이보람 크라우드아카데미 대표, 현장 데이터 활용·AI 융합 역량 강조
건설기계산업에서 생성형 AI를 활용한 업무 자동화부터 생산·품질 관리, 데이터 분석, 예지 정비까지 인공지능(AI) 기술의 활용 범위가 확대되고 있다. 이에 따라 AI 기술에 대한 이해뿐 아니라 산업 현장의 특성과 업무 과정을 파악하고, 실제 문제 해결에 적용할 수 있는 전문인력 양성의 중요성이 커지고 있다.
건설기계산업은 설계·생산·품질·공정·정비 등 다양한 분야에서 데이터와 현장 노하우가 축적되는 산업이다. 이러한 자산을 업무 개선으로 연결하려면 현장의 문제를 정의하고 필요한 데이터를 확보하며, AI 분석 결과를 검증할 수 있는 역량이 요구된다.
올해 '산업전문인력 AI역량강화 지원사업'에서는 리더·재직자·AI 융합전문가를 대상으로 역할과 수준에 맞는 교육과정을 운영하고 있다. 이 가운데 크라우드아카데미는 수도권 재직자 교육과 AI 융합전문가 양성과정을 맡아 생성형 AI 기반 업무 자동화, 현장 데이터 수집·디지털화, 산업 데이터 활용 등 실무 중심 교육을 추진하고 있다.
이보람 크라우드아카데미 대표에게 AI 기술이 건설기계산업에 가져올 변화와 현장에서 요구되는 인재 역량, AI 교육과정의 운영 방향 및 산업 데이터 활용 전략에 대해 들어봤다.
산업전문인력 A I역량강화란? '산업전문인력 A I역량강화 지원사업'은 과학기술정보통신부와 정보통신산업진흥원(NIPA)이 추진하는 산업 맞춤형 AI 인재양성 사업이다. 산업별 특성과 현장 수요를 반영해 리더·재직자·A I융합전문가의 역량을 높이고, 산업과 A I의 융합을 뒷받침하는 데 목적이 있다. 건설기계 분야에서는 한국건설기계산업협회를 중심으로 한국표준협회, 크라우드아카데미가 컨소시엄을 구성해 건설기계산업의 특성과 현장 수요를 반영한 AI 교육과정을 운영하고 있다.
생성형 AI는 문서 작성과 정보 탐색을 지원하고, AI 에이전트는 목표에 따라 여러 업무 단계와 도구를 연결해 작업을 수행한다. 피지컬 AI는 장비나 로봇이 센서로 주변 환경을 인식하고 판단해 실제 동작을 수행하도록 하는 기술이다. 각 기술은 서로 결합하면서 기업의 AI 활용 범위를 넓힐 것으로 본다.
건설기계산업에서는 정비 매뉴얼과 장비 이력을 함께 분석해 점검 항목을 제안하거나, 작업환경을 인식해 장비의 작업을 지원하는 방향으로 활용을 생각해볼 수 있다. 다만 정비 판단을 돕는 AI와 실제 장비를 제어하는 AI는 적용 조건이 다르다. 장비 동작에 연결할 때는 충분한 검증과 작업자의 통제 체계가 함께 마련돼야 한다.
기업은 우선 현장에 적합한 과제를 선정하고 작은 범위에서 효과를 검증할 필요 가 있다. 작업시간, 품질, 장비 가동률 등 해당 과제에 맞는 지표로 개선 여 부를 확인하면서 적용 범위를 넓히는 역량이 중요해질 것이다.
산업 현장에서는 센서·장비 데이터를 이해하고, AI 분석 결과를 실제 업무와 연결하는 역량이 중요해질 것이다. 특히 피지컬 AI는 판단 결과가 장비의 동 작으로 이어질 수 있으므로, 현장의 제약과 예외 상황을 이해하고 결과의 적절 성을 검증하는 능력이 필요하다.
건설기계의 제조·운용 현장에서는 장비, 공정, 작업환경과 데이터가 복합적으로 연결돼 있다. 재직자는 현장의 문제와 판단 기준을 구체적으로 설명할 수 있어야 하고, AI 전문가는 이를 데이터 분석과 모델·시스템 설계에 반영할 수 있어야 한다. 두 영역의 전문가가 협업할 수 있는 공통의 이해가 중요하다.
따라서 교육도 도구 사용법과 함께 문제 정의, 데이터 품질 확인, 결과 해석과 검증까지 다뤄야 한다. 현장 경험을 가진 인력이 AI 활용 역량을 갖추고, AI 전문가는 산업 지식을 익혀 함께 문제를 해결하는 방향으로 인재를 양성해야 한다고 생각한다.
교육에서 초점을 맞춘 것은 'AI를 실제 내 업무에 어떻게 활용할 수 있는가'라는 질문이다. 재직자 과정은 현업의 업무와 데이터를 이해하는 사람들이 생성 형 AI 기반 업무 자동화와 현장 데이터 수집·디지털화를 직접 실습할 수 있도록 구성했다.
AI융합전문가 과정은 AI·소프트웨어 관련 역량을 보유한 사람들이 건설기계산업에 전문성을 적용할 수 있도록 구성했다. 장비 로그 분석, 예지보전, 잔여수명 예측, 생성형 AI 기반 정비지원 에이전트 구축 등을 교육 내용에 담아 산업 지식과 AI 기술을 연결하도록 했다.
두 과정은 출발점이 다르다. 재직자는 자신의 업무에 AI를 적용하는 방법을 익히고, AI융합전문가는 산업 데이터를 이해해 해결방안을 설계하는 역량을 기른다. 각 대상에 맞춘 실습·프로젝트를 통해 배운 내용을 업무와 연결하도록 설계한 것이 교육의 특징이다.
건설기계산업에는 설계·생산·품질·설비·정비 과정에서 발생하는 데이터뿐만 아니라 오랜 기간 현장에 축적된 작업자의 경험과 노하우도 중요한 자산으로 존재한다.
먼저 해결할 문제를 정하고, 필요한 데이터를 일관된 기준으로 수집·정리해야 한다. 예를 들어 고장 원인을 분석하려면 장비의 운전 기록과 정비 이력, 당시 작업조건을 연결해 볼 수 있어야 한다. 누락·오류를 점검하고 접근 권한과 활용 범위를 정하는 관리 체계도 필요하다.
이와 함께 작업자가 어떤 징후를 보고 어떤 판단을 했는지 기록해 현장 노하우를 데이터로 축적해야 한다. 이를 위해 현장 담당자는 기록과 품질관리 역량을, AI 전문가는 산업 맥락에 맞게 데이터를 해석·활용하는 역량을 갖춰야 한다. 기업의 AI 경쟁력은 이러한 데이터와 인재를 지속적으로 축적하고 실제 업무 개선으로 연결하는 데서 나온다고 생각한다.
유은정 기자 judy6956@etnews.com
