우편번호검색
원하시는 검색어를 입력하세요.
|
|
 |
|
1. 나침반
|
|
새로운 패러다임: 또 한 번의 창조적 진화 |
|
과실연 정책기획위원장, 건국대 교수 박재민 |
|
최근 글로벌 경제 환경은 전례 없는 변화의 파고에 직면해 있습니다. 최근 어느 글로벌 가전기업 기업 최고경영자(CEO)와의 인터뷰에서 기업의 가장 시급한 문제로 지목한 것은 의외였습니다. 인공지능이나 첨단기술일 것이라는 예상과는 달리 '관세의 영향'이라고 답했습니다. 최근 우리는 과거에 상상하지 못했던 변화를 보며 이런 현상이 일시적이거나 단편적으로 대응하기 보다 '새로운 규범(new norm)'의 시작일 수 있음을 전제할 필요가 있을지 모릅니다. 다시 말해, 이런 불확실성 속에서 어떻게 우리나라 전체와 기업의 경쟁력을 지속적으로 향상시켜 나갈 수 있는지에 대한 근본적인 질문을 던져야 할 때입니다. 이 질문에 대한 답을 모색하는 과정에서, 우리는 앞으로 나아가야 할 방향에 대한 몇 가지 통찰을 얻을 수 있었습니다. 그것은 미래의 불확실성과 새 규범의 요구를 상쇄하고도 남을 만큼의 본질적인 경쟁력을 확보하는 것이어야 하겠습니다.
현대의 경쟁은 단일 기업의 역량만으로 결정되지 않습니다. 기업의 성패는 그를 둘러싼 공급망(supply chain)과 혁신 생태계의 전반적인 경쟁력에 좌우됩니다. 특정 기업이 아무리 뛰어난 기술을 가지고 있어도, 그 기술을 뒷받침하는 부품·소재 기업이나 지식 인프라가 미흡하다면 전체적인 경쟁력은 필연적으로 약화될 수밖에 없습니다. 이 점에서 우리는 혁신 생태계 관점을 채택할 필요가 있습니다. 혁신 생태계란 기업, 대학, 연구기관, 정부 등 다양한 주체들이 상호작용하며 기술 혁신과 경제적 가치를 창출하는 유기적인 시스템을 말합니다. 이 개념에서 경쟁의 단위가 개별 기업이나 산업이 될 수 없습니다. 오히려 이들을 둘러싼 생태계 전체라는 점이 강조됩니다. 즉, 기업과 산업의 성공에 필수적인 공동체가 혁신 생태계라고 정의할 수 있습니다. 우리는 개별 기업의 효율성과 혁신을 지속적으로 관리하는 동시에, 기업을 넘어선 거대한 생태계의 활성화에 전력을 다해야 합니다. 혁신 생태계는 단순히 필수 부품이나 소재의 국산화, 또는 공급망을 강화하는 정도에 그치지 않습니다. 여기에는 기초 연구와 기술 개발의 단계를 넘어, 그 기술을 실제적인 가치로 전환하고 시장에 성공적으로 안착시키는 시스템 전반에서의 혁신과 변화를 포함합니다. 이것이 미래의 불확실성에도 흔들리지 않는 근본적인 경쟁 우위를 확보하는 길입니다.
지난 수십 년간 우리는 선진국을 빠르게 따라잡는 '캐치업(Catch-up)' 전략을 통해 성장을 이룩했습니다. 이는 이미 앞서간 이들의 시행착오를 피하고, 발전 속도를 구조적으로 뛰어넘는 효율적인 방식이었습니다. 그러나 지금은 우리보다 훨씬 빠른 혁신 속도를 자랑하는 중국과 같은 신흥 경쟁자가 등장했으며, 이것은 우리가 우리의 앞을 바라보고 쫓아가는 캐치업 전략만으로는 지속적인 성공을 보장할 수 없는 이유가 되었습니다. 우리는 모두 캐치업 모델에서 벗어나야 한다는 점에 동의하지만, 그 대안으로 흔히 언급하는 '퍼스트 무버(First Mover)' 전략으로의 전환은 막대한 자원과 위험을 감수해야 하기에 쉽지 않은 길입니다. 이 점에서 현실적이면서도 최선의 대안으로 '패스트 팔로워(Fast Follower)' 또는 '패스트 세컨드(Fast Second)' 전략을 떠올릴 수 있습니다. 하지만 캐치업 모델의 한계가 분명하다면 선두그룹의 바로 뒤에서 따라가면서 추월의 기회를 엿보는 동시에, 추월당하지 않는 '패스트 팔로워' 전략이 가능할지 의문입니다. 이제얌ㄹ로 캐치업 모델에 미련을 가져서는 안 되는 결단의 순간이 다가왔는지도 모릅니다. 그 대안이 ‘The 퍼스트 무버’여야 하는지가 아니면 '선두그룹(First Movers) 중 하나'가 되는 것인지는 산업의 여건에 따라 다를 수는 있겠습니다. 하지만 한 가지 분명한 것은 시장의 규칙을 만드는데 참여해야 하며, 나름의 주도권을 잃지 않을 수 있어야 하며, 시장의 틀 자체를 바꾸거나 유지하는 데 기여하는 능동적인 위치에 서야 한다는 것이겠습니다.
