[AI 리더스] "AI는 새로운 전기"…에너지연 이제현, '레고형 자동화'로 연구 시스템 재편
"인공지능(AI)은 단순한 도구를 넘어 연구와 조직 운영 전반을 재설계하는 실천적 수단입니다. 기계학습(ML) 자체만큼 중요한 것은 그것을 사람과 문제에 어떻게 연결하고 조합하느냐입니다. 오늘날의 연구자는 데이터를 다루는 기술자이자 AI에게 가치와 맥락을 설계해 주는 해석자여야 합니다." 이제현 한국에너지기술연구원 에너지AI·계산과학실장은 최근 기자와 인터뷰에서 이같이 말했다. 그는 에너지와 AI라는 두 축을 접목한 '실천가형 연구자'로, 기술 자체만큼이나 "기술이 어떻게 조직 안에 어떻게 퍼질 수 있는가"에 집중하는 전략가다. 현장 연구자와 행정 실무자 모두가 AI를 손에 쥐게 하려면 결국 언어와 문화가 먼저라는 것이 그의 신념이다. 23일 업계에 따르면 최근 공공, 산업계 전반에서 AI 실용화를 이끄는 'AI 에반젤리스트'에 대한 요구가 높아지고 있다. 특히 연구 생산성과 행정 자동화를 아우르는 현장형 사례가 주목받는 가운데 이제현 에너지연구원 실장은 대표적 실천가로 관심을 모으고 있다. 이 실장은 서울대학교에서 재료공학 박사, 비엔나공과대학교에서 고체물리학 박사 학위를 취득한 이중 박사 출신이다. 삼성전자 반도체연구소에서 3D 모델링과 AI 응용을 이끄는 실무 책임자로 근무하며 연례기술상과 미래창조상을 수상했고 이후 서울대 재료공학부 연구교수를 거쳐 한국에너지기술연구원으로 자리를 옮겼다. 지난해부터는 대통령 직속 국가인공지능위원회 산업·공공분과 위원으로도 활동하고 있다. "AI 전환 활동, 창피함에서 시작됐다"…'AI-에너지 실천가'가 된 여정은 이 실장이 정부출연 연구기관(출연연)의 'AI 에반젤리스트'를 넘어 AI 없이는 설명할 수 없는 '필수불가결의 실천가'로 정체성을 확립하기까지는 예상 밖의 출발점이 있었다. 그것은 바로 '부끄러움'이었다. 그는 지난 2018년 출연연에 입사했을 당시를 떠올리며 태양광·풍력·수소·배터리 등 에너지 공학 전반에 대한 이해가 거의 없었다고 밝혔다. 데이터 분석과 AI 개발에는 자신 있었지만 실제 에너지 기술 논문을 해석하는 데 큰 어려움을 겪었다는 설명이다. 이 실장은 "그 당시에는 하루 세 편 이상의 논문을 읽는 것조차 버거웠고 에너지 전문 연구자들 사이에선 스스로가 '바보가 된 느낌'이었다"며 "이에 더더욱 살아남아야겠다고 마음먹었다"고 말했다. 이어 "여기서 AI를 단순한 연구 주제가 아니라 나를 구하는 실전 무기로 써야겠다는 각성이 생겼다"고 말했다. 실제 전환점은 지난 2020년 초 한 랩 세미나 발표 일정에서 찾아왔다. 5일 안에 최신 태양광 논문 20편을 읽고 리뷰를 정리해 발표해야 했던 그는 시간 부족과 전문성 한계를 동시에 마주하며 해결책을 고민했다. 이에 논문 PDF를 자동 수집하고 형태소 분석과 동사 추출을 통해 주요 키워드와 연구 동향을 집계하는 텍스트 마이닝 기법을 고안했다. 단순 요약이 아닌 논문 간 흐름을 데이터 기반으로 구조화하는 전략이었다. 결과는 예상과 달리 압도적이었다. 5일 만에 8천여 편의 논문을 자동으로 요약·분류했고 세미나 당일에는 정제된 연구 분야 지도와 핵심 트렌드를 제시해 긍정적 평가를 받았다. 이 실장은 "호통을 기대했는데 대신 칭찬이 돌아왔다"며 "AI를 단순한 분석 도구가 아닌 생존을 가능케 하는 실전형 활용법으로 처음 체감한 순간이었다"고 회상했다. 