LG AI연구원, ‘전문가 AI’로 산업 난제 정조준…제조·금융·과학 현장 확장

LG AI연구원이 범용 AI 모델 성능 경쟁을 넘어 제조·금융·과학 현장의 난제를 직접 해결하는 방향으로 '전문가 AI(Expert AI)' 전략을 본격화했다. LG AI연구원은 14일 서울 강서구 마곡 LG사이언스파크에서 'LG AI 토크 콘서트 2026'을 열고 지난 6년간의 산업 현장 적용 AI 기술과 향후 전략을 공개했다.

LG AI연구원은 산업별 전문지식과 현장 데이터를 파운데이션 모델에 결합하는 구상을 제시했다. 아울러 스스로 판단·실행하는 에이전틱 AI와 로봇 파운데이션 모델(RFM)로 기술 확장에 나서 적용 범위를 넓히겠다는 계획도 밝혔다.

이 같은 전략은 2020년 설립 이후 축적한 산업 적용 성과를 바탕으로 공개됐다. LG AI연구원은 그동안 산업 난제 해결 100여 건의 성과를 냈으며, 배터리 수명·용량 예측과 불량 제품 선별, 생산·자재 관리 최적화, 신약 후보물질 발굴 등의 해결 사례를 제시했다.

연구와 지식재산 성과도 함께 공개됐다. LG AI연구원은 글로벌 최상위 AI 학회 논문 368편을 발표했고, 국내외 특허 1080건을 출원했다.

산업 현장에서 요구되는 AI는 답변 생성 중심의 범용 모델과 다른 접근이 필요하다고 임우형 LG AI연구원 공동 연구원장이 밝혔다. 임 공동 연구원장은 산업 현장에서 AI의 가치를 인정받기 위한 조건으로 업무 효율과 비용, 생산성, 품질 개선으로의 연결을 제시했다.

이에 맞춰 LG AI연구원은 전문 문서와 현장 데이터, 문제 해결 과정 축적 노하우를 기반으로 전문가 AI를 고도화하고 있다. LG AI연구원은 범용 엑사원을 비롯해 정형 데이터 특화 '엑사원 태뷸러', 소재 개발용 '엑사원 디스커버리', 시계열 예측 모델 '엑사원 포어캐스트', 제조 검사 모델 '엑사원 옴니 인스펙트'를 개발했다.

LG AI연구원은 산업 특화 모델 개발을 지원하는 '엑사원 데이터 파운드리'도 보유하고 있다. '엑사원 데이터 파운드리'는 데이터 생성과 모델 학습, 평가까지 AI가 수행하는 'AI 파운드리'로 확장됐다.

이 '엑사원 데이터 파운드리'는 식품의약품안전처 의약품 심사 AI 개발 과정에 활용됐다. 해당 심사 AI는 향후 의약품 허가 심사에 적용될 예정이다.

임 공동 연구원장은 산업 현장에서는 그럴듯한 답변만으로는 부족하다고 밝혔다. 그는 수많은 변수와 1% 특이사항까지 이해·판단 가능한 AI가 필요하다고 강조했다.

임 공동 연구원장은 AI 경쟁이 단순 모델 성능 비교 단계가 아니라고 밝혔다. 그는 AI로 현실 변화를 얼마나 크게 만들지가 핵심 경쟁 기준이라고 강조했다.

이런 흐름 속에서 LG AI연구원은 전문가 AI를 K-엑사원·로봇 파운데이션 모델로 확장하고 있다. K-엑사원은 에이전트 수행·추론·한국어 이해·전문지식 이해 능력을 강화하고 있으며, 글로벌 프론티어급 모델을 지향하고 있다.

로봇 파운데이션 모델은 AI 판단을 실제 행동으로 연결하는 역할을 담당한다. LG AI연구원은 전문가 AI의 확장 축을 K-엑사원과 로봇 파운데이션 모델로 두고 있다.

조지 카메론(Artificial Analysis 공동창업자)은 글로벌 AI 시장의 경쟁 기준이 모델 지능에서 에이전트 수행 능력·비용·속도로 확대되고 있다고 밝혔다. 이는 앞서 제시된 AI 경쟁 기준의 변화 흐름과 맞물린다.

아티피셜 애널리시스는 '아티피셜 애널리시스 인텔리전스 인덱스(AAII)'로 모델을 평가한다. AAII는 에이전트 수행 능력·코딩·과학적 추론·지식 등 10개 평가 항목을 종합한다. 비교 대상에는 모델 외 에이전트·이미지 모델·영상 모델·음성 모델이 포함된다. 비교 범위는 하드웨어·추론 성능까지 아우르는 AI 스택 전반이다.

