“AI를 만나 다시 태어난다” 복잡한 시스템 관리의 새로운 가능성 여는 디지털 트윈

1990년대 초 DEC(Digital Equipment Corporation)에서 엔지니어로 일하던 카렌 파네타는 CPU의 첫 번째 디지털 트윈을 공동 개발했다. 파네타는 “반도체를 만들 때는 수십억 개의 트랜지스터가 들어가는데, 각각을 탐침과 배선으로 검사할 수는 없다”면서 “디지털 트윈 모델을 만들고 인위적으로 다양한 조건에서 고장을 내보며 제조 결함을 찾을 수 있다면 얼마나 좋겠는가?”라고 설명했다.

현재 터프츠대학교 공과대학원 교육 책임자인 파네타는 컴퓨터 비전 분야에서도 선구적 연구를 주도한 AI 혁신가다. 파네타는 현재 디지털 트윈과 AI가 결합하면서 서로의 잠재력을 극대화하고, 과거에는 불가능했던 과제도 해결할 수 있게 됐다고 강조했다. 예컨대 질병과 인체 장기의 시뮬레이션, 주요 인프라 프로젝트의 모니터링, IT 인프라 분석 등 다양한 영역에서 AI와 결합된 디지털 트윈이 실제로 활용되고 있다.

파네타는 “가장 먼저 이 기술을 적극적으로 도입할 시장은 사이버보안 분야”라고 분석했다. 기업은 자사 시스템의 디지털 트윈을 구축하고 이를 통해 유입되는 데이터를 수집한다. 파네타는 “이제 다양한 보안 도구나 공급업체를 연결해 놓고 누가 어떻게 침입하는지 실험해볼 수 있다”라고 덧붙였다.

AI와 디지털 트윈의 결합이 가진 잠재력은 매우 크지만, 이미 많은 기업이 실질적인 사례를 확보하고 있다. 디지털 트윈의 핵심 가치는 다양한 시스템의 데이터를 한 플랫폼에 통합해 맥락 있는 방식으로 해석하는 데 있다. 그러나 실제로는 여전히 데이터가 분산돼 있다. 가트너의 애널리스트 알폰소 벨로사는 “누구나 고객이나 환자에 대한 통합 뷰를 가지고 있다고 말하지만 실제로는 각기 다른 전용 시스템에서 데이터를 끌어오고 있다. 디지털 트윈은 이런 문제를 해결하는 데 강점이 있다”라고 강조했다.

벨로사는 또 디지털 트윈이 특정 도메인의 지식과 비즈니스 요구사항을 통합적으로 반영하는데, 여기에 AI가 결합되면 기술의 다음 진화 단계로 나아가게 된다고 설명했다. 벨로사는 “가트너에서는 이를 ‘지능형 시뮬레이션(Intelligent Simulation)’이라고 부르고 있으며, 향후 12대 파괴적인 기술 중 하나가 될 것으로 보고 있다”고 밝혔다.

가트너는 지난 4월 보고서를 통해 2032년까지 전략적 비즈니스 의사결정의 25% 이상이 지능형 시뮬레이션 기반으로 이뤄질 것이며, 2027년에는 시뮬레이션 트윈 역량을 사용해 10억 달러 이상의 운영비 절감을 달성한 기업이 등장할 것이라고 예상했다.

뿐만 아니라 지난해 말 발표된 헥사곤(Hexagon)의 설문조사에 따르면, 자동차, 건축, 엔지니어링, 건설, 석유 및 가스, 도시계획 등 다양한 산업 분야의 경영진 600여 명 중 80%는 AI의 발전 덕분에 디지털 트윈에 대한 관심이 높아졌다고 답했다.

AI가 디지털 트윈을 강화하는 방식

맥킨지는 디지털 트윈을 설계하고 구축하는 일이 쉽지 않다고 설명하면서, LLM이 디지털 트윈을 위한 코드 작성을 도와 개발 속도를 높일 수 있다고 평가했다. 생성형 AI는 핵심 정보를 유지하면서도 데이터를 압축할 수 있어, 대량의 데이터를 처리해야 하는 디지털 트윈 운영에 적합하다. 또한 다양한 시나리오를 생성해 시뮬레이션을 수행하거나, 자연어 인터페이스로 활용돼 사용자 접근성을 높일 수도 있다.

