창조(創造)와 창의(創意) 그리고 AI

AI에 대한 강의자료를 만들면서 문득 떠올라

어느 드라마에서 신제품 개발 회의를 하는 모습을 보여 주고 있었다. 회의실 한쪽 벽면에는 경쟁사 제품들의 분해 사진이 빼곡히 붙어 있었고, 테이블 위에는 각종 소재 샘플과 시제품 부품들이 늘어서 있었다.

그런데 회의가 시작되자마자 프로젝트 리더가 노트북 화면을 띄웠다. AI가 생성한 제품 콘셉트 시안 여러 가지였다. 형태, 소재 조합, 예상 원가, 시장 포지셔닝까지 깔끔하게 정리되어 있다. 회의실은 순간 조용해지는 분위기로 바뀌었다.

그 침묵의 화면 속 에서 나는 애매한 감정을 느꼈다. 알 수 없는 불편함 이랄까. AI가 불과 몇 분 만에 뽑아낸 시안들은 실제로 꽤 그럴싸해 보였지만 물론 드라마이지만 기능적으로 문제없고, 트렌드도 반영되어 있었으며, 원가 구조도 현실적이었다

그런데 여러 가지 중 어느 것도 '이것이다' 싶은 느낌을 받은 드라마 속 프로젝트원은 없는 것처럼 보였다. 완성도는 높았지만, 무언가 빠진 것 같은 마치 레시피를 완벽하게 따랐는데 음식에 맛이 없는 것처럼...

그 '없는 것'이 무엇인지와 회사원으로서 생각하다 보니 제품 개발 및 제조에서 '창조'와 '창의'라는 두 단어를 떠오르게 되었다.

| 창조와 창의 — 제품 개발에서 다시 읽는 두 개의 개념
제품 개발과 제조의 세계에서 창조와 창의는 종종 같은 말처럼 쓰인다. 하지만 그 결은 분명히 다르다. 이 차이를 제대로 이해하는 것이, AI 시대에 제조업이 나아갈 방향을 가늠하는 첫 번째 단추다.

창조는 '없던 것을 있게 만드는 행위'다. 제품의 관점에서 보면, 이전에 존재하지 않던 형태나 기능이나 시스템을 물리적 실체로 구현하는 것이 창조다.

최초의 자동차, 처음으로 양산된 트랜지스터, 세상에 처음 등장한 스마트폰. 이것들은 모두 창조의 결과물이다. 존재하지 않았던 것이 존재하게 된 것, 그것이 창조의 본질이다.

제조 공정에서 보면, 원자재를 가공하여 부품을 만들고, 부품을 조립하여 완제품을 만드는 행위 자체가 창조다. 그것이 수작업이든 자동화 라인이든, 설계 도면이든 AI 생성 대안이든, 결과적으로 세상에 없던 물건이 생겨나는 것이다.

창의는 조금 다른 차원의 이야기다. 창의는 '생각 자체를 새로이 만드는 것'이다. 같은 기능을 구현하더라도 왜 이 방식이어야 하는지, 사용자가 미처 말하지 못한 불편함은 무엇인지, 이 제품이 사람들의 삶에서 어떤 의미를 가져야 하는지를 꿰뚫는 통찰. 그것이 창의다.

창의는 결과물이 아니라 그 결과물에 이르는 방향 감각이자 문제를 바라보는 독창적 시선이다.
다이슨의 날개 없는 선풍기를 생각해보자. 모터와 팬으로 바람을 만든다는 창조는 수십 년 전부터 있었다. 그런데 다이슨은 그 개념을 완전히 뒤집어서 '팬이 없는데 바람이 나오는' 경험을 설계했다.

이것이 창의다. 아이폰도 마찬가지다. 전화기, 카메라, MP3 플레이어는 이미 존재했다. 하지만 스티브 잡스는 이것들을 조합하는 방식 자체를 새로 사고했다. '손 안의 컴퓨터'라는 패러다임 전환이야말로 창의였고, 그 창의가 아이폰이라는 창조를 이끌었다.

