정책과 기술의 강력한 결합인 생성형 AI는 사람과 물자를 옮기는 방식을 재조직하고 최적화하려 한다. 과연 가능할까?

▎ 사진:GETTY

운송 산업은 다양한 방식으로 사람과 물자를 옮기는 10조 달러 규모의 글로벌 교통망이다. 이 산업은 보조금, 파편화된 교통망, 여러 교통수단 간 경쟁, 높아지는 혼잡도, 배출물, 안전, 기타 낡은 정부 정책으로 인한 무수한 비효율 등 다양한 내외부적 어려움으로 골머리를 앓고 있다. 기존의 정책적·기술적 접근법은 일부 지역에서 점진적인 진전을 보였지만 아직 광범위한 변화를 이뤄내지 못했다. 부분적으로 이는 대중의 인식과 행동 변화에 크게 의존하는 운송 산업의 내재적인 과제 때문이다.

운송 산업은 매혹, 좌절, 편리함, 비용 등 복잡한 감정을 불러일으킨다. 그래서 정책 변화와 기술 발전을 헤쳐나가기가 쉽지 않다. 정책 입안자와 회사는 대중을 위한 저렴한 목표 가격(교통비는 대체로 가계지출 중 두 번째로 높다)과 빠르게 증가하는 운송 비용 사이에서 진퇴양난에 빠진다. 그러나 새로운 혁신이 이러한 어려움을 해소할 전망이다.

운송에서 생성형 AI가 기존 기술과 다른 이유

▎생성형 AI는 모든 산업 분야에서 사용되고 있으며 그것이 실제로 무엇인지, 왜 중요한지를 입증하고 있다. / 사진:NURPHOTO VIA GETTY IMAGES

이미 있는 데이터를 별도로 분석하는 데 중점을 둔 기존의 폐쇄적 예측 기술과 달리 생성형 AI는 향후의 가능성에 대한 아이디어와 창의력을 시각화한 다음 그것을 언제, 어디서, 어떻게 실현할지 구체화한다. 다양한 배경의 사용자들이 이용 가능하다는 점도 특별한 요소다. 자동차 설계자, 도시계획가, 지역사회 운동가, 정책 입안자, 기업 공동체가 실시간으로 활용할 수 있다. 이는 정보, 접근성, 협업의 수준을 전에 없던 방식으로 높인다.

대부분의 사람은 온갖 전문 용어가 나열된 정책 문서나 2차원 설계, 건축, 건설 도면, 단지 계획도, 다양한 색이 칠해진 도시계획도 같은 것을 잘 이해하지 못한다. 그러나 이미지나 음향이 있는 영상 등은 대체로 잘 이해한다. 생성형 AI는 강력한 알고리즘으로 대규모 데이터 집합을 분석하여 주변 세상의 모습을 보여주는 완전히 새로운 사실적 데이터를 생성하고, 이를 보는 사람들의 이해 수준에 따라 이미지와 동영상으로 실시간 변환을 할 수 있다.

이제 잠재적 미래 시나리오를 2~3개 준비하던 시대는 갔다. 머지않아 사람들은 공동의 가치와 원하는 결과를 바탕으로 자신들이 사는 길거리, 운송용 차량, 서비스, 거주지와 관련된 수십 가지 시나리오를 구성할 수 있게 된다. 이런 시나리오는 사람들이 상상하던 것과 다를 수 있으며, 그동안 생각하지 못했던 모습에 눈뜨게 만들 수도 있다.

운송 패턴과 관련된 숫자를 계산하는 데 그치지 않고 과거 데이터, 일기예보, 개인적·문화적 성향과 실시간 추세를 바탕으로 미래 상황을 시뮬레이션하는 AI가 있다고 상상해보라. 기존에 있는 것들로부터 새로운 것을 만들어내는 능력은 생성형 AI를 운송 분야에서 대단히 귀중한 존재로 만든다.

운송용 생성형 AI의 고유한 특징

출발지-목적지를 넘어서는 개인 맞춤형 경험: 생성형 AI는 운전자를 위해 더욱 정교한 맞춤형 경로를 생성하면서 교통망에서의 움직임, 보험, 소통 방식을 최적화한다. 이는 여행 시간과 연료 소비, 운영·보험 비용을 줄이면서 교통망에서의 안전성은 높일 수 있는 잠재력을 보여줬다. 생성형 AI는 차량 내부·외부 경험을 맞춤 설정하고, 선호도에 맞게 다음 단계를 제안하고, 아름다운 경치나 즐거운 경험이 따르는 친환경적 샛길을 추천하고, 심지어 개인의 운전이나 걷기 유형에 따라 맞춤형 교통·문화 정보를 제공할 수도 있다.

