산업 전반에 결합하고 있는 생성형AI (2)편 – 적용 사례 

2023-11-17

‘산업 전반에 결합하고 있는 생성형AI (1)편 – 개념, 동향’을 먼저 읽어보세요. 아래 글을 이해하시는 데 도움이 됩니다.   

다양한 산업별 적용 사례 

해결해야 할 윤리적 문제가 남아 있기는 하지만, 생성형AI는 뛰어난 성능과 범용성 덕분에 산업 전반에 결합되고 있습니다. 가트너에 따르면 지난 3년간 벤처캐피탈이 생성형AI 솔루션에 17억 달러 이상을 투자했습니다.[1] 그랜드뷰 리서치에 따르면, 전세계 생성형AI 시장은 2022년 101.4억 달러로 평가되었으며, 연평균 35.6%씩 성장해 2030년 1,093.7억 달러 규모에 이를 것으로 예상됩니다.  

 

(1) 의료 : 엑스레이 판독 

카카오의 인공지능 자회사 카카오브레인은 엑스레이를 판독해 의심 질환을 찾아주는 AI를 연구하고 있습니다.[2] 영상의학과 전문의가 엑스레이 사진을 입력하면 판독문의 초안을 작성해줍니다. 이미지 생성AI가 보통 텍스트를 입력하면 그에 맞는 이미지를 만들어주는데, 이는 반대로 이미지를 입력하면 텍스트를 만들어주는 방식입니다. 2022년 7월 가톨릭중앙의료원과의 업무 협약을 시작으로 기술 고도화 공동 연구에 착수했으며, 202310월까지 총 9개의 대학병원과 업무협약을 체결했습니다.[3]  

xray이미지를 보고 판독문 초안을 작성해주는 AI 화면

생성형AI를 이용하면 환자의 흉부 엑스레이 사진을 토대로 판독문 초안을 작성해주는 서비스를 할 수 있습니다. – 이미지 출처: 카카오브레인

 

 

(2) 제약 :약물 설계 

생성형AI를 이용하면 앞으로 신약 개발 기간도 단축될 것으로 보입니다. 홍콩에 본사를 둔 AI 신약 개발 기업 인실리코 메디신은 20231월, 특발성 폐섬유증 약물 후보물질인 ‘INS018-055’의 임상 1상에 성공했습니다.[4] 

기존에 신약을 개발하려면 먼저 질병을 유발하는 ‘불량 단백질’을 찾아야 했습니다. 그 뒤 신약 후보를 찾기 위해 수만 가지 화합물을 합성해 불량 단백질과의 상호작용을 일일이 실험으로 확인해야 했죠. 이 과정이 평균 신약 개발 기간 10년 중 절반을 차지했습니다. 그러나 인실리코 메디신은 ‘INS018-055’를 발굴하는 데 46일이 걸렸다고 밝혔습니다. 임상 1상 성공까지의 기간도 통상 8년에서 3년 5개월로 단축했죠. 

생성형AI를 이용한 단백질 생성 프로그램도 등장하고 있습니다. 데이비드 베이커 미국 워싱턴대 교수팀은 ‘로제타폴드 디퓨전’[5]을, 미국 바이오 기업 제너레이트 바이오메디신은 ‘크로마’라는 AI를 각각 개발했습니다.  

생성형AI가 설계한 단백질 그림

생성형AI를 이용한 단백질 생성 프로그램 ‘로제타폴드 디퓨전’. 초기 예측은 단백질과 거의 유사하지 않지만, 차츰차츰 단백질 구조와 비슷해지는 모습을 볼 수 있습니다. – 이미지 출처:Broadly applicable and accurate protein design by integrating structure prediction networks and diffusion generative models

 

