클로드를 만든 앤트로픽 최상위 모델 '페이블5'가 미국의 수출통제로 막혔다. 한국 기업과 기관마저 하루아침에 접근이 끊겼고, 다시 모두가 '소버린 AI'를 말하며 거대 언어 모델(LLM) 자체를 가지려 애쓴다. 

옳은 방향이다. 그러나 그 소란 속에서 우리가 잊고 있는 핵심이 있다. 누구도 통제할 수 없는 우리만의 진짜 무기, 바로 제조 데이터다. 우리나라는 세계적 제조강국이다. 제조 데이터도 마찬가지다. 우리만의 세계적 무기가 될 수 있다. 짚고 넘어갈 게 있다. '어떤' 데이터가 아니라 '어떻게' 데이터를 활용하는가가 더 중요하다는 점이다. 그리고 우리의 '어떻게'에는 세 가지 착각이 있다.

첫째, 우리는 '가진 데이터'로만 무언가를 하려 한다. 테슬라를 보자. 자율주행을 시작할 때 테슬라가 가진 운전 데이터는 하나도 없었다. 대신 차를 팔았고, 그 수백만 대를 데이터 수집 장치로 바꿨다. 그리고 테슬라는 이를 기반으로 여러 로보택시 등 여러 사업으로의 확장을 준비하고 있다. 결국 테슬라가 만든 해자는 차가 아니라 그 차들이 길에서 모은 데이터다. 테슬라의 자율주행 데이터는 5월 100억 마일을 넘어섰고, 지금도 하루 약 3천만 마일씩 쌓인다. 

제조 강국이라면 가진 데이터를 헤아릴 것이 아니라, 새로운 능력을 위한 데이터를 '모을' 줄 알아야 한다. 우리에게는 그 데이터를 모을 수백만 대의 자동차와 가전과 선박과 반도체가 있다.

둘째, 우리는 '만든 것'만 수출하려 한다. 유럽 최대 농산물 수출국 네덜란드의 진짜 수출품은 따로 있다. 데이터다. 수십 년간 쌓은 시설원예 노하우를 지능의 층으로 바꿔, 네덜란드 스마트팜 기업인 프리바의 제어 시스템은 100여 개국 온실에서 돌아가고, '소스.ag'는 19개국 농가의 데이터를 모아 어떤 농가도 혼자서는 만들 수 없는 모델을 키운다.

시스템을 깔아주고, 그 위에서 나오는 데이터를 거둬들이는 구조다. 우리의 대형 유리온실조차 그 프리바 위에서 돌아가는 상황에서 우리는 시설 비용을 5분의 1로 낮춘 '한국형' 시스템으로 그 의존을 뒤늦게 줄이고 있다. 우리는 국산화로 비용을 낮추는 방어에 급급하지만, 저들은 시스템을 깔아 글로벌 데이터를 끌어모으며 그 데이터로 지능을 계속 고도화한다. 정작 우리는 자동차와 선박과 반도체, 곧 '만든 것'을 파는 데 머문다. 우리도 만든 것을 넘어, 그 위에 지능의 층을 얹어 그것까지 파는 법을 익혀야 한다.

셋째, 우리는 '제조 AI'를 거창한 무언가로 여긴다. 데이터와 AI를 말하면 전사를 뒤엎는 거대한 새 시스템부터 떠올린다. 그러나 현장의 생산성은 거대한 구상이 아니라 작은 쓰임새 하나에서 나온다. 포스코는 선재 코일을 옮기는 자동 크레인 하나, 출선량을 예측하는 모델 하나로 위험과 비용을 줄였다.

자동차 부품사 태정기공은 거창한 시스템이 아니라 CNC 설비 데이터를 분석하는 AI 하나로 불량률을 91% 낮췄다. 전문가들은 제조 AI의 실패가 기술이 아니라 데이터와 쓰임새에서 온다고 말한다. 거대한 시스템을 기다릴 일이 아니다. 한 공정에서 모을 수 있는 데이터, 한 가지 문제를 푸는 작은 모델에서 시작하면 된다. 거대한 놀라움이 아니라 작은 활용이 판을 바꾼다.

이 세 가지 착각은 결국 하나로 통한다. 데이터는 가진 것이 아니라 모으는 것이고, 파는 것은 제품이 아니라 그 위의 지능이며, 시작은 거대한 시스템이 아니라 작은 현장이다.

관련기사

우리는 이미 한 번 이 길을 걸었다. 한국이 IT 강국이 된 출발점은 세계에서 가장 빠른 인터넷망이 아니라, 그 위에서 돌아간 전자정부와 게임과 포털, 곧 활용처였다. 망은 마중물이었고 엔진은 그 위에 있었다. 소버린 AI도 예외가 아니다. 최고 성능의 모델을 손에 쥐는 데만 매달리다 보면, 정작 그 모델을 가장 잘 활용할 수 있는 우리만의 데이터와 현장을 놓칠 수 있다.

이제는 '무엇을 만들었는가'가 아니라 '그 위에서 무엇을 할 수 있는가'를 물어야 할 때다. 누구도 수출통제로 빼앗을 수 없는 우리만의 데이터를, 제대로 모으고 얹고 시작해야할 때다.

*본 칼럼 내용은 본지 편집방향과 다를 수 있습니다.