창조가 제품을 세상에 꺼내놓는 행위라면, 창의는 그 제품이 왜 세상에 필요한지를 먼저 아는 것이다.

"창조가 제품을 세상에 꺼내놓는 행위라면,
창의는 그 제품이 왜 세상에 필요한지를 먼저 아는 것이다."

| AI는 지금, 제품 창조를 하고 있다
현 상황을 솔직하게 말하면 제품 개발과 제조의 영역에서 AI는 이미 강력한 창조자다. 이것을 부정하는 것은 현실을 외면하는 일이다.

AI는 이미 설계 도면을 그린다. 생성형 설계(Generative Design) 기술을 활용하면 AI가 주어진 하중 조건, 소재 특성, 원가 제약 안에서 수천 가지 형상 대안을 자동으로 생성한다.

에어버스는 AI 생성 설계를 통해 항공기 격벽 부품을 기존 대비 45% 가볍게 만들면서도 구조 강도는 유지하는 결과를 얻었다. 인간 설계자라면 몇 달이 걸렸을 탐색을 AI는 며칠 만에 해냈다. 단순한 보조 도구 수준이 아니다. AI는 제품의 형태 그 자체를 새롭게 만들어내고 있다.

< 예시 시나리오_AI 창조 영역_제품개발 >
『 한 가전 기업에서 신형 공기청정기 개발에 AI를 투입해 필터 형상 최적화 작업을 진행했다. 기존에는 엔지니어 팀이 CAD 소프트웨어로 수작업 설계하고 시뮬레이션을 반복하는 방식으로 수개월이 소요되었다. AI는 동일한 성능 기준과 원가 조건을 입력받아 72시간 만에 3,200여 가지 형상 대안을 생성하고, 그 중 상위 20개를 필터링해 엔지니어에게 제시했다. 최종 채택된 설계안은 AI가 도출한 옵션을 기반으로 엔지니어가 수정·완성한 것이었다.

품질 관리 영역에서도 AI의 창조적 역할을 한다. 비전 AI는 생산 라인에서 사람의 눈으로는 포착하기 어려운 0.02mm 수준의 표면 결함을 실시간으로 검출하고, 공정 파라미터를 자동으로 조정한다. 과거에는 숙련 작업자의 경험으로만 가능했던 '감(感)'의 영역을 AI가 데이터 기반으로 재현하고 있는 것이다. 』

소재 개발에서도 AI의 창조 능력은 인상적이다. 신약 개발에 적용되던 AI 분자 설계 기법이 신소재 개발에도 활발히 적용되고 있다. 특정 강도·내열성·전도성 조건을 입력하면 AI가 해당 특성을 가질 가능성이 높은 소재 후보군을 제시한다. 이 과정은 전통적으로 수년의 실험을 요했지만, AI는 그 탐색 공간을 수개월로 압축하고 있다.

공급망과 생산 스케줄링에서도 AI는 인간이 관리하기 어려운 수준의 변수를 동시에 고려하며 최적 계획을 수립한다. 수천 개의 부품, 수십 개의 공급업체, 시시각각 변하는 수요 예측을 통합해 자원과 시간을 최적으로 배분하는 일은 AI가 인간보다 훨씬 잘한다. 이 모든 것을 보면 AI는 제품 개발과 제조의 창조 영역에서 이미 강력한 플레이어다. 그 사실을 직시해야 한다.

더 나아가, AI는 이제 단순히 '주어진 조건 안에서 최적안을 찾는 것'을 넘어, 제조 공정 전반을 스스로 학습하며 개선하는 단계로 진화하고 있다. 디지털 트윈(Digital Twin) 기술과 결합한 AI는 가상의 공장 환경에서 수백만 번의 시뮬레이션을 거쳐 공정 이상을 사전에 감지하고, 설비 유지보수 시점을 예측하며, 불량률을 선제적으로 낮추는 역할까지 한다.