(3) 마케팅 : 광고 제작 

메타는 기업 및 브랜드 등 광고주를 위한 생성 인공지능(AI) 기반 마케팅 도구 ‘AI 샌드박스’를 운영하고 있습니다.[6] 하나의 광고 카피를 입력하면 여러 버전의 문구를 자동으로 만들어주고, 하나의 광고 소재를 다양한 플랫폼에 맞게 자동 편집해줍니다. 또, 제품을 포함한 사진을 업로드하면 그에 어울리는 배경을 자동 생성하는 기능도 갖추고 있습니다. 가트너는 2025년 대규모 조직의 아웃바운드 마케팅 메시지 중 30%가 종합적으로 생성될 것이라고 예측했습니다(2022년에는 2% 미만) 

(4) 콘텐츠 : 웹툰 콘티 생성 

국내 스타트업 오노마AI 사는 생성형AI 모델 ‘투툰’과 챗GPT를 결합한 ‘투툰GPT’를 개발했습니다. 생각하는 컷을 30자 이내의 문장으로 풀어쓰면 콘티 형식으로 이미지를 생성해줍니다. 텍스트를 이미지로 변환해주는 AI 오픈소스 모델인 스테이블 디퓨전을 기반으로 하고 있는데요. 웹툰 특성화 프로그램답게 말풍선을 넣거나 원하는 그림체를 구현하는 것도 가능합니다. 특정 스타일의 그림을 10장만 입력하면 자동 학습을 통해 해당 스타일을 재현할 수도 있습니다. 스토리텔링 능력에 비해 그림 실력이 다소 부족한 작가들에게 웹툰의 진입장벽을 크게 낮춰줄 것으로 보입니다.[7]

(5) 금융 : 고객 서비스/업무 효율 

금융 업계는 수준 높은 자연어 처리 능력을 바탕으로 생성형AI를 고객 상담에 적극 도입하려는 움직임을 보이고 있습니다. 예를 들어, 고객이 원하는 가입 금액과 기간, 우대금리 등을 입력하면 맞춤형 예금·적금 상품을 상담해주는 것입니다.[8] 앞으로 상담 범위가 점차 확대되면서 서비스가 고도화될 것으로 전망됩니다. 또한, 생성형AI를 금융권 내부 업무 혁신에 도입하는 사례도 늘고 있습니다. 예를 들어, 신한은행은 직원용 내부 콜센터에 생성형 AI를 적용할 계획이라고 밝혔죠. 상품 정책 등을 데이터화 해서 고객이 특정 상품에 대해 문의했을 때 직원들이 빠르고 정확하게 정보를 찾을 수 있도록 생성형AI가 답을 알려줄 수 있습니다.[9] 

 

생성형AI가 제조를 혁신하는 방법

(1) 설계안 생성 

*강화학습이 접목된 생성형AI를 사용하면 제품을 설계할 수 있습니다. 구글은 칩 안에 수백만 개의 반도체 소자와 부품을 효율적으로 배치하는 과정인 ‘평면배치(floorplanning)’에 AI를 적용했습니다. 기존 평면 배치 설계 1만 종을 학습시켰죠. 그 결과 사람이 수개월 걸려 하던 작업을 6시간 만에 완료해 텐서프로세서유닛(TPU v4)을 설계했습니다. 

  • 강화학습 : 어떤 행동을 해야 하는지 알지 못하는 상태에서 행동에 대한 보상을 극대화하기 위해, 즉 어떤 행동을 취하는 것이 최적인지 시행착오를 통해 방향을 찾아가는 학습 방법입니다.  

국내 스타트업 나니아랩스는 제조업을 위한 생성형AI 기반의 솔루션 기업입니다.[10] 다양한 설계안을 생성해서 탐색할 수 있고, 예측된 성능을 확인할 수 있습니다. 목표 성능 조건을 입력하면 최적화된 설계안을 생성해주기도 합니다.

