검색결과 총 465건
-
-
-
롯데이노베이트, 10종 AI 에이전트 공개…"그룹 전반 AX 확산"
[경제일보] 롯데이노베이트가 계열사 맞춤형 AI 에이전트를 앞세워 롯데그룹의 인공지능 전환(AX)에 속도를 내고 있다. 생성형 AI를 넘어 업무를 직접 수행하는 '에이전틱 AI' 시대에 맞춰 식품과 유통, 화학, 인프라 등 그룹 전반의 업무 혁신을 추진하는 모습이다. 16일 롯데이노베이트는 자사의 계열사 맞춤형 AI 에이전트를 통해 롯데그룹의 AI 전환을 가속화하고 있다고 밝혔다. 롯데그룹은 AI를 미래 경쟁력 확보의 핵심 축으로 삼고 일하는 방식과 의사결정 체계, 고객 경험, 사업 운영 전반을 AI 중심으로 혁신하고 있다. 롯데이노베이트는 그룹의 AI 플랫폼 구축부터 현업 맞춤형 AI 에이전트 개발까지 담당하며 그룹 AX를 주도하고 있다. 특히 최근 글로벌 AI 시장이 생성형 AI를 넘어 스스로 업무를 수행하는 AI 에이전트 중심으로 재편되면서 기업들의 도입 경쟁도 본격화되고 있다. 단순한 정보 검색이나 답변 제공을 넘어 데이터 분석과 의사결정 지원, 업무 자동화까지 수행하는 AI 에이전트가 새로운 생산성 도구로 주목받고 있는 것이다. 롯데이노베이트는 이 같은 흐름에 맞춰 계열사별 업무 특성을 반영한 AI 에이전트를 개발하며 그룹 전반의 AI 활용 범위를 확대하고 있다. 실제 현장 적용 사례도 나오고 있다. 롯데이노베이트의 통합 AI 플랫폼 '아이멤버'를 기반으로 개발한 AI 음성번역 서비스는 소음이 많은 건설 현장에서도 작업자의 음성을 정확하게 인식하고 실시간 다국어 번역을 제공한다. 건설 전문 용어까지 반영할 수 있도록 개발돼 지난해 롯데건설에 도입된 데 이어 지난 5월에는 대우건설에도 적용됐다. 롯데이노베이트는 지난 15일 서울 송파구 롯데월드타워에서 열린 '2026 하반기 롯데 VCM'에 앞서 마련된 AI 전시에서 현업 적용을 목적으로 개발한 AI 에이전트 10여 종을 공개했다. 주요 경영진에게 AI 에이전트 활용 사례와 그룹 AX 추진 현황을 소개하며 AI 중심의 업무 혁신 방향을 제시했다. 이번에 선보인 AI 에이전트는 식품과 유통, 화학, 인프라 등 다양한 사업 분야의 실제 과제를 해결하기 위해 개발됐다. 식품·유통 부문에서는 가격 모니터링과 원물가 및 상품 수요 예측, 소비자 리뷰 분석을 통한 점포 경쟁력 진단 기능을 제공한다. 이를 통해 시장 변화에 대한 대응력을 높이고 데이터 기반 의사결정을 지원할 수 있다. 화학 부문에서는 석유화학과 전기차·배터리 산업의 글로벌 시장 전망을 분석하고, 인프라 부문에서는 신규 사업 후보지를 발굴하거나 콘텐츠 흥행성을 예측하는 기능을 선보였다. 음성과 모션 인식 기술을 적용한 AI 비서도 함께 공개하며 AI 활용 범위를 한층 넓힌 것으로 평가된다. 이번 서비스에는 대규모 언어 모델(LLM)을 활용한 생성형 AI와 검색 증강 생성(RAG) 기술이 적용됐다. 기업 내부 데이터를 분석해 필요한 정보를 실시간으로 제공하는 것은 물론 음성 인식(STT)과 음성 합성(TTS)을 활용한 대화형 기능도 구현했다. 롯데이노베이트는 향후 AI 에이전트를 그룹웨어와 전사적 자원관리(ERP) 시스템과 연계한 에이전틱 AI 형태로 고도화할 계획이다. 