우리는 그 누구도 경험하지 못한 '가보지 않은 길'을 걷고 있습니다. 과거의 성공 원리가 미래의 성공을 보장하지 못하는 상황에서, 기존의 학습 방식에 의존할 수는 없습니다. 과거에는 선배들의 경험과 지식을 학습하는 것이 개선의 발판이 되었지만 미래에도 이것에 더 이상 의존할 수는 없습니다. 따라서 새로운 학습 체계를 구축하는 것이 시급합니다. 현재의 역량과 미래의 역량이 동일하다고 가정할 수 없다면, 어쩌면 현재 가장 효과적이라고 여겨지는 방식조차도 정답이 아닐 수 있습니다. 그런 점에서 기업이 필요로 하는 역량을 교육하는 목표는 타당하지 않습니다. 미래의 과제와 질문을 정의하고, 도전하고, 해답을 찾아내고, 돌파해 낼 수 있는 역량 만이 유일한 목표가 되어야 합니다. 따라서 대학 교육은 단순히 지식을 습득하는 지금의 목표를 넘어서야 합니다. 불확실한 미래 경영 환경을 이해하고, 도전하고, 새로운 해법을 창안해낼 수 있는 '문제 해결 역량'을 기르는 장이 되어야 합니다. 지식은 더없이 중요하지만 내것의 의미는 달라졌습니다. 예전에는 기억하고 언제든 막힘없이 읊는 것이 의미 없어졌듯 이제는 심지어 그 지식을 적용하는 능력마저도 충분조건이 될 수 없습니다. 손에 잡히지 않는 뭔가로부터 손에 잡히는 구체적인 결과물로 변환해 낼 수 있는 관통적 자질이 유일한 목표여야 합니다.
최근 기업의 위기로 다가온 당면한 현실적인 문제가 많지만 이것이 우리가 직면한 진정한 도전의 전부일 수는 없습니다. '새로운 규범(new norm)'을 형성하는 수많은 변화의 물결은 이미 시작된 지 오래일 수 있으며, 우리가 지금 보고 있는 것들은 이 거대한 구조적 변화의 단지 작은 파편이자 서막일 뿐입니다. 이제 우리는 눈을 가린 차안대(遮眼帶)를 벗고, 모든 상황을 가능한 한 더 크게, 그리고 통합적으로 바라보아야 합니다. 오늘은 우리 기업과 사회 전체가 시대의 변화를 능동적으로 이끌어가는 계기, 우리에게 던져진 기회로 활용되어야 합니다. |
|
2. AI 미래포럼
|
 |
Distributed AI: 연결된 지능의 미래 |
|
과실연 AI 미래포럼 공동의장
배순
|
|
2025년 인공지능(AI)에 대한 기대는 더 이상 똑똑한 챗봇에 머물지 않는다. 지금 우리는 AI가 실행형 지능(Actionable AI), 체화된 지능(Embodied AI), 물리적 지능(Physical AI)으로 진화하는 전환기를 살고 있다. 이 흐름의 핵심 기반에는 분산형 지능(Distributed AI)이 자리한다. AI가 실시간으로 역할을 강화하기 위해서는 중앙의 거대한 클라우드에서 모든 데이터를 모아 학습하고 처리하는 방식에 머물러서는 안 된다. 자율주행차·휴머노이드 로봇처럼 지연 속도(latency)에 민감한 분야, 스마트폰·헬스케어처럼 개인정보 보호(privacy and security)가 중요한 영역에서는 엣지 단말과 중앙 클라우드를 함께 활용하는 분산형 구조 없이는 제대로 된 서비스를 구현할 수 없다. 테슬라는 이미 이를 실현 중이다. 각 차량이 카메라 데이터를 현장에서 즉시 처리해 주행 결정을 내리면서도 경험을 클라우드로 전송해 전체 플릿의 학습을 향상시킨다. 중국의 바이두 Apollo Go는 베이징·상하이·선전에서 수백 대의 자율주행 택시를 운영하며 도시 교통 데이터를 분산 처리한다. 