기업의 인사, 재무 및 에이전트를 위한 AI 플랫폼 기업 워크데이는 자사에서 최근 진행한 AI 에이전트 관련 글로벌 연구 ‘AI 에이전트 인 더 워크포스 스터디(AI Agents in the Workforce Study)’에서 한국 시장과 관련한 주요 결과를 소개했다. 이번 조사에 따르면 국내 기업 전반에서 AI 에이전트 도입이 빠르게 확산되고 있으며, 특히 재무 부문이 그 중심에서 도입을 선도하고 있는 것으로 나타났다. 이번 조사는 국내 전체 기업의 78%가 이미 AI 에이전트 도입을 위한 초기 프로덕션(42%) 또는 롤아웃(36%) 단계에 있다고 응답해, AI가 이제 디지털 전환의 핵심 요소로 자리 잡았음을 보여주고 있다. 특히 재무(Function) 부문에서는 83%의 기업이 롤아웃(50%) 또는 초기 프로덕션(33%) 단계에 있는 것으로 나타나, 재무 부문이 국내 기업 전반에서 AI 에이전트 도입을 주도하는 핵심 동력임을 입증했다. 기업 경영진의 97%가 AI 에이전트가 생산성 향상은 물론, 혁신 촉진과 직원 만족도 제고에 기여할 것이라고 응답했지만, 이제 전략적 초점은 기술적 과제에서 ‘거버넌스 성숙도(Governance Maturity)’로 이동하고 있다. 특히 윤리적·거버넌스·규제 관련 이슈가 기술적 또는 재무적 과제보다 훨씬 더 시급한 핵심 전략 요인으로 인식되고 있으며, 이는 AI 도입 확산의 다음 단계가 ‘신뢰 기반의 체계적 관리’에 달려 있음을 시사한다. 이러한 고도화된 시장 수요에 대응하기 위해, 워크데이는 IT 부서가 손쉽게 맞춤화할 수 있는 유연한 사전 구축형 AI 에이전트 설루션을 우선적으로 도입하고, 여기에 강력한 거버넌스 프레임워크와 명확한 윤리적 가이드라인을 결합할 것을 권장했다. 이러한 접근 방식은 인간 중심의 감독을 유지하면서도 빠르고 안전한 확장을 가능하게 한다. 워크데이의 샨 무어티(Shan Moorthy) 아태지역 최고기술책임자(CTO)는 “현재 우리는 몇 세대에 한 번 찾아오는 역사적 전환점에 서 있다. 이는 우리가 ‘일하는 방식’뿐 아니라 ‘누가 일하는가’에 대한 근본적인 재정의를 이뤄내는 결정적 순간”이라면서, “AI는 인간의 판단력, 리더십, 그리고 생산성을 보완함으로써, 기업이 지금까지 경험하지 못한 속도와 규모로 운영될 수 있도록 지원한다. ‘신뢰’는 이를 실현하기 위한 가장 중요한 가치이며, 직원이 ‘일의 미래’를 함께 창조할 때 비로소 신뢰가 구축되고, 그 신뢰를 바탕으로 AI의 효과적인 도입이 가능해진다”고 강조했다.

자율제조를 위한 데이터 표준화와 사이버 보안 강화 전략 (1)   글로벌 제조 환경은 자율제조 AI(인공지능) 및 SDM(소프트웨어 정의 제조)로 전환하고 있다. 그러나 시시각각 급변하는 생산자원(4M2E) 메타 데이터와 OT 사이버 보안에 대한 국제 표준 준수 없이는 사상누각이 될 수 있다. 앞으로 2회에 걸쳐 이에 대응하기 위한 방법을 소개하고자 한다.이번 호에서는 자율제조 AI 및 SDM 환경에서 4M2E 생산자원 데이터 표준화와 관련된 도전과 기회를 종합적으로 분석한다.   ■ 연재순서 제1회 제조 혁신의 열쇠, 4M2E 생산자원 데이터 표준화 제2회 산업 사이버 위협을 돌파하기 위한 IEC 62443   ■ 차석근 에이시에스의 부사장이며 산업부 국표원 첨단제조 표준화 포럼 의장 및 산업부 산업융합 옴부즈만 위원을 맡고 있다.   글로벌 제조 환경은 인공지능(AI) 기반의 자율제조와 소프트웨어 정의 제조(SDM : Software Defined Manufacturing)로의 전환을 통해 전례 없는 혁신을 경험하고 있다. 이러한 변화는 생산성, 효율성, 그리고 경쟁력 향상이라는 막대한 잠재력을 내포하고 있다. 그러나 이러한 혁신의 완전한 실현은 방대한 제조 데이터의 효과적인 관리 및 활용, 특히 4M2E(Man, Machine, Material, Method, Environment, Energy) 생산자원 데이터의 표준화에 달려 있다. 동시에, IT(정보 기술)와 OT(운영 기술) 시스템의 융합이 가속화되면서 산업 제어 시스템(IACS)은 사이버 위협에 더욱 노출되고 있으며, 이는 IEC 62443과 같은 국제 산업용 사이버 보안 표준 준수의 중요성을 증대시키고 있다. 이번 연재에서는 자율제조 및 SDM 환경에서 4M2E 생산자원 데이터 표준화의 필요성과 기술 동향을 심층 분석하고, 대한민국 수출 제품의 IEC 62443 산업용 사이버 보안 준비 현황과 당면 과제를 짚어보고자 한다. 