다만 이를 본격적으로 활용하려 파고들자 이 실장은 곧 기술적 한계에 직면했다. 당시 사용한 초창기 언어모델인 'BERT' 기반 딥러닝 요약 애플리케이션 프로그램 인터페이스(API)가 논문 초록의 앞부분만 뽑는 '두괄식 요약'에 그쳐 실제 연구의 고유한 기여 내용은 제대로 반영되지 않았던 것이다. 이에 그는 자신이 과거에 작성한 논문 40여 편을 직접 분석하며 연구자가 '고유 기여'를 선언할 때 반복적으로 사용하는 표현들을 선별해 나갔다. 일례로 "이 논문에서 우리는…", "본 연구는 다음을 제시한다…", "이 연구에서는 처음으로…"와 같은 문장들이 대표적이다. 이 실장은 이러한 문장 패턴을 정규표현식으로 구현해 논문 핵심 기여만을 자동으로 추출하는 20개의 규칙 세트를 설계했다. 이 세트는 실제 태양광, 수소, 배터리 등 다양한 에너지 기술 논문에 적용한 결과 매우 높은 정확도로 고유 기여 문장을 뽑아내는 성과를 거뒀다. 이에 당시에는 "이 정도 수준이면 사업화해도 되지 않겠느냐"는 제안까지 이어졌다. 이 실장의 실천가적 성향은 기술의 실용성과 시장성에 대한 감각에서도 드러난다. 그는 박사 시절 스핀트로닉스라는 첨단 주제를 연구했지만 산업계가 해당 기술을 외면하면서 좌절을 겪은 경험이 있다. 실용적이고 경쟁력 있는 연구 주제가 결국 살아남는다는 깨달음은 이후 그가 다양한 에너지 기술을 '같은 거리'에서 관찰하고 AI와 데이터로 조망하는 전략으로 전환하는 계기가 됐다. "레고처럼 조합한 AI"…에너지연을 AI 조직으로 바꾼 실천형 전략 이제현 연구실장은 "기술을 직접 개발하지 않아도 잘 조합하면 된다"는 철학 아래 다양한 API를 연결해 활용하는 전략을 구사하고 있다. 초창기에는 BERT 기반 요약 API와 구글 번역 API를 결합해 한글·영문 동시 요약 파이프라인을 구성하고 논문 데이터의 전처리와 후처리는 파이썬 스크립트로 처리하는 방식으로 자동화 체계를 구축했다. 그는 "우리가 AI를 직접 구축하지 않는다고 해도 이를 레고 블록처럼 조립해서 붙일 수 있다"며 "이를 통해 지금까지 상상되지 않은 생산적인 사용 사례를 창출할 수 있다"고 설명했다. 이 실장이 설계한 조립형 전략은 이후 생성형 AI 확산과 맞물리며 보다 강력한 효과를 냈다. 특히 지난 2023년 '챗GPT' API가 공개됐을 당시 기존에 구축해 둔 다양한 입출력 파이프라인 덕분에 새로운 모델을 별도 수정 없이 그대로 끼워 넣는 방식으로 즉시 적용할 수 있었다. 연구 생산 흐름에 AI를 유기적으로 결합하는 구조 중심의 접근이 자체 개발보다 현실적이고 효율적인 전략으로 작동한 셈이다. AI를 레고 블록처럼 조립한 실험 중 하나는 'GPT-4' 기반 '딴지봇'이다. 챗GPT의 'GPT스토어'에서 찾아서 쓸 수 있는 이 봇은 단순한 챗봇이 아니다. 숫자 계산·단어 수 비교 등 논리 판단이 필요한 질문에는 파이썬 코드로 정확한 값을 먼저 구한 뒤 GPT가 해당 결과를 기억해 끝까지 유지하도록 설계됐다. "생각이라는 걸 할 줄 아는거죠?" 같은 태클형 멘트도 함께 삽입해 독특한 캐릭터를 갖췄다. '딴지봇'은 기존 챗GPT와 달리 유저가 자기 생각 속에 잠기게 되는 편향을 줄이고 논리적 사고를 유도하는 데도 효과적이다. 