다양한 레이저의 활약

소형·고출력을 무기로 모든 분야를 혁신

통신, 급전, 반도체 및 전자회로 기판 제조, 금속 가공, 더 나아가 레이저 핵융합과 농업, 방위 기술 등, 폭넓은 분야에서 레이저광이 크게 활약하기 시작했다. 그리고 레이저 장치와 디바이스 자체의 기술 혁신도 가속화되면서 지금까지의 레이저에 대한 상식이 달라지고 있다. 이번 특집에서는 이러한 각 용도에서 레이저광을 사용한 새로운 전개와 레이저 기술의 돌파구를 상세하게 소개한다.

제1부: 새로운 용도
레이저는 아미나이프, 통신·급전에서 제조·발전(發電)까지

단색성이 강하고 고휘도로 먼 곳까지 도달할 수 있으며, 한 점에 에너지를 집중시킬 수 있는 레이저광. 지금 그 용도가 ‘21세기의 아미나이프’라고 불릴 정도로 급격하게 확대되고 있다. 조명과 통신, 빛을 이용한 급전, 그리고 반도체 제조와 핵융합 발전, 더 나아가 우주쓰레기 및 해충의 제거, 드론 격추 등이다.

1960년에 개발된 레이저광의 용도가 최근 몇 년간 급격히 확대되고 있다. 그 배경 중 하나는 레이저광 출사 장치의 고출력화와 소형화의 진전이다. 이전에는 고체 레이저라는 대형 장치가 필요했고, 이용할 수 있는 빛의 파장도 한정되어 있었으며, 전력을 빛으로 변환하는 효율도 3% 정도로 매우 낮았다.

육성과 채용으로 젊은 인재를 파워 업

최근 몇 년간 건축설계사무소는 좋은 실적을 올리고 있지만 느긋하게 버티고 있을 수는 없다. 인력난의 그림자가 슬그머니 드리워지고 있기 때문이다. 닛케이 아키텍처가 경영동향조사에서 ‘인재’에 관한 앙케트를 실시한 결과, 설계사무소의 90%가 인재 부족을 느끼고 있는 것으로 나타났다.

건설 수요가 견고해도 인력이 부족하면 울며 겨자 먹기로 수주를 포기할 수밖에 없다. 인재난에 어떻게 맞설 것인가? 인재 육성과 채용에 시행착오를 겪고 있는 기업들을 찾아가 보았다.

Part 1. 인재편 (1)
90% 이상의 설계사무소가 인재 부족, ‘수주 기회 상실’을 우려

2022년도 설계사무소 결산은 호조를 보인 한편, 인재 부족을 실감하는 회사는 90%에 달했다. 업무 의뢰가 들어와도 대응할 수 있는 인재를 확보할 수 없는 상황이라고 한다. 설계사무소에게 인재 확보는 매우 중요한 과제다.

올해 경영동향조사에서는 ‘인재’를 테마로 앙케트를 실시했다. 먼저 ‘인재의 부족/과잉 상황’에 대해서 물었다. ‘부족한 감이 있다’(47%)와 ‘굳이 말하자면 부족한 감이 있다’(44%)를 합쳐 91%에 달했다. 

테슬라와 BYD에 대한 역전 결승타가 될 수 있을 것인가?

‘전기자동차(EV)에서 뒤처져 있다’는 오명을 벗기 위해 도요타자동차가 다시 한번 움직였다. 10월 12일, EV용 전고체 전지의 양산화를 위해 이데미츠코산(出光興産)과의 협업을 발표한 것이다. 양 사는 고체 전해질의 양산 기술 개발과 생산성 향상, 공급망 구축을 위해 협업. 이를 통해 2027년에서 2028년 안에 전고체 전지를 탑재한 EV의 시장 투입을 확실히 실현해나갈 방침이다.

전고체 전지에 대한 세간의 주목도는 높다. 현행의 액체계 리튬이온2차전지(이하 액체계 전지)보다 항속거리가 증가할 뿐만 아니라, 충전 시간도 짧아질 가능성이 있기 때문이다. 이러한 전고체전지가 EV의 세계 시장 점유율에서 뒤처져 있는 도요타자동차에게 ‘구세주’가 될 것이라는 견해도 나오고 있다.

그래서 기자는 발표 기자회견에 임한 도요타자동차의 사토(佐藤) 사장에게 직설적으로 질문을 던져보았다. “전고체 전지의 실용화에 성공하게 되면 테슬라와 중국의 BYD의 EV를 역전할 수 있는 결승타가 될 수 있는 것입니까?” 그러자 사토 사장은 이렇게 대답했다.

“전고체 전지의 수요는 다양한 상품력을 구축해 가는데 있어 매우 중요한 요소라고 생각한다. 하지만 고객이 원하는 자동차의 매력이 종합적으로 어떤 것인지가 최종적인 상품력을 결정하는 데 중요한 요소라고 생각한다. 

선진 기업에게 배우는 대응책

생성 AI의 도입을 검토하는 기업이 늘고 있다. 다만 새로운 기술인 만큼 다양한 리스크도 따라다닌다. 환각(Hallucination)이나 정보 유출 등이 전형적이다. 기업이 본격적으로 활용하기 위해서는 어떤 대책이 필요한가? 선진 기업들은 어떤 수단을 강구하고 있는가? 지금, 기업이 알아 두어야 할 리스크의 종류와 대책을 정리한다.