단순히 정보를 제공하는 수준을 넘어 업무를 수행하고 의사결정을 지원하는 형태로 발전시키겠다는 전략이다. 이를 통해 계열사별 업무 특성에 맞는 AI 활용 모델을 지속 확대하고 그룹 전반에 AI 중심의 일하는 방식을 정착시킨다는 방침이다. 롯데이노베이트는 AI와 클라우드, 데이터센터 운영 역량을 결합해 AI 서비스의 개발부터 인프라 구축, 운영까지 아우르는 엔드 투 엔드(End-to-End) AI 서비스를 제공하고 있다. 그룹 내부 AX를 넘어 다양한 산업 분야의 기업 고객을 대상으로 한 엔터프라이즈 AI 사업도 확대해 나갈 계획이다. 롯데이노베이트 관계자는 "이번에 선보인 AI 에이전트는 다양한 현업에서 즉시 활용할 수 있도록 설계한 기업형 AI 서비스"라며 "축적된 현장 적용 경험을 바탕으로 그룹의 AX를 고도화하고, 다양한 산업 분야의 AI 전환을 이끄는 엔터프라이즈 AI 사업을 확대해 나가겠다"고 말했다.
2026-07-16 08:34:35
-
-
-
-
-
-
후보지는 한 달이면 정한다는데…반도체 공장은 언제 돌아가나
[경제일보] 정부가 반도체 첨단산업단지 지정 요청이 들어오면 한 달 안에 후보지를 정하기로 했다. 통상 10년 이상 걸리는 산업단지 조성 기간을 기업 투자 일정에 맞춰 대폭 줄이겠다는 것이다. 용인 반도체 국가산업단지의 전체 조성 일정도 당초 2047년에서 2040년으로 최대 7년 앞당길 방침이다. 그러나 후보지 지정은 공장이 가동되기까지 거쳐야 할 긴 절차의 출발점일 뿐이다. 반도체 산업은 시간 싸움이다. 미국과 일본, 대만은 생산시설을 자국에 끌어들이기 위해 보조금과 세제 혜택을 앞세우고 있다. 기술이 있어도 공장 건설과 양산이 늦어지면 시장을 선점하기 어렵다. 기업의 투자를 느린 행정절차가 붙잡아서는 안 된다는 정부의 문제의식은 타당하다. 문제는 정부가 내세운 ‘한 달’이 전체 산단 조성기간 가운데 극히 일부라는 점이다. 후보지 선정 이후 산업단지계획 수립과 관계기관 협의, 주민 의견 수렴, 환경영향평가, 토지보상, 이주대책, 부지 조성공사가 이어진다. 전력과 용수, 도로와 철도까지 제때 갖춰져야 생산라인을 돌릴 수 있다. 후보지를 빨리 정해도 나머지 절차가 뒤따르지 못하면 기업이 체감하는 투자 시계는 달라지지 않는다. 산업단지 인허가를 줄이기 위한 제도도 이미 있다. 산업단지 인허가 절차 간소화 특례법은 관계기관 협의를 동시에 진행하고 일정한 기간 안에 의견을 내도록 규정하고 있다. 정부가 다시 패스트트랙을 꺼내 들었다면 기존 제도가 현장에서 기대만큼 작동하지 않은 원인부터 밝혀야 한다. 법을 하나 더 만들고 전담 조직을 늘리는 것만으로는 부처 간 이견과 주민 갈등을 해소하기 어렵다. 용인 국가산단은 정부가 풀어야 할 문제가 무엇인지를 보여준다. 정부는 2023년 3월 용인시 처인구 이동읍과 남사읍 일대를 국가산단 후보지로 선정했고 2024년 12월 산업단지계획을 승인했다. 후보지 선정에서 산단 승인까지 1년9개월이 걸렸다. 통상적인 국가산단 사업과 비교하면 빠른 편이지만 정작 사업 현장에서는 토지보상이 다음 관문으로 남아 있다. 