는 실증 과정에서 확보한 제조 데이터를 현재 개발 중인 A.X K2 모델 학습에도 활용할 계획이다. 실증 완료 후에는 제조 특화 AI 에이전트의 상용화와 도입을 검토한다. 필요할 경우 후속 독자 AI 파운데이션 모델로 교체하는 방안도 검토한다.

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 확대하겠다”고 말했다.

한편 제조 AI의 평가는 실증 현장에서 갈릴 전망이다. 답변을 잘하는 모델보다 중요한 것은 오류 조치 시간을 줄이고 품질 문제를 빠르게 잡아내는 성과다. SKT의 제조 특화 AI 에이전트가 공장 안에서 실질적 효율을 입증한다면 독자 AI 모델의 활용처는 국방과 제조를 넘어 금융, 공공, 의료 등 보안이 중요한 산업으로 넓어질 수 있다.