전 세계적인 AI(인공지능) 열풍이 전통 산업인 제조업에도 스며들고 있다. 제조업의 생산성 향상과 경쟁력 강화의 수단으로 AI를 활용하려는 노력이 전방위적으로 이뤄지는 추세다.

국내 대표 부품사인 삼성전기도 AI 업무를 담당하는 'AI솔루션랩'을 지난해 정식 부서로 재편하며 AX(인공지능전환)에 본격적으로 뛰어들었다. AI솔루션랩의 연구 강령은 '삼성전기 AI First'다. 모든 영역에 AI를 우선적으로 고려하고 적용하겠다는 포부다.

삼성전기에서 손꼽히는 AI 전문가인 조한상 마스터는 AI솔루션랩을 이끄는 선봉장이다. 조 마스터는 지난 2020년 AI와 데이터사이언스에 기반한 연구개발과 제조 현장 구축을 본격화하기 위해 마스터로 임명됐다.

현장에 AI 적용 집중…삼성 '가우스'까지

조 마스터가 지휘하는 AI솔루션랩의 집중 연구 분야는 '제조업에 적용하기 위한 AI 기술의 최적화'다. 그 성과물 중 하나가 MLCC(적층세라믹콘덴서) 외관 선별기다. 삼성전기는 지난 2016년부터 AI 스스로 학습하는 '딥러닝' 기술을 영상 기반의 제품 불량 탐지에 적용하고 있다. 현재 활용하는 대부분의 MLCC 외관 선별기 설비에도 딥러닝 기술이 적용돼 있다.

기존 MLCC 외관 선별기는 전통적 영상 처리 기법으로 불량품을 골라내 미세하게 스크래치가 발생한 일부 제품을 판단하지 못하는 경우가 많았다. 하지만 이제는 AI 기술을 통해 과거 선별했던 데이터와 딥러닝을 바탕으로 검사를 실시하기 때문에 불량품 검출 정확도가 높아졌다. 이는 수율(제조품 중 양품 비율) 향상으로 이어진다.

조한상 마스터는 "현재 부산, 천진, 필리핀 등 여러 생산 법인의 다수 설비에 AI 검사 알고리즘이 탑재돼 있다"며 "학습 데이터 불량을 자동으로 필터링해 성능을 높여주는 'SplitNet'이라는 알고리즘을 자체 개발해 폭넓게 활용 중"이라고 설명했다.

나아가 최근에는 '거대언어모델(LLM·Large Language Model)'의 현장 활용 준비에 사활을 걸고 있다. 여기서 삼성 계열사와의 시너지도 발휘된다. 삼성리서치에서 자체 개발한 LLM '가우스'를 활용할 수 있기 때문이다. 삼성전기는 현재 중소형 오픈 LLM 모델과 가우스를 활용해 파인튜닝(Fine-tuning) 및 RAG(검색증강생성) 기법 등에 대한 다양한 기술 검증을 마친 상태다.

조 마스터는 "삼성 계열사별 제품의 특성도 다르고, 상호 보안 문제 탓에 많은 기술 공유는 어렵지만 가우스 모델을 여러 관계사가 활용하게 되는 것은 좋은 AI 협업 사례"라며 "실제 특허 분석, 고객 대응 문서 작성 등의 분야를 과제로 수행하고 있으며 조만간 현장에서 가시적인 성과로 나타날 것으로 기대한다"고 말했다.

LLM 활용 과정에서 문제가 될 수 있는 '보안'에 대해서도 토큰 수 제한, 내용 필터링 등 여러 방안을 마련해 준비 중이다. 그는 "각종 데이터가 외부에 나가야 하는 경우에는 암호화를 진행하고 있고, 그 외의 보안에 대한 문제는 정보 보안 부서와 지속적인 논의를 통해 진행하고 있다"며 "궁극적으로 LLM 모델은 기업이 서버를 클라우드 환경이 아닌 자체 설비로 보유하고 운영하는 내부구축형(on-premise)으로 운영돼 정보 유출의 위험을 제거할 것"이라고 부연했다.

"오늘의 AI 기술, 내일 현장에"

삼성전기는 AI 기술을 제조업에 효율적으로 적용하기 위해 지난 2017년 자체 AI 학습 툴인 'SEM-AI Frontier'도 개발·구축했다. AI를 적용하기 위해서는 많은 양의 학습 데이터와 이를 정제하기 위한 많은 전처리 과정이 필요하다. 또 다양한 딥러닝 네트워크를 쉽게 개발하고 활용할 수 있어야 하고, 이를 현장에 적용하기 위한 경량화, 인터페이스 구축 등 다양한 기술적 업무도 필요하다.

조 마스터는 "'오늘 최첨단 AI 기술을, 내일 우리의 현장에'를 기치로, 급변하는 AI 기술을 현장에 빠르게 적용하고 삼성전기에 필요한 기술로 최적화하기 위해 2017년부터 자체 학습 시스템을 구축, 활용하고 있다"고 밝혔다.

뿐만 아니라 공정·설비의 레시피 설정을 데이터 기반으로 자동으로 설정해 주는 시스템도 구축했다. 숙련된 엔지니어의 경험에 의존해 의사결정을 내리는 것이 아니라, AI가 데이터를 분석해 설비의 최적 구동 조건 설정을 찾아주는 것이다. 기판 등 제조 공정 조건을 데이터 기반으로 자동으로 설정하는 시스템도 현장에서 활발히 활용 중이다.