용인 국가산단 예정지 727만4000㎡ 가운데 지난달 말까지 토지 보상 협의가 끝난 면적은 274만1000㎡로 37.7% 수준이다. 상당수 토지 소유자가 보상액에 이의를 제기하면서 수용재결 절차도 진행되고 있다. 정부는 연내 보상을 마무리한 뒤 부지 조성공사에 들어가겠다고 했지만 보상과 이주가 계획대로 끝날지는 장담하기 어렵다. 사업기간을 줄인다는 이유로 보상과 주민 의견 수렴을 형식적으로 처리해서도 안 된다. 보상 기준과 이주대책을 둘러싼 갈등이 길어지면 공사 지연과 소송으로 이어질 수 있다. 주민을 설득하는 데 드는 시간을 행정 낭비로 볼 것이 아니라 전체 사업기간을 줄이기 위한 과정으로 봐야 한다. 초기 단계부터 보상 기준과 생활대책을 공개하고 이견을 조정하는 편이 결과적으로 더 빠르다. 토지보상보다 더 까다로운 문제는 전력이다. 용인 반도체 클러스터에는 장기적으로 10GW가 넘는 전력이 필요한 것으로 추산된다. 발전소와 변전소를 산단 안에 짓는 것만으로 부족하고 외부 전력을 끌어오기 위한 장거리 송전망도 새로 설치해야 한다. 송전선로의 노선 선정과 부지 확보, 환경 검토, 주민 협의를 감안하면 산단 승인과는 다른 차원의 난제다. 산단 부지 조성만 7년 앞당기고 송전망이 뒤따르지 못하면 공장 가동 시점은 앞당겨지지 않는다. 어느 지역에서 전기를 가져오고 송전선로가 어느 지방자치단체를 지나며 변전소를 어디에 설치할 것인지가 먼저 확정돼야 한다. 첫 번째 생산라인이 필요로 하는 전력을 언제부터 공급할 수 있는지도 공개해야 한다. ‘전력 공급에 차질이 없도록 하겠다’는 원론적인 설명만으로는 부족하다. 용수 문제도 다르지 않다. 정부가 추진하는 용인 반도체 산업단지 통합용수공급 사업은 하루 107만2000t의 공업용수를 공급하는 대형 사업이다. 팔당댐에서 용인까지 46.9㎞에 이르는 전용 관로와 가압시설을 새로 설치해야 하고 사업비도 2조원을 웃돈다. 1단계 용수 공급 목표 시점은 2031년이다. 용인 국가산단과 인근 일반산단의 전체 용수 수요는 하루 약 133만t으로 예상된다. 기존 댐의 여유 물량만으로는 부족해 하수 재이용수와 발전용 댐의 물까지 활용하는 방안이 검토되고 있다. 물을 확보하는 것과 수십㎞의 관로를 제때 설치하는 일은 별개 문제다. 관로가 지나는 지역과의 협의가 늦어지면 공장 완공 이후에도 용수 공급을 기다려야 하는 상황이 벌어질 수 있다. 정부는 용인 국가산단의 최종 완공 시점을 2040년으로 앞당기겠다고 밝혔다. 그러나 기업에 중요한 시점은 마지막 공장이 들어서는 2040년이 아니라 첫 번째 생산라인을 언제 착공하고 가동할 수 있느냐다. 첫 팹에 필요한 토지를 언제 넘기고 공사용 도로를 언제 개통하며 전력과 용수를 어느 시점부터 얼마나 공급할 것인지가 투자 판단을 좌우한다. 배후 교통망도 산단 공사와 따로 움직여서는 안 된다. 정부는 이동 공공주택지구 인허가를 내년 초까지 마치고 국도 45호선 확장사업도 오는 8월 발주할 계획이다. 주택과 도로 건설이 산단보다 늦으면 출퇴근 혼잡과 주거난이 불가피하다. 공장만 먼저 지어 놓고 근로자에게 장거리 출퇴근을 감수하라고 할 수는 없다. 호남권에 새로 조성하겠다는 반도체 국가산단은 용인보다 불확실성이 더 크다. 