산업기술/제조/경영

Nikkei Monozukuri_2022.1 특집 요약 (p33~61)

AI 시대의 기술 전승
AI에게 배우고, AI와 함께 일한다

인공지능(AI)의 활용이 확대되는 가운데, 제조업에서는 숙련자가 지닌 기술의 전승에 AI를 유용하게 사용하려는 움직임이 확산되고 있다. 사람이 AI를 활용해 기술을 배우는 시스템을 구축하는 것이다. 사람의 업무를 AI로 대체시키는 것 만으로는, 사람이 모노즈쿠리(장인 정신)의 근간을 잊고, 기술 발전이 한계에 이를 수 있다는 불안감도 따른다. 이번에는 사람으로의 기술 전승을 가속화하는 AI 활용의 모습을 취재했다.

Part 1. 총론
AI는 기술 전승의 구세주가 될 수 있을까?

“제조업에 있어 인공지능(AI)의 활용은 지금 2번째 주기에 돌입하고 있다”---. 제조업을 중심으로 20년 이상 컨설팅을 해 온 시그맥시스의 기리하라(桐原) 디렉터는 이렇게 말한다. 다양한 업무에서 AI 활용을 시험하는 ‘1번째 주기’를 거쳐, AI의 강점 영역을 판별해 현장의 지식 등과 조합하여 본격적으로 활용하는 단계에 들어섰다고 한다.

제조업에서의 AI 활용을 확대시키는 원동력은 이용자의 필요성이 높아졌다고 하는 니즈(Needs)측과 AI의 실현 레벨이 높아지는 것과 동시에 도입하기 쉬워졌다고 하는 시즈(Seeds)측 모두에 있다. 현재의 제조업은 저출산·고령화에 수반되는 인재 부족, 경쟁의 격화로 인한 저비용 요구 등 다양한 과제를 안고 있다. 한편, 딥러닝의 등장 등으로 AI기술이 진화하여 IoT화의 진전으로 다양한 데이터를 저비용으로 마련할 수 있게 되었다.

이러한 상황 속에 ‘장인’이라고 불리는 고도의 지식과 기술·기능을 가진 숙련된 기술자의 업무 영역에도 AI가 활용될 수 있을 것으로 기대가 모아지고 있다. 11월, 닛케이모노즈쿠리가 실시한 설문조사에 따르면, ‘AI가 기술이나 기능 전승에 도움이 된다고 생각하는가?’라는 질문에 대해, ‘매우 도움이 된다’ 혹은 ‘어느 정도 도움이 된다’라고 응답한 사람의 비율은 70%를 넘어섰다.

-- 지금의 AI는 만능이 아니다 --

하지만, AI 활용의 확대에 우려를 나타내는 사람도 적지 않다.
“AI를 100% 신뢰할 지, 참고할 지에 대한 판단 기준을 마련하기 어렵다”
“(기술은 변화하기 때문에) 당초 얻은 AI의 효과를 몇 년간 유지할 수 있다고 장담할 수 없다”
“정해진 업무를 수행하기에는 최적이지만 인간이 새로운 발견을 할 기회가 줄어들 수 있다”

이것들은 해당 설문조사의 자유 기재란에 기재된 독자들의 의견들이다. AI가 베테랑의 판단을 재현할 수 있는 것인지, 단기적으로는 도입 효과가 있겠지만 장기적으로는 경쟁력이 떨어지는 것은 아닌지에 대한 우려인 것이다.

이러한 우려는 현재의 AI가 숙련된 기술자를 완전하게는 재현하지 못하고 있는 것에 기인한다. 게이오기주쿠대학 이공학부 관리공학과의 구리하라(栗原) 교수는 “현재의 AI는 ‘인공지능’이라고 하는 매우 임펙트가 강한 말이 의미하는 것처럼 뭐든지 할 수 있는 것은 아니며, 계산기나 컴퓨터와 같은 IT의 연장선에 지나지 않는다”라고 지적한다.

현재의 AI는 숙련된 전문가의 지식을 문자나 수치 등의 데이터로 만들어 학습시키지만, 그 데이터가 질과 양적 측면에서 부족하기 때문에 숙련된 기술자를 완전하게 재현하기는 어렵다. 또한, 한번 AI화 되어버리면 AI가 대답을 이끌어 내는 프로세스를 사람이 이해하지 못하는 경우가 많다. AI는 사람처럼 자신의 생각을 설명하지 않는다.