인간이 몇 년에 걸쳐 쌓아야 할 공정 노하우를 AI는 방대한 데이터로 단기간에 내재화하는 것처럼 보인다. 창조의 속도와 범위에서 AI는 이미 인간의 능력을 상당 부분 넘어서고 있다.

| 그러나 창의는 — 아직은, 전혀 다른 이야기다
그렇다면 AI는 진정한 의미의 창의도 갖고 있는 것일까? 앞서 언급한 드라마속 회의실의 침묵이 여기서 다시 소환된다. AI가 생성한 여러 가지 시안이 기술적으로 훌륭했음에도 불구하고 왜 아무도 가슴을 두근거리지 않았는가.

창의는 문제의 본질을 꿰뚫는 통찰에서 나온다. 그리고 그 통찰은 경험과 맥락, 그리고 인간적 공감에서 온다. 제품 개발에서 진정한 혁신은 대부분 '사용자가 말하지 않은 불편함'을 발견하는 데서 시작된다.

사람들은 스마트폰이 없을 때 스마트폰을 원한다고 말하지 않았다. 그들이 표현한 것은 "통화가 더 잘 됐으면 좋겠다", "음악을 더 편하게 들었으면 좋겠다" 정도였다. 그 표면 아래에 있는 본질적 욕구, 즉 '내 삶의 모든 것을 주머니에 넣고 다니고 싶다'는 근원적 바람을 읽어낸 것은 인간의 창의였다.

AI는 기존 수요 데이터를 분석하는 데 탁월하지만, 아직 존재하지 않는 수요를 상상하는 것은 다른 차원의 이야기다.

< 예시 시나리오_창의가 드러나는 순간 >
『 30년 경력의 한 금형 기술자는 이런 이야기를 했다. "AI가 설계한 금형 도면을 보면 계산상으로는 완벽합니다. 그런데 막상 실제 쇳물을 부어보면 이 도면대로 하면 특정 부위에 기포가 생기겠다는 느낌이 옵니다. 그건 경험에서 나오는 겁니다. 쇳물이 어떻게 흐르는지, 냉각할 때 어떤 변형이 오는지, 그게 몸에 새겨진 지식이에요. AI는 그 데이터를 배울 수는 있겠지만, 현장에서 수백 번 실패하면서 몸으로 터득한 그 감각을 완전히 재현하기는 어려울 겁니다."

이 기술자의 이야기는 중요한 지점을 짚고 있다. 창의는 단순한 정보의 조합이 아니다. 그것은 실패와 수정, 현장의 냄새와 소리, 수천 번의 시행착오가 쌓여 만들어진 체화된 지혜다. AI는 이 체화의 과정을 거치지 않는다. AI는 결함 데이터를 학습하지만, 쇳물이 굳어가는 냄새를 맡으며 직관을 키워본 적이 없다. 』

제품 기획에서 창의가 요구되는 또 다른 영역은 '무엇을 포기할 것인가'의 결정일 것이다. 뛰어난 제품은 모든 기능을 넣은 제품이 아니라 핵심 가치에 집중하기 위해 나머지를 과감히 버린 제품이다.

애플이 초기 아이폰에서 물리 키보드를 없애기로 한 결정, 다이슨이 흡입력 유지라는 단 하나의 가치에 모든 것을 집중한 것, 무인양품이 기능은 충분하되 브랜드 로고를 없애는 방향을 선택한 것. 이런 결정들은 데이터 분석만으로 나오지 않는다.

그것은 제품이 사람의 삶에서 어떤 의미를 가져야 하는지에 대한 깊은 확신, 즉 창의적 통찰에서 나온다. AI는 최적화를 잘한다. 그러나 무엇을 최적화해야 하는지에 대한 가치 판단은 아직 인간의 영역이다.

| 제품 개발에서 창의가 사라질 때 생기는 일
AI 시대에 제품 개발과 제조 현장에서 인간이 취해야 할 전략은 무엇인가. 두 가지 극단을 피하는 것에서 출발해야 한다.

하나는 AI를 두려워하며 모든 자동화를 거부하는 것이고, 다른 하나는 AI에 모든 판단을 맡기고 인간의 사고를 방기하는 것이다. 두 태도 모두 기업과 개인을 위험에 빠뜨린다.

