영국 시사주간지 이코노미스트(Economist)가 2019년 비약적 발전으로 문화적 충격을 줄 요인으로 인공지능(AI)을 주목했고, 미국 라스베이거스에서 개최된 세계 최대 전자 전시회 CES 2019에서 공개된 첨단제품의 공통분모도 AI였던 것처럼 AI는 미래사회 혁신을 주도할 기술로 많은 관심을 모으고 있다.

 

AI, 산업·생활 변혁을 주도하는 혁신기술
미국 IBM은 2019년 마케팅 트렌드 보고서에서 AI가 마케팅 기능을 근본적으로 변화시킬 것이라고 주장했다. 즉, AI 기반의 마케팅 도구를 통해 고객 행동을 분석하고 예측하게 됨에 따라 앞으로는 기술적 노하우를 갖춘 새로운 개념의 마케팅이 양산된다는 것이다.
자동차기업들도 CES 2019에 감성주행 시스템을 선보였다. 
기아자동차가 최초로 공개한 실시간 감정반응 자동차 제어시스템은 자동차와 운전자가 교감하는 혁신기술로 운전자의 감정 및 상황에 맞게 실시간으로 음악, 온도, 조명, 진동, 향기 등을 바꾸어주도록 설계했다.
현대모비스도 내부에 장착한 카메라를 통해 탑승자의 감정을 파악해 자동차와 운전자가 소통하는 기술을, 독일의 메르세데스-벤츠(Mercedes-Benz)는 자동차와 운전자, 탑승자 사이의 공감대를 형성하는 AI 감성 시스템을 CES 2019에서 선보였다.
미국 경제주간지 포브스(Forbse)는 2019년 초 게재한 AI 예측 기사에서 자동화와 결합한 AI가 모든 산업 분야로 파고들 것으로 전망했다. 금융, 소매, 제조업 공정개선, 채용업무 등 모든 산업 분야에서 AI 서비스가 출시된다는 것이다.
하지만, 글로벌 시장조사기업 가트너(Gartner)는 AI의 부상으로 일자리를 잃을 위험은 그리 크지 않고 2019년에는 AI 영향으로 사라지는 일자리보다 생겨나는 일자리가 더 많을 것으로 예상했다. 금융, 창고, 소매 분야 등에서 약 180만개의 일자리가 줄어드는 반면 제조업, 교육, 의료, 공공부문에서 약 230만개가 늘어날 것으로 전망했다.
스마트폰 시장의 미래가 AI에 달려 있다는 분석도 제기되고 있다.
2018년 말 중국에서 발간된 휴대폰 연구보고서는 AI를 스마트폰 시장 성장의 새 엔진으로 규정하고 AI 기술을 통해 스마트폰의 소프트웨어 및 하드웨어가 업그레이드되면서 효용성이 극대화돼 단순한 업그레이드가 아닌 파괴적 혁신이 일어날 것이라고 주장했다.
특히, AI 기능을 탑재한 스마트폰 출하비중은 2017년 10%에 그쳤으나 2022년에는 80%까지 상승해 판매량이 연간 13억대를 넘어서면서 새롭게 AI 스마트폰 시대를 맞이할 것으로 전망했다.
미국의 경제신문 월스트리트저널(Wall Street Journal)은 2019년 AI 분야에서 일어날 기술변화 중 하나로 에지 컴퓨팅(Edge Computing)을 가능하게 하는 새로운 프로세서 등장을 꼽았다.
시리(Siri)를 비롯해 알렉사(Alexa), 구글 어시스턴트(Google Assistant) 같은 AI 음성비서는 수집한 데이터를 클라우드와 같은 중앙 집중식 데이터센터로 보내지만 에지 컴퓨팅은 수집한 데이터를 클라우드로 보내지 않고 데이터가 발생한 현장 혹은 근거리에서 실시간 처리하는 방식으로 데이터 흐름을 가속화하기 때문에 사생활 정보에 대한 유출을 걱정하지 않아도 된다는 것이다.

