성민수 아이벡스 대표 “AI 비전 넘어 피지컬 AI로…양산 경쟁력이 승부처”

아이벡스가 AI 비전 검사 중심 사업을 넘어 산업용 피지컬 AI로 사업을 확장하고 있다. 아이벡스는 AI 비전과 모델·데이터 운영, 로봇 제어를 연계하고, 제조 현장에서 양산 가능한 자동화 체계 구축에 집중하고 있다.

성민수 아이벡스 대표는 16일 테크월드 인터뷰에서 제조 피지컬 AI 확산의 핵심 조건으로 성능·안정성·유지보수성을 제시했다. 성민수 대표는 PoC 단계의 기술을 실제 생산라인에서 장기 안정 운영이 가능한 수준으로 고도화해야 한다고 설명했다.

아이벡스는 2020년 설립됐으며, AI 비전 검사를 중심으로 사업을 시작했다. 이후 AI 모델 운영 플랫폼과 데이터 관리, AI 로보틱스로 사업 영역을 확대했다. 올해 1월에는 사명을 '아이브(AiV)'에서 '아이벡스(AIVEX)'로 변경했고, 산업용 피지컬 AI 기업으로의 전환을 본격화했다.

아이벡스의 현재 사업 구조는 변화하고 있다. 올해 매출 기준 AI 로보틱스 비중은 30%를 초과했다. 올해 매출 구성에서는 AI 비전 검사가 약 65%로 가장 큰 비중을 차지했고, AI Ops는 약 5%를 차지했다.

발언자는 인스펙션 부문에서 안정적 매출을 확보하고 있으며 로보틱스 부문은 빠르게 성장하고 있다고 밝혔다. 이어 AI Ops에 대해서는 다른 사업 대비 더 빠른 수준의 성장을 목표로 하고 있다고 설명했다.

회사는 AI 비전 검사 플랫폼 'AIVision(아이비전)', AI 로보틱스 플랫폼 'AIVot(아이봇)', AI 모델 데이터 레이블링·학습·검증·배포 지원 'AIVOps(아이브옵스)', 검사 데이터 수집·분석 'AIVData(아이브데이터)'로 제품군을 구성하고 있다. 이를 기반으로 제조 현장을 대상으로 AI 인스펙션, AI 로보틱스, AI Ops 솔루션을 제공하고 있다.

아이벡스는 11월 11일 연례 AI 포럼을 개최할 예정이다. 이 포럼에는 국내외 AI 기업, 산업계 리더, 연구자, 투자자가 참여할 예정이며, 엔터프라이즈 AI 최신 동향과 산업용 피지컬 AI 실제 적용 사례, 새로운 비즈니스 기회를 공유할 계획이다.

성 대표는 제조 피지컬 AI가 PoC를 넘어 양산으로 전환될 때의 첫 문제로 PoC와 실제 생산 환경의 차이를 지목했다. PoC는 제한된 조건과 적은 테스트 수량으로 진행된다.

반면 양산에서는 생산 규모 확대에 따라 사전에 미확인된 예외 상황과 데이터가 출현한다. 성 대표는 양산에서 데이터 증가에 따른 롱테일이 불가피하다고 설명했다.

성 대표는 이런 데이터의 추론 과정에서 모델 성능이 다시 흔들릴 가능성이 있다고 밝혔다. 실제 제조 현장에서는 원자재 위치가 예상과 일치하지 않을 가능성이 있고, 포장 상태도 예상과 일치하지 않을 수 있다.

실제 제조 현장에서는 분진 변화가 발생하고 조명 등 주변 환경 변화도 발생한다. PoC에서 노출되지 않았던 변수는 양산 과정에서 반복될 수 있고, 이렇게 반복되는 양산 변수는 AI 모델 성능에 영향을 미칠 가능성이 있다.

성 대표는 제조업에서는 단 하나의 실수도 용납하기 어렵다고 밝혔다. 그는 PoC에서 문제가 없던 상황도 양산에서는 발생할 수 있으며, 롱테일 대응에서 성능 차이가 확대된다고 설명했다.

AI 기반 제조 시스템의 도입 과정에서는 성능 확보만으로 충분하지 않고 안정성 검증이 추가로 필요하다. 기존 자동화 설비는 생산라인에서 수년 운용되며 신뢰성이 축적됐지만, AI 기반 시스템은 현장 적용 이력이 상대적으로 짧다.

이 때문에 제조기업은 실제 생산라인에서 일정 기간 운용을 통해 안정성을 확인하는 절차가 불가피하다. 발언자는 고객의 보수적 입장 때문에 수개월 이상 운용한 뒤 문제가 없을 때에야 이를 인정하는 경우도 있다고 설명했다.

