[ET시론] AI 대전환 승부처는 현장의 암묵지다

임우형 LG AI연구원 공동연구원장 거대언어모델(LLM)이 인공지능(AI) 시대의 본격적인 시작을 열었다. 그러나, 문을 여는 것과 그 안에서 가치를 만드는 것은 전혀 다른 일이다. 산업 현장에 AI를 적용해 생산성을 높이고 제품과 서비스 품질을 개선하는 일은 선택이 아니라 반드시 해내야 하는 대전환이다. 이 대전환에서 집중해야 할 것은 속도이며, 속도를 결정하는 것은 모델의 크기나 성능이 아니라 데이터다. 기업의 진짜 자산은 화려한 비전 보고서에 있지 않다. 생산 라인의 센서값, 실패한 실험 기록, 숙련 검사원의 미세한 판정 기준, 구매 담당자가 시장에서 읽어내는 미묘한 신호가 바로 그것이다. 전자는 시스템에 남아 있지만, 후자는 사람의 머릿속에만 존재한다. 이렇게 말로 옮기기 어려운 현장 경험, 즉 암묵지는 한국 산업이 수십년간 글로벌 경쟁력을 지탱해 온 동력이며, AI가 현장과 결합해 더 큰 가치를 발휘할 수 있는 기회 영역이기도 하다. 암묵지는 저절로 데이터가 되지 않는다. 누군가 묻고, 기록하고, 체계화해야 한다. 손자병법에 따르면 이기는 군대는 먼저 이겨 놓고 싸운다고 했다. AI 시대에 먼저 이겨 놓는 일은 데이터 구축이다. 지금 시작하는 데이터 체계화가 다음 세대가 시장을 주도하며 앞서 나갈 강력한 발판이 된다. ◇시행착오 속에 숨겨진 진정한 자산이다 가장 큰 기대 효과는 연구개발 영역에서 나온다. 신소재·신약 개발, 제품 설계는 수억개의 후보 가운데 최적화를 찾아내는 작업이다. 사람이 직관과 경험으로 좁혀 온 범위를 AI는 훨씬 더 넓고 빠르게 탐색한다. 탈모 치료용 신소재와 AI 데이터센터용 액침냉각유가 LG AI연구원의 '엑사원 디스커버리'를 통해 탄생했다. 여기서 데이터 준비 핵심은 성공 사례가 아니라 시행착오와 원인 분석의 기록이다. 연구자는 잘된 결과만 정리하는 습관이 있지만, AI에게 가장 유용한 것은 왜 실패했는지에 대한 기록이다. 실험 조건과 중간 측정값, 폐기한 설계안과 그 이유까지 남겨야 한다. 연구노트를 전산화하고, 물성·조성·공정 조건의 용어를 회사 전체가 통일하는 작업이 선행돼야 한다. LG그룹이 화학·전자·생명과학 계열사의 수십년치 실험 데이터를 그룹 차원에서 정리하고 연결한 것이 엑사원 디스커버리의 토대가 됐다. ◇제조 현장, 불완전한 표 데이터도 AI가 해결한다 제조 현장에서 AI는 이미 검증을 마쳤다. 숙련 검사원 한 사람의 판단 기준을 라인 전체가 공유하는 시대가...