내연기관 자동차에서 전기차로의 전환이 본격화되면서 이제 충전 케이블에 연결된 채 도로에 주차된 자동차를 흔히 볼 수 있게 됐다. 심지어 일부 자동차 제조업체는 이미 전기차로의 전환 단계를 넘어선 것으로 보인다. 국토교통부는 2024년 국내 전기차 시장 예상 매출액이 99억 달러에 달할 것으로 전망했으며, 환경 문제에 대한 관심 및 전기차의 성능 향상, 가격 하락 등으로 전기차 보급이 증가할 것으로 예측했다. 하지만 전기차로의 전환은 여전히 진행중이며, 변화의 속도는 자동차 제조사와 지역마다 다르게 나타난다.

업계는 시간이 지남에 따라 약 1억 줄의 코드와 1,000개 이상의 반도체 칩을 사용하는 자동차가 디지털화 및 컴퓨터화 되는 주요 변화들을 목격했으며, 이 수는 끊임없이 증가하고 있다. 오늘날의 자율 주행 차량에는 약 3억 줄의 코드가 있는 것으로 추정되며, 전기차 한 대에는 약 3,000여개의 칩을 필요로 한다.

현재 폭스바겐의 ChatGPT 지원 IDA 음성 어시스턴트 탑재 차량 및 아마존과의 제휴로 지능형 개인 비서에 LLM(대형 언어 모델)을 도입한 BMW 차량의 등장은 자동차 업계에 새로운 계층이 생성됐거나 전환이 이미 진행되고 있다는 신호일 수 있다. 현대자동차 또한 자체 LLM 기반의 AI 내비게이션과 음성 비서를 도입할 계획이라 밝혔다. 현 시점에서 생성형 AI가 운전자, 자동차 및 주변 환경이 상호 작용하는 방식에 어떤 장기적인 변화를 가져올지 예측하기 이르지만, BMW, 폭스바겐, 현대자동차가 제시한 사용 사례와 이가 제공할 경험을 상상해보면 흥미로워진다.

이러한 맞춤형 AI 비서 기능을 통해 운전자는 여행 계획, 알림 설정, 주차 공간 찾기, 여행 일정 공유, 실시간 경로 업데이트 및 추천을 제공받을 수 있다. 여기서 조금 더 나아간다면 다음 휴게소의 드라이브 스루에서 커피나 점심을 바로 수령할 수 있도록 선주문도 가능해질 것이다.

공장에서 자동차까지 – 자동차 제조 분야의 AI 활용 확대

자동차에 생성형 AI가 도입됨에 따라 자동차 제조 분야에서 소비자를 위한 가치 동력으로서 AI가 성장하고 있지만, AI는 소비자뿐만 아니라 제조 엔지니어에게도 이점을 제공한다. 자동차 제조업체는 소비자가 원하는 최신 자동차의 품질 및 규정 준수 요건을 충족하고 공장 작업자의 근무 환경을 개선하기 위해 다양한 AI 애플리케이션을 활용하고 있다. 여기에는 뇌의 신경망을 모방한 딥러닝이라는 고급 AI 기술이 포함된다.

학계 연구자들과 테크 기업들은 자동차 제조업체들이 기존 툴로 처리하기 어려웠던 다양한 육안 검사 요구 사항에 유용한 도구로 딥러닝에 주목하고 있다. 기존의 머신 비전 시스템은 품질 및 최종 검사, 부품 추적, 계량 및 측정, 부품 유무 검사, 계측 및 다공성 검사에 사용됐다. 그러나 이러한 툴은 교육 시간, 비용, 상호 운용성, 유지보수, 복잡한 사용 사례 처리 등 고질적 과제를 동반한다.

하지만 상황이 바뀌고 있다. 최근 지브라의 오토모티브 산업 AI 머신 비전 벤치마크 보고서에 따르면, 영국 자동차 비즈니스 리더의 56%와 독일에서는 43%가 현재 머신 비전 프로젝트에 딥러닝과 같은 AI 시스템을 어떤 형태로든 사용하고 있는 것으로 나타났다. 또한, 영국과 독일 모두 평균 20%가 현재 AI를 사용하고 있지는 않지만 AI에 대해 더 많은 정보를 알고 싶어하거나 현재 AI 도입을 검토 중이라고 답했다.

딥러닝 머신 비전의 'AI 눈'은 이전에 불가능했던 수준의 정확성, 품질 및 규정 준수 검사를 보장하며 엔지니어, 프로그래머 및 데이터 과학자가 최신 자동차 생산을 위한 새로운 딥러닝 툴을 함께 사용할 수 있도록 지원한다.

딥러닝 머신 비전은 웨이퍼 검사, 패턴 정렬, 다이 분류, 웨이퍼 다이싱, 솔더 페이스트 품질, 계측 및 3D 검사 등 수요가 높은 반도체 생산에 사용될 수 있다. 자동차부터 생성형 AI, 생성형 AI가 탑재된 자동차에 이르기까지의 모든 것을 구동하기 위해서는 그 어느 때보다 높은 기준이 필요하다. 딥러닝 머신 비전은 전기차 배터리 제조 공정에도 도움이 될 수 있으며, 업계가 전기화를 추진함에 따라 노드 및 음극 코팅, 전극 탭 위치, 스택 정렬, 시리얼/코드 검사, 조립 검증 등의 검사 수준을 향상시킬 수 있다.

특히, 숙련된 작업자들을 채용하고 유지하는 데 어려움을 겪고 있는 제조업체에게는 즉시 사용 가능한 딥러닝 툴은 운영 판도를 바꿀 수 있는 기회다. 딥러닝 광학 문자 인식(OCR) 툴은 수천 개의 다양한 이미지 샘플을 사용하여 사전 학습된 신경망과 함께 바로 사용될 수 있어 매우 어려운 사례를 처리할 때에도 높은 정확도를 제공한다. 사용자는 머신 비전 전문 지식 없이도 몇 가지 간단한 단계만 거치면 강력한 OCR 애플리케이션을 만들 수 있다. 이는 고급 AI 툴링을 통해 코드없이 또는 적은 양의 코드로도 더 많은 작업자가 AI를 더 쉽게 접하고 사용할 수 있다는 것을 보여준다.

딥러닝이든 생성형 AI든, AI기술은 소비자뿐만 아니라 제조업의 발전을 책임지는 현장 공장 엔지니어와 같은 인력들의 가치 창출 원동력이다. AI는 더 높은 수준의 자산 가시성을 제공하고, 더 나은 정보 및 장비를 갖춘 작업자를 창출하며, 반복적이고 복잡한 작업을 자동화하는 가능성을 확장하고 있다. 이를 통해 숙련된 엔지니어링 팀은 전체 의사결정 과정의 일정 단계에서 인간의 개입과 통제가 이뤄지는 부분 자율성을 의미하는 휴먼 인 더 루프(humans-in-the-loop)역할을 수행하면서 제조 전략과 운영을 차세대 자동차 전환에 맞춰 발전시키는 데 더 많은 시간을 투자할 수 있다.

헬로티 김재황 기자 |