현명한 접근은 AI를 '창조의 엔진'으로 쓰되, 창의는 인간이 단단히 쥐는 것이다. 구체적으로 말하면, 설계 대안 생성·시뮬레이션·최적화·품질 검사·데이터 분석처럼 반복적이고 계산 집약적인 창조 작업은 AI에 위임하는 것이 맞다.

그렇게 확보된 시간과 에너지를 인간은 더 본질적인 질문에 쏟아야 한다. 이 제품은 왜 존재해야 하는가. 누구의 어떤 삶에 기여하는가. 10년 후 이 기술이 사회에 어떤 영향을 미치는가. 이 제품을 만드는 것이 옳은 일인가. 이런 질문들이야말로 창의의 영역이고, 인간이 붙들어야 할 제품 개발의 나침반이라 할 수 있다.

< 예시 시나리오_ AI와 인간 협업 모델 >
『 정밀기계 제조업체는 AI 기반 설계 자동화를 도입하면서, 동시에 'Human Insight Lab'이라는 조직을 신설했다. 이 조직은 엔지니어, 현장 기술자, 인류학자, 디자이너가 함께 고객 현장을 직접 방문하고, 사용자가 말로 표현하지 못하는 불편함과 욕구를 관찰·발굴하는 역할을 한다. AI가 생성한 설계 대안들은 이 조직이 발굴한 인사이트를 바탕으로 방향이 설정되고, 그 안에서 최적안이 선택된다. 결과적으로 제품 개발 속도는 AI 덕분에 빨라졌고, 제품의 시장 적합성은 오히려 이전보다 높아졌다. AI가 창조의 속도를 높이고, 인간 창의가 그 창조의 방향을 잡은 것이다. 』

제조 현장에서는 '암묵지의 디지털화'도 중요한 과제가 된다. 노련한 기술자가 퇴직하기 전에 그의 감각과 경험을 최대한 기록하고 체계화하는 것이다. 이것은 단순히 영상을 남기는 것이 아니라, AI와 협력하여 그 기술자가 특정 상황에서 어떤 판단을 내리는지를 반복적으로 관찰하고 패턴화하는 작업이다. 이 과정 자체가 창의와 창조의 결합이다. 인간의 창의적 암묵지를 AI가 처리 가능한 형태로 창조하는 것이기 때문이다. 이를 게을리하면, 몇십 년치 현장 경험이 한 사람의 은퇴와 함께 영원히 사라진다.

더 근본적으로는, 제품을 개발하는 사람들이 창의를 훈련하는 환경이 필요하다. AI가 빠른 답을 주는 시대일수록, 스스로 느리게 생각하는 훈련이 중요해진다. 사용자의 생활을 직접 관찰하고, 현장 기술자와 긴 시간 대화하고, 전혀 다른 산업의 혁신 사례에서 영감을 길어오고, 실패한 제품에서 배우는 것. 이런 인간적 경험의 축적이 창의의 토양이다. AI는 이 토양에서 자란 창의를 실행력 있는 창조물로 빠르게 전환하는 데 탁월하다. 둘은 경쟁이 아니라 협력 관계가 되는 것이다.

"AI가 수천 개의 설계안을 만들어낼 때, 인간의 창의는 그 중 어느 것도 아닌 단 하나의 진짜 답을 가리킬 수 있어야 한다."

| 창조, 창의, 그리고 제조의 미래
제조의 역사는 늘 도구의 혁신과 함께했다. 증기기관이 등장했을 때, 전기가 공장을 바꾸었을 때, 컴퓨터가 설계실에 들어왔을 때, 그때마다 일자리가 사라지고 역할이 재편되었다. 하지만 제조는 소멸하지 않았다. 오히려 도구가 강력해질수록 더 높은 수준의 인간 판단력이 요구되었다. AI도 같은 맥락에 있다. 두려워할 것이 아니라 올바르게 이해하고 전략적으로 활용해야 할 도구다.

