왜 3D CAD는 보급되었는데 AI는 보급되지 않는가

저는 20년 이상 메카 설계(Mechanical Design)에 종사해 왔습니다.

그동안,

• 제도판
• 2D CAD
• 3D CAD

와 같이 설계 환경의 변화를 지켜봐 왔습니다.

한편 최근에는,

Python, 통계, 머신러닝 (Machine Learning)을 배우며,

품질 부문에서 데이터 분석 및 AI 활용에도 관여하게 되었습니다.

그 과정에서 느낀 점이 있습니다.

3D CAD는 많은 기업에 침투했습니다.

하지만 AI는 좀처럼 침투하지 않습니다.

왜 그럴까요?

이번에는 3D CAD와 AI를 비교하며 생각해 보고자 합니다.

2D CAD가 보급된 이유는 비교적 단순합니다.

설계자 자신의 작업 효율이 크게 향상되었기 때문입니다.

현재는 당연하지만, 이전에는 도면을 종이에 직접 그렸습니다.

드래프터 (Drafter)라고 불리는 제도 기계를 사용하여,

선을 긋고,

치수를 기입하며,

수정이 있으면 지우개로 지우고 다시 그렸습니다.

도면을 유용하고 싶을 때도 처음부터 다시 그리는 일이 드물지 않았습니다.

하지만 2D CAD를 통해,

• 복사 & 붙여넣기 (Copy & Paste)가 가능해짐
• 수정이 용이함
• 도면 관리가 편해짐
• 과거 도면을 재사용할 수 있게 됨

되었습니다.

이는,

종이에 일러스트를 그리는 것보다,

태블릿으로 그리는 것이 더 편리해지는 것과 비슷합니다.

설계자 본인이 직접 메리트를 느낄 수 있었기 때문에,

학습 비용 (Learning Cost)보다 얻을 수 있는 이점이 더 커서,

급속도로 보급되었습니다.

3D CAD는 2D CAD만큼 단순한 이야기가 아닙니다.

사실 설계자 본인만 놓고 보면,

3D CAD에는 큰 부담이 있습니다.

우선 습득 난이도가 높습니다.

특히 NX나 CATIA와 같은 하이엔드 (High-end) CAD는,

며칠간의 연수만으로 능숙하게 다룰 수 있는 것이 아닙니다.

저 자신도 20년 이상 설계를 하고 있지만,

지금도 새로운 기능을 사용할 때마다 찾아보는 일이 있습니다.

게다가,

설계자 개인의 작업이라는 관점에서 보면, 3D CAD는 2D CAD보다 더 많은 공수 (Man-hour)를 필요로 합니다.

모델링으로부터의 어셈블리 (Assembly) 작성,

구속 조건 (Constraint) 설정,

모델로부터의 도면화 등,

2D CAD에는 존재하지 않는 작업도 발생합니다.

즉,

설계자 본인만을 생각한다면,

3D CAD는 반드시 압도적으로 편리한 도구는 아닙니다.

그렇다면 왜 보급되었을까요?

저는,

가장 큰 이유는

설계자 이외의 사람도 형상을 이해할 수 있게 되었기 때문

이라고 생각합니다.

예를 들어 2D CAD 도면을 생각해 보겠습니다.

설계자라면,

2차원 도면 정보로부터 머릿속에서 입체 형상을 재구축할 수 있습니다.

하지만,

설계 경험이 없는 사람에게는 쉽지 않습니다.

이 도면으로부터 형상을 이해하기 위해서는,

평면상의 정보를 머릿속에서 입체로 변환해야 합니다.

설계자는 일상적으로 수행하고 있지만,

영업,

품질,

제조,

조달,

서비스 담당자에게는 어려운 경우도 적지 않습니다.

바꾸어 말하면,

2D 도면은 설계자만이 읽을 수 있는 언어였다고도 할 수 있습니다.

반면 3D CAD에서는,

형상 그 자체를 볼 수 있습니다.

게다가 분해도를 사용하면,

부품 구성도 직관적으로 이해할 수 있습니다.

설계 경험이 없어도,

구성 요소가 한눈에 파악됩니다.

영업도,

품질도,

제조도,

동일한 모델을 보면서 논의할 수 있게 되었습니다.

저는,

3D CAD의 최대 가치는 형상 작성 그 자체가 아니라,

조직 전체의 설명 비용 (Explanation Cost)을 낮춘 것

이라고 생각합니다.

물론,

3D CAD는 도입 비용도 높은 기술입니다.

습득에는 시간이 걸리고,

설계 작업 그 자체도 늘어납니다.

실제로,

현재도 2D CAD를 계속 사용하고 있는 업계나 기업은 적지 않습니다.

그럼에도 많은 기업이 3D CAD를 도입한 것은,

도입 비용을 상회하는 메리트가 있었기 때문입니다.

그렇다면 AI는 어떨까요?

현재의 AI는,

• 이상 탐지 (Anomaly Detection)
• 불량 예측 (Defect Prediction)
• 데이터 분석 (Data Analysis)
• 리포트 작성 (Report Generation)

등 다양한 일을 할 수 있습니다.