대규모언어모델(LLM)에 기초한 생성 AI를 업무에 이용하려는 기운이 강해지고 있다. 제국데이터뱅크가 2023년 6월 20일에 발표한 조사에 따르면 '설문조사에 응답한 기업의 60% 이상이 생성 AI를 업무에 활용하거나 활용을 검토하고 있다'고 한다.

생성 AI는 문서 생성과 교정, 정보의 요약, 번역 등이 특기이며, 모든 업무의 생산성을 향상시킬 수 있는 잠재력을 갖고 있으며, 기업의 기대도 크다.

한편 리스크도 따른다. 잘못된 내용의 문장을 생성하거나 입력한 기밀 데이터가 생성 AI의 재학습에 사용되는 등의 문제가 전형적이다. 이런 리스크를 제대로 통제하지 못하면 기업이 본격적인 업무 이용에 나서기는 어렵다.

미국 스타트업 MODE의 ‘BizStack AI’

미국 실리콘밸리에 본사를 둔 스타트업 MODE는 대화형 AI(인공지능)를 탑재한 현장 관리 플랫폼 서비스 ‘BizStack AI’를 개발해 데모판을 내놓았다. 현장의 온습도, 조도, 소음, 설비기기의 가동률과 같은 데이터를 수집해 시각화하는 서비스 ‘BizStack’의 기능 추가판이다. 2023년 내 정식 발매를 목표로 한다.

BizStack에서는 건설현장이나 공장 등에서 기록한 데이터를 비교 분석할 수 있는 형태로 자동 변환해 현장사무소의 컴퓨터에 데이터 일람화면 '대시보드'를 표시한다.

하지만 현장 작업자들은 하루의 대부분을 사무실이 아닌 작업장에서 보낸다. 서비스를 도입한 기업으로부터 “어디에 있어도 확인할 수 있도록 태블릿이나 스마트폰에서도 사용하기 쉬운 사양으로 했으면 좋겠다”는 의견이 들어오고 있었다.

-- AI가 자동으로 대화를 시작 --
이러한 의견을 반영해 MODE는 BizStack의 데이터를 태블릿 등에서 확인할 수 있는 새로운 UI(유저 인터페이스)를, 챗GPT 등의 대화형 AI를 이용해 설계했다.

1. 특집 ‘계측의 DX’에 대하여

디지털트랜스포메이션(DX)은 과학기술 분야뿐만 아니라, 최근 모든 사회 활동에서도 화두가 되고 있다. 먼저 DX의 정의에 대해 생각해보자. 예를 들어, 경제산업성의 자료에서는 이하와 같이 정의되어 있다.

∙ Digitization: 아날로그 및 물리 데이터의 디지털화
∙ Digitalization: 개별적 업무 및 제조 프로세스의 디지털화
∙ DX: 조작 횡단/전체 업무 및 제조 프로세스의 디지털화, ‘고객 기점의 가치 창출’을 위한 사업 및 비즈니스 모델의 변혁

일본어에서는 ‘디지털화’와 ‘DX’, 2개로 분류되어 있지만, 영어에서는 Digitization, Digitalization, DX 등, 3개로 분류되어있다. 일본어의 ‘디지털화’는 영어의 전자 2개에 대응한다. 그렇다면 디지털화와 DX의 차이는, 전자는 순수하게 기술을 가리키는 데 반해 후자는 그것을 취득한 사람을 고려하고 있다고 말할 수 있다.

경제산업성의 자료에서도 ‘고객 시점에서 새로운 가치를 창출하는 것’이 DX라고 정의되어 있다. 예를 들어, 공장에서 대량의 관리 데이터를 취득하는 등의 사례가 DX로 정의되어 있지만, 데이터를 취득하는 것만이 DX는 아니다. 

비즈니스 현장에서 사용할 수 있는

2021년 9월에 일본에서는 디지털청이 설치되었다. 디지털청은 국가와 지방행정의 IT화와 DX (Digital Transformation)의 추진을 목적으로 한 기관이다. 국가 전체적으로 IT화와 DX로의 기운이 고조되고 있는 가운데, 민간기업에 있어서도 이 중요성은 높아지고 있다.

그리고 우리들의 IT스킬의 향상도 중요하게 됨과 동시에, IT에 의해 축적되어 가는 디지털 데이터를 어떻게 활용하여 갈 것인가의 관점에서 데이터의 활용 스킬도 중요하게 되었다. 그러나 데이터를 활용하는 스킬을 가진 인재(데이터 아날리스트, 기계학습 엔지니어, 데이터 사이언티스트 등)의 수요가 높아지는 반면에 공급은 부족하여 수금의 갭이 향후에 더욱 커질 것으로 지적되고 있다.

또한, 비즈니스에 눈을 돌려보면 AI & 데이터 사이언스의 실장 스킬까지는 요구하지 않더라도, 이러한 인재들을 적절하게 핸들링하고 프로젝트를 추진하는 입장의 인재조차 부족하다고 생각된다.

이러한 배경에서 자기 자신과 회사의 업무범위에서 AI & 데이터 사이언스를 어떻게 비즈니스에 적용할 것인가에 대해서, 많은 분들에게 알리기 위한 책이다.