알리바바의 City Brain 프로젝트는 항저우 전체 교통신호와 CCTV, 센서 데이터를 실시간 분석해 교통 체증을 30% 이상 줄였다. GPU·NPU 같은 AI 반도체, 5G·6G 네트워크, 다양한 센서 보급은 Distributed AI의 토대를 강화하고 있다. 최근 엔비디아는 Cosmos 플랫폼을 공개해 Distributed AI의 새로운 가능성을 보여주고 있다. Cosmos는 로봇·자율주행차·드론 같은 Physical AI가 실제 환경에 투입되기 전, 가상의 시뮬레이션 세계에서 대규모 학습·검증을 수행할 수 있게 한다. 이는 현실에서 발생할 수 있는 수많은 변수를 안전하게 테스트하고, 분산된 에이전트들이 협력하는 시나리오를 실험할 수 있도록 돕는다. 실세계에서의 물리적 AI 적용을 가속화하는 분산형 테스트베드인 셈이다. Actionable AI는 데이터를 분석해 곧바로 실행으로 이어가는 지능이다. 스마트 시티 교통 시스템은 센서 데이터를 기반으로 실시간으로 신호를 바꾸고, 재난 대응 AI는 위험을 감지하자마자 대피 지시를 자동 실행한다. 아마존의 물류센터에서는 수천 대의 Kiva 로봇이 주문 데이터를 즉시 분석해 최적 경로를 계산하고 충돌을 피하며 협력한다. 각 로봇은 독립적으로 판단하면서도 중앙 시스템과 연계해 전체 물류 흐름을 최적화한다. 이는 중앙집중형 AI만으로는 불가능하며, 저지연·근접 연산을 제공하는 Distributed AI 덕분에 가능하다. Embodied AI는 로봇 청소기, 휴머노이드, 웨어러블, 가상 아바타처럼 몸을 가진 지능이다. 보스턴 다이내믹스의 Spot은 건설 현장에서 안전 점검을 수행하고, Atlas는 복잡한 지형에서도 균형을 유지하며 작업을 한다. 중국의 유니트리(Unitree)와 UBTECH는 저가형 로봇을 대량 생산해 제조업과 서비스업에 보급하고 있다. Distributed AI는 Embodied AI를 집단 지능(collective intelligence)으로 확장시킨다. 각 로봇은 데이터를 중앙에 모두 전송하지 않고도 경험을 공유한다. 의료·헬스케어 분야에서는 개인정보를 지키면서도 정밀 진단 모델을 만드는 기반이 된다. Physical AI는 실제 세계에서 움직이며 작동하는 지능이다. 테슬라의 Optimus 휴머노이드 로봇은 자율주행차에서 검증된 FSD 기술을 적용해 공장 조립부터 가정 내 보조까지 수행한다. 중국은 이 분야에서 독보적 규모의 실험을 진행 중이다. BYD와 지리자동차는 수십만 대의 전기차에 Physical AI를 탑재해 실시간 배터리 관리와 차량 간 통신을 구현했다. 선전시의 16,000대 전기버스는 AI가 실시간 교통 분석을 통해 노선과 배차 간격을 자동 조정한다. DJI 드론은 농업 현장에서 작물 상태를 분석하고 정밀 살포를 수행하며, 수집한 데이터를 즉시 공유해 협업 작업을 가능하게 한다. 순펑(SF Express)은 수만 대의 드론으로 원격지 배송망을 구축했다. 알리바바의 스마트 물류센터에서는 20만 대의 로봇이 하루 10억 개의 패키지를 처리한다. 징동(JD.com) 역시 전국 200개 이상의 무인 센터에서 수십만 대의 로봇이 협력하는 거대한 Physical AI 네트워크를 운영한다. 폭스콘 공장은 수십만 대의 조립 로봇이 생산 라인을 자동 운영하며, BYD의 전기차 공장에서는 1만 대 이상의 로봇이 24시간 무인 생산을 이어간다. 2030년, 우리는 자율주행차·드론·로봇·아바타가 동시에 연결된 도시를 경험하게 될 것이다. 