정부는 광주 군공항 이전 부지를 중심으로 팹 4기가 들어서는 국가산단과 연구·창업·주거 기능을 갖춘 첨단도시를 조성하겠다고 했다. 기업 투자 규모로 800조원을 제시했지만 투자 주체와 투자 시기, 공장별 착공 일정은 아직 구체적으로 공개되지 않았다. 산단 부지로 거론된 광주 군공항 이전 부지는 군공항 이전과 종전부지 개발, 재원 조달 문제가 먼저 풀려야 한다. 군공항 이전이 늦어지면 산단 부지 확보도 늦어진다. 후보지 지정만 한 달 안에 마치겠다고 해서 해결될 문제가 아니다. 군공항 이전부터 토지 인도와 산단 조성, 기반시설 공급까지 하나의 일정으로 관리해야 한다. 정부가 내세운 ‘출퇴근 30분, 수출입 물류 1시간’이라는 목표도 구체성이 부족하다. 도로와 철도의 노선, 사업비, 착공과 개통 시점이 함께 제시돼야 한다. 무안국제공항의 기반시설과 기능을 강화한다는 계획도 어떤 물류를 얼마나 처리할 것인지가 나와야 한다. 반도체 물류에 필요한 보안과 온습도 관리, 신속한 통관 체계를 어떻게 갖출 것인지도 설명해야 한다. 산업단지 조성기간을 줄이는 방법이 환경영향평가를 건너뛰거나 주민 권리를 축소하는 것이어서는 안 된다. 개발계획 수립과 환경조사, 기반시설 설계를 사업 초기부터 동시에 진행하고 부처 간 이견을 신속히 조정하는 것이 핵심이다. 문제가 생길 때마다 관계부처 회의를 여는 방식으로는 기업 시간표를 맞출 수 없다. 단계별 책임 기관과 최종 결정권자를 정해 둬야 한다. 정부가 내놓아야 할 것은 ‘한 달 안에 후보지 지정’이라는 숫자보다 공장 가동일까지 이어지는 전체 공정표다. 후보지 선정과 산단 승인, 토지보상, 부지 조성, 송전망과 용수관로, 도로와 철도 건설을 하나의 일정표에 담아야 한다. 각 단계의 완료 시점과 책임 부처를 공개하고 일정이 늦어질 경우의 대응책도 마련해야 한다. 반도체 공장은 산업단지 지정 고시만으로 돌아가지 않는다. 땅과 전기, 물, 도로가 필요한 시점에 함께 준비돼야 생산라인이 움직인다. 후보지를 한 달 안에 정하는 것은 의미 있는 출발이다. 정부의 속도전이 성과를 내려면 그다음 10년을 어디에서 어떻게 줄일 것인지부터 보여줘야 한다.
2026-07-13 16:20:06
-
-
-
-
-
-
챗봇 경쟁 끝…AI 승부처는 '산업 현장'
[경제일보] 인공지능(AI) 경쟁의 무게중심이 거대언어모델(LLM) 성능 중심에서 산업 적용 중심으로 이동하고 있다. 생성형 AI가 기술 경쟁을 이끌었다면 이제는 신소재 개발과 제조 혁신, 금융 분석 등 실제 산업 현장의 문제를 해결하는 '산업 AI'가 새로운 승부처로 떠오르고 있다는 분석이다. 12일 업계에 따르면 LG AI연구원은 최근 서울에서 열린 세계 최고 권위의 머신러닝 학회 'ICML 2026'에서 엑사원(EXAONE)의 산업 적용 사례를 대거 공개했다. 학회에서 발표한 14편의 논문보다 시장의 관심을 끈 것은 AI가 실제 산업 현장에서 만들어내고 있는 성과였다. AI가 연구개발을 돕는 수준을 넘어 기업의 제품 개발과 의사결정, 데이터 생산 방식을 바꾸는 단계에 들어섰다는 점을 보여줬기 때문이다. 