이 기업은 특히 3D 합성데이터를 강점으로 내세우고 있는데요. 엔지니어링 도메인에서 물리적으로 의미 있는 합성 데이터를 생성해냄으로써 3D 데이터 부족 문제를 해결하고 AI모델의 성능을 높이겠다는 것이 목표입니다. 

생성형AI를 활용해 새로운 설계안을 생성하고 성능을 예측해주는 나니아랩스의 솔루션 – 이미지 출처: 나니아랩스

 

(2) AI 학습 데이터 생성 

AI를 활용한 데이터 생성은 제조 현장의 효율을 상당히 개선할 것으로 예상됩니다.  

예를 들어, 불량품을 판별하는 머신비전 AI를 제대로 학습시키려면 정상 데이터와 비정상 데이터가 골고루 필요합니다. 하지만 실제 산업 현장에는 정상보다 비정상 데이터가 훨씬 적습니다. 불량품이 너무 많으면 애초에 공장을 운영할 수 없을 테니까요. 이를 ‘클래스 불균형’ 문제라고 합니다. 특히 최신 기술을 이용해 새로운 공장을 짓거나 신규 공정을 추가하는 경우에는 데이터를 확보하는 데에만 시간과 비용이 너무 많이 들어가게 되죠.

이를 생성형AI로 해결할 수 있습니다. 가짜 결함 이미지를 생성해 AI 학습에 활용하는 것입니다.  

gan 생성 결함 이미지

NEU 데이터셋(강철 표면의 제조 결함)을 이용한 GAN 생성 결함 이미지 샘플. 1행의 이미지는 실제 결함 이미지, 그 아래 세 개 행의 이미지는 다양한 GAN 모델을 사용해 생성한 결함 이미지입니다. – 이미지 출처: DG-GAN: A High Quality Defect Image Generation Method for Defect Detection

 

2024년, 새로운 개념의 결함 이미지 생성 기능을 만나보세요

자율주행자동차 업계에서는 제품 개발 단계에 이런 생성 데이터를 활용하기도 합니다. 미국 알파벳 산하의 자율주행자동차 개발 업체 웨이모(Waymo)2020년 기준으로 150억 마일의 주행 시뮬레이션을 완료했는데, 이중 실제 주행 데이터는 2000만 마일에 불과하다고 밝혔습니다.[11] 

웨이모는 2020년 150억 마일의 주행 시뮬레이션을 완료했으며, 실제 주행은 2천만 마일에 불과하다고 밝혔습니다. - 이미지 출처: 웨이모

자율주행자동차 개발 단계에서 생성 데이터를 활용해 시뮬레이션을 수행할 수 있습니다. – 이미지 출처: 웨이모

 

신테티스 AI(Synthesis AI)와 데이터젠(Datagen) 사는 얼굴 스캔 데이터와 센서로 포착한 움직임 데이터를 활용해 3D 인간 아바타를 생성합니다. 운전자가 졸음을 느끼는 상황을 자율주행자동차가 감지하게 만드는 데 활용하죠.[12]

Synthesis AI 사가 만든 3D 인간 아바타. - 이미지 출처: Synthesis AI

 

 

(3) 제조 자동화 및 효율화 

지멘스는 생성형AI를 제조 자동화와 효율화에 적용하고 있습니다.[13] 마이크로소프트 사와 협력해 Siemens Industrial Copilot을 개발했습니다.

이 솔루션은 첫째로, PLC(Programmable Logic Controller) 코드를 작성해 줍니다. 이를 통해 제어 시스템은 무엇을 어떤 순서로 어떤 조건에서 수행해야 하는지 알 수 있습니다. 두번째로, 기계 고장시 버그를 찾아내고 이를 제거하는 방법을 제안해줍니다. 현장 엔지니어들은 챗봇과 대화하듯 자연어로 세부사항을 묻고, 제안된 사항에 대해 논의할 수 있습니다.  

