brunch

You can make anything
by writing

C.S.Lewis

by TUGU Nov 10. 2019

머신 비전 검사의 인공지능 수준은 어느 정도일까?

인공지능 검사 하이프 사이클 

제조업 비전 검사의 인공지능은 과연 어느 수준일까?


나는 인공지능 불량검사 소프트웨어를 제공하는 스타트업에 재직 중이다. 이곳에서 사업개발과 영업을 하고 있다. 타깃 고객사는 주로 제조업이다.


지난 몇 년간 열심히 고객과의 접점에서 고객의 목소리와 상황을 들어가고 인공지능 관련 비즈니스를 경험해 온 것을 바탕으로, 과연 현재의 제조업에 있어서 불량 검사는 어느 수준에 접어들었는지, 앞으로 쇠퇴할 것인지 아니면 아직도 더 많은 성장의 기회가 여전히 남아 있는지 한번 글로 정리해보려고 한다.


우선 ' 하이프 사이클' 이란?


이를 위해서 우선 가트너라는 시장 조사 기관에서 해마다 발표하는 ' 하이프 사이클 '이라는 개념을 참조해 볼 필요가 있다. 하이프 사이클이란 아래와 같이 신기술 출시 이후 이에 대한 관심과 투자, 그리고 비즈니스 효용에 대한 종합적인 상황을 고려하여 나타낸 그래프이다. 아래와 같이 총 5단계로 이루어져 있다.


1) 기술 촉발 단계 Technology Trigger

기술이 이제 막 관심을 받고 언론에 의한 자극적인 소식들이 한 참 늘어남. 상용화된 제품은 없고, 대략 POC 수준의 기술 단계


2) 거품의 정점 Peak of inflated expectations

선도 업체에 의해 성공과 실패의 사례가 나오는 단계. 일부 기업들은 본격적으로 투자하고 사업에 착수하나 대부분 관망함


3) 환멸의 계곡 Trough of Disillusionment

대부분의 도전이 실패하고, 많은 기업들이 사업화를 포기함. 살아남은 업체들만 투자를 지속함.


4) 깨우침의 단계 Slope of Enlightment

수익 모델 사례가 생기면서 시장이 이해를 하기 시작함. 기술을 어떻게 활용해야 하는지 감을 잡기 시작함. 따라서 해당 기술에 투자를 하는 기업들이 점점 늘어남. 하지만 보수적인 기업은 여전히 관망함.



5) 생산성의 안정기 Plateaur of Productivity

기술이 시장에서 완전히 자리를 잡음. 사업적 생존 가능성에 대한 평가 기준도 명확해 짐. 해외 시장 진출에 대한 적정성 및 타당성이 높아지면서 성공을 거두기도함.


하이프 사이클 상세 내용 아래 링크 참조

https://en.wikipedia.org/wiki/Hype_cycl


                               

그렇다면 인공지능 기술의 하이프 사이클은?


올해에도 가트너에서는 아래와 같이 인공 지능과 관련된 여러 가지 기술들에 대해 각각 하이프 사이클 상에서 어느 부분에 위치하여 있는지를 친절히 표기해 주었다. 물론 이것이 완벽히 정답이라고 볼 수는 없을 것이지만, 그래도 일견 공감 가는 측면은 있다. 특히 내가 속한 제조업 불량 검사에 관련된 Computer Vision과 같은 경우 분명히 일맥상통하는 면이 있는 것 같다. 

아래에서 보면 Computer vision을 보면 환멸의 계곡 하단부에 자리하고 있다. 

          


제조업 인공지능 불량 비전 검사의 하이프 사이클은? 

            

Computer Vision에는 여러 가지 분야가 있는데, 나는 제조업 머신 비전 불량 검사에 대한 부분에 대해서 얘기하고자 한다. 특히 국내 제조업에 있어서 인공지능과 머신 비전 불량 검사의 관계를 가트너 하이프 사이클로 한번 설명해보려 한다.


1) 기술 촉발 단계 Technology Trigger - 2016년 말 ~ 2017년 초

확실히 2016년 알파고 - 이세돌 대국이 이슈가 되고 나서 제조업에서도 인공지능, 특히 딥러닝에 대한 막연한 관심이 폭발했던 시기가 있었다. 그것이 국내에서는 대략 2017년 초 정도였던 것으로 기억하며 이에 따라 현재 내가 재직 중인 스타트업도 딥러닝을 활용한 머신 비전 불량 검사 소프트웨어 개발에 한참 열을 올리고 있었고, 이때 몇몇 선도적 투자기관으로부터 시드머니도 투자받을 수 있었다.



2) 거품의 정점 Peak of inflated expectations - 2017년 중반 ~ 2018년 중반

제품이 아직 제대로 완성 조차 제대로 되지 않았던 2017년 가을 정도에 국내의 대기업과 큰 규모의 공급 계약에 대해서 얘기가 오고 갔고, 이러한 소식이 시장에 알려지면서 여기저기서 문의가 쇄도하던 시기가 2017년 말에서 18년 초 정도였을 것이다. 이 시기에 꽤 굵직한 계약 몇 개를 따내고, 다양한 기업들에게 회사의 이름과 기술을 알릴 수 있었다. 그리고 사람도 공격적으로 채용을 하던 시기여서 매출액에 비하여 인력이 급속도로 늘어나던 시기였다. 2017년 말 정도만 해도 대략 20~30명 수준이었던 인력이 반년도 안돼서 대략 80~90명 수준까지 늘어나게 되었다. 그리고 100억 규모의 시리즈 B단계의 투자도 이때 받았으며, 그야말로 많은 고객사들로부터의 문의로 인하여 정신없이 돌아가던 시기였다.



