정부가 100조원 규모의 투자를 앞세워 AI 산업 대전환을 선언했지만, 정작 자동차 산업 현장에서는 “속도를 내기 어렵다”는 반응이 나온다. 자율주행차 등 미래 전략산업에 대한 정부 지원 의지는 확인됐지만, 기술적·제도적 기반과 인력 부족 등 현실적인 제약이 여전하다는 지적이다.
21일 업계에 따르면 지난달 정부는 산업 AI 확산을 위한 4800억원 규모의 투자 계획을 발표했다, 자율주행차·AI 팩토리·AI 반도체 등 미래 전략 산업을 주요 투자 대상으로 명시했다. 당시 이학영 국회 부의장은 “AI는 우리 경제의 핵심 정책이 될 것이며, 자동차·반도체·조선 등 주력 산업에 AI를 접목한 전략적 투자가 필요하다”고 강조했다.
정부는 전국 단위 AI 클러스터 조성, 공공 AI 도입률 95% 달성 등을 정책 목표로 제시하며 제조업 전반에 AI 기술을 확산시키겠다는 입장이다. 자동차모빌리티산업발전포럼 등 산업계 역시 “AI가 자동차의 주행 안전성, 자율주행, 생산 효율성 등 다양한 분야에 적용되며 경쟁력의 핵심으로 부상하고 있다”며 정부의 방향성에 공감하는 분위기다.
그러나 현실은 녹록치 않다. △AI 칩셋의 한계 △안전성 검증 미비 △만성적인 인력난 등은 차량용 AI 기술의 상용화를 가로막는 한계점으로 지목된다.
AI 칩셋의 경우 수백~수천 TOPS(Tera Operations Per Second)의 연산능력이 가능한 방대한 데이터가 필수다. 정부가 주요 투자 대상으로 명시한 자율주행차도 카메라, 라이다, 레이더 등 다중 센서에서 초당 1GB 이상의 데이터를 생성한다.
전기차의 경우, 고성능 칩셋이 추가로 들어가면 배터리 효율이 떨어지고, 차량 내 냉각장치 등 추가 설비가 필요해진다. 업계는 전용 AI 가속기(ASIC) 개발에 박차를 가하고 있지만, 대량 양산과 가격 경쟁력 확보까지는 시간이 더 필요하다는 게 중론이다.
한 자동차 업계 관계자는 “차량을 바퀴 달린 데이터센터로 만들려면, 칩셋의 성능과 효율성, 비용까지 모두 해결해야 한다”며 “현재는 차량에 탑재되는 AI 하드웨어는 연산 속도와 전력 소모, 발열 등에서 한계를 드러내고 있다”고 설명했다. 이어 “기술적 난이도, 비용 부담, 공급망·인력 구조, 규제 등을 먼저 해결해야 실제 이행이 가능한 상황”이라고 말했다.
AI 안전성 검증도 발목을 잡고 있다. AI 모델은 새로운 데이터로 재학습하거나 업데이트될 때마다 내부 구조와 판단 방식이 달라질 수 있다. 동일한 입력에도 결과가 달라질 수 있고, 과거의 설명이나 검증이 시간이 지나면 유효하지 않다는 특징이 있다. AI의 판단 근거를 투명하게 밝히고, 모든 오류 가능성을 사전에 검증하는 것은 사실상 불가능하다는 지적이 나오는 이유다.
AI 전문인력 부족 역시 현장에서는 절박한 과제로 꼽힌다. 김필수 대림대 자동차학과 교수는 “자동차 산업의 혁신은 결국 사람이 좌우한다”며 “소프트웨어, 데이터, 인공지능 분야의 전문 인력 부족은 자동차 산업 전반의 혁신 속도를 늦추고 있다”고 지적했다.
그는 “실무 경험을 갖춘 학생들을 양성하고 있지만, 공급은 턱없이 부족하다”며 “AI 인력 부족이 생산 차질과 품질 저하, 신차 출시 지연으로 이어질 수 있다”고 설명했다.
결국 자동차 산업의 AI 혁신을 위해 기술, 제도, 인재 양성의 삼박자 해법이 필요하다는 게 전문가의 시각이다. 김 교수는 “자동차 산업이 하드웨어 중심에서 소프트웨어·데이터 중심으로 급격히 전환되면서, 기존 인력의 재교육과 신입 인재 양성이 시급하다. 인재 한 명을 대체하는 데 드는 비용도 만만치 않아, 기업의 부담이 커지고 있다”고 덧붙였다.
