LG AI연구원, 산업 현장에 ‘에이전틱 AI’ 적용

“세상에 뛰어난 답변을 내놓는 범용 인공지능(AI) 모델이 수없이 존재하지만, 현장에서는 단 1%의 예외까지 파악해야 가치를 증명할 수 있습니다. 이제는 AI가 스스로 판단하고 행동해 오랫동안 풀지 못했던 산업의 난제를 직접 해결하겠습니다.”

임우형 LG AI연구원 공동 연구원장은 14일 서울 강서구 마곡동 LG사이언스파크에서 열린 ‘LG AI 토크 콘서트 2026’ 기조연설에서 이같이 선언했다. 이날 토크 콘서트는 AI 기술이 산업 현장 난제를 어떻게 해결하고 자율적으로 행동하는지 구체적 변화상을 알리기 위해 열렸다.

현재 세상에는 뛰어난 범용 AI 모델이 다수 존재하며 높은 수준의 답변을 생성하고 있다. 다만 실제 산업 현장에 적용하기 위해서는 텍스트 생성 능력만으로는 한계가 있다. 임 연구원장의 언급처럼 단순히 질문에 답하는 것을 넘어 현장의 다양한 변수를 분석하고 업무 효율을 높이며 비용을 줄이는 등 실질적인 가치를 만들어내는 역량이 필요하다.

이에 따라 LG AI연구원은 AI가 문제를 정의하고 실행까지 수행하는 에이전틱 AI로 기술 범위를 확장하고 있다. 전문 도메인 지식을 바탕으로 수동적인 파운데이션 모델을 넘어 실제 업무를 수행하는 체계로 발전시키는 것이다. 대표적인 사례가 ′엑사원 데이터 파운드리(EXAONE Data Foundry)’다.

엑사원 데이터 파운드리는 기업 내부 문서와 소량의 데이터만으로 특화 모델을 구축할 수 있으며, 데이터 샘플링부터 라벨링, 학습까지 전 과정을 AI 에이전트가 수행한다. 이 플랫폼은 식품의약품안전처의 의약품 심사 AI 개발에도 활용돼 제출된 신약 자료를 분석하고 비교·검증하는 역할을 맡았다.

제조 현장에는 ′엑사원 태뷸러(EXAONE Tabular)’와 ′엑사원 옴니 인스펙트(EXAONE Omni-Inspect)’가 적용된다.

엑사원 태뷸러는 온도와 압력 등 1억개 이상의 정형 데이터를 분석해 변수 간 관계를 파악하고 공장 내 불량 가능성을 사전에 예측한다. 글로벌 정형 데이터 평가인 탭 RNR에서 분류와 다중 범주형 예측 부문 1위를 기록했으며, XG부스트 등 기존 머신러닝 기법보다 높은 성능을 보였다는 설명이다.

엑사원 옴니 인스펙트는 이미지와 프롬프트만으로 재학습 없이 생산 현장에 적용할 수 있는 비전 검사 모델이다. 생산 라인 변경 때마다 대규모 데이터를 다시 수집해야 했던 기존 방식의 한계를 보완해, 에이전트가 자율적으로 라벨링과 학습을 수행한다. 라인 전환이 잦은 다품종 소량 생산 환경에 대응할 수 있으며 올해 안에 실제 검사 공정에 적용될 예정이다.

이러한 공정 예측 및 자율 검사 기술의 실제 현장 도입을 두고 임 연구원장은 “과거 제조 현장은 문제가 발생한 뒤 사람이 원인을 분석하는 사후 대응 위주였던 반면, 우리가 그리는 미래는 AI가 먼저 변화를 예측하고 선제 조치를 자율적으로 실행하는 것”이라며 “오랫동안 현장에서 풀지 못했던 복잡한 난제를 기계 스스로 판단하고 행동하는 방식으로 해결해 실질적인 기업 가치를 증명해 내겠다”고 자신했다.

과학 분야에서는 24시간 자율 실험실 체계를 구축했다. ‘엑사원 디스커버리(EXAONE Discovery)’ 등 소재 개발 파운데이션 모델이 신물질 합성 결과를 예측하면 로봇 팔과 자동화 장비가 실험을 수행하고, 그 결과를 AI가 다시 학습해 다음 실험을 설계한다. 앞서 해당 모델은 LG생활건강과 협업해 42만개 후보 물질을 검토하고 탈모 효과 성분 람시딜(Rhamsydil)을 하루 만에 찾아낸 바 있다.

