“AI의 성공적 도입을 위해서는 데이터 생성·가공의 자동화, 인프라의 효율적 확장, 그리고 각 산업별 맞춤형 모델 개발이 필수”

12월10일 소공동 롯데호텔에서 개최된 인공지능반도체 미래기술 컨퍼런스에서 전기정 LG AI연구원 부문장은 ‘AX성공의 열쇠:EXAONE AI Stock 전략 사례’를 주제로 발표를 진행했다.

전기정 부문장은 “GPT 등 대형 언어모델의 성능 향상과 함께, 데이터·모델·인프라의 스케일링 법칙이 지속적으로 적용되며, 이제는 AI가 단순 콘텐츠 생성에서 벗어나 복합적 의사결정까지 담당하는 ‘에이전트 AI’ 시대로 진입했다”고 진단했다.

전기정 부문장은 맥킨지의 최근 리포트를 인용하며, 많은 기업들이 AI 도입을 실험(PoC) 단계에 머무르고 있다고 지적했다.

전기정 부문장은 “AI의 효과를 극대화하려면 데이터 취합, 인프라 확장, 애플리케이션 개발 등 각 단계별로 전략적 투자가 필요하다”고 강조했다.

특히 양질의 데이터 확보와 GPU 등 인프라의 병렬화·최적화가 성공의 핵심임을 밝혔다.

LG AI연구원이 개발한 ‘EXAONE’은 한글 중심의 대규모 언어모델로, 세계적 벤치마크에서 높은 성능을 인정받고 있다.

14조 토큰 규모의 데이터로 사전학습을 수행한 EXAONE 4.0은 국내외에서 ‘글로벌 3강’으로 평가받으며, 다양한 산업 현장에 적용되고 있다.

전 부문장은 “EXAONE 개발 과정에서 데이터 품질 관리, 아키텍처 혁신, GPU 병렬화 등 수많은 시행착오와 기술적 도전이 있었다”고 밝혔다.

또한 “LG그룹 내에서는 챗봇 ‘챗 EXAONE’이 문서 기반 QA, 웹 문서 분석, 코딩, 데이터 분석 등 다양한 업무에 활용되고 있다”며 “예상보다 3배 많은 사용자가 몰리며 GPU 활용률을 95% 이상으로 최적화하는 등 인프라 운영의 효율성을 극대화했다”고 전했다.

제조업에서는 납사 공장에 AI 에이전트를 도입해 원료 블렌딩, 분해로 온도 조절 등 복잡한 의사결정을 자동화했다.

실제 현장에서는 AI가 제공하는 스케줄을 거의 100% 준수하며 생산성 혁신을 이루고 있다.

LG디스플레이의 품질 개선 사례에서는 AI 에이전트 ‘하이디’가 불량 원인 분석과 조치 제안에 활용되어, 품질 개선 기간을 3주에서 2일로 단축하는 성과를 거뒀다.

금융 분야에서는 런던증권거래소와 협업해, 대형 종목뿐 아니라 중소형 종목까지 AI가 예측·분석 리포트를 자동 생성하는 시스템을 구축했다. 이로써 기존 예측 모델 대비 더 높은 수익률을 달성했다.

또한 국민연금공단 등 복잡한 서비스 영역에서도 전문가의 지식과 AI의 자동화가 결합된 데이터 학습이 빠르게 이루어지고 있다고 소개했다.

향후에는 NPU 등 반도체 기술과 클라우드, 애플리케이션 개발사와의 협업을 통해, 더 빠르고 효율적인 AI 서비스가 확산될 것으로 전망했다.