대표적인 사례가 신소재 발굴 플랫폼 '엑사원 디스커버리'다. LG AI연구원은 AI를 활용해 42만개가 넘는 후보 물질 가운데 탈모 관리 신소재 '람시딜'을 하루 만에 찾아냈고, 현재 제품화를 추진하고 있다. AI 데이터센터 핵심 인프라로 떠오른 액침 냉각유 소재 역시 GS칼텍스와 공동 개발하며 신소재 발굴 범위를 확대하고 있다. 금융 분야에서도 AI의 역할은 커지고 있다. 금융 특화 AI 에이전트 '엑사원 BI'는 한국과 미국 증시에 상장된 약 8000개 종목을 매일 분석해 투자 판단에 필요한 예측 정보와 분석 리포트를 제공한다. 영국 런던증권거래소그룹(LSEG)에 이어 최근 코스콤과도 협력을 시작하면서 산업 AI의 적용 범위를 글로벌 금융시장과 국내 자본시장으로 넓히고 있다. 데이터 생산 방식 역시 달라지고 있다. '엑사원 데이터 파운드리'는 AI가 고품질 데이터를 자동 생성하고 전문 분야별 AI 모델 구축을 지원하는 플랫폼이다. 국민연금공단 시범 사업에서는 하루 1만건 이상의 전문 데이터를 자동 구축하는 시스템을 구현했다. 사람이 일일이 데이터를 구축하던 방식에서 AI가 데이터 생산 공장 역할을 수행하기 시작한 것이다. 반도체 업계에서는 AI가 공정 최적화와 수율 개선에 활용되고 있으며 배터리 업계에서는 차세대 소재 개발과 품질 관리에 적용 범위가 확대되고 있다. 제조 현장에서는 설비 이상을 예측하고 생산 계획을 최적화하는 AI 솔루션 도입이 늘고 있고 금융권 역시 투자 분석과 리스크 관리 분야에서 AI 활용을 확대하고 있다. AI가 더 이상 하나의 서비스가 아니라 산업 전반을 움직이는 핵심 인프라로 자리 잡고 있는 셈이다. LG의 차별점은 AI 기술을 곧바로 적용할 수 있는 산업 기반을 갖추고 있다는 점이다. LG전자와 LG생활건강, LG에너지솔루션, LG디스플레이 등 다양한 제조 계열사를 통해 AI 연구 성과를 실제 제품과 사업으로 연결할 수 있다. AI를 연구하는 조직과 이를 활용할 산업 현장이 하나의 생태계 안에 있다는 점이 경쟁력으로 꼽힌다. 물론 해결해야 할 과제도 적지 않다. 산업 AI가 확대될수록 AI가 내린 판단의 신뢰성과 책임 문제, 기업 데이터 보호, 산업별 규제 체계 등 새로운 숙제가 함께 등장하고 있다. 산업마다 필요한 데이터의 특성과 정확도가 다른 만큼 범용 AI보다 높은 수준의 전문성과 검증 체계도 요구된다. 그럼에도 산업계가 AI에 주목하는 이유는 분명하다. 인공지능이 더 이상 논문과 연구 성과에 머무르는 기술이 아니라 실제 산업 현장에서 비용을 줄이고 연구개발 기간을 단축하며 새로운 제품과 서비스를 만들어 낼 수 있기 때문이다. 강철부대의 시선이 머무는 곳, AI 생태계 역시 더 이상 모델 성능이나 논문 편수만으로 경쟁력을 평가받기 어려운 단계에 진입하고 있다. 생성형 AI 열풍을 넘어 실제 산업 난제를 해결하고 사업화 성과를 입증하는 기업이 새로운 승자가 될 가능성이 커지고 있다. 기술 경쟁의 무게중심도 AI 모델의 성능 경쟁에서 산업 현장의 활용 가치와 사업화 역량으로 이동하는 흐름이다. AI의 다음 킬러 애플리케이션 역시 새로운 챗봇보다 공장과 연구소, 데이터센터, 금융시장 등 산업 현장에서 먼저 등장할 가능성이 크다.
2026-07-12 08:00:00