곳곳에서 인공지능(AI) 시스템 도입이 이어지고 있다. 조직 내 구성원들 중에는 그다지 반기지 않는 이들도 있을 것이다. 단순히 ‘저 기계가 나를 대체할 것’이라는 두려움 때문만은 아니다. AI 자체에 대한 신뢰도, 익숙지 않은 것에 대한 거리감, 프로세스 변동으로 인한 번거로움 등 다양한 요인이 작동한다. 이런 가운데 AI가 유독 ‘잘 받는’ 사람들도 있다. AI 시스템과 인간 사용자가 어떻게 발을 맞춰 나갈 수 있을지 그 협업 케이스를 중점적으로 살펴본다. 지난해 12월, 프랑스계 컨설팅 회사 캡제미니(Capgemini)는 제조업에서의 인공지능(AI) 활용을 담은 보고서를 내놨다. 이 보고서에서 캡제미니는 AI를 제조업 생산 설비에 적용할 때 고려할 만한 세 가지 유즈 케이스(Use case)를 제시했다. 지능형 정비(intelligent maintenance), 퀄러티 컨트롤(product quality control), 수요 예측(demand planning) 부문이 그것이다.
캡제미니는 그중 한 가지 케이스로, 제너럴모터스(GM)가 어셈블리 로봇에 카메라를 달아 생산 라인의 오류 발생을 잡아내는 현상을 소개했다. 볼보도 기존의 조기 경고 시스템이 구축해 둔 대규모 데이터세트를 AI로 학습하고, 기계 고장이나 오류를 일으키는 요인들을 매주 분석해내고 있다고 한다. 이같이 생산라인에서의 AI 도입은 기계의 효율을 높이는 데 혁혁한 공을 세우고 있다는 내용이 중점적으로 보고됐다.11Capgemini Research Institute. Scaling AI in Manufacturing Operations: A Practitioners’ Perspective. 2019.12.닫기
사람에 따라 AI 협업 방식도 다를 수 있다
국내 반도체 제조 라인에서도 비슷한 연구가 최근 진행됐다.22강신우. 알고리즘 기반 제안이 사용자의 반도체 장비 인터락 분류에 미치는 영향. 서울대학교 공학석사 학위논문. 2020.02.닫기 통상 이 반도체 라인에서는 이상 알람이 울리면 사람이 직접 내려가 기계의 오류를 확인하는데, 이 연구 논문을 쓴 저자는 이 같은 이상 발생 알람 데이터를 모아 직접 알고리즘을 짰다. 그리고 그것이 과연 현장 엔지니어들에게 얼마만큼, 또 어떠한 도움을 줄 수 있는지를 구체적으로 따져봤다. 국내 반도체 공장 내 기계에서 수집된 데이터와 이곳의 엔지니어들이 기록한 레이블, 그리고 현업인 78명의 코멘트가 다뤄진 실증 연구였다.
저자는 앞선 리서치에서는 언급되지 않은 몇 가지 흥미로운 지점을 짚어냈다. 먼저, 전문가와 비숙련자 사이에 AI가 얼마나 도움을 주는지 느끼는 체감 온도 차이다. 경력 4년 이상의 전문가 그룹보다 경력이 짧은 비숙련자들에게서 ‘알고리즘으로부터 효과적인 도움을 얻었다’는 답을 더 많이 받은 것이다. 선배가 부재중인데 급히 처리해야 하는 사항을 맞닥뜨렸을 때 특히 큰 도움이 된다고 밝혔다고 한다.
닫기