헥사곤에 따르면 AI는 프런트엔드 데이터 처리(59%), 사용자 인터페이스 개선(56%), 의사결정 지원(27%) 등에 활용되고 있다. 예를 들어 디지털 트윈의 사용자 인터페이스는 원시 데이터보다 직관적이지만, 누구나 즉시 상황을 이해할 수 있는 것은 아니다.

카네기멜런대학교 교수 아리 라이트먼은 “생성형 AI는 전체 시뮬레이션을 분석해 사람이 이해할 수 있는 요약본으로 바꿔준다. 사용자가 놓친 정보를 알려주고, 보다 이해하기 쉬운 방식으로 정리해 줄 수 있다”라고 설명했다.

AI는 또 사용자가 자연어로 디지털 트윈과 상호작용할 수 있도록 지원한다. 최근 통신망 운영 사례에서는 디지털 트윈이 네트워크 장애를 시뮬레이션하고 트래픽이 어떻게 우회되는지를 확인했다. 이 과정에서 LLM이 인터페이스로 활용돼 경영진이 더 쉽게 디지털 트윈을 사용할 수 있도록 도왔다.

PwC 신기술 리더 스콧 라이컨스는 “예전에는 데이터 과학자만 시뮬레이션을 만들 수 있었지만, 이제는 사람의 언어를 시스템 명령으로 번역하는 가벼운 인터페이스만 있으면 된다”라고 설명했다. 또 “시뮬레이션에 추론과 계획 기능이 내장되면 스스로 시뮬레이션을 다시 작성해 다양한 변형을 제시할 수 있다”라고 덧붙였다.

AI 기반 디지털 트윈을 실제로 도입한 사례도 있다. 미국 오리건주 유진에 위치한 4J 교육구는 선임 네트워크 엔지니어 벤 샤피로가 1만 6,000명 이상의 학생과 5만 대 이상의 기기를 지원하는데, 디지털 트윈 덕분에 초급 기술 지원 인력도 네트워크 상태를 쉽게 파악할 수 있다. 4J 교육구는 주니퍼 네트웍스의 네트워크 디지털 트윈 ‘마비스 미니스(Marvis Minis)’를 미스트 AI와 함께 사용하고 있는데, 이 플랫폼에 탑재된 생성형 AI 챗봇은 이를 더욱 쉽게 만들어 준다. 샤피로는 “마비스는 기술 지원의 민주화를 실현한 게임 체인저”라며, “일선 기술지원 인력이 문제를 바로 해결할 수 있도록 해 더 이상 내게까지 일이 올라오지 않도록 하는 것이 목표”라고 밝혔다.

마비스 미니스는 아직 시뮬레이션 기능은 지원하지 않지만, 향후 이를 활용할 계획이다. 샤피로는 “미스트 AI가 가 수집한 데이터와 텔레메트리를 바탕으로 네트워크가 미래에 대비되어 있는지를 점검할 수 있다면 정말 멋질 것”이라며, “직관에만 의존하지 않고 데이터를 바탕으로 임원들에게 정량적 설명을 제시할 수 있다면 좋겠다”라고 말했다.

AI가 만든 인간 디지털 트윈

고도화된 생성형 AI 모델의 등장은 과거에는 불가능했던 디지털 트윈 활용 방식을 가능하게 만들고 있다. 기업은 오랫동안 머신러닝으로 고객을 세분화하고, 각기 다른 고객이 무엇을 원하는지 예측해 왔다. 이제 생성형 AI를 활용하면 특정 고객을 디지털 아바타로 직접 구현할 수 있다.

가트너의 벨로사는 “마케팅이나 제품팀이 디지털 트윈에게 ‘이 신간 시리즈나 크루즈 패키지를 구매할 것 같은가?’라고 묻는 식의 인터뷰도 가능해졌다”면서 “여섯 가지 옵션 중 어떤 것을 더 선호하는지도 물어볼 수 있다”고 말했다. 실제 사람 대신 아바타와 대화하는 셈이다.

