“AI가 사람 대신 가설 세우고 실험…업무방식 자체가 바뀐다” [헤럴드 기업포럼 2026]

[헤럴드경제=고은결 기자] “에이전틱 AI(인공지능)를 쓰면 개인의 생산성이 극도로 올라갈 수 있습니다.”

이화영 LG AI연구원 AI사업개발부문장(상무)은 29일 서울 중구 신라호텔 다이너스티홀에서 열린 ‘헤럴드 기업포럼 2026’에서 ‘AI 기반 비즈니스 가치 창출 전략’을 주제로 한 강연에서 에이전틱 AI의 핵심 가치로 생산성 향상을 꼽았다. 기존에는 특정 업무를 잘하는 전문가에게 일을 맡기면 하루나 이틀이 걸렸지만, 에이전틱 AI를 활용하면 수시간 만에 결과를 얻을 수 있다는 것이다.

이 부문장은 “우리가 일을 할 때 혼자만 하는 게 아니라 옆에 있는 동료, 상사, 다른 부서와 같이 협업해서 어떤 목표를 달성한다”며 “이런 일들 사이사이에 에이전틱 AI가 역할을 하기 시작한 것”이라고 말했다. 이어 “부서와 부서, 개인과 개인이 일을 할 때 딜레이를 발생시키는 요소들을 에이전틱 AI가 줄여줄 수 있다”고 설명했다.

특히 AI가 단순·반복 업무뿐 아니라 고숙련 업무까지 수행하기 시작했다는 점에 주목했다. 이 부문장은 신약 후보물질 개발을 예로 들며 “세계 최고의 바이오·생명공학자들이 하는 일은 수많은 연구 내용을 종합하고 추론해서 많은 가설을 세우고 실험으로 검증하는 것”이라며 “최근에 나온 에이전틱 AI에 그런 일을 시키면 굉장히 빠른 속도로 대신해준다”고 말했다.

이 부문장은 에이전틱 AI의 발전을 이끄는 핵심 요소로 자연어 기반 인터페이스와 파운데이션 모델(foundation model), 리즈닝(reasoning·추론), 오케스트레이션(orchestration·지휘)을 제시했다.

우선 과거에는 컴퓨터에 일을 시키기 위해 프로그래밍 언어로 작업을 일일이 입력해야 했지만 이제는 자연어로 원하는 일을 설명하면 AI가 코드를 작성하고 실행한 뒤 결과까지 전달할 수 있게 됐다는 설명이다. 그는 “지금은 코딩조차도 필요 없다”며 “자연어로 얘기하면 컴퓨터가 그 내용을 알아듣고, 코드를 짜서 알아서 실행시키고, 그 결과를 다시 자연어로 번역해 제공하는 시대”라고 말했다.

파운데이션 모델의 역할도 강조했다. 과거 딥러닝은 특정 목적에 맞춰 대량의 데이터를 일일이 라벨링하고 학습시켜야 했지만, 파운데이션 모델은 다양한 업무에 일반화할 수 있다는 것이다. 이 부문장은 “파운데이션 모델은 특정 목적의 특정 일만 잘하는 것이 아니라 여러 가지 일을 굉장히 잘할 수 있게 됐다”며 “딥러닝에서 필요한 레이블링 기술들이 필요 없어졌다는 게 중요한 화두”라고 설명했다.

여기에 AI가 스스로 생각하고 가설을 세우는 ‘리즈닝’과 여러 AI를 지휘하는 ‘오케스트레이션’이 결합되면 생산성이 더 높아질 수 있다고 봤다. 이 부문장은 “AI도 사람과 일을 같이 하지만 다른 에이전틱 AI와도 같이 일을 한다”며 “어떻게 지휘하느냐에 따라 완전히 다른 결과물이 나올 수 있다”고 했다.

LG는 실제 제조 현장에서 파운데이션 모델을 활용한 품질검사 기술을 적용하고 있다. 대표적인 사례가 배터리다. 기존에는 공장과 생산라인, 제품별로 양품과 불량품을 일일이 라벨링한 뒤 각각 딥러닝 모델을 만들어야 했다. 이 부문장은 “전 세계 곳곳에 공장이 있고, 공장마다 여러 라인이 있고, 라인마다 여러 제품을 생산한다”며 “다 곱해보면 약 1만개에 달하는 딥러닝 기반 품질 판정 모델을 만들어야 한다”고 설명했다.

이를 파운데이션 모델 방식으로 바꿨다. 대규모 배터리 이미지를 학습시킨 뒤 양품·불량품 샘플을 제시해 배터리의 품질을 판단하도록 한 것이다. 이 부문장은 “에이전트한테 가장 유사한 배터리 중 양품·불량이 이미 레이블링된 것을 프롬프트로 넣어줬더니 굉장히 잘 판정할 수 있었다”고 말했다.

정형 데이터에도 같은 방식의 파운데이션 모델을 적용했다. 제조 공정에서 쌓이는 수치 데이터를 분석해 품질검사를 진행할지 여부를 판단하는 방식이다. 이 부문장은 “품질검사에 들어가는 장비를 30% 이상 줄이고 택 타임(Takt Time·제품 하나를 생산하는 데 필요한 시간)도 줄여 생산성을 획기적으로 높였다”고 밝혔다.

금융 분야에서는 미래 예측과 에이전트 간 협업을 결합했다. LG AI연구원은 뉴스와 회계보고서, 애널리스트 리포트 등 텍스트 데이터와 주가 시계열 데이터를 함께 분석해 미래 주가 흐름을 예측하는 모델을 개발했다. 이를 발전시켜 ‘파이낸셜 포캐스팅 슈퍼 에이전트’도 구축했다. 해당 에이전트 산하에 AI 이코노미스트, AI 저널리스트, AI 애널리스트를 두고 거시경제, 실시간 뉴스, 기업 회계보고서 등을 분석하며, 상위 에이전트는 각각의 분석 결과를 종합해 필요 업무를 다시 지시한다.

이 부문장은 “미국에 상장된 5500개, 한국에 상장된 2500개 등 총 8000개 종목에 대해 매일 한 달 후 이 기업의 전망이 어떻게 될 것인지를 점수로 예측하고 왜 그렇게 생각하는지 설명문까지 만들어낼 수 있다”고 말했다.

화학 분야에서는 AI가 신물질 설계부터 실제 합성·검증까지 수행하는 ‘자율주행 실험실’을 추진하고 있다. AI가 원하는 물성을 입력하면 적합한 분자 구조를 제시하고, 로봇이 해당 물질을 합성한 뒤 실제 물성을 측정한다. 실험 결과는 다시 AI에 전달돼 새로운 후보물질을 찾는 데 활용된다.

이 부문장은 마지막으로 에이전틱 AI의 향후 방향에 대해 “여러 도구와 에이전틱 AI를 잘 조율하는 오케스트레이션을 통해 뛰어난 퍼포먼스를 만드는 것”이라고 강조했다.

“AI 시대는 ‘속도가 경쟁력’…韓 ‘풀스택 국가’ 도약해야” [헤럴드 기업포럼 2026]

https://biz.heraldcorp.com/article/10887489?sec=027