AI (Artificial Intelligence, 인공지능)는 기술 중심의 세계, 특히 자동차 산업의 강력한 변화 동력이 되고 있다. 자동차 회사는 AI, 딥러닝, 머신러닝에 의해 좌우될 미래 경쟁에 대비해 곳곳에 AI를 통합하고 소비자 경험 최적화 전략을 시행함으로써 그 잠재력을 활용할 비즈니스 모델 개발에 나서고 있다.   

글 | 한상민 기자_han@autoelectronics.co.kr







바퀴 달린 컴퓨터, 뉴 모빌리티로의 진화와 같은 자동차의 디지털화 전략 배경은 무엇인가. 센서-에지 컴퓨팅(AI, ML)-5G 인프라의 발전-클라우드와 AI를 통한 데이터 인사이트를 최종 애플리케이션에 구현해 고객에게 제공하는 것이다.  여기서 AI는 기술 중심의 세계, 특히 자동차 산업의 강력한 변화 동력이 되고 있다. 이것은 OEM이 소비자 요구사항에 맞는 차량을 효과적으로 제작하고 선택받아 운전, 이용하는 방식의 변화에 막대한 영향을 미칠 것이다. 자동차 회사들은 이 AI, 딥러닝, 머신러닝에 의해 좌우될 미래 경쟁에 대비해 단기적으로 곳곳에 AI를 통합하고 있으며 소비자 경험 최적화 전략을 시행함으로써 그 잠재력을 활용할 비즈니스 모델 개발에 나서고 있다.   

이미 이런 전략은 북미와 유럽 시장에서 고객의 결제 의지와 소비자 요구사항의 확대와 함께 진행 중이다. 근본인 차량 데이터 생성의 기하급수적인 증가, 컴퓨팅 리소스에 대한 제약 제거, 데이터 저장 비용의 대폭적인 감소가 새로운 AI 애플리케이션으로 전개되고, IoT와 자동화된 프로세스가 확장되고 있다.

AI의 자동차 적용 분야를 크게 구분한다면, 사람과 관련된 부분과 그렇지 않은 부분으로 나눌 수 있다. 예를 들어, 사람과 관련된 것은 의사결정을 지원하는 챗봇이나 시리, 구글 어시스턴트, 코타나 등 클라우드 기반으로 인카 경험을 개선하는 AI 어시스턴트 같은 시스템, AR-HUD나 e호라이즌처럼 머신러닝을 이용해 의사결정 과정에서 패턴을 식별하는 AI 시스템이 있다. 챗봇은 텍스트나 텍스트 투 스피치를 통해 온라인 대화를 수행해 효율적이고 안전하면서 높은 소비자 경험을 제공할 수 있다. 오래전부터 추구되온 e호라이즌은 운전자가 직접 개입하지 않아도 차량이 전방 도로의 환경적 변화와 상황을 알고 그 반응 시간을 늘려 사고위험을 줄이거나 주행 효율성을 높인다.
 
그렇지 않은 분야는, 예를 들어 예측 정비, 유지보수와 같은 정기적 또는 비정기적인 매뉴얼 인지 작업을 자동화할 수 있는 시스템, 혹은 자가학습하고 상황에 적응하면서 사람의 도움이나 간섭 없이 작동하는 자율주행, ADAS와 같은 시스템이 있다. 센서 퓨전, AI, 머신러닝 기반 코어 운영체제는 커넥티드 생태계 개발을 지원하면서 자율주행으로의 도약을 이끌고, 비즈니스 리스크를 줄이고 프로세스 효율을 높이면서 운송 사업자가 루트 플랜, 수요예측을 통해 물류, 운송, 에너지 효율성을 높인다. 이 밖에도 다양한 유즈케이스에 대한 센싱, 데이터 세트의 저장, 처리, 분석에 AI 기술이 적용되면서 새로운 비즈니스 모델을 창출하고 있다.







AI 탑재 차량의 소유 비용 증가, 차량 AI 기능 지원을 위한 인프라 부족, 데이터 익명화, 개인 정보 및 데이터 보호 우려란 요소를 극복해야 하지만, 향후 5년 이내에 자율주행 기술과 같은 AI는 기업이 운송 방식과 같은 모빌리티를 크게 바꿀 것이다. 스마트 군집주행을 통해 안전과 생산성을 개선할 것이다. 도로 공간을 효율적으로 사용해 도로 인프라 효율성을 높일 것이다. 교통관리 AI는 사고 히트 맵을 생성해 미래 사고를 방지를 위한 단계를 높이고, 교차로, 지역 및 네트워크 수준에서 신호 타이밍을 자동화할 수 있는 정교한 도시교통 제어 시스템을 개발토록 할 것이다. 차량의 정차 시간을 줄이고 운전 시간을 최적화하며 전기차와는  그리드 상호작용을 촉진해 충전 자동화에도 기여할 것이다.