그리고 굳이 아바타가 한 명일 필요도 없다. 디지털 트윈은 전체 포커스 그룹을 시뮬레이션하는 데도 활용할 수 있다. 퍼블리시스 사피언트(Publicis Sapient) 데이터 전략 및 AI 총괄 디렉터 사이먼 제임스는 “마치 모의 배심원단을 앞에 두고 재판 전략을 시험하는 것과 비슷하다”라고 말했다. 기업이 광고 전략을 시험할 때, 다양한 인구통계학적 특성을 반영한 고객 디지털 트윈 포커스 그룹에 시청시켜 반응을 분석하는 방식이다.

퍼블리시스 사피엔트도 잠재 고객사로부터 정보를 요청받으면 이런 기술을 활용하고 있다. 제임스는 “다양한 CIO로 구성된 패널을 구성할 수 있다. 예산을 중시하는 사람, 기술을 깊이 이해하는 사람 등으로 구성해 문서를 읽히고 질문을 도출하게 한다”라고 설명했다.

이런 접근이 실제로 수주 성과로 이어졌는지는 아직 확인하기 어렵다. 제임스는 “우리는 가능한 모든 이점을 찾고 있다”라며, “외부 시각이 의외의 통찰을 줄 때도 있다. 소수의 팀이나 혼자 일할 때는 놓치기 쉬운 부분이기도 하다”라고 덧붙였다.

카네기멜런대학교의 라이트먼은 AI를 활용해 개별 직원의 디지털 트윈을 만드는 것도 가능하다고 설명했다. 예를 들어 공장에서는 근무자의 활동을 모델링하고 분석할 수 있다. 제조업에서는 공장의 정비 인력과 운영 인력의 활동을 모델링할 수 있다. 그러나 여기에는 위험 요소도 따른다. 라이트먼은 “근무자가 시뮬레이션되는 것을 거부할 권리가 있는가? 당사자가 모델링을 원치 않을 수도 있다”라고 지적했다.

라이트먼은 “회사가 디지털화하려는 일부 활동에 대해 저항감이 생길 수도 있다. 기업은 왜 데이터를 수집하고, 어떻게 활용하는지를 훨씬 더 투명하게 설명해야 한다”라고 강조했다.

워크플로우 전체, 또는 기업 전체의 디지털 트윈

기업이 AI를 비즈니스 워크플로우에 통합하려면, 우선 그 워크플로우가 실제로 어떻게 작동하는지를 명확히 이해해야 한다. ABBYY의 프로세스 AI 담당 제품 마케팅 매니저 존 크니슬리는 “기업이 실제로 어떻게 운영되는지 우리는 잘 모른다”라며, “이 점에서 프로세스 디지털 트윈은 엄청난 가치를 제공할 수 있다”고 설명했다.

AI는 머지않아 기업 내 사람들이 실제로 어떤 업무를 수행하는지를 파악하는 데 활용될 수 있다. 과거에는 매우 어려운 일이었다. 프로세스 마이닝이 이 문제를 해결할 것으로 기대됐지만, 실제 비즈니스 프로세스는 대체로 일관성이 없고 문서화도 되지 않았으며, 때로는 잘못된 경우도 있다.

크니슬리는 “우리는 로그 데이터와 사용자 활동 데이터를 분석해 실제 업무를 나타내는 디지털 프로세스 트윈을 만드는 데 주력하고 있다”라며, “보안, 마케팅, 재무 데이터는 우수하지만, 프로세스 데이터는 부족하다”고 밝혔다. 크니슬리는 이 부족한 프로세스 데이터가 데이터 중심 기업으로 가는 데 남은 마지막 큰 장애물이라고 지적했다.

AI는 이 업무에 지능을 투입할 수 있을 뿐 아니라, 트랜잭션과 로그 데이터를 다른 정보와 결합할 수도 있다. 퍼블리시스 사피엔트의 제임스는 “예를 들어, 같은 회사 내 다른 팀이 동일한 업무를 자원이나 제약 조건에 따라 다르게 수행할 수 있다”라며, “구성원 개개인이 자율성을 갖고 있는 프로세스도 고려할 수 있다”라고 설명했다.