조 마스터는 이런 AX 전환이 제조업의 수율 개선, 생산성 증대에 긍정적인 영향을 미칠 것으로 보고 있다. 그는 "데이터 기반 자동 설정 기술을 지속 확대한다면, 사람의 직관에 의존하던 많은 업무를 AI가 대체해 인적 오류(Human error)에 의한 산포(제품 품질 변동 크기, 줄어들수록 불량 가능성이 줄어든다)를 줄이고 품질과 생산성도 향상할 수 있을 것으로 기대한다"고 강조했다.

AI 문제 해결도 AI가 한다

하지만 AI 도입 초기인 만큼 어려움도 많다. AI가 학습해야 하는 양질의 데이터가 부족하고, 업무를 수행할 전문 인력이 충분치 않다는 건 현재 AX 전환을 준비하는 기업의 일반적인 문제다. 

특히 AI 기술의 정확도를 높이기 위해서는 데이터 학습량이 충분해야 한다. 하지만 실제 생산 현장에서는 이상 정보가 발생하는 빈도가 낮아 학습 데이터가 부족한 상황이다. 이는 곧 AI 알고리즘의 성능 저하로 이어질 수밖에 없다.

이에 삼성전기는 AI의 학습 데이터 부족을 극복하기 위한 도구로 생성형 AI를 활용한다. 조 마스터는 "삼성전기는 스테이블 디퓨전(Stable Diffusion) 기술 등을 활용, 필요한 이상 정보 영상을 생성해 사용하고 있다"며 "서열형 데이터의 보강을 위해서도 최신 데이터 생성 기술을 적극 활용해 효과를 보고 있다"고 설명했다. 

시간이 지날수록 성능이 떨어지는 AI 알고리즘을 보다 안정적이고 효율적으로 유지하기 위해 올해 'MLOps' 기술을 전 공정에 활용하는 것을 목표로 하고 있다. 또 정보 부족을 극복하기 위해 이상 탐지(anomaly detection)에 대한 연구도 지속하고 있다. 불량품에 대한 정보가 부족하니, 상대적으로 정보가 많은 양품에 대한 정보로 데이터를 학습시키는 방식이다.

그는 이에 대해 "양품을 학습해 그와 다른 것을 '이상'으로 판별할 수 있다면, 처음 보는 이상 데이터를 놓치는 일은 발생하지 않는다는 논리"라며 "현재 영상 AI 분야에서 맞춤 이상 탐지 기술을 내부 개발해 적용 중"이라고 말했다.

삼성전기는 AI 기술 인력 확보를 위한 산학 연구와 함께 'AI 전문가 과정'도 꾸준히 운영하고 있다. 삼성전기는 지난 2016년부터 AI 분야에서 국내 주요 대학과 꾸준히 산학 연구를 수행하며, 최신의 기술을 공동 개발했다. 학습 데이터 알고리즘 SplitNet도 산학 연구의 성과다. 2019년부터 매년 AI 전문가 과정도 운영 중이다.

조 마스터는 "학교에 삼성전기 연구원을 학술 연수로 파견해 박사학위를 취득하도록 하고, 학교 연구실에 1년 파견하기도 하는 등 산학 연구에 힘써 이제 연구원 스스로가 세계 주요학회에서 경쟁력 있는 성과를 보일 수 있게 됐다"며 "AI 전문가 과정은 현재 5차 과정을 진행 중으로, 수료생들은 각 분야로 돌아가 AX의 첨병 역할을 수행하고 있다"고 자부했다.

AI가 높일 제조 경쟁력

삼성전기 AI솔루션랩은 'AI 기술을 통한 생산성 2배'를 목표로 삼고 있다. LLM과 멀티모달 기술의 발전이 이를 가능하게 할 것이라는 게 조 마스터의 관측이다. 다양한 정보를 암기하고, 대용량 문서의 내용을 요약하는 등의 지적 노동을 LLM이 수행하게 되면, 사람은 더 창의적이고 생산적인 업무에 집중할 수 있게 된다는 것이다. 

그는 "멀티모달 기술은 영상-언어-서열형 데이터 등을 종합적으로 활용하기 때문에, 이전까지 분산돼 있던 가치를 효율적으로 찾아내 활용할 수 있게 한다"며 "이는 AI 알고리즘의 성능을 향상시켜 현장의 문제를 선제적으로 차단할 수 있게 할 것"이라고 제언했다.

삼성전기는 그간의 사업 경험으로 쌓인 전문 지식을 기반으로, 최고의 AI 기술을 삼성전기에 적합하게 응용하는 연구를 지속할 계획이다.

마지막으로 조 마스터는 "삼성전기가 새로운 AI 시대를 준비하는 그 과정 한복판에서 AI 기술은 최적의 제품 개발 경로를 찾아내는 데 적극 활용될 것"이라며 "제품 디자인과 재료조합 등의 분야에서의 AI의 활용, 그리고 제품 개발에 있어 LLM과 멀티모달을 적극 활용하는 방향으로 연구를 계속하겠다"고 강조했다.