(이 기사는 원래Forbes.com에 게재되었습니다.)
자동차 분야에서 인공지능(AI)은 종종 자율주행 기능이나 디지털 비서와 연관되어 생각됩니다. 하지만 차량 소유의 핵심 요소인 정비 및 유지보수 분야를 재편하고 있는, 눈에 띄지 않는 변화가 진행 중입니다.
오늘날의 차량은 매시간 기가바이트 단위의 데이터를 생성하지만, 그 중 상당 부분은 여전히 활용되지 못하고 있습니다. 실시간 차량 데이터와 AI 에서 도출된 통찰력을 결합함으로써, 자동차 제조사와 서비스 제공업체는 진단 정확도를 높이고, 수리 업무 흐름을 간소화하며, 고장을 사전에 예방할 수 있습니다. 실제로 이를 통해 사용 중단 시간을 줄이고, 비용을 절감하며, 더욱 원활한 차량 소유 경험을 제공할 수 있습니다.
Sonatus 의 최고기술책임자(CTO)이자 공동 창업자로서, 저는 지난 20년 넘게 클라우드, 모바일, 임베디드 시스템 전반에 걸친 첨단 기술을 개발해 왔으며, 여기에는 상업용 차량의 안전성을 높이는 AI 기반 도구들도 포함됩니다. 데이터 센터 및 자동차 분야에서 고성능 팀을 이끌어 온 경험을 통해, 저는 기초 데이터(그리고 이를 실시간으로 활용하는 능력)가 얼마나 중요한지 실감했습니다. Sonatus 에서는 글로벌 OEM 기업들과 협력하여 대규모 지능형 진단 시스템을 구현해 왔으며, AI 를 기반으로 한 인사이트가 차량 소유 경험 전반을 어떻게 향상시킬 수 있는지 직접 목격했습니다.
사후 대응형 서비스에서 예측형 서비스로의 전환
기존의 서비스 모델은 사후 대응 방식입니다. 무언가 고장 나면 경고등이 켜지고, 기술자가 문제 해결을 시작합니다. 하지만 문제를 항상 쉽게 재현할 수 있는 것은 아닙니다. 이로 인해 기술자의 반복적인 방문, 수리 지연, 그리고 고객의 불만이 발생하는 경우가 많습니다.
AI 더 스마트한 대안을 제시합니다. 지속적인 상태 모니터링과 상황별 데이터 수집을 통해 차량은 이제 시의적절하고 구체적인 상황에 맞춘 통찰력을 제공할 수 있게 되었습니다. 서비스 팀은 일반적인 로그 파일을 일일이 샅샅이 살펴볼 필요 없이, 특정 문제와 관련된 데이터만을 해당 문제가 발생한 바로 그 순간에 받아볼 수 있습니다. 전자 제어 장치(ECU)의 로그, 오류 코드, 심지어 사건이 발생하기 직전에 기록된 짧은 센서 데이터까지 고려해 볼 수 있습니다.
이러한 변화로 인해 근본 원인 분석이 더 빠르게 이루어지고, 재방문 횟수가 줄어들며, 각 정비 구역 전반에 걸쳐 더 효과적인 우선순위 분류가 가능해집니다.
단순히 데이터를 더 많이 확보하는 것이 아니라, 올바른 데이터를 확보하는 것
연결형 차량은 이미 방대한 양의 데이터를 보유하고 있지만, 문제는 데이터의 양이 아니라 정확성입니다.2030년이 되면 차량 한 대가 주행 시간 1시간당 25GB 이상의 데이터를 생성할 수 있을 것이며, 첨단 시스템의 도입으로 원시 데이터 전송량은 더욱 증가할 전망입니다.
하지만 데이터는 목표가 명확하고 관련성이 있을 때만 유용합니다. 최신 AI 플랫폼은 전체 주행 데이터를 수동적으로 기록하는 대신, 제동 압력 이상과 같은 특정 차량 내 이벤트를 기반으로 데이터 수집을 동적으로 실행할 수 있습니다. 이를 통해 대역폭을 절약할 뿐만 아니라, 인사이트 도출 시간도 단축할 수 있습니다.
그 결과, 실시간 분석을 뒷받침하고 진단 과정에서의 추측을 줄여주는 고품질의 저지연 정보가 제공됩니다.