끊임없이 반박하는 구조 덕분에 사용자가 스스로 논리를 점검하게 된다. 이 실장의 소개 후 기자 역시 이 챗봇을 사용하며 비용 편익 분석과 판단에 있어 도움을 받고 있다. 또 다른 실험으로는 '플랏봇'과 '싹둑봇'이 있다. 플랏봇은 '챗GPT'가 한글·한자 폰트를 직접 불러와 디자인 과정에서 발생하는 글자 뭉침 현상을 자동으로 해결한다. 싹둑봇은 복수의 아이콘이 담긴 PNG 이미지를 자동으로 분리해 저장하며 사용자 요청에 따라 반복 편집도 가능하다. 이 실장은 "AI를 직접 구축하지 않아도 잘 조립하면 된다"며 "이런 도구들을 AI가 직접 짜준 코드 한 줄로 연결하면 연구자들의 일상적인 작업도 단숨에 자동화할 수 있다"고 설명했다. 다만 아무리 강력한 도구라도 '공감할 언어' 없이 전파되긴 어렵다. 이 실장이 연구원에 부임한 이후 택한 전략은 단순한 기술 전파가 아닌 '문화 설계'에 가까웠다. 그는 처음 부임했을 때부터 내부 게시판에 AI 관련 사용기를 꾸준히 게시하며 일상 언어로 기술을 설명하고 사례를 공유했다. 주 독자인 태양광·수소 분야 연구자들이 공감할 수 있도록 콘텐츠는 절반은 익숙한 개념, 나머지 절반은 새로운 시사점으로 구성해 진입 장벽을 낮췄다. "기술은 낯설어도 맥락은 익숙해야 따라올 수 있다"는 것이 전략이었다. 그렇게 쌓아올린 AI 관련 사용기와 활용 노트는 어느덧 5년간 누적 52페이지에 달했다. 이같은 접근은 단순한 기술 놀이가 아니라 연구원 조직 전체에 AI 문화를 확산시키는 촉매로 작용했다. 이후 전산실과 지식정보실, 행정부서 등이 서로 협력해 '논문 요약 자동화', '회의록 정리', '보고서 DOCX 변환' 등 실제 행정에 적용 가능한 AI 툴 실험이 이어졌다. 업무 질 제고를 위해 작은 단위의 자동화부터 전체 문서 파이프라인 개편까지 범위도 넓었다. 대표적인 예는 'GPT-4'를 활용한 보고서 자동 출력 기능이다. 과거에는 보고서를 문서로 만들기 위해 파이썬 코드나 API를 직접 다뤄야 했지만 지금은 "이 내용 워드로 정리해줘" 한 줄만 입력하면 AI가 알아서 워드 파일을 만들어준다. 표나 숫자가 포함된 내용은 엑셀 파일까지 자동으로 생성된다. 이처럼 여러 AI 도구가 서로 연결돼 자연스럽게 이어지는 작업 흐름이 실제 연구원 내부에 자리잡고 있다. 연구원 수뇌부의 지원도 강력했다. 전임 원장은 표창과 강연 기회를 통해 AI 실험가들을 공개적으로 격려했고 공공기관 속 숨은 고수들이 전면에 나설 수 있도록 환경을 조성했다. 현 경영진 역시 R&D 예산삭감 와중에도 출연연 최초 DGX GPU 도입 등 지원을 아끼지 않았다. 전파 속도도 가팔랐다. 다른 출연연에서 AI 태스크포스가 직접 방문해 벤치마킹할 정도로 한국에너지기술연구원은 행정과 연구 전반에 AI를 접목한 선도 기관으로 주목받고 있다. 정보 요약부터 가설·실험까지…AI가 만드는 미래의 연구 루프 이제현 실장은 AI가 전기나 원유처럼 '사회의 기반'으로 받아들이는 시대가 머지않았다고 보고 있다. 모든 산업과 학문이 전기를 쓰듯 이제는 AI를 자연스럽게 흡수하게 될 것이며 연구기관도 예외가 아니라는 것이다. 이 실장이 구상하는 연구기관 내 AI 활용의 미래는 세 가지 축으로 정리된다. 이 중 핵심은 정보 습득의 가속이다. 그는 방대한 논문, 보고서, 뉴스 등 텍스트 기반 데이터를 빠르게 흡수하기 위해 요약 파이프라인을 구축해 왔다. 