생성형AI를 이용해 제조 현장의 PLC(Programmable Logic Controller) 코드를 작성할 수 있습니다. – 이미지 출처: 지멘스

 

결론: 생성형AI에 대한 신뢰 구축이 우선

생성형AI는 시장 전반에서 엄청난 성장세를 보이고 있습니다. 기술이 빠르게 성숙해짐에 따라 제조 분야에서도 눈에 띄는 매출 성장을 이룰 것으로 예상되는데요. ABI 리서치는 2023년 8월 발표한 ‘제조 분야의 생성형AI적용 사례’라는 보고서[14]에서 생성형AI에 투자할 경우 2026~2029년 44억 달러의 추가 수익을 낼 수 있을 것으로 내다봤습니다.

특히 설계(생성형 설계, 부품 통합), 엔지니어링(공구 경로 최적화, 부품 네스팅), 생산(제품 품질 근본 원인 분석, 소프트웨어 코드 버그 수정), 운영(재고 및 구매 기간 관리, 작업자 경로 최적화) 등 네 가지 분야에 가장 빠르게 도입될 것으로 분석했습니다. 이제 생성형AI는 제조 분야에서도 필수로 고려해야 할 기반기술이 되어가고 있습니다. 

단, 현재까지 구현된 생성형AI를 토대로 쉽게 구축할 수 있고 투자수익률이 가장 높은 분야에 우선 적용해야 한다고 ABI 리서치는 조언했습니다. 제조 분야의 작업은 복잡성이 높고 모델 학습이 다른 분야에 비해 더 오래 걸릴 수 있기 때문이죠. 무엇보다 생성형AI에 대한 신뢰를 구축하는 과정이 필요합니다. 구현될 가능성이 낮은 고기능 사례를 성급하게 구축하려 해서는 안 됩니다.

-‘산업 전반에 결합하고 있는 생성형AI’ 마침-

우아영 아하랩스 책임연구원

Reference

  1. Gartner(2023.1.26.), Beyond ChatGPT: The Future of Generative AI for Enterprises 
  2. “”AI가 엑스레이 사진 보고 종양 의심 판독”…카카오브레인, ‘의사 돕는 챗GPT’ 내놓는다” 한국일보 2023.02.20 
  3. “카카오브레인-아주대병원, 의료 분야 내 초거대 AI 모델 연구와 실증에 동행” 인공지능신문 2023.10.30 
  4. “AI로 신약 개발 속도전… 46일만에 후보물질 발굴해 1상 성공도” 동아일보 2023.02.13 
  5. https://www.biorxiv.org/content/10.1101/2022.12.09.519842v1 
  6. “메타, 광고주 위한 생성 AI 기반 마케팅 도구 ‘샌드박스’ 전면 오픈” AI타임스 2023.11.07 
  7. “”남녀가 사랑을 표현한다” 한 문장으로 ‘로코 웹툰’ 만든 AI” 시사저널 2023.05.16 
  8. “우리은행, 금융권 첫 생성형 AI 기반 고객상담 서비스” 뉴스트리 2023.11.08
  9. “은행권, 생성형 AI로 업무 혁신 돌입.. 직원용 챗봇, 콜센터 적용 나서” 전자신문 2023.09.27
  10. [AI 광주&CES 2023 인터뷰㉛] 강남우 나니아랩스 대표, “AI 학습용 3D 합성데이터로 누구나 쉽 게 제품 설계·디자인한다! 2025년 미국지사 설립해 세계시장 진출할 것!” 에이빙뉴스 2023.05.03 
  11. “Welcome to Simulation City, the virtual world where Waymo tests its autonomous vehicles” The Verge 2021.07.07
  12. “Is ‘fake data’ the real deal when training algorithms?” The Guardian 2022.06.18
  13. 지멘스 웹사이트 Code at the press of a button
  14. ABI Research “Strategic Deployment of Generative AI in Manufacturing Will Unlock US$10.5 Billion Added Revenue by 2033”