카메론 공동창업자는 AI 활용 접점이 에이전트로 이동할 것으로 전망했다. 다만 카메론 공동창업자는 기반 모델의 중요성은 지속될 것으로 봤다. 또 카메론 공동창업자는 최고 성능의 프론티어 모델만이 기업의 선택지는 아니라고 언급했다. 기업의 모델 선택 기준으로는 비용·속도·업무 목적이 제시됐다. 카메론 공동창업자는 목적별로 효율적인 모델 선택이 필요하다고 설명했다.

이 같은 평가 틀 아래 아티피셜 애널리시스의 국가별 프론티어 모델 평가에서 한국은 3위를 기록했다. 한국의 순위는 미국·중국 다음이었다. 카메론 공동창업자는 한국 AI의 성장 속도를 높게 평가했다. 또 카메론 공동창업자는 국내 기업의 모델 개발이 최근 성능 향상을 뒷받침했다고 평가했고, 소버린 AI 지원도 최근 성능 향상을 뒷받침했다고 평가했다.

오픈웨이트 모델은 최상위 폐쇄형 모델 대비 약 3~9개월 후행 흐름을 보이지만, 비용 효율성과 유연성을 근거로 활용이 지속될 것이라는 설명이 제시됐다. 모델별 작업 비용 격차는 100배 이상으로 나타나며, 모든 업무에 최고가 모델을 일괄 적용하는 방식은 비효율적이라는 지적도 나왔다.

카메론 공동창업자는 기업들이 AI 활용의 비용 효율성을 고민하기 시작했다고 밝혔다. 이어 비용 효율성이 AI 지능만큼 중요한 우선순위가 될 것으로 전망했으며, 모델의 발전 방향도 단순 반응형에서 선질문·필요 행동 제안형으로 이동할 것으로 내다봤다.

발표 이후에는 글로벌 AI의 현재와 대한민국의 미래를 주제로 대담이 진행됐다. 대담에는 이홍락 LG AI연구원 공동 연구원장과 카메론 공동창업자가 참여했으며, 이홍락 공동 연구원장은 AI 지능 평가 기준, 한국 모델 경쟁력, 에이전트 시대의 벤치마크 변화에 대해 질문했다.

카메론 공동창업자는 AI 평가가 단일 벤치마크에 과최적화되는 것을 막기 위해 다양한 평가 항목과 비공개 데이터셋을 병행할 필요가 있다고 밝혔다. 그는 평가 방식이 특정 기준에 치우치지 않도록 다변화해야 한다고 설명했다.

카메론 공동창업자는 향후 주요 AI 평가 대상이 지식·추론·코딩을 넘어 이메일 작성, 문서·프레젠테이션 제작, 데이터 분석 등 실제 지식노동을 완결적으로 수행할 수 있는지 여부가 될 것으로 전망했다. 앞으로는 실제 업무를 끝까지 수행하는 능력이 더 중요해질 것이라는 설명이다.

그는 또 AI가 사용자 지시에 반응하는 단계를 넘어 상황을 지속적으로 확인하고 필요한 행동을 먼저 판단하는 방향으로 발전할 것으로 내다봤다. 제조 현장에서도 이런 적용이 가능하다며, 이상 상황을 사람이 질문하기 전에 AI가 먼저 감지하고 대응하는 형태를 설명했다.

이어 첫 번째 딥다이브 세션에서는 LG이노텍 제조 공정에 적용한 엑사원 태뷸러의 성과가 공개됐다. 제조 AX와 관련해 재학습 시간은 300시간에서 50시간으로 줄었고, 대응시간은 85% 단축됐다.

제조 현장에서는 신제품·신공정이 지속 추가되는 특성이 있다. 양산 초기에는 충분한 데이터를 확보하기 어렵다. 여기에 제품·설비 조건이 변화하면 데이터 분포가 수시간 또는 수일 주기로 바뀌기도 해 기존 머신러닝 모델은 반복적 재학습이 필요하다는 한계가 있었다.

엑사원 태뷸러는 소량 데이터 컨텍스트 입력을 기반으로 변화하는 환경에 대응하도록 설계됐다. 실제 제조 데이터 상황에서도 결측치가 발생할 때 예측이 가능하고, 데이터 분포가 변화할 때도 예측이 가능하다. 별도 모델 재구축 없이도 예측이 가능하다.

LG이노텍 적용에서는 기존에 재학습이 필요했던 데이터가 최소 14일·약 300시간 이상 생산 공정 데이터였으나, 재학습 과정은 최대 50시간으로 축소됐다. 이에 따라 모델 대응 리드타임은 약 85% 단축됐다.

유정선 LG이노텍 AX담당은 초기 소량 데이터만으로도 예측 활용이 가능하고, 생산 공정 데이터가 축적된 이후에는 더 풍부한 컨텍스트 활용이 가능하다고 밝혔다. 또 공정이 변경될 때마다 모델을 최초부터 재개발할 필요가 없다는 점을 주요 장점으로 강조했다.