 

AI 이용한 사이버 공격 증가
2019년에는 인텔(Intel), 엔비디아(NDvia), AMD, 퀄컴(Qualcomm) 등이 AI 어플리케이션을 고속화할 수 있는 특수한 칩을 출시할 예정이다.
특수 칩은 자연언어 처리, 음성인식 등에 최적화돼 있어 헬스케어, 자동차의 어플리케이션에 매우 유용하게 사용될 것으로 알려지고 있다.
하지만, AI에 대한 전망이 모두 장밋빛은 아니며 기술이 크게 발전하면서 부정적 요인도 부각되고 있다.
미국 보안기업 비욘드트러스트(BeyondTrust)는 최근 발간한 보고서를 통해 2019년 예상되는 10대 사이버보안 이슈 가운데 첫번째로 AI 공격 증가를 꼽았다. 2019년에는 AI와 머신러닝을 이용해 개발된 사이버 공격이 증가한다는 것이다.
AI는 성공적인 해킹 공격사례에서 정보를 수집하고 새로운 공격에 적용함으로써 공격 성공 가능성을 높일 수 있을 것으로 진단하고, 사이버 공격에서 AI의 진화는 개별기업이 대응할 수 있는 수준보다 훨씬 더 어려울 수 있다고 강조했다.
특히, 2019년에는 특정권한을 부여받은 계정을 노린 공격이 증가할 것으로 예측했다. 일반적으로 권한을 부여받은 계정은 보안이 더 완벽할 것으로 인식되지만 계정 자체의 암호에서 취약점이 도출되면 오히려 사이버 공격자들에게 허점을 제공할 수 있기 때문이다.
하지만, AI는 사이버 공격을 가하는 범죄자나 막아야 하는 방어자 모두에게 열려 있는 기술이어서 공격 위협을 사전에 방지하는 대처수단으로 AI의 비중이 더욱 높아질 것으로 전망된다.
화학 관련기업들은 AI를 활용해 사이버 공격에 대처함은 물론 플랜트의 안정성 및 안전성을 향상시키고 생산을 효율화시키며 새로운 화학물질을 개발하는 도구로 활용하기 시작했다.

 

히타치, 이상 진단 서비스 시작
일본 히타치(Hitachi)는 AI를 활용한 석유화학 플랜트용 이상 징후 진단 서비스 ARTiMo 공급을 시작했다.
플랜트 가동상황을 자동으로 분류·해석함으로써 나프타(Naphtha) 분해반응으로 코크가 배관 내에 부착하는 코킹현상 등 고장 및 이상을 일으킬 수 있는 징후를 실시간으로 감지하는 시스템으로, 쇼와덴코(Showa Denko)의 오이타(Oita) 소재 에틸렌(Ethylene) 크래커에서 실증시험을 마치고 2018년 10월부터 실질적 운용을 시작했다.
ARTiMo는 AI의 일종인 적응적 공명이론(ART)을 이용한 해석 엔진을 채용하고 있다.
온도, 압력, 수위, 유량 등 정상기기의 가동데이터를 학습시켜 이상 징후를 진단하는 기준데이터로 분류해 정상데이터 카테고리를 생성한 후 플랜트에서 획득한 데이터를 자동 분류해 정상 시와 비교함으로써 정상으로 가동하고 있는지 여부를 판단하는 방식으로 신규 카테고리가 발생하면 경보를 울리도록 하고 있다.
오퍼레이터는 정상일 때와 다른 요인을 토대로 판단해 진단 정밀도를 향상시킬 수 있으며, 문제가 발생한 부위를 화면상에 표시해 가시화함으로써 신속하게 복구할 수 있는 이점이 있다.
안전하고 안정적인 가동상황 유지가 중요한 석유정제·석유화학 플랜트는 일반적으로 숙련 오퍼레이터가 감시 제어 시스템 및 현장 순회를 통해 개별기기의 가동상황을 파악하고 있으나 최근에는 노동인구가 감소함에 따라 인력부족에 대응할 수 있는 방안 마련이 선결과제로 부상하고 있다.
히타치는 디지털 솔루션 Lumada의 AI 기술, 발전 및 화학 플랜트용 프로세스 제어 노하우를 활용해 석유화학 플랜트 전반의 변화 및 이상 징후를 실시간으로 진단하는 기술을 실용화한 것으로 평가되고 있다.
쇼와덴코가 가동하고 있는 오이타 크래커에서 실증시험을 실시했고 고장 원인 가운데 파악하기 어려웠던 코킹 발생을 해석함으로써 숙련된 오퍼레이터에게 의존하지 않고 이상 징후를 감지할 수 있는 성능을 확인했다.
히타치는 앞으로 실증성과를 반영해 플랜트 이상 징후 진단 서비스 ARTiMo를 제공함과 동시에 쇼와덴코와 함께 코킹 발생상황에 따른 대처방식, 코킹 발생 억제방법 등을 확립할 방침이다.