또한 AI만으로는 성장하지 않는다는 점도 사람과는 크게 다르다. 앞에서 소개한 코멘트의 2번째와 3번째의 불안은 시간의 경과에 따른 변화가 사람과 AI에서는 다르기 때문에 생긴다. 인간은 일상생활 속에서 새로운 발견을 하며 성장하는 생물이다. 반면, AI는 새로운 학습데이터를 제공하지 않는 이상 성장하지 못한다.

즉, 지금은 이상적인 결론을 도출할 수 있는 AI라도 사회 정세가 바뀌는 미래에서는 도움이 되지 못할 가능성이 높다. 그것을 인식하지 않고 AI에게만 업무를 맡겨 버린다면 사람이 성장할 기회도 없어져, 미래의 변화에 인간도 AI도 대응할 수 없게 되어 버릴 위험이 있다.

이처럼 숙련된 기술자를 완벽하게 재현하지 못하고, 성장하지도 못하는 AI에 대한 불안감을 해소하려면 어떻게 해야 할까? 완전성을 높인다고 하는 점에서는 학습데이터의 충실이 해답이다. 예를 들면, 뇌파를 사용해 숙련된 기술자의 판단을 정밀도 높게 추출하는 등, 질 높은 학습데이터를 준비하는 기술개발이 현재 추진되고 있다.

남은 불안을 해소하기 위해서는 역시 사람이 기술을 보유해나가는 수 밖에 없다. 그렇지만, 사람에서 사람으로의 기술·기능 전승에 상당한 시간이 요구된다는 것은 오랜 세월의 과제로 남아있었다. 더구나 요즘은 인력 부족으로 눈앞의 업무에 쫓겨 제대로 기술을 계승할 시간을 확보하지 못하는 현장이 많다.

따라서, 상당히 AI화가 진행되고 있는 지금, 기술 계승에 AI를 활용하지 않을 수는 없다. AI로 단지 베테랑의 업무를 대체하는 것이 아니라, 베테랑을 재현하는 AI의 힘을 빌려 사람으로의 전승을 효율화해 나가는 것. 이것이 AI 시대의 기술 전승이다.

-- '직렬 분담'과 '병렬 분담'으로 계승 효율화 --
그렇다면 구체적으로 AI를 어떻게 기술 전승에 활용할 수 있을까? 방법은 크게 두 가지로 나뉜다. AI와 사람이 업무(공정)를 '직렬 분담'하는 경우와 '병렬 분담'하는 경우이다. 각각에 대해 상세하게 설명한다.

직렬 분담이란 AI와 인간이 다른 공정을 담당하는 경우를 가리킨다. 비교적 단순한 공정은 AI에 맡기고 사람은 고도의 판단이 요구되는 공정에 전념하는 방법이다. AI로 재현하기 어려운 공정에 사람이 집중할 수 있기 때문에 그 공정에 익숙해질 때까지의 시간을 단축할 수 있다. 또한, 초보적인 작업에 관한 기술 전승을 생략하고 그 시간을 고도의 기술 전승에 할애할 수 있다.

예를 들면, 도요타자동차 규슈(九州)는 불량율이 매우 낮은 렉서스의 차내 이음(異音) 검사에 AI를 도입했다. 대부분을 차지하는 이음이 나지 않는 차량에 OK 판단을 내리는 일은 주로 AI가 담당하고, AI가 이음의 가능성이 있다고 판정한 차량은 사람이 정밀하게 조사한다. 신진 검사원은 이음이 발생하는 차량에 타는 비율이 증가한다는 점 외에도 AI가 검사할 때에 녹음한 이음 데이터를 듣는 것을 통해 이음이 어떤 소리인지를 효율적으로 배울 수 있다.

한편, 병렬 분담이란 사람과 AI가 같은 공정을 담당하는 경우를 말한다. AI로 노하우가 형식화되면 신진 기술자가 자유로운 타이밍, 그리고 짧은 시간 안에 베테랑이 가진 기술을 AI로부터 배울 수 있다는 것이 장점이다.

예를 들어 DIC는 제조현장에서 문제가 발생했을 때, 사람이 관련 키워드를 입력하면 과거의 유사한 트러블 대응 방법 등을 제시하는 AI시스템 ‘프리즘(Prism)’을 개발했다. 이를 통해 신진 기술자라도 AI가 제시하는 정보를 기반으로 유효한 대응 방법을 빠르게 알 수 있게 된다. 베테랑의 대응을 배울 수 있는 교육 툴로써 평상 시에도 사용할 수 있게 될 전망이다.