3) 환멸의 계곡 Trough of Disillusionment - 2018년 후반 ~ 2019년 현재

'환멸' 정도로 까지 볼 것은 아니나, 확실히 고객사의 관심이 많이 줄어들었고 큰 규모의 계약 건수 또한 그 기회를 찾아보기가 너무나 어려워진 시기이다. 왜냐하면 인공지능 딥러닝 기술을 을 제조업 불량검사에 도입하는 것이, 생각보다 사람의 노력이 많이 들어간다는 점을 사용자들, 즉 고객이 이해하기 시작했기 때문이다. 딥러닝의 핵심인 데이터의 준비와 분류 과정, 학습에 들어가는 데이터 레이블링에 대한 노력과, 그리고 귀납적일 수밖에 없는 판정 결과, 또한 너무나 높았던 기대치들. 이 모든 것들에 대해서 현실과 마주하게 되면서 사용자들로부터 회의적인 시각이 늘어나는 시기이다. 매출액도 이 시기에서 계속 정체 중이다.

한편 그럼에도 불구하고 시장의 가능성을 믿는 일부 후발 투자 회사로부터 시리즈 C 투자 금액을 유치하던 시기이기도 하다.


자, 여기까지가 내가 가트너의 하이프 사이클을 바탕으로 지금 현재의 인공지능 기술이 제조업 불량검사에 있어서 어느 단계에 자리하고 있는지를 적어보았다.

그렇다면 앞으로는 어떻게 될 것인가? 물론 미래는 아무도 알 수 없으나, 나는 이 업계에 있으므로 기술을 잘 이해하고 있고 산업을 잘 이해하고 있으며, 고객의 니즈를 잘 이해하고 있으므로 터무니없는 소리는 아닐 것이다.


4) 깨우침의 단계 Slope of Enlightment -2020년 ~ 2022년

2년 전과 지금 시장에서 듣는 고객의 인공지능에 대한 이해도는 확실히 계단식 차이가 있다. 2년 전만 해도 딥러닝에 대해서 너무나 막연하게 생각하고 인공지능이면 만능인 줄 알고 접근하던 고객이 다수였으나, 현재는 그 기술의 실체를 어느 정도 이해하고 그 한계점도 어느 정도 이해하고 접근하든 고객들이 많아졌다. 거품은 어느 정도 사라졌으며, 상당수 고객은 이 기술을 이해하고 스스로 개발을 하여 내재화시키기도 한다. 물론 그럼에도 불구하고 우리에게 솔루션을 의뢰하는 고객들은 이제 한결 걸러진, 협업이 수월한 상태의 고객들이 많아진 것이 분명하다.

그런데 그렇기 때문에 섣불리 투자한다거나, 당자에 큰 규모의 계약을 기대하기는 더 어려워진 것이 맞다. 고객들도 실체를 알고 매우 합리적인 방식으로 도입을 검토하기 때문이다.

하지만 지난 2년 선도적으로 도입해 온 고객사의 사례가 알려지고, 이들 고객이 충분히 투자 효용( 인건비 감소, 품질 관리)을 보았다는 사례가 여기저기 알려지면서 꾸준히 솔루션 도입에 대한 니즈가 있는 것도 사실이다.


5) 생산성의 안정기 Plateaur of Productivity - 2023년 이후

나는 반드시 인공지능 딥러닝 머신 비전 검사가 이 단계로 접어들 것이라고 본다. 즉 제조업의 불량 검사는 머신 비전으로 자동화가 될 것이며, 이 자동화 알고리즘에는 대부분 반드시 인공지능이 어떠한 식으로든 탑재가 될 것이라는 얘기이다.

아직 제조업의 머신 비전 검사에 있어서 인공 지능이 도입되지 않은 영역이 너무도 많다. 그 이유는 불량 이미지 데이터가 충분히 모이지 않아서일 수 있고, 불량 데이터는 많으나 데이터 상에 불량 구분이 너무 애매모호해서 일 수도 있고, 혹은 데이터도 많고 데이터의 질도 좋으나 투자 여력이 안되어서 일 수 도 있다. 다양한 이유가 있을 것이다. 다양한 고객사를 만나면서 느낀 바로는 특히나 대기업 제조업의 경우 우리 생각보다 훨씬 더 많은 세부 검사 공정이 있으며 이 모든 영역은 바로 인공지능이 타깃으로 하는 영역이다. 그런데 아직 80%(명확한 근거가 없을 때는 파레토의 법칙을 근거로) 정도는 인공지능이 들어가지 않은 검사 영역일 것이며, 마찬가지로 아직 80%의 고객사는 인공지능을 경험해 본 적 조차 없는 중소형 업체들일 것이다.

사용자들의 인공 지능에 대한 인식 수준이 높아짐에 따라, 제조업에서도 반드시 이 시기에 접어들 것으로 보고 있으며 그렇다면 인공지능 솔루션을 공급하는 회사들 또한 안정적인 비즈니스는 이 시기에 가능할 것이라 본다. 그리고 이때까지 살아남는 회사가 진정한 승자가 될 수 있을 것이다.






브런치는 최신 브라우저에 최적화 되어있습니다. IE chrome safari