Related Stories

산업용AI 솔루션 LISA로 완벽한 실시간 이상 탐지를 경험해 보세요

산업용AI 솔루션 LISA로 완벽한 실시간 이상 탐지를 경험해 보세요

전세계 제조 업계의 스마트팩토리 전환이 가속화되면서 머신 비전을 이용한 검사 자동화, 실시간 이상 탐지, 예지보전에 대한 관심이 뜨겁습니다. 특히 반도체나 이차전지 등 혁신 제조산업 현장에서는 하루에도 수천 수만 개의 부품·제품들이 생산되는데, 사람이 불량을 일일이 찾아낸다는 것이 불가능에 가까워졌죠. 또한, 이제 고객들은 미묘한 결함도 용납하지 않기 때문에 이 요구를 충족시키려면 신속하고 정확하게 불량을 짚어내는 AI 검사 자동화가 필수입니다. 아하랩스의 LISA(Look...

Why Data CAMP Is the Ultimate Choice for Digital Twins

Why Data CAMP Is the Ultimate Choice for Digital Twins

The idea of a digital twin is to address real-world problems by rendering the physical world visible within a digital environment. Three key technologies are essential for creating a digital twin: Virtualization: This involves modeling the physical world in a virtual...

Data CAMP를 활용해 디지털 트윈의 첫걸음을 내디뎌 보세요

Data CAMP를 활용해 디지털 트윈의 첫걸음을 내디뎌 보세요

디지털 트윈 = 데이터를 가시화하여 현실의 문제를 해결한다   최근 화두로 떠오른 디지털 트윈은 디지털 환경에서 물리적인 현장을 모두 ‘가시화’해서 현실의 문제를 해결한다는 것이 핵심입니다. 디지털 트윈을 구현하는 데에는 핵심 기술 3가지가 필요한데요. 각각 물리 세계를 가상 세계에 모델링하는 가상화, 현실의 변화하는 각종 데이터를 실시간으로 반영하는 동기화, 그리고 모델링과 실시간 데이터를 활용해 해결하고자 하는 문제에 대한 최적의 답을 도출해내는 시뮬레이션입니다....

웹 프론트엔드 개발자 (4년 이상)

Summary 경력(4-8년) 채용 형태 : 정규직 마감일 : 상시 채용 근무지 : 경기도 성남시 분당구 성남대로 43번길 10 (하나EZ타워) 712호 이런 일을 함께 합니다 자사에서 개발한 Smart Factory Solution의 프론트를 개발하는 업무를 수행합니다. UI Application을 위한 API 제공과, Model을 위한 데이터 변환 및 결과 처리가 주 업무입니다. 스마트 팩토리용 비전 검사 솔루션 - 프론트엔드 개발 음성 변환 솔루션 - 웹 프론트엔드...

멀티모달 대형비전언어모델(LVLM)을 활용한 산업용 이상감지 사례 

멀티모달 대형비전언어모델(LVLM)을 활용한 산업용 이상감지 사례 

✓ 대형언어모델(LLM) 아티클 먼저 읽어보기 멀티모달 트렌드 혹시 코를 막고 양파를 먹는 실험에 대해 아시나요? 실험에 참가한 많은 사람들이 본인이 먹고 있는 것이 양파인지 알아채지 못했을 뿐만 아니라, 심지어 사과를 먹고 있는 것 같다고 답한 사람도 있었습니다. 혀로 느껴지는 화학적인 맛(미각)과 식감(촉각), 그리고 냄새(후각) 정보가 모두 있어야 종합적인 음식의 맛을 느낄 수 있다는 것이 실험의 요지였죠. 너무 당연한 말이지만, 인공지능 역시 다양한 정보가 들어가야 더...