이순영 LG AI연구원 데이터 인텔리전스 랩장은 실제 제조 데이터가 제품·공정 변경 때마다 분포·특성이 변화하는 데다 결측치도 발생하는 환경이라고 설명했다. 이 같은 조건 속에서 엑사원 태뷸러는 최대 20% 수준 결측치 환경에서도 안정적 예측 성능이 확인됐다고 전했다.

이어 LG AI연구원은 올해 하반기에 여러 컬럼 동시 예측 기능을 적용할 계획이라고 밝혔다. 올해 하반기에는 CoT 구조도 적용할 계획이라고 소개했다.

LG AI연구원은 내년에 모델 규모를 확대할 계획이라고 밝혔다. 내년에는 멀티모달 입력도 지원할 계획이며, 모델 역량도 확장할 계획이라고 전했다.

두 번째 딥다이브에서는 금융 특화 솔루션 엑사원 비즈니스 인텔리전스(BI)의 국내외 적용 가능성이 논의됐다. 이 자리에서는 엑사원 BI가 여러 AI 에이전트가 역할을 분담하는 방식으로 데이터 분석, 추론, 예측, 설명을 수행한다고 소개됐다.

엑사원 BI는 한국·미국 상장기업의 미래 흐름을 분석하는 데 활용되는 방식으로 제시됐다. 또 단순 예측값보다 판단 근거 제시를 강조했으며, 설명 가능성을 핵심으로 제시했다.

한국 시장에서 투자 판단 지원의 경쟁력을 갖추려면 기업 지배구조·산업 규제·공시·로컬 뉴스 등 국내 특유 정보에 대한 깊은 이해가 관건이다. 이동현 코스콤 데이터융합사업 TF부 과장은 한국 시장에는 기업 지배구조·산업 규제·로컬 뉴스·공시 등 다양한 데이터의 깊은 이해와 반영이 필요하다고 밝혔다.

사람이 전체 종목의 재무·수급·뉴스를 일일이 점검하는 데에는 한계가 있다. 이에 따라 AI는 파편화된 데이터를 통합해 신속하게 분석하고, 투자 의사결정이 가능한 형태로 전환하는 방향으로 활용되는 것으로 제시됐다. 이동현 코스콤 데이터융합사업 TF부 과장은 글로벌·국내 모두 복잡한 시장 데이터의 신속한 종합을 통한 투자 의사결정 지원에 대한 기대가 공통적이라고 설명했다.

이와 함께 AI는 판단 근거와 함께 제공되는 방식이 중요하다는 점도 강조됐다. 이동현 코스콤 데이터융합사업 TF부 과장은 금융의 특성상 근거와 설명 가능성이 필수라고 밝혔으며, 파편화된 국내 금융 데이터의 신속한 종합·분석과 투자 의사결정 가능 형태로의 전환이 핵심 가치라고 덧붙였다.

기관투자자 관점에서의 AI 활용 병목은 데이터 자체보다 처리 시간·인력에 있다는 지적이 나왔다. 최광일 국민연금공단 기금정보AI팀 전임운용역은 현장 문제는 데이터 부족이 아니라고 밝혔다.

최광일 전임운용역은 방대한 정보를 소화할 수 있는 시간·인력이 한정돼 있으며, 최종 병목은 사람의 처리 역량에 있다고 설명했다. 그는 AI가 정확하더라도 결론의 이유를 설명할 수 없으면 현업 적용이 어렵다고 덧붙였다.

이에 따라 현재 단계에서는 리서치 지원·업무 효율 제고부터 시작하는 방식이 제시됐다. 최광일 전임운용역은 데이터·경험·검증 체계를 구축한 뒤 활용 범위를 확대하는 것이 순서라고 밝혔다.

세 번째 딥다이브 공개 대상은 AI가 다음 실험 조건까지 스스로 결정하는 AI 자율실험실이다. 이는 기관투자자들의 AI 도입 논의에 이어 소개된 다음 주제다.

기존 실험 자동화 방식이 연구자 설계 작업을 장비가 반복하는 형태였다면, AI 자율실험실 방식은 실험 결과를 바탕으로 AI가 다음 조건을 선택하는 구조다. AI 자율실험실은 AI 예측·실험 설계·로봇 실험·결과 분석·재학습이 반복되는 구조를 갖는다.

AI 자율실험실은 폐쇄형 구조라는 특성을 지닌다. 가동 형태는 24시간이다.

소재 개발 현장에서는 합성·혼합·분석을 반복하며 시간·자원을 대량 투입한다. 이에 LG AI연구원은 AI가 정보 가치가 높은 후보를 우선 탐색하고 로봇이 24시간 실험을 수행하는 계획을 추진하고 있다. 이 계획의 목표는 탐색 범위를 축소하고 개발 기간을 단축하는 데 있다.

