최근 글로벌 제조 업계는 다크팩토리(Dark Factory)와 피지컬 AI 시대로 빠르게 진입하면서 로봇 파운데이션 모델(RFM)에 대한 관심이 높아지고 있다. 하지만 여전히 시뮬레이션을 넘어 실제 산업 현장에서 AI를 어떻게 실행하고, 데이터를 축적해 AI를 진화시킬 것인가에 대한 논의는 부족한 실정이다.
최근 국내 대형 반도체 생산시설에 국내 최초로 'AI 로봇을 통합하는 피지컬 AI 런타임 인프라'를 공급하고 상용화한 인티그리트의 사업전략을 총괄하고 있는 이창석 대표를 만나 핵심 경쟁력을 들어보았다.
Q. 최근 4족보행 로봇과 휴머노이드 확대 논의가 본격화되고 있다. 시장을 어떻게 보나?
-이제 로봇 도입 단계를 넘어 실질적인 'AI 운영 단계'로 진화하는 전환점입니다. 앞으로의 경쟁력은 가상환경이나 실험실에서 일방향으로 학습된 AI 모델을 투입하는 수준에 머물러선 안 됩니다. 실제 산업 현장의 수많은 변수를 감당하기에 턱없이 부족하기 때문입니다.
로봇은 단순한 자동화 장비가 아니라 데이터를 지속적으로 생성하는 피지컬 AI 디바이스입니다. 따라서 현장 데이터를 얼마나 빠르게 AI 자산으로 전환하고, 이를 다시 모델 고도화와 재배포에 활용하는 '데이터 기반 폐쇄 루프(Closed-loop)'를 가동하느냐가 진짜 경쟁력입니다.
특히 이 과정에서 특정 외산 제조사의 독자 클라우드 플랫폼(오빗 등)에 종속되어 기업의 핵심 보안 데이터가 외부로 유출되거나, 로봇 수량 증가에 따라 천문학적인 클라우드 사용료를 지불해야 하는 구조적 한계를 끊어내야 합니다.
결국 미래 경쟁력은 얼마나 많은 로봇을 배치했는가가 아니라, 외부 시스템에 종속되지 않고 현장 데이터를 빠르게 자체 AI 자산화하여 운영하는 체계에 달렸습니다. 인티그리트가 칩셋 레벨의 AI BSP 인프라인 '에어패스(AirPath®)'와 통합 오케스트레이션 플랫폼 '플라잉렛(FlyingLet®)'을 선보인 이유가 바로 여기에 있습니다.“
Q. 로봇의 제어와 관제에 있어 외부 클라우드를 사용하지 않는다는 것이 왜 중요한가?
-많은 산업용 로봇은 제조사가 제공하는 전용 클라우드 환경을 중심으로 운영되며, 로봇의 기능을 빠르게 실증하거나 초기 도입 단계에서는 편리할 수 있습니다. 하지만 서로 다른 기능을 수행하는 이기종의 로봇이 수백 대, 수천 대로 확대되기 시작하면 상황이 달라집니다.
첫 번째는 데이터 주권입니다. 반도체와 방산, 에너지와 같은 국가 핵심 산업에서는 현장의 영상, 위치, 설비 상태, 위험 이벤트 데이터 자체가 중요한 보안 자산입니다.
두 번째는 비용 구조입니다. 외부 SaaS 기반 운영 구조는 로봇 대수가 늘어날수록 처리할 데이터와 함께 운영 비용도 함께 증가하게 됩니다.
세 번째는 확장성입니다. 특정 제조사의 운영 환경에 종속되면 향후 다른 제조사의 휴머노이드, AMR, 드론, CCTV, ERP, MES 등과 통합하는 데 큰 제약이 발생합니다. 결국 기업의 AI 전환과 확장은 로봇 데이터와 운영 체계의 소유권을 확보해야 가능 합니다.
Q. 그렇다면 지속적으로 피지컬 AI를 유지하고 확장할 수 있는 즉, ROI 확보를 위해서는 무엇이 필요한가?
-많은 기업들이 AI 모델을 도입하면 곧바로 생산성이 향상될 것이라고 기대합니다. 그러나 실제 산업 현장은 그렇게 단순하지 않습니다. 현장의 로봇 환경은 매우 다양하고 계속 변화하며, 작업의 환경도 설비도 변하고, 작업자도 변합니다.
고정된 AI 모델은 시간이 지나면서 정확도가 떨어질 수밖에 없고 섬세한 사전훈련과 공정, 미션 설계를 위해 매번 다시 많은 비용이 투자될 수 밖에 없습니다.
따라서 로봇이 현장에서 기능을 반복 수행하며, 수집된 현장 데이터를 기반으로 AI 모델이 최적화 되고, 다시 현장의 로봇에 배포되어 정확도를 유지하기 위한 순환구조의 AI 인프라가 로봇단과 시스템단에서 필요합니다. 막대한 비용투자를 통해 구축되는 기업 현장의 AI로봇 시스템의 ROI는 로봇이나 모델에서 나오는 것이 아니라 데이터 루프(Data Loop)를 통해 확보되어야 합니다.
다시말해, 현장의 데이터가 로봇의 AI실행을 진화시키고, 진화한 AI가 다시 생산성을 높이는 구조가 만들어져야 합니다.