발언자는 고객 요구 수준까지의 검증이 필요하다고 밝혔다. 또 기존 양산 레퍼런스를 통해 신뢰를 입증해야 한다고 말했다.

양산 이후에는 유지보수 문제가 발생한다. 기존 제조 설비는 생산기술·설비 담당자가 직접 이상을 확인하고 대응할 수 있다.

반면 AI 모델·비전·기구부·로봇 제어가 결합된 시스템은 현장 인력이 자체 관리하기 어렵다. 여기에 솔루션 도입을 결정한 부서와 실제 생산라인에서 사용하는 부서가 다를 경우 유지보수 부담이 확대될 가능성도 있다.

성 대표는 피지컬 AI가 제조 현장 인력이 자가 유지보수하기 어려운 특성이 있어 도입 과정에서 우려가 생길 수 있다고 밝혔다. 성 대표는 품질 부문이 주도해 도입하는 경우에도 유지보수 우려가 발생하는 것은 불가피하다고 설명했다.

이에 아이벡스는 원격·현장 대응 체계를 마련했다. 아이벡스는 고객이 일부 설정을 직접 변경할 수 있도록 UI·UX 단순화를 추진하고 있다.

구체적으로는 조명 성능 저하 감지 기능과 조명 교체 시점 안내 기능을 제공하고, 검사·로봇 작업용 레시피도 사용자가 직접 조정할 수 있도록 하고 있다. 성 대표는 고객의 소프트웨어 직접 운용 가능성을 높이는 쉬운 UX가 중요하다고 밝혔다.

성 대표는 사용성과 유지보수성, 안정성을 지속 향상할 필요가 있다고 밝혔다. 다만 기술 외적 조건도 도입 여부에 영향을 미치며, 자동화 투자비 회수 기간과 인력 운영 문제, 새로운 기술 도입에 대한 조직 내부 인식이 도입 영향 요인으로 작용한다고 설명했다.

그는 제조 현장에서 회사별로 투자금 회수 기대 기간에 차이가 있다고 밝혔다. 2년·3년·4년 사례가 함께 나타난다고 설명했다. 그는 또 가격 저항이 존재한다고 말했다. 아울러 새 기술 도입 적극파와 보수파 사이의 조직 내부 문제도 존재한다고 밝혔다.

이 같은 도입 장애를 줄이기 위해 아이벡스는 운영 문제 해결을 목적으로 한 구조를 강조하고 있다. 아이벡스는 AI 비전·데이터·AI 모델 운영·로봇 제어를 하나의 흐름으로 연결하는 구조를 내세웠다. 개별 솔루션의 단순 결합은 지양한다는 입장이다.

아이벡스는 현장에서 생성되는 데이터를 모델 학습·배포로 다시 연결하는 체계를 구축할 방침이다. 현장 데이터가 운영에 그치지 않고 학습과 배포까지 이어지는 흐름을 만들겠다는 것이다.

동시에 제조기업은 생산 데이터·공정 정보의 외부 유출에 민감한 것으로 제시됐다. 이에 따라 아이벡스는 사내 폐쇄망 내에서 시스템을 운영할 수 있는 방식을 고려하고 있다. 또 필요 시에만 외부망과 선택적으로 연결할 수 있는 방식도 함께 제시했다.

성 대표도 제조기업의 정보·데이터 외부 반출 기피가 매우 크다고 말했다. 그는 프라이빗 네트워크 내부에서 운영할 수 있어야 한다고 밝혔다. 외부망 연결이 필요할 때에는 선택적 연결이 필요하다고 덧붙였다.

핵심 요소는 시스템 간 연결성이다. 현장 생성 이미지·센서 데이터를 수집하고, 수집 데이터를 AI 모델 추가 학습에 활용한 뒤, 추가 학습 모델을 생산라인에 재배포하는 전 과정이 신속·간편하게 연계되는지가 실제 운영 효율을 좌우한다.

발언자는 중요 요소로 실시간 연결 수준, 다양한 정보의 정리된 형태 유통 정도, 사람 작업 감소 수준을 제시했다. 또 위 3개 영역을 중심으로 제품을 지속 고도화하고 있다고 설명했다.

VLA는 양산 적용 준비 단계에 있고, AI 비전 가이드는 확산 단계에 있다. 연결 범위는 로봇 자동화로 확대되고 있다.

기존 산업용 로봇은 정해진 동작 반복에 강점이 있었다. 최근에는 비정형 작업 대응을 목적으로 AI 비전 가이드와 비전·언어·행동(VLA) 모델을 활용하는 시도가 이뤄지고 있다.

