[지디넷코리아]
“기업이 인공지능(AI)을 산업 현장에 잘 적용하려면 시스템 연결성에 신경써야 합니다. 최신 AI 모델을 도입하는 데 그치지 않고 데이터 수집과 학습, 현장 배포를 유기적으로 연결해야 문제를 해결할 수 있습니다.”
에런 슈나이더 마이크로소프트 엔지니어링·피지컬 AI 부문 부사장은 30일 서울 코엑스에서 열린 ‘마이크로소프트 인더스트리 서밋’에서 피지컬 AI 전략을 이같이 제시했다. 그는 마이크로소프트 고객 현장에서 피지컬 AI 솔루션을 개발하는 현장 배치 엔지니어링팀을 이끌고 있다.
마이크로소프트는 피지컬 AI를 물리적 환경에서 카메라·센서·드론·로봇 등과 함께 작동하는 AI로 정의했다. 디지털 공간에서 발전한 AI 추론·계획 역량을 실제 장치 움직임과 작업 수행으로 확장하는 것이 주요 목표다.
슈나이더 부사장은 기업이 AI 모델을 선택할 때 지능 수준과 실행 속도, 운영 비용을 함께 고려해야 한다고 강조했다. 성능이 가장 높은 최신 모델보다 실제 업무에 필요한 정확도와 응답 속도를 충족하면서 비용을 줄일 수 있는 모델이 더 적합할 수 있다는 설명이다.
그는 “실제 비즈니스 문제를 해결하는 솔루션을 만드는 것은 AI 모델을 둘러싼 시스템”이라며 “에이전트 작업 수행 체계와 메모리 관리, 적절한 모델 연결, 토큰 사용량 최적화 모두 고려해야 한다”고 강조했다.
슈나이더 부사장은 로봇 학습에 필요한 데이터 부족을 시뮬레이션으로 보완하는 해결책을 제시했다. 사람이 로봇을 원격 조작해 데이터를 수집한 뒤, 이를 디지털 트윈서 여러 상황을 통해 데이터를 늘리는 식이다.
슈나이더 부사장은 로봇이 물체를 집어 옮기는 작업을 예로 들었다. 실제 데이터 100개 에피소드로 약 60%였던 정확도를 시뮬레이션과 디지털 트윈을 활용해 90%대 후반까지 높일 수 있다고 설명했다. 학습한 모델은 소프트웨어(SW)와 하드웨어(HW)를 연동한 평가를 거쳐 실제 로봇에 배포한다.
마이크로소프트는 이런 과정을 지원하는 오픈소스 ‘피지컬 AI 툴체인’을 제공하고 있다. 현장 장치의 데이터 수집부터 모델 학습·배포·모니터링까지 연결하며, 엔비디아의 시뮬레이션 도구인 아이작 심·아이작 랩과 디지털 트윈 플랫폼 옴니버스를 결합했다.
그는 현장 엔지니어링도 주요 실행 전략으로 내세웠다. 마이크로소프트 엔지니어가 고객 제조 현장을 직접 방문해 생산 환경과 작업 과정을 확인하고, 고객사 엔지니어와 함께 모델을 학습시키며 솔루션의 작동 여부를 검증하는 식이다.
슈나이더 부사장은 “우리는 고객과 협력하면서 실제 물리적 환경에 적합한 솔루션을 만들고 생산 문제를 해결할 것”이라고 말했다.