SOLIZE도 비(非)숙련자가 필요한 정보를 신속하게 습득할 수 있도록 하는 것을 목표로 설계 분야 전용의 자연언어처리 AI기술을 개발하고 있다. 이러한 AI를 통해 비숙련자는 베테랑의 사고를 체감하면서 실제 업무 속에서 배워나갈 수 있다.

병렬 분담에서도 직렬 분담과 마찬가지로 베테랑과 함께 보내는 시간을 보다 고도의 기술 계승에 집중할 수 있는 장점을 기대할 수 있다. 베테랑이 가진 노하우 중에서도 기초에 가까운 지식은 AI로부터 습득할 수 있기 때문이다.

남부철기를 제작하는 다야마 스튜디오는 숙련된 직공의 사고를 재현하는 AI 개발을 추진하고 있다. 숙련된 직공의 근본적인 발상이나, 공학적인 지식의 기초를 AI를 통해서 배울 수 있는 체제를 목표로 하고 있다.

하지만, 머리로 이해했다고 해도 실제 손으로 재현하기는 쉽지 않다. 예를 들어 철공용 줄로 똑바로 깎는 남부철기의 기초 기술은 신진 직공이 습득하기까지는 시간이 걸린다. 오감이나 체형 등 개인의 특성에 맞은 방법을 몸에 익힐 필요가 있어, “현장에서 실제로 작업할 수 있는 상태가 되기까지 상당한 시간이 소요된다” (다야마 스튜디오).

기초 지식을 AI로부터 배워두면 숙련된 직공의 실기 지도를 충실히 받을 수 있다. 숙련된 직공과 신진 직공 모두 시간적인 여유가 생기기 때문에 한정된 시간 내에 개인에게 맞는 방법을 검토해서 가르치는 등, AI로는 서포트하기 어려운 기술 습득에 시간을 할애할 수 있다.

-- 블랙박스 해소도 필요해 --
AI를 활용한 기술 전승에는 AI의 새로운 기술 개발도 빠뜨릴 수 없다. 특히 사람이 AI를 통해 배우는 병렬 분담 사례에서는 AI의 추론 프로세스가 블랙박스화 되는 것을 막고, 답을 도출하기까지의 과정을 사람이 이해할 수 있도록 할 필요가 있다. 이러한 요망에 대응하기 위해 설명 가능성이나 신뢰성을 높이는 AI 기술개발에 주력하는 벤더들이 증가하고 있다.

덴쓰(電通)국제정보서비스(ISID)의 요인 분석을 위한 AI툴 CALC는 분석 결과로서 폭넓은 사물의 인과관계를 가시화한 그래프 등을 제시해주기 때문에 사람이 추정 이유를 이해하기 쉽다. 앞에서 설명한 DIC 및 다야마 스튜디오의 사례에서는 LIGHTz가 기술 전승을 상정해 개발한 AI시스템 ‘오르지니어스(ORGENIUS)’를 활용하고 있다.

미국 IBM의 ‘Watson OpenScale’과 같이 다른 서비스로 구축한 AI의 설명성을 분석하는 제품도 있다. 가동되는 AI의 입출력 데이터를 관리해, ‘왜 AI가 그러한 결론에 이르렀는지’를 입력 항목별 기여율로 나타내 주는 기능을 갖추고 있다. 이 외에도 아이신이나 미쓰비시전기 등 복수의 기업들이 신뢰할 수 있는 AI 개발을 추진하기 시작했다.

앞에서 언급한 것처럼 자율적으로 성장하지 못하는 현재의 AI에게 업무를 일임할 경우, 기술 발전이 저해되는 위험은 인식할 필요가 있다. 한편, 신뢰할 수 있는 AI와 같은 기술 진보에 힘입어 직렬 분담이나 병렬 분담과 같은 형태로 AI를 활용한다면, 업무 효율화를 도모하면서 사람으로의 기술 전승도 촉진할 수 있다. AI는 올바르게 활용된다면 존망의 위기에 놓인 숙련기술을 다음 세대에 전승하는 ‘구세주’가 될 수 있을 것이다.

 -- 끝 --

Copyright © 2020 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.