 

 

화학물질, AI 활용 안전성 평가 효율화
화학물질 안전성 평가방법에도 AI를 활용하고 있다.
화학물질 안전성 평가는 역사적으로 동물실험을 통해 이루어졌으나 세계적으로 동물실험을 대체하는 움직임이 확산됨에 따라 세포를 이용하는 인비트로(in vitro), 컴퓨터를 이용하는 인실리코(in silico) 중심으로 변화하고 있다.
특히, 최근에는 AI 등 디지털 기술을 활용한 독성 예측 프로세스가 주목받고 있다.
물질 독성평가는 반복투여시험 등 동물실험을 통해 이루어졌으나 동물실험은 거액의 코스트와 시간이 소요되는 단점이 있어 컴퓨터로 독성 유무를 예측하는 방법에 대한 기대가 높아지고 있다.
AI, 빅데이터를 활용해 정밀도 높은 예측이 가능해지면 동물시험에 소요되는 시간 및 비용을 0으로 만들 수 있어 기능성 소재 등을 개발하는 과정을 대폭 효율화할 수 있으며 동물애호 관점에서도 바람직한 방법으로 평가되고 있다.
다만, 현재 시점에서는 화학물질과 독성의 관계를 블랙박스식으로 결부하는데 그치고 있어 독성이 어떠한 과정을 거쳐 발현하는지 파악할 수 없기 때문에 독성 발현 메커니즘이 해명되지 않은 신규 화학물질 평가에 대한 신뢰성이 의문시되고 있다.
일본은 2017년부터 경제산업성 주도로 차세대 안전성 평가 시스템을 개발하는 AI-SHIPS 프로젝트를 진행하고 있다.
최신 독성학 성과와 화학물질심사규제법(화심법)에 따라 축적된 독성 데이터, 심층학습 등 최첨단 AI 기술을 활용할 뿐만 아니라 기존에는 예측방법에 도입되지 않았던 독성 발현 메커니즘 정보를 적용한 것이 특징이다.
화학물질 구조를 입력하면 높은 정밀도와 신뢰성으로 독성 유무를 예측하는 방식이며, 우선 간독성을 대상으로 프로토 타입을 구축할 계획이다. 예측모델에 독성 발현 메커니즘을 반영하기 위해 화학물질 흡수·분포·대사·배설(ADME) 등 체내 약물 동태, 유전자 발현, 단백질에 대한 영향 등 세포 내 응답에 관한 실험데이터를 수집해 해석하고 있다.
예측모델 구축에 필요한 화합물 실험데이터 수집은 순조롭게 진행되고 있어 필요한 시험이 종료되면 예측모델에 이용하는 파라미터가 완성돼 2019년 프로토 타입을 공개할 수 있을 것으로 기대하고 있다.
프로젝트 기간은 2017-2021년이며 앞으로는 간독성 예측 프로토 타입이 설계대로 제대로 작용하는지 검증함과 동시에 혈액독성, 신독성 예측 시스템을 구축할 방침이다.
혈액독성과 신독성은 간독성과 함께 화심법에서 일반화학물질에 많이 나타나는 독성 소견으로 구조적인 유사성을 토대로 독성을 예측하는 구조-활성 정량적 관계(QSAR)로는 한계가 있는 예측 정밀도를 비약적으로 향상시킬 계획이다.
AI-SHIPS의 실용화가 성공하면 최종적으로는 스크리닝 평가에 이용하는 동물실험이 거의 불필요해져 화학물질 연구개발비의 20% 수준을 차지하는 안전성 평가비용을 대폭 감축함과 동시에 개발기간을 단축할 수 있을 것으로 기대되고 있다.