향상된 안전: 센서 데이터를 기반으로 위험도가 높은 구역에서 발생하는 교통사고나 기계적 고장 등 잠재적 문제를 예측함으로써 선제적인 조치를 취할 수 있다. 이는 교통사고를 줄이는 비전 제로(Vision Zero) 캠페인의 목표와 일치할 뿐 아니라 교통 방해를 방지하여 전반적인 교통망의 효율을 높이는 데도 도움이 된다.

향상된 효율: 생성형 AI는 다양한 데이터를 분석하여 인프라와 차량의 정비가 필요한 시점을 예측할 수 있다. 이를 통해 미리 조치를 취함으로써 고장과 가동 중단을 예방하고 사람과 물자에 안전하면서 더욱 안정적인 이동을 보장할 수 있다.

동적인 최적화: 생성형 AI는 교통량(사람, 상업용 차량), 보행자, 긴급 차량 위치를 실시간으로 분석하는 동시에 실시간으로 일어나는 사건(예정된 중요 행사, 도로 차단 등)의 맥락을 파악하여 교통망을 최적화할 수 있다.

데이터 기반 설계: 생성형 AI는 차량, 교차로, 거리, 마을, 심지어 도시까지 전체 교통 시스템의 상세한 3D 시뮬레이션을 생성하여 기존 모델을 넘어선다. 도시계획가는 이를 통해 새로운 개발, 인프라 프로젝트, 교통량 완화 조치, 보행자 전용 구역 또는 상업용 화물 구역, 주차관리 전략 등이 나머지 인프라에 미치는 영향을 실제 공사 전에 가상으로 테스트할 수 있다. 기존의 시범 프로그램과 달리 생성형 AI는 환경에 미치는 영향, 에너지 효율, 복원력, 자재 폐기물 최소화 등 여러 요인을 고려하여 수십 개 시뮬레이션을 동시에 실행할 수 있다. 이처럼 종합적인 접근법은 잠재적 문제를 식별하고 사전에 설계를 최적화함으로써 예상치 못한 문제나 비용이 많이 드는 수정의 위험을 줄여준다.

운송에서 생성형 AI의 고유한 활용을 이해하고 이를 특정 운용 수단에 적용하는 방법에는 여러 가지가 있다.

거리·도로: 동적으로 신호등을 조정하고, 차선 사용을 최적화하고, 대체 경로를 추천하고, 혼잡을 실시간으로 완화한다.

대중교통: 향후 수요를 예상하고 일정과 차량 운용을 최적화한다. 또 3D 시각화를 활용하여 충분한 수용량을 확보하고 대기 시간을 줄인다.

항공: 연료 측면에서 가장 효율적이면서 비행운을 최소화하는 경로를 추천함으로써 운항 비용과 배출물을 줄인다.

배송: 수요를 예측하고, 가상 적재 구역을 만든다. 밴, 바이크, 드론 등 다양한 탈것과 기기를 운용하여 배송을 최적화하고 통신과 교통망에 미치는 영향을 최소화하면서 적시에 배송한다.

고속철도: 잠재적으로 요구되는 정비를 예측하여 운행 중단 시간을 최소화하고 승객과 직원의 안전을 개선한다.

해운: 항구에서 화물 하역 시간을 최적화하여 소요 시간을 줄이고 선박에 연료 측면에서 가장 효율적인 경로를 추천한다.

건설: 건설 프로젝트의 3D 시뮬레이션을 제작하여 작업 흐름을 최적화하고, 잠재적인 어려움을 식별하고, 안전 계획을 개선한다.

채광: 최적의 채굴 경로를 설계하여 자원 추출은 극대화하고 환경에 미치는 영향을 최소화한다. 폐기물 관리 실시간으로 쓰레기통의 상태를 확인하여 폐기물 수집 경로를 최적화함으로써 비효율성과 환경에 미치는 영향을 줄인다.

