제조 업계는 정확도뿐만 아니라 기존 시스템을 개조해야 하는 등의 기술 및 운영상 어려움에 직면해 생성형 AI 도입을 늦추고 있다.
루시드웍스가 최근 발표한 보고서에 따르면 제조 기업은 정확성 문제로 인해 예상보다 느리게 생성형 AI 이니셔티브를 구현하고 있는 것으로 나타났다.
설문조사는 2,500명 이상의 글로벌 AI 의사결정권자를 대상으로 진행됐다. 연구에 의하면 2024년에 AI 지출을 늘릴 계획이라고 답한 제조 업계 리더는 2023년 93%에서 58%로 감소했다.
또한 제조 기업의 44%가 생성형 AI 응답의 정확성을 우려하고 있으며, 일자리 대체를 우려한다는 응답은 3%에 불과한 것으로 나타났다.
루시드웍스는 보고서 발표와 함께 “전반적으로 보안, 응답 정확도 및 비용에 대한 우려로 인해 대부분의 기업이 계획된 이니셔티브의 속도를 늦추고 비용과 이익 간의 균형에 대해 보다 전략적으로 고려하고 있다. 2023년 이후 보안에 대한 우려는 3배, 정확성에 대한 우려는 5배, 투명성 문제는 4배로 증가했다”라고 밝혔다.
제조 업계의 도전 과제
분석가들에 의하면 제조 업계가 생성형 AI 도입을 꺼리는 것은 그리 놀라운 일이 아니다. 사이버미디어 리서치의 사장인 토마스 조지는 “생산 프로세스의 높은 위험과 제조 데이터의 독점적 특성이 있기 때문에 데이터 보안 및 응답 정확도 문제는 제조 업계에서 특히 심각한 영역이다. 다른 산업에 비해 제조 업계는 정보를 보호하고 프로세스 무결성과 제품 품질을 좌우하는 AI 자동화 결과물의 정확성을 보장하는 데 더욱 주의를 기울여야 한다”라고 설명했다.
제조 업계는 또한 기존 시스템을 개조해야 하는 등의 기술 및 운영상의 어려움에 직면해 생성형 AI 도입을 늦추고 있다.
조지는 “생성형 AI를 기존 제조 시스템에 통합하는 데 있어 가장 두드러진 과제는 레거시 인프라의 복잡성으로 인해 높은 수준의 맞춤화 작업이 필요하다는 점이다. 또한 제조 기업은 데이터 품질 문제와 기존 데이터 리소스가 AI 모델을 학습시키기에 충분하지에 대해서도 고민해야 한다”라고 덧붙였다.
상용 대 오픈소스
루시드웍스 조사에 따르면 제조 기업의 47%는 제미나이 또는 챗GPT 같은 상용 LLM만 사용하고 있으며, 30%는 오픈소스만 사용하는 것으로 나타났다. 나머지는 2가지를 혼합하고 있다.
조지는 상용 LLM이 더 나은 지원을 제공하긴 하지만 일부 조직에서는 그 비용이 엄청날 수 있다고 지적했다.
조지는 “상용 LLM은 결과에 엄격한 산업 분야에서 보다 간단한 통합 메커니즘, 지속적인 지원, 강력한 성능을 지원한다. 하지만 이런 기술은 오픈소스보다 비용이 더 많이 들고 옵션이 적을 수 있다. 오픈소스 모델은 비용 이점을 포함한 유연성을 제공하지만 내부적으로 이를 어떻게 관리해야 하는 지에 대한 확고한 지식이 필요하다”라고 말했다.
조지는 이런 선택이 제조 기업의 경쟁력에 큰 영향을 미친다고 말했다. 상용 솔루션은 대체적으로 더 빠른 구현을 제공하기 때문에 잠재적으로 가치 실현 시간을 단축시킬 수 있다. 반면 오픈소스 모델은 특정 요구 사항에 맞게 더 맞춤화할 수 있다. dl-ciokorea@foundryco.com