의료 분야에서는 병리 이미지를 분석하는 ′엑사원 패트(EXAONE Path)’가 활용된다. 이 모델은 조직 병리 이미지뿐 아니라 환자의 유전자 정보와 약물 반응 데이터 등을 종합해 질병 특성과 바이오마커를 분석한다. 이를 기반으로 미국 밴더빌트 대학교 메디컬 센터와 공동 개발 중인 암 에이전트는 분석과 검증, 설계, 의사결정 지원 등의 역할을 여러 AI가 나눠 수행하는 구조다.

생명과 관련된 의료 분야의 특성을 고려해 각 과정에 전문 의료진이 개입하는 4단계 안전 장치도 마련했다. 이를 통해 평균 4주 이상 걸리던 분석 과정을 하루로 줄이고 환자 맞춤형 치료 전략을 제시하는 것이 목표다. 현재 위암을 시작으로 대장암과 폐암까지 적용 범위를 넓히고 있다.

임 원장은 “산업 현장의 여러 난제 중에서도 시간 단축이 필요한 분야가 환자 치료”라며 “과거 평균 4주 이상 걸리던 복잡한 분석 과정을 단 하루로 단축하겠다”고 강조했다.

금융 분야에서는 ′엑사원 포어캐스트(EXAONE Forecast)’를 중심으로 예측 에이전트를 운영한다. 실제 데이터 250억개와 가상 생성 시계열 데이터 2조개를 분석해 8000여개 상장 기업의 미래 흐름을 예측한다. 시계열 예측 벤치마크 테스트 에이전트 부문에서 1위를 차지했으며, 아람코 실증 사업에서는 원유 가격 예측 정확도 98.55%를 기록했다.

뉴욕증권거래소에 상장된 상장지수펀드(ETF)의 종목 코드 중 하나인 LG Q.ai(LQAI)는 AI가 100개 종목을 선별해 운용하는 방식으로 S&P500 수익률을 19.44%포인트(p) 웃도는 96.22%의 누적 성과를 냈다. 판단 근거를 설명하는 코멘터리 기능을 탑재한 엑사원 비즈니스 인텔리전스 솔루션은 영국 런던증권거래소그룹(LSEG)과 국내 코스콤에 공급되고 있다. LG 측은 이를 바탕으로 배터리 수명 예측 등 산업 난제 100여건을 해결했으며, 글로벌 학회 논문 368편 채택과 특허 1080건 출원 실적을 냈다고 밝혔다.

LG AI 연구원 측은 이 같은 기술을 바탕으로 배터리 수명 예측 등 산업 분야의 과제 100여건을 해결했으며, 글로벌 학회 논문 368편 채택과 특허 1080건 출원 등의 성과를 냈다고 전했다.

궁극적인 지향점은 제조 공정 전체의 완전한 무인화다. 로봇 지능 고도화를 두고 임 원장은 ″이제는 AI가 산업 현장의 문제를 이해하는 수준을 넘어 스스로 판단하고 행동하는 단계를 준비하고 있다“며 “로봇 파운데이션 모델을 기반으로 개별 로봇의 자동화를 뛰어넘어 공장 전체가 하나의 지능으로 움직이는 자율형 공장의 미래를 향해 나아가겠다”고 포부를 다졌다.

향후에는 AI를 물리적 기계 장치와 연결하는 로봇 파운데이션 모델(Robot Foundation Model) 고도화에 주력할 방침이다. 사람이 일일이 가르치지 않아도 기계가 실제 환경에서 얻은 경험을 바탕으로 물리 법칙과 행동 방식을 학습하고, 작동 과정에서 발생할 수 있는 위험을 예측할 수 있도록 하는 기술이다.

로봇 지능 고도화를 두고 임 원장은 “AI가 산업 현장의 문제를 이해하는 수준을 넘어 스스로 판단하고 행동하는 단계를 준비하고 있다”며 “로봇 파운데이션 모델을 기반으로 개별 로봇의 자동화를 넘어 공장 전체가 연계되는 자율형 공장을 구축해 나가겠다”고 덧붙였다.

글. 바이라인네트워크
<김원민 기자>wmkim627@byline.network