디지털 트윈은 공급망이나 물류센터 시뮬레이션에 흔히 사용된다. 제임스는 “AI는 기존의 규칙 기반 시스템이 아니라 시뮬레이션의 참여 요소에 자율성을 부여해 다양한 방식으로 행동할 수 있게 해준다”라며, “시스템 내에 센서와 판단 기능을 가진 노드를 넣을 수 있다”고 설명했다. 예를 들어 대학가 매장의 관리자라면 토요일 오전에 유동 인구의 40%가 집중된다는 사실을 알 수 있다. 관리자는 재고가 떨어지는 상황을 피할 수 있는 것이다. 그리고 시스템 전체가 더 지능적으로 작동할 수 있는 구조다.

제임스는 “AI 기반 접근법에서는 프레임워크 자체가 최적의 전략을 도출할 수 있다”라며, “체스를 어떻게 두어야 하는지를 가르치지 않아도, 결국 승리하는 전략을 스스로 학습하는 것이 딥러닝 네트워크의 특성 중 하나였다”라고 덧붙였다.

디지털 트윈이 AI를 돕는 방식

AI만 디지털 트윈을 돕는 것은 아니다. 디지털 트윈도 AI 성능 향상에 기여한다. PwC의 라이컨스는 “우리는 디지털 트윈을 활용해 LLM에 필요한 정보를 생성하고 있다”라며, “디지털 트윈에서 나오는 합성 데이터는 품질이 더 뛰어나다”라고 설명했다. “디지털 트윈이 누락된 데이터를 생성할 수 있고, 이는 실제 데이터를 기반으로 하기 때문에 현실과 더욱 부합한다”는 것이다.

키사이트 테크놀로지스의 소프트웨어 테스트 자동화 책임자 개러스 스미스는 “디지털 트윈은 시스템의 작동 모델”이라며, “실제 시스템의 반응을 모방하는 방식으로 반응한다”라고 설명했다. 즉, 디지털 트윈이 생성하는 합성 데이터는 기존 기법보다 더 풍부하고 다양한 데이터로 AI 모델을 훈련시킬 수 있다.

올해 주목할 만한 디지털 트윈 활용 사례 중 하나는 에이전틱 AI(Agentic AI) 시스템을 이해하고 확장하는 데 활용하는 것이다. 에이전틱 AI는 고객 문제 해결, 제안서 작성, 소프트웨어 설계·구축·테스트 등 복잡한 비즈니스 프로세스를 자동화할 수 있다. 또한, 여러 데이터 소스, 도구, AI 에이전트가 비결정적 방식으로 상호작용하며 구성된다. 이처럼 에이전틱 AI는 매우 강력하지만 동시에 위험성도 크다. 디지털 트윈은 이런 에이전틱 AI 시스템의 행동을 모니터링하고, 새로운 상황에 어떻게 반응하는지를 테스트하고 시뮬레이션할 수 있다.

맥킨지는 지난 4월 보고서를 통해 “현재 대기업의 75%가 AI 솔루션 확장을 위해 디지털 트윈에 투자하고 있다”fk고 밝혔다. 맥킨지의 파트너 알렉스 코스마스는 “향후 10년 안에 성공적인 포춘 1000 기업은 디지털 트윈으로 사업을 운영하고 대담한 전략을 검증할 것”이라고 말했다.

디지털 트윈은 운영 복제본이자 가치사슬 전체의 시뮬레이션이다. 코스마스는 디지털 트윈을 “살아 있는, 숨 쉬는, 확장 가능한 자산”이라고 표현했다. 점점 더 다양한 문제를 해결하게 될 것이라는 의미다. 코스마스는 “경영진은 실제 비즈니스를 방해하지 않고, 다양한 의사결정과 수많은 시나리오를 시뮬레이션 환경에서 검증할 수 있게 될 것”이라며, “무엇보다 초기부터 스스로 자금을 조달하며 투자 수익을 낼 수 있어야 한다”라고 강조했다.
dl-ciokorea@foundryco.com