대형언어모델(LLM; Large Language Model)이 제조업을 혁신하는 방법

대형언어모델(LLM; Large Language Model)이 제조업을 혁신하는 방법

Industry 5.0, 디지털 전환(DX), 끝없는 기술 발전으로 정의되는 시대에 제조 분야는 혁신의 문턱에 서 있습니다. 이러한 변화의 핵심에는 단연 AI가 있는데요. 특히 챗GPT로 대변되곤 하는 대규모 언어 모델(LLM, Large Language Model)은 제조 현장을 엄청나게 변화시킬 잠재력이 있는 것으로 기대됩니다. 이번 아티클에서는 복잡한 인간의 언어와 각종 도메인 지식을 학습하고 생성하는 능력으로 유명한 LLM이 제조 분야에서 어떤 역할을 할 수 있는지...

설명 가능한 AI④ 제조업 활용 사례

설명 가능한 AI④ 제조업 활용 사례

"AI와 사람의 완벽한 협업 사례다" 제조 분야에서 XAI의 중요성을 설명하는 설득력 있는 사례 연구는 Siemens의 현장 실험에서 나왔습니다. 전자 제품의 비전 품질검사에서 두 그룹의 성과를 비교하한 연구인데요. 첫 번째 그룹은 기존 '블랙박스' AI의 도움을 받았고, 두 번째 그룹은 잠재적인 품질 문제에 대한 예측을 설명하기 위해 시각적 히트맵을 제공하는 AI의 도움을 받았습니다. 결과는 놀라웠습니다. 첫번째 그룹 작업자는 AI가 제공한 권장 사항을 무시할 가능성이 3배...

설명 가능한 AI③ XAI와 AI 규제 준수와의 상관성?

설명 가능한 AI③ XAI와 AI 규제 준수와의 상관성?

‘딥러닝의 아버지'라고 불리는 제프리 힌턴은 2018년 12월 12일 미국 잡지 ‘와이어드' 인터뷰에서 “AI에 설명 가능성을 요구할 이유가 없으며, 작동 결과를 사후에 평가해서 얼마나 믿을 만한 것인지 따지면 족하다”라는 취지의 발언을 했습니다. XAI의 필요성을 부정한 이야기였죠. 하지만 8일 뒤 ‘포보스'는 반박 기사를 냈습니다. AI 개발자, 국방 연구 책임자, 글로벌 컨설팅 회사 관계자, 윤리학자 등 8명의 인터뷰였는데요. 근거는 달랐지만 XAI가 꼭 필요하다는 공통...

설명 가능한 AI② XAI(eXplainable AI) 주요 방법론

설명 가능한 AI② XAI(eXplainable AI) 주요 방법론

'설명 가능한 AI(XAI·eXplainable AI)'를 구현하기 위한 다양한 방법론이 연구되고 있습니다.  1. 특성 중요도(Feature Importance) Feature importance는 주로 트리 기반 모델(예: 랜덤 포레스트, 그래디언트 부스팅)에서 사용됩니다. 즉, 중요도를 구분하는 것이 트리의 분할과 밀접한 관련이 있다는 말이죠. 의사결정 트리는 루트 노드(root node)에서 시작해 하위 분기점(자식 노드)으로 나뉩니다. 그리고 각 분기점에서는 하나의...

설명 가능한 AI① XAI(eXplainable AI)란? – 개념, 역사, 중요성

설명 가능한 AI① XAI(eXplainable AI)란? – 개념, 역사, 중요성

XAI(자이, Explainable AI)란 무엇인가? XAI(Explainable AI, 설명 가능한 AI)는 AI 시스템의 의사결정 과정을 인간이 이해할 수 있도록 만드는 기술입니다. XAI는 AI 모델이 어떻게 결론을 도출했는지를 설명함으로써 AI의 투명성을 높이고, 사용자가 AI의 판단을 신뢰할 수 있도록 돕습니다. AI 개발 역사와 XAI 등장 배경 (1) 규칙 기반 전문가 시스템 1970년대~1990년대까지 MYCIN, GUIDON, SOPHIE 같은 대표적인 추론...