끊임없이 쌓이는 '과잉 정보'에 대응하기 위해 BERT, GPT, 딥엘 등 언어 모델을 조합하고 이를 노트북LM, 마누스 등 도구와 연계해 핵심 문장만 추출하고 시각자료와 자동 연결하는 구조를 실험하고 있다. 정보 판단을 기계에 맡겨도 되는가라는 기자의 질문에는 "인간이 조직과 컨설팅 서비스를 만든 이유도 결국 판단의 효율을 높이기 위한 것이었다"며 "지금처럼 정보가 넘쳐나는 시대에 일부 판단을 기술에 위임하는 현상이 자연스럽게 발생하는 것"이라고 말했다. 또 다른 핵심 축은 추론과 가설 생성의 자동화다. 이 실장은 AI가 단순한 보조 도구를 넘어 연구자의 사고 방식과 문제 접근법까지 학습하는 수준으로 진화할 것으로 예측한다. 이미 그는 자신이 설계한 '딴지봇'에 '연구자 성향'과 '판단 기준' 같은 논리적 편향을 의도적으로 주입해 AI가 스스로 문제를 정의하고 가설을 제안할 수 있는 구조를 실험 중이다. 연구 자동화의 마지막 축으로 이 실장은 실험과 검증의 기계화를 제시했다. 장기적으로 AI가 실험 설계까지 최적화할 수 있을 것이라는 예측이다. 로봇과 랩 오토메이션을 연계하면 사람이 손을 대지 않아도 전체 연구 과정을 하나의 사이클로 자동 수행하는 구조가 가능하다는 구상이다. 다만 그는 실험의 실행은 자동화하더라도 그 방향을 설정하는 가치 판단과 최종 결정은 인간의 몫이어야 한다는 점을 강조했다. 그는 AI가 절대 넘볼 수 없는 분야로 '철학·역사·문화적 맥락'을 꼽았다. 독일의 인종주의 트라우마나 한국의 민주화 경험 같은 집단 기억과 감정은 기존의 데이터만으로 온전히 담아내기 어렵다는 이유에서다. '챗GPT' 지브리풍 그림이 빠르게 식상해지는 현상을 예로 들며 "새로움과 차별점을 설계하는 능력이야말로 인간 고유의 가치"라고 설명했다. 이 실장과 에너지연구원은 '연구 자동화'라는 미래를 향해 실질적으로 가능한 실험들을 하나씩 진행 중이다. 미국의 프론티어 AI랩들에게만 가능한 자체 LLM을 구축할 역량이 없다고 해도 외부 AI 모델을 최대한 잘 활용해 레고와 같이 데이터 파이프라인을 최고 수준으로 설계하는 것은 가능하기 때문이다. 이미 연구원 내부에서는 보고서, 뉴스, 논문 같은 데이터를 자동으로 수집·정리한 뒤 이를 기반으로 표, 그래프, 설명형 문서까지 자동으로 생성하는 시스템이 실험되고 있다. 향후에는 이를 보다 고도화해 '딥 리서치 에이전트'를 구축할 계획이다. 이는 에너지·기후 관련 논문, 특허, 정책 자료 등을 AI가 메타리뷰하고 위험 요소를 정리한 리스크 맵이나 요약 보고서까지 자동 생성하게 만든다는 구상이다. 사용자가 직접 입력하는 프롬프트와 부서별 서식도 미리 정해 둬 결과물이 자동으로 워드 문서로 출력되고 원문 링크도 함께 붙는 구조다. 이에 더해 AI가 실험 설계 단계까지 관여할 수 있도록 윤리 기준이나 연구자의 판단 기준을 변수로 설정하는 시도도 추진 중이다. 장기적으로는 실험 로봇, 디지털 트윈과 연계해 아이디어가 뜨자마자 실험되고 결과까지 해석되는 '완전 자동화 루프'를 구현하겠다는 계획이다. 이제현 한국에너지기술연구원 실장은 "AI가 논문을 읽고 가설을 세우고 실험을 설계하는 시대는 언젠가 오게 될 것"이라며 "이러한 시대에 대비해 우리는 AI에게 어떤 맥락을 학습시킬 것인가를 물어야 한다"고 강조했다.