AI가 창조의 영역을 빠르게 확장하면 할수록, 창의는 제조에서 더욱 핵심적인 역량이 된다. 누구나 AI를 써서 비슷한 품질의 제품을 만들 수 있는 시대가 되면, 경쟁의 축은 '얼마나 잘 만드느냐'에서 '왜 이것을 만드느냐', '이 제품이 사람의 삶에 어떤 가치를 주느냐'로 이동한다. 그 질문에 답하는 능력, 그것이 창의이고, 그 창의를 가진 기업과 사람이 앞으로의 제조를 이끌 것이다.

여기서 중요한 경고도 함께 새겨야 한다. 창의는 저절로 길러지지 않는다. 모든 판단을 AI에 맡기고, 모든 설계를 AI에서 시작하고, 모든 기획을 데이터에서 출발하는 습관이 굳어지면, 인간의 창의는 조금씩 마모되거나 없어진다. 마치 GPS에만 의존하다 보면 공간 감각이 둔해지듯이. 조직은 AI가 가장 효율적으로 할 수 있는 창조 작업을 위임하는 동시에, 직원들이 자신의 창의를 발휘하고 훈련할 수 있는 공간을 의식적으로 보호해야 한다. 효율과 창의는 트레이드오프가 아니라, 장기적으로는 서로를 강화하는 관계다.

결국 AI 시대 제조의 핵심 경쟁력은 기술력 그 자체가 아니라, 그 기술을 어떤 방향으로 쓸 것인지를 결정하는 인간 창의에서 나온다. 뛰어난 AI 도구를 가졌느냐보다, "그 도구를 통해 무엇을 만들어야 하는지를 가장 잘 아는 사람과 조직이 어디인가" 이것이 앞으로 10년, 20년의 제조업 경쟁을 가르는 진짜 질문이다. 공장의 자동화율이 아니라, 조직 안에 살아있는 창의의 밀도가 조직의 지속가능성을 결정할 것이다.

제조업 종사자들에게 한 가지 제안을 드리고 싶다. 오늘 AI가 내놓은 설계 대안이나 기획 시안을 보기 전에, 먼저 자신에게 이 질문을 던져보는 것이다. "이 제품을 쓸 사람은 어떤 하루를 살고 있는가." 데이터가 아닌 상상력으로, 숫자가 아닌 공감으로 그 사람의 하루를 그려본 다음 AI의 결과물을 바라보면, 아마 달라 보이는 것들이 생길 것이다.

이 달라 보임이 창의의 시작이다. AI는 그 창의를 실현하는 데 누구보다 강력한 협력자가 될 수 있다. 창조는 AI와 함께, 창의는 인간이 주도하며. 어쩌면 이 역할 분담이 앞으로 제조 분야가 인간이 살아남고 번성하는 방식이 될지 모르겠다.

< 드라마 시나리오를 다시 쓴다 >
『 AI가 생성한 여러 시안 앞에서 잠시 침묵했던 엔지니어들은 결국 이렇게 했다. 시안들을 하나씩 살피며 "이 중 어떤 방향이 우리 고객의 진짜 문제를 푸는가"를 토론했다. 데이터가 아니라 고객 현장에서 직접 보고 들은 이야기를 꺼냈다. 한 젊은 엔지니어는 "이 모든 시안이 기능 중심인데, 고객이 진짜 불편해하는 건 이 제품을 쓸 때의 감정 아닌가요?"라고 말했다. 그 한마디가 회의의 방향을 바꾸었다.

AI가 만든 열두 개의 창조물 중 어느 것도 채택되지 않았다. 대신 그 회의에서 나온 창의적 통찰을 씨앗으로, AI를 도구 삼아 전혀 새로운 제품이 설계되기 시작했다. 반년 후 그 제품은 출시 첫 달에 목표 판매량의 두 배를 넘겼다. AI가 창조의 속도를 높이고, 인간 창의가 창조의 방향을 잡은 결과였다. 이것이 앞으로 우리가 AI를 활용하는 올바른 방식이다. 』

" 창조는 AI와 함께 나눌 수 있다. 그러나 창의는 끝내 인간이 지켜야 할 제조업의 마지막 경쟁력이다."