그 밖에도 많은 활용 방안이 있을 수 있다. 원활하게 교통 흐름을 조정하고, 고장이 발생하기 전에 정비 시기를 예측하고, 통근 경험을 맞춤 설정하는 운송 시스템을 상상해 볼 수 있다. 생성형 AI는 강력한 신기술이며 우리가 사람과 물자를 운반하는 모든 측면을 최적화할 잠재력을 지니고 있다. 아직 초기 단계여서 지금까지 우리가 경험한 가능성은 빙산의 일각에 불과하다. 생성형 AI는 일상적인 운영을 최적화하는 것을 넘어서 미래를 위한 획기적 변화를 일으킬 수 있다.

그러나 이러한 잠재력을 활용하려면 단지 기술만으로는 부족하다. 인간 중심적인 접근법이 필요하다. 생성형 AI가 무엇인지(어떻게 경로를 최적화하는지)를 이해하는 것은 물론 그 이유(어떻게 우리 삶에 영향을 미칠지)도 이해해야 한다. 그게 우리에게 무슨 의미가 있을까? 내 연구 경험을 바탕으로 우리가 다가오는 AI의 물결을 헤쳐나가는 데 도움이 될 실질적인 조치들을 추려봤다. 다음은 운송 분야에서 생성형 AI의 도입에 준비하기 위한 방법이다.

데이터 책임성 받아들이기: 데이터 없이는 AI도 없다

데이터 거버넌스 정복: 책임감 있는 데이터 수집, 저장, 활용 관행을 확립하기 위해 탄탄한 데이터·AI 정책 프레임워크를 마련한다.

데이터 보안 투자: 확실한 보안 조치를 통해 탈취·오용되지 않도록 민감한 데이터를 보호한다. 여기에는 팀이 직장과 집에서 데이터를 다루는 방법이 포함된다.

역량 개발 및 권한 부여

▎생성형 AI가 운송 산업 전반에 적용되기 시작했다. / 사진:GETTY

직원 역량 개발: 데이터분석, AI 협업, 이 기술의 윤리적 요소에 대한 교육을 제공한다. 모두가 컴퓨터 전문가가 되자는 것이 아니다. 그보다는 인문학적 배경지식을 활용하는 것이 중요하다.

데이터 문해력 포용: 데이터 수집, 사용, 보호 방법과 그 시사점에 대한 이해를 장려한다.

혁신 및 협업 촉진

교육 투자: 팀과 이해관계자가 AI를 책임감 있고 윤리적으로 활용하는 데 필요한 역량을 쌓을 수 있도록 이니셔티브를 지원한다.

투명성 장려: A I 구현에 대한 열린 소통을 장려하여 우려를 불식하고 신뢰를 구축한다.

시범 프로젝트 촉진: 1000번 추측하는 것보다 한 번 실험하는 게 낫다. 아이디어를 가다듬어 전략으로 구현하고 생성형 AI의 잠재력을 발휘할 수 있다.

운송 분야의 생성형 AI는 이미 진행 중이다. 이에 대비해야 한다.

운송 분야에서 생성형 AI가 지닌 잠재력은 이미 꽃을 피우고 있다. 이 새로운 기술이 점차 자리를 잡는 가운데, 그 발전에 대한 새로운 소식을 계속 공유할 것이다. 해결해야 할 과제들도 있지만, 생성형 AI는 더욱 친환경적이고 평등한 미래 교통을 실현할 막대한 잠재력을 보유하고 있다.

생성형 AI의 한계와 기회를 적극적으로 받아들임으로써 그 진정한 잠재력을 발휘하기 위해 함께 노력할 수 있다. 이 새로운 물결을 책임감 있게 헤쳐나가면서 생성형 AI를 운송 분야에서 긍정적인 변화의 원동력으로 만드는 것은 우리 몫이다. 서로의 차이를 제쳐 두면 함께 신뢰, 책임감 있는 관행, 더 나은 미래를 향한 공통의 비전을 바탕으로 운송의 미래를 만들어나갈 수 있다.

- Timothy Papandreou 포브스 컨트리뷰터

위 기사의 원문은 http://forbes.com 에서 보실 수 있습니다.

포브스 코리아 온라인 서비스는 포브스 본사와의 저작권 계약상 해외 기사의 전문보기가 제공되지 않습니다.

이 점 양해해주시기 바랍니다.