 

쇼와덴코, 첨단소재 설계 기본기술 개발
쇼와덴코는 폴리머 설계에 AI를 활용하고 있다.
쇼와덴코는 일본 산업기술종합연구소, 첨단소재고속개발기술연구조합(ADMAT)과 공동으로 첨단소재를 효율적으로 설계하는 AI 기본기술을 개발하고 있다.
그동안 AI에 데이터를 학습시킴으로써 폴리머 분자구조를 수치로 변경하는 방법을 정립했으며, 특정 요구특성을 충족시키는 폴리머를 모색하기 위해 필요한 시행회수를 무작위로 실시할 때에 비해 40분의 1로 줄이는데 성공했다.
학습 데이터가 적은 첨단소재를 개발할 때 유용할 것으로 기대하고 있으며 앞으로는 실제 개발현장에서 검증에 나설 계획이다.
폴리머 등 첨단소재를 설계하는 AI를 구축하기 위해서는 폴리머가 보유한 특징을 수치로 변경해 학습시킬 필요가 있다.
쇼와덴코는 관능기 등 분자의 부분구조를 자동 추출하고 구조적 특징을 수치화함으로써 모노머 구조를 표시하는 ECFP 방법을 응용해 폴리머 개당 0.25초에 불과한 짧은 시간에 높은 정밀도로 물성을 예측할 수 있게 했다.
실증 시범사례로 내열성을 평가하는 지표가 되는 유리전이 온도(Tg)에 주목하고 있다.
분자구조와 유리전이점이 알려진 417종의 폴리머를 샘플로 사용해 무작위 추출한 10건의 데이터를 AI에 학습시키고 나머지 407종 가운데 가장 내열성이 높은 폴리머를 탐색하도록 했고, 이후 초기 데이터를 변경해 500회 반복한 결과 탐색에 필요한 시행횟수를 무작위 실시 당시의 192회에서 평균 4.6회로 대폭 줄일 수 있게 됐다.
일반적으로 학습 데이터의 양이 AI 예측 정밀도와 밀접한 상관관계를 나타내는 것으로 알려져 있으나 실증 결과로부터 개발한 기술은 학습 데이터가 적은 첨단소재 개발 등에도 사용할 수 있을 것으로 판명돼 주목받고 있다.
쇼와덴코는 개발기술을 기능성 폴리머 개발현장에 도입함으로써 유용성 확인, 과제 도출 등 검증 작업에 활용하고 이후 실제 개발에 적용이 가능하도록 응용기술 개발에도 나설 계획이다.

 

