AI 기술 표준화, 개념 논의 넘어 '현장 실행'으로…산·학·연 한자리
산업계가 현장에서 바로 쓸 수 있는 실무형 인공지능(AI) 표준의 필요성을 한 목소리로 제기했다. 다품종 소량생산, 거대언어모델(LLM) 서비스 확산, 글로벌 규제 강화 속에서 제조 데이터·검증 지표·신뢰성 프레임워크를 산업별 특성에 맞게 재설계해야 한다는 주장이다. 한국인공지능산업협회는 1일 서울 양재 엘타워에서 'AI 기술 표준화 세미나'를 개최하고 제조 AI 데이터 표준화, 산업별 AI 검증 기준, 신뢰성 표준화 전략 등 산업계의 표준화 수요를 집중 논의했다고 2일 밝혔다. 이번 세미나는 AIIA가 주최하고 한국정보통신기술협회(TTA) ICT 표준화포럼인 지능정보기술포럼과 의약데이터표준화포럼이 공동으로 주관했다. 이날 장하영 써로마인드 대표는 '제조 AI를 위한 데이터 표준화 필요성' 발표에서 다품종 소량생산과 공정 복잡화로 제조 현장의 데이터 수요가 급증하는 상황을 짚으며 "이제는 AI 활용을 전제로 한 데이터 표준 설계가 필요하다"고 말했다. 이어 "국내에서도 제조 데이터 표준화 사업이 여러 번 추진됐지만, 실제 현장에서는 AI를 돌리기 위한 데이터 관점이 부족해 활용도가 떨어졌다"고 진단했다. 또 그는 "설비·공정마다 제각각인 변수명, 수집 주기, 스키마를 정리해 의미·구조·품질·수집 방식을 일관되게 정의해야 한다"며 "공장 내 설비 간, 공장 간 데이터가 이어져야 예지보전·품질 최적화·에너지 효율화 등 제조 AI의 효과가 극대화되기에 상호 운용성에 머무르지 않고 AI 응용을 중심에 둔 데이터 표준이 필요하다"고 강조했다. 다음으로 티벨 이혜진 이사는 '산업별 차별화된 AI 검증 기준의 필요' 발표를 통해 LLM·AI 서비스 검증의 패러다임 전환을 강조했다. 그는 "AI 서비스는 정답이 하나가 아니고 편향·유해성·환각 등 다양한 요소가 얽혀 있어 '맞았다·틀렸다'만으로 품질을 평가하기 어렵다"며 "금융·의료·모빌리티·통신 등 산업별로 리스크와 사회적 영향도가 다른데 모든 산업에 동일한 지표를 적용하면 현장을 제대로 반영할 수 없다"고 지적했다. 이 이사는 이에 따른 범용 지표와 도메인 특화 지표를 결합한 '이중 레이어 프레임워크'를 제안했다. 그는 "검증 기준뿐 아니라 산업별 대표 테스트 케이스·검증 데이터셋, 평가 플랫폼이 함께 갖춰져야 한다"며 "티벨이 개발한 LLM 평가 플랫폼 'T-렌즈'처럼 평가 프로세스·지표·데이터·도구를 한 번에 관리할 수 있는 체계가 AI 검증의 실효성을 높일 것"이라고 말했다. 셀렉트스타 모세웅 사업전략리더는 'AI 신뢰성 확보를 위한 표준화 대응 전략' 발표를 통해 글로벌 규제·표준 환경 속에서 산업계가 겪는 실행 격차를 지적했다. 그는 "EU AI법, NIST AI RMF, ISO/IEC 42001 같은 문서들은 빠르게 늘어나지만 기업 입장에서 당장 무엇부터, 어떻게 해야 하는지는 여전히 불명확하다"며 "실무에서 바로 사용할 수 있는 체크리스트, 진단 템플릿, 예시 보고서, 평가 도구가 부족한 것이 문제"라고 말했다. 이어 제품·서비스, 모델·시스템, 데이터, 거버넌스 네 레이어 위에 국내·외 규제·표준을 재배치한 실행형 신뢰성 프레임워크를 제안했다. 모 리더는 "국제표준과 국내 AI 기본법·KS를 기업 내부의 위험 관리·품질 관리 체계와 연결하고 이를 지원하는 자동·반자동 평가 도구를 결합해야 한다"며 "여기에 'AI-마스터', 'CAT' 같은 민간 인증이 연동되면 기업은 한 번 준비한 신뢰성 체계를 내부 거버넌스와 외부 인증에 동시에 활용할 수 있다"고 설명했다.