성 대표는 산업용 로봇과 AI 기술은 구분해서 볼 필요가 있다고 지적했다. 그는 산업용 로봇·협동로봇·휴머노이드는 하드웨어 폼팩터에 해당한다고 설명했다. 이어 로봇을 어떻게 구동하는지는 기존 티칭 방식 여부와 AI 제어 여부로 나뉘며, 이러한 구동 방식의 판단 영역은 소프트웨어라고 밝혔다.

성 대표는 이런 구분 아래 산업용 로봇에도 AI를 적용할 수 있다고 설명했다. 즉 로봇의 종류는 하드웨어 형식의 문제이고, 이를 어떻게 움직일지는 소프트웨어의 문제라는 취지다.

현재 상용화 수준에서는 AI 비전 가이드를 활용한 로봇 자동화가 빠르게 확대되고 있다. 성 대표는 AI 비전 가이드가 현재 빠른 확산 단계에 있다고 밝혔다.

반면 VLA를 활용한 공장 자동화는 아직 본격 양산 단계에 미진입한 상태다. 성 대표는 VLA 활용 공장 자동화의 양산 적용 사례가 거의 없다고 설명했다.

작업 특성별로 자동화 수준에는 차이가 있다. 조립 공정은 사람의 섬세한 촉각·시각이 필요해 자동화가 어렵다. 반면 원자재를 인식한 뒤 특정 부위를 절단하는 작업은 현재 기술로도 자동화가 가능한 수준이라는 평가다. 포장재를 제거하는 작업도 현재 기술로도 자동화가 가능한 수준이라는 평가다.

아이벡스는 VLA 기반 로봇 자동화 기술의 양산 적용을 목표로 하고 있다. 이를 위해 아이벡스는 모델 고도화와 현장 적용 기술 고도화를 추진하고 있다.

AIVot(아이봇)은 기능 향상과 사용성 향상을 추진하고 있다. 아이벡스는 이와 함께 데이터 개발과 모델 개발, 제어 기술 개발을 병행하고 있다.

AIVOps(아이브옵스)는 풀클라우드 전환을 추진한다. 이는 해외 고객이 별도 서버를 구축할 필요 없이, 복잡한 설치 과정 없이도 제품을 활용할 수 있도록 해 접근성을 높이기 위한 것이다. 아이벡스는 이 같은 풀클라우드 전환 계획을 통해 글로벌 시장 확대 기반을 마련한다는 계획이다.

아이벡스는 이런 준비를 바탕으로 향후 3~5년 내 제조기업이 검사·로봇 자동화를 검토할 때 우선적으로 찾는 산업용 피지컬 AI 기업으로 자리매김하는 것을 목표로 하고 있다. 자동화를 검토할 때 가장 먼저 떠올리는 회사를 지향한다는 것이 발언의 요지다.

성 대표는 공장 검사·로보틱스 자동화 수요에서 가장 먼저 떠올리는 회사를 지향한다고 밝혔다.

이를 위한 기반으로 센싱·AI 모델·메카트로닉스·제어·AI Ops 등 5가지 기술 스택을 제시했다. 전략은 특정 모델·로봇 공급에 한정하지 않는 것이며, 데이터 수집·모델 학습·로봇 제어·현장 운영까지 통합 체계를 제공하는 것이다.

성 대표는 피지컬 AI 핵심 5개 스택을 모두 보유하고 있으며, 고객 문제를 일괄 해결할 수 있는 원스톱 구조를 경쟁력으로 강조했다.

또 글로벌 시장 관점에서는 파운데이션 모델 자체 성능 경쟁보다 실제 제조 공정 적용·운영 역량을 중시한다고 밝혔다. 범용 파운데이션 모델 등장 이후에도 개별 공정 맞춤 추가 학습이 필요하다는 판단과 실제 생산라인 활용을 위해 센싱·로봇 제어·데이터 운영의 연계가 필요하다는 판단도 제시됐다.

제조업의 장기적 방향으로는 사람 상시 개입 축소형 다크팩토리가 제시됐다. 성 대표는 제조업의 방향 자체는 다크팩토리로 수렴한다고 설명했다.

다만 산업별로는 공정 특성과 자동화 난이도에 따라 전환 속도 차이가 날 것으로 전망됐다. 성 대표는 산업별로 다크팩토리 구현의 용이성에 차이가 있고 진도도 상이하다고 밝혔다.

그럼에도 자동화 범위 확대 추세는 지속될 것으로 전망됐다. 성 대표는 공장의 AI 로보틱스 작업과 데이터 수집, 재학습 과정은 제조기업이 지속적으로 수행하는 활동이라고 설명했다. 이어 이 전 과정을 맡겼을 때 가장 잘하는 회사가 되는 것이 자사의 경쟁력이라고 밝혔다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=407240

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=407240