미국, AI 활용 생산라인 분석 플랫폼 개발
미국 사이트머신(Sight Machine)은 개발한 생산라인 분석 플랫폼 Sight Machine을 개발해 주목받고 있다.
AI를 활용해 생산라인을 가시화하는 것으로, 공장에 점재하는 데이터를 통합한 후 기계학습 등으로 해석·최적화해 생산제품 성능 측정, 프로세스 개선, 고장 예측 등에 따라 품질 및 생산성을 향상시킬 수 있을 것으로 기대하고 있다.
일본에서는 나가세 그룹(Nagase Group)이 화학제품 및 플래스틱 가공, 라이프 & 헬스케어, 자동차 제조현장에서 이용을 촉진하고 있다.
Sight Machine은 화학제품 및 석유를 중심으로 유체를 취급하는 프로세스 제조용, 자동차부품 및 전자부품 등 고체를 취급하는 디스크리트 제조용으로 분류되며 AI, 기계학습, 고도의 분석기술 등을 활용하고 있다.
제조업에서는 개별 공장에서 가공하고 있는 제조설비에 센서를 부착해 부품, 프로세스, 실온조건, 품질 등 제조작업과 관련된 다양한 데이터를 수집하고 있으나 센서가 서로 연결되지 않아 공장 전체를 효율화하기 어려운 단점이 있다. 제조설비에 따라 시스템 및 포맷이 다른 점 역시 걸림돌로 작용하고 있다.
Sight Machine은 잠재하는 데이터를 통합해 AI로 해석·최적화함으로써 공장을 가시화해 생산효율 및 품질을 향상시키는 플랫폼으로 미국에서 채용실적이 증가하고 있는 것으로 알려졌다.
품질 측면에서는 성능 측정 및 폐기물 감축, 생산 측면에서는 프로세스 개선 지속, 문제의 근본적인 원인 특정, 제어 불가능한 프로세스 및 고장 예측 등이 가능한 것으로 파악되고 있다.
또 가시화를 통해 공장의 중요정보에 상시 접근할 수 있을 뿐만 아니라 설비종합효율(OEE) 측정 및 향상, 기계, 생산라인, 공장 벤치마킹을 실현할 수 있는 이점이 있다.
Sight Machine은 2017년 일본 나가세와 파트너 계약을 체결하고 일본시장 공략을 시작했다.
나가세는 나가세그룹의 네트워크를 활용해 거래처 등을 대상으로 플랫폼 제안을 확대할 방침이며 자체적인 시험을 통해 기술 및 서비스에 대한 이해도를 높이고 있다.

 

다이셀, AI 활용 생산 최적화 연구 착수
다이셀(Daicel)은 AI를 활용해 원료 사용량 감축과 품질 향상을 양립할 수 있는 시스템을 개발하고 있다.
화학제품은 일반적으로 원료 사용량을 줄여 코스트를 감축하면 품질이 떨어지는 경향이 있으나 다이셀은 장기간 축적한 가동 관련 노하우와 숙련기술자들의 지식을 포함한 빅데이터를 AI에 학습시켜 비용과 품질을 최적화할 방침이다.
대학교와 공동으로 최적화 모델 연구에 착수했으며 2020년까지 시스템을 완성한 후 일본 아보시(Aboshi) 소재 장치형 플랜트에서 실증시험을 진행할 계획이다.
다이셀은 오래전부터 숙련기술자가 부족해질 것을 예상해 생산과 프로세스를 동시에 혁신하는 다이셀 방식을 확립했다. 숙련자들의 노하우를 전승할 목적으로 표준화해 제조 시스템에 적용한 것으로 다이셀 뿐만 아니라 경쟁기업들도 채용하고 있다.
앞으로는 숙련자 노하우와 다이셀 방식으로 축적한 노하우를 포함한 빅데이터를 AI에 학습시켜 이상이나 고장 등에 대한 징조를 감지할 수 있는 시스템을 개발함으로써 안전·안정가동에 활용할 방침이다.
비용과 품질 균형을 고차원으로 이루기 위해 원료 사용량을 되도록 억제하면서 고품질을 유지할 수 있는 최적화 모델도 개발하고 있으며, 초산(Acetic Acid) 등을 생산하고 있는 아보시 공장에서 실증시험에 성공하면 연속 프로세스가 아닌 배치식 공장에도 적용할 계획이다.
이미 자동차 에어백용 인플레이터 제조현장에서는 AI를 활용하기 시작했다.
에어백용 인플레이터는 연속 프로세스와 달리 사람이 많이 개입함에 따라 카메라가 사람의 이상동작 등을 검출하는 시스템을 확립함으로써 하리마(Harima) 공장에서 성과를 거두고 있어 미국, 폴란드, 중국, 한국, 타이 공장에도 도입하기로 결정했다.