하지만,

저는 3D CAD와 결정적으로 다른 점이 있다고 생각합니다.

그것은,

AI는 설명 비용을 낮추기는커녕, 오히려 늘려버리는 경우가 있다

는 점입니다.

예를 들어,

AI가

"이 불량은 발생할 가능성이 높다"

라고 예측했다고 가정해 봅시다.

그러면 주변에서는,

"왜?"

라고 묻습니다.

AI를 도입하려고 해도,

• 왜 유효한가
• 어느 정도 신뢰할 수 있는가
• 어떤 전제 조건이 있는가

를 설명해야만 합니다.

즉,

AI는 성과를 내기 전에,

설명이 필요해지는 기술인 것입니다.

저는 이전에,

DX (Digital Transformation)가 진행되지 않는 이유는,

AI가 무엇을 할 수 있고 무엇을 할 수 없는지가 조직 내에서 공유되지 않고 있기 때문이 아닌가,

라는 글을 썼습니다.

이번에 다시 생각해 보면,

AI가 좀처럼 보급되지 않는 이유는,

캐즘 이론 (Chasm Theory)에서 말하는 "캐즘 (Chasm)"에 있는 것이 아닌가 생각합니다.

캐즘이란,

새로운 기술이 일부 선진적인 사용자로부터 일반 사용자에게 확산될 때 발생하는 커다란 벽을 말합니다.

그리고,

그 캐즘의 정체는,

설명 가능성 (Explainability)

일지도 모릅니다.

3D CAD는,

형상을 시각화함으로써,

설계자 이외의 사람들도 이해할 수 있게 되었습니다.

반면 AI는,

예측이나 제안은 할 수 있어도,

그 판단 근거를 조직 전체와 공유하는 것이 어려운 경우가 있습니다.

저는,

이 설명 가능성의 벽이야말로,

AI 보급을 어렵게 만드는 요인 중 하나가 아닐까 느끼고 있습니다.

그렇다면,

AI가 더 똑똑해지면 해결될까요?

저는 반드시 그렇지는 않다고 생각합니다.

물론,

설명 가능한 AI (XAI) 연구는 진행되고 있습니다.

하지만,

설명을 받는 쪽에서도 이해가 필요합니다.

예를 들어,

통계나 머신러닝 (Machine Learning) 지식이 전혀 없다면,

아무리 친절한 설명을 들어도 판단할 수 없습니다.

즉,

설명하는 쪽뿐만 아니라,

이해하는 쪽에도 일정 수준의 지식이 필요하게 됩니다.

지금까지,

AI의 보급에는 설명 가능성이 중요하지 않을까,

라는 이야기를 써 왔습니다.

그렇다면,

인간 측의 이해는 어떻게 진행되어 갈까요?

저는,

기존의 사내 연수만으로는 한계가 있다고 생각합니다.

AI나 통계에 대한 이해에는,

상상 이상으로 시간이 걸립니다.

저 자신도,

• Python
• 통계
• 머신러닝 (Machine Learning)
• 딥러닝 (Deep Learning)

을 공부해 왔지만,

돌이켜보면 1,000시간 이상은 학습에 소비했다고 생각합니다.

물론 우회하는 길도 많았기에,

효율적이었다고는 말할 수 없습니다.

하지만,

통계나 머신러닝의 사고방식을 이해하기 위해서는,

그렇게 극단적인 시간도 아니라고 생각합니다.

그렇기에 더욱,

몇 시간에서 며칠 정도의 사내 연수만으로

AI를 이해하는 것은 어렵다고 느껴집니다.

그래서 가능성을 느끼고 있는 것이 역시 AI 도구입니다.

ChatGPT를 비롯한 AI 도구는,

모르는 것을 그 자리에서 질문할 수 있고,

이해도에 따라 설명을 바꿀 수도 있습니다.

기존의 획일적인 강의형 학습이 아니라,

개개인에 맞춘 학습을 지원할 수 있는 가능성이 있습니다.

물론,

아직 발전 단계에 있습니다.

하지만 저는,

AI는 업무를 지원하는 도구일 뿐만 아니라,

AI 보급에 필요한 "이해"를 넓히기 위한 도구도 되어 갈 것이라고 느끼고 있습니다.

2D CAD는 설계자의 작업을 편하게 만들었습니다.

3D CAD는 조직의 설명 비용을 낮추었습니다.

그렇다면 AI는 어떨까요?

현재의 AI는,

큰 가능성을 가지고 있으면서도,

설명 비용을 늘리고 있는 것처럼 보이기도 합니다.

저는,

AI가 좀처럼 보급되지 않는 이유는,

캐즘 이론 (Chasm Theory)에서 말하는 캐즘이 존재하며,

그 정체가 설명 가능성에 있는 것이 아닌가 생각합니다.

그리고 그 설명 가능성은,

AI만으로는 해결할 수 없습니다.

인간 측의 이해도 필요합니다.

어쩌면,

AI가 정말로 보급되는 것은,

AI가 더욱 똑똑해졌을 때가 아니라,

우리 자신이 AI를 이해할 수 있게 되었을 때일지도 모릅니다.