조기 탐지로 인해 자동차 제조사와 OEM 업체가 혜택을 얻는다
예측 유지보수는 가동 중단이 곧 매출 손실로 직결되는 상업용 차량 함대에 특히 유용합니다. 차량 군 전체의 패턴을 분석함으로써, AI 시스템은 이상치를 감지하고, 잠재적 위험 요소를 파악하며, 고장이 발생하기 전에 수리 방안을 제안할 수도 있습니다. 특히, 당사가 설문조사한자동차 업계 전문가 중 57%는진단 정보를 포함한 차량 데이터의 수익화를 OEM 기업에게 가장 가치 있는 기회로 꼽았습니다.
OEM의 경우, 이러한 통찰력을 소프트웨어 업데이트 주기에 반영함으로써 엔지니어들이 차량 수명 주기 초기에 문제를 해결할 수 있도록 도울 수 있습니다. 맥킨지에 따르면,실시간 피드백 루프를 도입한 자동차 제조사는 리콜 비용을 최대 30%까지 절감할 수 있습니다.
이러한 인텔리전스는 서비스 비용을 절감하는 것 외에도, 판매가 완료된 후에도 오랫동안 고객의 신뢰와 브랜드 충성도를 유지하는 데 도움이 될 수 있습니다.
라이프사이클 혁신을 위한 기반
차량이 점점 더 소프트웨어 중심으로 변화함에 따라, 판매 후 단계에서 ‘ AI ’의 유용성은 계속해서 커질 것입니다. 자동차 제조사들은 초기 거래를 넘어, 보다 원활한 진단, 더 빠른 서비스, 예상치 못한 방문 횟수 감소 등 소유 경험 전반에 걸쳐 가치를 제공하기 위해 노력하고 있습니다.
AI 이러한 성과를 달성하는 데 핵심적인 역할을 합니다. 제조사들은 클라우드에만 의존하는 대신 분석 기능을 차량 시스템의 핵심에 직접 내장함으로써, 대역폭이 제한된 환경에서도 실시간 의사결정 기능을 제공할 수 있습니다. 또한 이는 차량 함대와 지역 전반에 걸쳐 지속적인 개선을 지원하는, 확장성이 뛰어나고 모듈식인 서비스 아키텍처의 길을 열어줍니다.
유념해야 할 과제들
차량 진단 분야에서 AI 의 이점은 분명하지만, 이러한 시스템을 도입하는 데는 여러 가지 장애물이 존재합니다. 가장 큰 과제 중 하나는 적절한 정확도와 관련성을 갖춘 데이터를 수집하는 것입니다. 관련성이 없는 데이터를 너무 많이 수집하면 저장 용량과 대역폭 한계를 초과할 수 있으며, 반대로 너무 적게 수집하면 유용한 통찰력을 놓치게 됩니다. AI 시스템은 특정 차량 이벤트와 관련된 데이터를 동적으로 포착할 수 있도록 세심하게 조정되어야 하며, 이는 우리가 OEM을 위한 솔루션을 구축할 때 특히 중점을 둔 부분입니다.
또한 개인정보 보호와 동의는 항상 최우선으로 고려해야 할 중요한 사항입니다. 차량 데이터를 수집하고 전송하려면 견고한 동의 절차와 엣지 및 클라우드 전반에 걸친 안전한 처리 체계가 필요합니다. 규정은 지역마다 다르기 때문에, OEM은 다양한 법적 요건과 소비자의 기대에 부응할 수 있는 시스템을 설계해야 합니다.
마지막으로, 인적 요소가 있습니다. AI- 향상된 진단 기능은 기술자를 대체하는 것이 아니라, 그들을 지원하는 역할을 합니다. 이 기능의 도입 여부는 복잡성을 가중시키지 않으면서도 명확하고 실행 가능한 통찰력을 제공하는 도구를 구축하는 데 달려 있습니다. Sonatus 에서 우리는 서비스 팀에 상황별, 이벤트별 로그를 제공함으로써 진단에 소요되는 노력을 줄이고 문제 해결 속도를 높일 수 있다는 사실을 확인했습니다.
앞으로의 길
AI 아직 정비 현장에서는 널리 쓰이는 용어는 아닐지 모르지만, 그 영향력은 점점 커지고 있습니다. 차량 데이터를 실질적인 통찰력으로 전환함으로써, 이 기술은 문제 진단 방식, 수리 방식, 그리고 시간이 지남에 따라 차량이 발전해 나가는 방식을 변화시킬 수 있는 잠재력을 지니고 있습니다.
앞으로 몇 년 동안, 이러한 조용한 혁명에 투자하는 자동차 제조사들은 단순히 더 스마트한 자동차뿐만 아니라 더 스마트한 소유 경험까지 제공할 수 있는 유리한 입지를 확보하게 될 것입니다.