아마존의 무인 매장, 테슬라 로보택시, 구글 웨이모 드론 배송이 일상이 되고, 중국의 스마트 시티는 도시 전체를 거대한 AI 네트워크로 운영할 것이다. 바이두의 Apollo Park와 알리바바의 스마트 시티 브레인은 이미 미래 도시 실험을 시작했다. Distributed AI는 단순한 기술 구조가 아니다. 그것은 AI가 실행(Actionable)하고, 체화(Embodied)되며, 물리적으로 움직이는(Physical) 지능으로 확장되는 미래 사회의 필수 인프라다. 지금 우리가 준비하는 산업 전략과 책임 있는 기술 개발이 곧 그 미래의 성패를 좌우할 것이다. |
|
3. 권역대표 목소리
|
 |
|
과실연 대경권역 대표, 경북대학교 IT대학 전자공학부 교수
박준구
|
|
AI G3 도약과 RIS 체계기반 지역거점 AX 혁신 전략 (바른 과학기술사회 실현을 위한 국민연합 제안) 대한민국은 2024년 AI Index에서 세계 6위를 기록하였다. 미국과 중국은 막대한 자원과 플랫폼으로 1·2위를 독주하고 있으나, 3~6위 간 격차는 크지 않아 우리에게는 단기간 내 AI 글로벌 3위(G3) 달성의 기회가 있다. 특히 반도체, 6G 네트워크, ICT 인프라 등은 세계적 강점이며, 이를 AI와 결합하면 국가 경쟁력을 획기적으로 높일 수 있다.
이 과정에서 중요한 사업이 지역거점 AX(AI Transformation) 혁신 기술개발 사업이다. AX는 단순한 디지털 전환이 아니라 산업 전반에 AI를 내재화하여 생산성·지능화를 구현하는 개념이다. 대구경북권역의 중심도시 대구는 자동차, 의료, 기계, 섬유 산업이 집적되어 있어 AI 융합 실증에 최적의 조건을 갖추고 있으며, 국가 전략의 실질적 시험장이 될 수 있다.
특히 지역혁신전략(RIS, Regional Innovation Strategy)은 이러한 AX 거점을 국가 전략과 연결하는 핵심 수단이다. RIS는 지역 산업·대학·연구소·지자체가 협력해 특화 분야를 발전시키고, 이를 국가 혁신전략(NIS, National Innovation Strategy)과 연계하는 체계다. 대구의 경우 스마트 모빌리티, 디지털 헬스케어, 첨단 제조 등 지역 특화 산업을 RIS체계로 AI 혁신을 가속화할 때, 국가적 성과로 확장할 수 있다.
이에 다음을 제안한다. 첫째, 대구 AX 거점을 국가 AI 전략 실증 전초기지로 지정해 RIS와 연계 투자와 지원을 강화한다. 둘째, 산업·의료 데이터를 집적하는 개방형 데이터 허브를 구축해 AI 학습 자원을 확보한다. 셋째, 대학·연구소·기업이 참여하는 산학연 협력 네트워크를 제도화해 기술개발과 인재양성을 동시에 추진한다. 넷째, 국민 생활과 직결되는 서비스 특성상 윤리·신뢰 기반 검증 체계를 마련해야 한다. 마지막으로, 중앙정부의 G3 전략과 지역 RIS 성과를 상호 보완적 구조로 설계하여 국가-지역 간 선순환을 만들어야 한다.
과실연은 과학기술인의 공공성과 책임을 바탕으로, RIS와 지역거점 AX 사업을 결합해 대한민국이 AI G3로 도약하고, 지역이 곧 국가 경쟁력이 되는 혁신 모델을 구현할 수 있도록 지속적으로 지원할 것이다. |
|
4. 과실연 행사 소식
|
|
<과실연 하계 워크숍 및 오픈포럼>
|
 |
|
<동남권 오픈포럼>
|
 |
|
<정책기획위원회 오픈플러스 좌담회>
|
|
|
|