Q. 현장의 피지컬AI를 위해 5G 특화망이 가지는 의미는?
-실시간 인지-추론-행동을 로봇과 시스템으로 통합하는 피지컬 AI 는 클라우드가 아니라 엣지단, 온디바이스 AI 에서 이루어지는 일입니다.
실험실의 AI 를 상용화로 전환하고, 높은 신뢰도가 요구되는 현장의 피지컬 AI로 확장, 유지하기 위한 시작은 신뢰할 수 있는 AI 데이터 파이프라인을 확보하는 것입니다.
로봇이 이동하며 생성하는 고해상도 영상, 센서 데이터, 상태 정보는 매우 방대한 양으로, 기존 Wi-Fi 환경에서는 음영 지역, 핸드오버, 패킷 손실과 같은 문제가 발생할 수 있습니다.
반면, 초저지연성과 안정성을 제공하는 특화망 5G는 더 신뢰할 수 있는 데이터 파이프 라인을 제공해, 로봇의 실시간 추론 과정을 시각화해 신뢰할 수 있는 AI(XAI)를 구현하고, 로봇의 더 정교한 AI 수행을 위한 기반을 제공한다는 측면에서 특화망 5G는 피지컬 AI 시대를 위한 핵심 인프라로 더 중요하게 다루어지고 있습니다.
Q. 휴머노이드 시대에 가장 먼저 준비해야 할 것은 무엇인가?
-휴머노이드 로봇은 기존의 설비나 공작 로봇의 수행범위를 넘어 탄력적이고 광범위한 임무를 수행해야 하고, 이를 위한 로봇의 인지와 추론 체계는 확장성을 갖추어야 합니다. 또한 제조사마다 AI SoC, 운영체계, 통신 프로토콜, 센서 구성, 데이터 포맷이 모두 다릅니다. 이 상태에서 기존의 방법으로는 로봇 데이터는 파편화되고, 개별 임무에 대한 서로 다른 AI 학습의 방법은 로봇의 확장에 큰 걸림돌로 작용하게 됩니다.
그래서 저희는 AI 를 통합할 수 있는 데이터 플랫폼이 먼저라고 이야기합니다. 로봇에서 생성되는 데이터를 공통 구조로 표준화하고, 이를 AI 학습과 운영에 활용할 수 있어야 합니다. 이것이 없으면 휴머노이드를 수백 대 도입해도 설치와 운용방법에 새로운 리소스가 투자되고, 기업의 AI 경쟁력은 축적되지 않습니다.
Q. 인티그리트가 말하는 에어패스(AirPath)와 플라잉렛(FlyingLet) 플랫폼의 역할은 무엇인가?
-에어패스(AirPath)는 AI BSP 플랫폼입니다. 로봇의 고유 기능을 강화하고, 기업의 정책을 담은 AI를 이식하고 운영할 수 있는 환경을 구비해, 빠르게 AI 를 통합하고 운영 할 수 있도록 만드는 엣지 AI 브레인 역할을 수행합니다.
Qualcomm, NVIDIA 등 서로 다른 SoC 환경에서 AI 모델을 최적화하고 실행하며, 보안을 갖춘 펌웨어 업데이트 환경(OTA)을 통해 지속적으로 업그레이드 할 수 있는 기반을 제공합니다.
반면 플라잉렛(FlyingLet)은 데이터 통합 및 AI 오케스트레이션 플랫폼으로, 로봇에서 생성되는 데이터를 수집하고, 이를 표준 데이터셋으로 구조화하며, AI 모델 학습과 재배포를 제공해 로봇을 연결합니다. 쉽게 말하면 에어패스 AI BSP로 기업의 정책과 기술을 규격화해 로봇을 제어하는 두뇌라면, 플라잉렛 플랫폼은 로봇 전체의 AI 를 통합해 운영하고 관리하는 AI 운영 체계라고 볼 수 있습니다.
Q. 앞으로 인티그리트가 지향하는 방향은?
-인티그리트는 기업이 보유한 AI를 로봇에 빠르게 적용하고, 연결해 고기능을 수행하는 로봇을 기업이 직접 운영하고 진화시킬 수 있는 통합 체계와 인프라를 만드는 회사입니다.
과거 사물인터넷과 스마트팩토리가 설비와 데이터를 연결하는 것이었다면, 앞으로의 피지컬 AI 팩토리, 또는 AI 전환의 중심에는 데이터 학습과 모델 개발, 배포를 자동화하는 로봇과 AI를 연결해 진화시키는 구조가 핵심이 될 것입니다.
인티그리트는 AI 칩셋과 운영체계, AI 미들웨어를 통합하는 BSP 설계와 개발역량을 통해 기업이 특정 제조사나 특정 플랫폼에 종속되지 않고, 자체적인 AI 로보틱스 경쟁력을 확대 할 수 있는 플랫폼을 위해 집중하고 있습니다.
휴머노이드 시대를 주도하는 가장 많은 로봇을 보유한 기업이 아니라, 로봇 데이터 통해 가장 많은 AI 자산을 확보하여, 효과적으로 AI 전환을 완성한 기업이 될 것입니다.
서희원 기자 shw@etnews.com
