오픈AI “제조업 AI 사용량 격차, 반년 새 2배서 5배로”
대본
- 지민오늘은 제조업 현장에서 인공지능 도입 격차가 빠르게 벌어지고 있다는 이야기를 해볼게요. 제조업은 다른 산업보다 인공지능 도입이 더디지만, 일단 들인 기업들은 활용 강도가 가장 높다는 분석이 나왔어요.
- 상현도입은 6위인데 사용 강도는 1위라는 게 흥미롭네요. 이동재 오픈AI 어카운트 디렉터가 8개 산업군을 비교해서 밝힌 내용이죠?
- 지민맞아요. 조찬 세미나에서 나온 발언인데, 제조업은 챗GPT 도입 정도로 보면 8개 산업군 중 6위지만 사용 강도는 1위라고 했어요.
- 상현그럼 같은 제조업 안에서도 격차가 크다는 뜻이겠네요. 어느 정도 차이인가요?
- 지민오픈AI 내부 데이터 기준으로, 상위 10% 기업과 중앙값 수준 기업의 활성 사용자당 출력 토큰 수 격차가 올해 초 약 2배에서 6월에는 5배 이상으로 벌어졌다고 해요. 토큰은 인공지능이 처리하는 텍스트 같은 단위예요.
- 상현반년 사이에 격차가 두 배 이상 벌어진 셈이네요. 적극 활용하는 기업들은 어떤 방식으로 쓰고 있나요?
- 지민업무 범위를 넓히면서 활용 방법을 정립해 나가는 중이래요. 연구개발부터 품질보증, 생산관리, 구매까지 적용 영역이 넓은데, 기사에 나온 사례 하나가 있어요. 미국 시약·장비 제조기업 프로메가는 연간 250건 이상 고객 품질 설문에 챗GPT 엔터프라이즈를 활용해서 품질보증 업무 시간을 연간 약 600시간 줄였다고 해요.
- 상현600시간이면 상당한 규모인데요. 그런데 인공지능이 그렇게 일하려면 회사 내부 데이터를 읽을 수 있어야 하지 않나요?
- 지민맞아요. 기사에서도 그 부분을 강조해요. 품질 문제가 생겼을 때 사내 판정 기준과 과거 조치 사례를 함께 찾아오려면 관련 자료가 인공지능에 안정적으로 연결돼 있어야 한다는 거죠. 오픈AI는 구글 드라이브나 슬랙 같은 서비스와 연결하는 기능과 외부 데이터를 잇는 표준 방식을 지원한다고 설명했어요.
- 상현그러면 품질팀은 불량 데이터를 비교하고, 생산관리팀은 계획과 실적의 차이를 점검하는 식으로 쓸 수 있겠네요. 모든 업무에 전용 인공지능 에이전트를 만들어야 하는 건가요?
- 지민그렇지는 않대요. 반복적으로 수행하고 관리해야 하는 업무에만 전용 에이전트를 만들고, 일상적인 자료 검토나 문서 작성은 기존 업무용 인공지능 도구로 충분하다는 제언이 나왔어요.
- 상현선택과 집중이 중요하겠네요. 한 스페셜리스트는 숙련자의 노하우를 어떻게 다뤘다고 하나요?
- 지민숙련자가 가진 판단 규칙을 구조화하자는 접근이에요. 데이터와 개념의 관계를 정의하는 온톨로지에 현장 지식을 연결하면, 인공지능의 판단 근거를 추적하고 숙련자의 노하우를 조직 자산으로 쌓을 수 있다는 설명이에요.
- 상현그런데 판단이 정확하려면 데이터부터 믿을 수 있어야 하겠죠?
- 지민그래서 투자 효과가 큰 데이터부터 검증하고, 그 기반 위에서 인공지능 적용 범위를 넓히는 접근이 중요하다고 강조했어요.
- 상현정리하면, 제조업은 도입 속도는 느려도 활용 강도는 높고, 내부 데이터 연결과 현장 지식 구조화가 격차를 가르는 기준이 되고 있다는 거네요.
- 지민맞아요. 기사 기준으로는 도입 여부보다 얼마나 깊게 업무 안에 녹이느냐가 핵심이라는 점을 기억하시면 좋겠어요.
AI 진행자 상현·지민이 원문 기사를 바탕으로 나눈 대화입니다. 정확한 내용은 원문 기사를 확인하세요.