이 접근은 LG생활건강과의 협업으로 이어져 엑사원 디스커버리를 활용했다. 엑사원 디스커버리는 42만개 이상의 후보 물질을 검토했고, 하루 만에 탈모 효과 후보 물질 '람시딜(Rhamsydil)'을 발굴했다.

또한 GS칼텍스와의 협업으로 차세대 AI 데이터센터 액침 냉각유 소재 개발도 진행하고 있다.

박제섭 LG화학 R&D AX추진팀장은 자동화의 성격은 효율 제고에 있고, 자율실험의 성격은 탐색·발견 속도 자체를 변화시키는 데 있다고 설명했다. 그는 자율실험이 실험 결과를 기반으로 AI가 다음 실험 조건을 자가 제안·선택하는 구조라고 밝혔다. 이어 높은 모델 정확도만으로는 즉시 활용할 수 없으며, 재현 가능한 실험 데이터와 장비·시스템 연동, 안전 운전 기준, 데이터 표준이 필요 조건이라고 설명했다.

AI 자율실험실이 도입되면 연구자 역할의 중심이 직접 실험에서 결과가 예상에 부합하는지 판단하는 쪽으로 이동할 것이라고 임종구 GS칼텍스 기반기술팀장이 밝혔다. 임 팀장은 또 24시간 운영에 따라 수행 가능한 실험 수가 대폭 증가할 것으로 내다봤다.

한세희 LG AI연구원 머티리얼스 인텔리전스 랩장은 AI 자율실험실이 LG AI연구원에서 현실의 화학과 AI를 결합한 첫 실험실이라고 설명했다. 이어 AI가 자율적으로 실험하고 학습하면서 인간이 이해 가능한 화학의 범위를 넓힐 수 있을 것으로 기대했다.

LG AI연구원은 AI 자율실험실을 올해 말 본격 가동할 계획이다.

LG AI연구원은 이를 포함한 전문가 AI의 적용 대상을 그룹 내부에서 외부 기업으로 확대할 방침이다. LG AI연구원은 전문가 AI를 경쟁사에도 제공할 수 있다는 입장이다.

LG AI연구원은 제조 품질검사와 수요 예측, 원재료 가격 예측을 계열사에 적용하는 과정에서 프로젝트별로 수백억원 규모의 비용 절감 또는 수익 개선 사례가 있었다고 질의응답에서 설명했다.

LG AI연구원은 이 같은 내부 검증 기술을 금융·의료·제약·에너지 등 타 산업으로 이전해 상품화를 추진하는 전략을 세웠다. 계열사 적용 사례를 바탕으로 다른 산업과 외부 기업을 대상으로 전문가 AI의 활용 범위를 넓히려는 흐름이다.

LG AI연구원은 엑사원 태뷸러의 외부 공급을 추진하고 있다. 국내 기업을 대상으로는 보안 수요를 고려해 온프레미스 구축 방향을, 해외 기업을 대상으로는 클라우드 API 방식 제공 방향을 준비하고 있다. 병원·제약·에너지 기업 등 관련 수요도 존재한다.

이화영 LG AI연구원 AI사업개발부문장은 경쟁 기업도 원하면 기술을 제공할 의향이 있다고 말했다. 이 부문장은 AI 시대에 국가 산업 경쟁력과 AI의 결합이 국가적 아젠다라고 설명했다. 이어 LG 기술을 타 기업이 활용하고, 그 과정에서 축적된 도메인 지식을 기반으로 AI 기술을 재고도화하는 선순환을 지향한다고 설명했다.

LG AI연구원은 산업 현장 확산을 위해 경량화를 강조하고 있다. 이에 따라 벤치마크 최고점만 겨냥한 대형 모델은 지양한다는 방침을 세웠다.

LG AI연구원은 모델 설계 기준으로 GPU 사용량과 응답 속도, 온프레미스 환경을 고려하고 있다. 성능 수치 경쟁보다 경량성과 운영 환경 적합성을 중시하는 설계 방침을 제시한 것이다.

임 공동 연구원장은 LG의 AI 개발 흐름과 관련해 LG가 지난 6년간 AI의 산업 문제 이해 역량 강화를 추진해 왔으며, 현재는 이를 바탕으로 로봇 파운데이션 모델을 기반으로 한 AI의 자율 판단·행동 단계를 준비하고 있다고 설명했다. 이어 자동화 범위를 개별 로봇을 넘어 공장 전체로 확장해 공장 전체가 하나의 지능으로 작동하는 자율형 공장 미래를 지향하고 있다고 밝혔다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=406881

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=406881