특히 국내 중소기업이 겪는 인력, 예산, 노후 설비 등의 애로사항과 공급망 보안의 중요성을 강조한다. 이러한 분석을 바탕으로, 데이터 표준화와 사이버 보안 역량을 동시에 강화하여 국가 경쟁력을 제고하고 안전한 글로벌 시장 참여를 보장하기 위한 구체적인 정책적 및 전략적 대응 방안을 제안한다. 이는 기술 개발 지원, 인력 양성, 중소기업 맞춤형 프로그램 확대, 그리고 국제 협력 강화를 포함하는 포괄적인 접근 방식을 제시한다.   자율제조 및 SDM 시대의 도래와 산업 혁신 글로벌 제조 산업은 인공지능(AI)과 소프트웨어 정의 제조(SDM)의 발전으로 심오한 변화를 겪고 있다. 이러한 변화는 생산성, 효율성, 그리고 전반적인 경쟁력의 향상을 약속한다. 미국 국립과학재단(NSF)의 지원을 받아 개발된 마빌라(MaVila)와 같은 새로운 AI 모델은 공장 내부를 ‘보고’ ‘대화’할 수 있도록 설계되었다. 이 모델은 부품 이미지를 분석하고, 결함을 평이한 언어로 설명하며, 해결책을 제안하고, 심지어 기계와 통신하여 자동 조정을 수행할 수 있다. 이러한 역량은 지능적이고 적응력 있는 제조 시스템으로의 중요한 도약을 의미한다. 한편, SDM은 경직된 하드웨어 중심의 자동화를 유연한 소프트웨어 중심 아키텍처, AI 기반 지능, 그리고 제어 및 데이터 흐름을 최적화하는 모듈형 산업 플랫폼으로 대체하고 있다. 이러한 운영 기술 인프라의 현대화는 제조 부문의 전반적인 경쟁력을 향상시키는 데 필수이다. SDM의 핵심은 하드웨어, 연결성, 스토리지, 보안 및 IT와 OT 환경 전반에 걸쳐 내장된 지능을 포함한 제조의 모든 측면을 체계적으로 최적화하고 현대화하는 데 있다.   생산자원 데이터 표준화 및 산업용 사이버 보안의 핵심 과제 자율제조 및 SDM의 완전한 구현은 방대한 제조 데이터의 효과적인 관리 및 활용에 크게 의존한다. 그러나 수많은 센서, 기계 및 시스템에서 생성되는 파편화된 데이터는 종종 표준화가 부족하여 관리, 통합 및 분석이 어렵다. 이러한 데이터 파편화는 생산성을 높이고 효율성을 개선하며 비용을 절감하기 위한 산업 데이터의 완전한 활용을 방해한다. 특히 다양한 세대의 기계에서 발생하는 광범위하고 이질적인 데이터 소스를 가진 기업의 경우, 표준화된 라벨링의 부재는 데이터 관리 및 활용을 더욱 복잡하게 만든다. 동시에, 이러한 첨단 제조 환경에서 IT 및 OT 시스템이 융합되면서 산업 제어 시스템(IACS)은 사이버 위협에 점점 더 노출되고 있으며, IEC 62443과 같은 국제 표준 준수를 통한 강력한 사이버 보안은 필수이다. 사용자 질의는 특히 대한민국 수출 제품의 이 분야에서의 잠재적인 ‘준비 미비’를 강조하며, 이는 국가 산업 전략에 있어 중요한 과제를 부각시킨다.   자율제조 및 SDM의 개념과 데이터의 중요성 AI 기반 자율제조의 발전과 데이터 활용 인공지능은 다양한 분야를 근본적으로 변화시키고 있으며, 제새로운 AI 모델은 공장 환경에 특화되어 개발되고 있다. 이 모델들은 공장 내 시각 및 언어 기반 데이터로부터 직접 학습하여 부품 이미지를 분석하고, 결함을 평이한 언어로 설명하며, 해결책을 제안하고, 심지어 기계와 통신하여 자동 조정을 수행할 수 있다. 이렇게 내부적이고 제조 특화된 데이터 중심 접근 방식은 더욱 스마트하고 적응력 있는 제조 시스템을 구축하여 경제 부문을 더욱 효과적으로 지원하는 데 매우 중요하다. 궁극적인 목표는 작업자의 역량을 강화하고, 생산성을 높이며, 치열한 글로벌 시장에서 국가의 입지를 강화하는 것이다. AI가 진정한 자율제조를 가능하게 하려면 일반적이거나 파편화된 데이터에 의존할 수 없다. 복잡한 시스템, 장비 및 워크플로에 대한 깊이 있는 실시간 이해가 요구된다. 이는 데이터가 단순히 수집되는 것을 넘어, AI가 기계가 읽을 수 있고 실행 가능한 형태로 맥락화되고 표준화되어야 함을 의미한다. 만약 AI 모델이 파편화되고 비표준화된 데이터로 학습된다면, 정확하고 관련성 높은 정보를 제공하고 자율적인 조정을 수행하는 능력이 심각하게 제한되어 자율제조의 본질적인 약속을 저해할 수 있다. 따라서 제조 분야에서 AI의 성공과 신뢰성은 입력 데이터의 품질, 일관성 및 표준화에 직접적으로 비례하며, 이는 AI 기반 자율성을 위한 데이터 표준화의 근본적인 중요성을 강조한다.     ■ 자세한 기사 내용은 PDF로 제공됩니다.