 

아데카, 서플라이 체인 대대적 혁신
아데카(ADEKA)는 생산설비에 AI를 도입하는 등 서플라이 체인에 대한 대대적인 쇄신에 나선다.
아데카는 중장기적으로 안정적인 성장을 실현하기 위해 원료 조달부터 생산, 판매에 이르기까지 서플라이 체인 전체에 대한 재정비가 필요하다고 판단하고 임직원 개개인의 의식개혁을 촉진하면서 근로방법에도 변화를 주고 있다.
인력부족 문제에 대응하면서 동시에 생산효율을 대폭 향상시키기 위해 근로시간을 단축할 예정이며 공장에 AI를 도입함으로써 실현할 계획이다.
아데카는 2018-2020년 실시하는 중기 경영계획에서 매출액을 3000억엔 이상, 영업이익률 10%, ROE(주주자본이익률) 10%, 배당성향 30%를 달성하겠다는 목표를 세우고 있다.
직전 중기 경영계획에서 매출액 확대 목표를 달성하지 못했던 만큼 기존 사업만으로는 새로운 목표도 실현하지 못할 것이라고 판단하고 다양한 방법을 강구하고 있다.
먼저, 사업영역을 확장하기에 앞서 사업 스타일부터 변화를 주기 위해 서플라이 체인 정비에 나서 수지 첨가제 등은 현재 시장상황을 파악한 후 더욱 적절한 서플라이 체인을 구축할 수 있도록 개선할 계획이다.
또 인력부족 문제가 심화되고 있는 가운데 근로시간 단축을 통해 생산성을 향상시킬 방침이다.
세계 각국에 구축한 식품, 수지 첨가제, 전자소재 공장에 로봇, AI를 도입할 예정이다. 일부 공장에는 이미 적용해 생산성을 향상시키는데 성공했으며 적용사례를 계속 늘려가고 있다.
일련의 활동을 통해 수익을 올리기 쉬운 플랫폼을 완성한 후 잔업을 줄여도 현재의 급여수준을 유지할 수 있을 것으로 판단하고 있다.
아울러 불필요한 지출을 줄이면 사회적 책임(CSR) 활동을 확대할 수 있을 것으로 기대하고 있다.

 

화학기업, AI 특허·실용화 서둘러야
일본 화학기업들이 AI 실용화를 적극 추진하고 있고 국내외적으로 AI 관련 특허 출원이 급증하고 있는 가운데 국내 화학기업들은 특허는 물론 실용화에도 소극적으로 임하고 있는 것으로 나타났다.
특허청에 따르면, 국내 AI 특허 출원은 2006-2015년 총 2638건으로 연평균 약 5% 증가했다. 
2010년 212건, 2011년 288건, 2012년 295건, 2013년 371건으로 증가한 후 2014년 367건, 2015년 301건으로 소폭 감소했다.
AI 기술은 모든 산업 분야에서 활용이 가능한 대표적인 융복합 기술로 컴퓨터(64.1%), 통신(9.9%) 등 IT분야에 연구개발이 집중됐고 정밀기기(6.1%), 의료기기(4.6%), 전기(4.1%) 순이었다. 특히, 디지털 컴퓨팅, 경영관리, 유무선 통신, 이미지 데이터 처리 등에 활발히 활용되고 있다.
반면, 화학(0.1%)을 비롯해 식품(0.1%), 의류(0.1%), 건축(0.1%) 분야는 특허 출원이 미미했다.
삼성전자가 163건으로 가장 많았고 ETRI(129건), 퀄컴(86건), 마이크로소프트(74건), KAIST(58건) 순으로 연구개발이 활발히 진행되고 있다.
한편, 최근 10년간 AI 관련 특허 출원은 미국이 2만4054건으로 가장 많았고 일본도 4208건으로 한국의 9.1배, 1.6배에 달했다.