디지털 트윈, 만들기보다 어려운 것은 쓰이게 하는 일

디지털 트윈, 만들기보다 어려운 것은 쓰이게 하는 일

- 현실에 뿌리내리는 가상 쌍둥이를 위한 다섯 가지 점검

 

디지털 트윈은 현실에 있는 것을 컴퓨터 안에 하나 더 만들어 두는 기술이다. 공장의 기계, 다리와 터널, 도시 전체, 심지어 사람의 심장까지 대상이 될 수 있다. 다만 겉모습이 닮은 삼차원 모형을 만드는 일과는 다르다. 센서가 보내오는 실제 데이터가 끊임없이 흘러들어와 가상의 쌍둥이가 현실과 같은 상태를 유지하고, 그 안에서 미리 시험해 본 결과가 다시 현실의 판단으로 되돌아오는 순환이 핵심이다. 국제표준화기구가 제정한 ISO 23247 시리즈도 디지털 트윈을 멈춰 있는 모형이 아니라 실시간으로 갱신되면서 과거 상태를 되짚고 미래 상태를 예측하는 체계로 규정한다.

 

그런데 이 기술은 기대만큼 순조롭게 자리 잡지 못하고 있다. 가트너의 2024년 사물인터넷 조사에 따르면 2022년에 디지털 트윈 사업을 시작한 기업 가운데 시범 단계를 넘어 실제 운영에 배치하는 데 성공한 곳은 셋 중 하나 정도에 그쳤다. 나머지는 시연장에서는 그럴듯했으나 일상 업무로는 이어지지 못했다. 맥킨지 역시 사업 타당성과 양질의 데이터를 갖춘 경우에도 디지털 트윈이 실패할 수 있다고 지적하면서, 기술 요소의 잘못된 설정, 시간이 지나며 흐려지는 사업 명분, 그리고 꾸준한 유지와 갱신의 부재를 주된 원인으로 꼽는다. 기술이 없어서가 아니라 쓰이지 않아서 실패한다는 뜻이다.

AI활용

반응형

그래서 첫 번째로 유의할 점은 목적을 먼저 좁히는 일이다. 남들이 하니까 우리도 만들자는 식으로 시작하면 대상은 한없이 늘어나고 비용만 쌓인다. 맥킨지의 분석에 따르면 범위를 좁혀 특정 문제에 집중한 디지털 트윈은 전방위적으로 접근한 경우보다 투자수익이 세 배가량 높았다. 공장 전체를 옮기기보다 고장이 잦아 손실이 큰 설비 몇 대를 고르는 편이, 도시 전체를 복제하기보다 상습 침수 구간 하나를 다루는 편이 훨씬 현실적이다.

 

두 번째는 데이터의 품질과 동기화 주기다. 디지털 트윈은 결국 들어온 데이터만큼만 정확하다. 값이 빠져 있거나 단위가 뒤섞이거나 시계가 어긋난 데이터로는 아무리 정교한 시뮬레이션도 엉뚱한 답을 내놓는다. 또한 모든 데이터를 똑같이 빠르게 주고받을 필요는 없다. 온도 급등이나 진동 이상처럼 안전과 직결되어 늦게 잡으면 사고로 이어지는 항목은 즉시 반영해야 하지만, 월 단위 생산 실적까지 실시간으로 다룰 이유는 없다. 목적에 맞게 주기를 나누어 설계해야 비용과 성능이 함께 잡힌다.

 

세 번째는 모델의 검증과 지속적인 보정이다. 현실의 설비는 늙는다. 부품이 마모되고 공정이 바뀌고 원자재가 달라진다. 처음 만들 때는 잘 맞던 모델도 손보지 않으면 서서히 현실에서 멀어지고, 어느 순간부터는 틀린 답을 자신 있게 내놓는다. 그래서 디지털 트윈은 완성하는 물건이 아니라 관리하는 살림에 가깝다. 실제 값과 예측 값의 차이를 정기적으로 확인하고, 언제 누가 무엇을 바꾸었는지 이력을 남겨야 문제가 생겼을 때 원인을 되짚을 수 있다.

 

네 번째는 시스템끼리 말이 통하게 만드는 일이다. 제조 현장의 디지털 트윈 성패는 화려한 시뮬레이션 소프트웨어보다 이미 쓰고 있는 설비 제어 시스템과 설비 관리 시스템, 사물인터넷 장비가 얼마나 매끄럽게 데이터를 주고받느냐에 더 크게 좌우된다는 지적이 많다. ISO 23247 시리즈가 정보 모델을 직접 규정하기보다 서로 다른 표준을 골라 끼워 맞출 수 있는 틀을 제공하는 데 무게를 둔 것도 같은 이유에서다. 특정 업체의 방식에만 묶이면 나중에 확장하거나 교체할 때 발이 묶인다.

 

다섯 번째는 보안이다. 디지털 트윈이 단순한 관찰을 넘어 현실을 제어하는 단계로 가면, 가상과 현실 사이에 오가는 양방향 통로 자체가 새로운 공격 통로가 된다. 거짓 데이터를 흘려 넣어 판단을 왜곡하거나, 권한을 빼앗아 잘못된 제어 명령을 내려보내면 그 피해는 화면 속에서 끝나지 않는다. 전력망 연구자들이 디지털 트윈을 감시제어 시스템과 동등한 수준으로 보호해야 할 핵심 공격 표면으로 다루어야 한다고 강조하는 이유다.

 

그렇다면 실제 현장에 적용하려면 무엇이 필요한가. 먼저 작게 시작해 성과를 증명한 뒤 넓히는 순서가 필요하다. 유압 프레스 열두 대를 운영하던 한 독일 부품업체는 처음부터 전부를 옮기려다 실패한 뒤, 물리 시뮬레이션과 기계학습을 결합한 모델을 한 대에만 적용해 검증하고 나머지로 확장했다. 그 결과 고장을 닷새에서 여드레 앞서 87퍼센트 정확도로 예측했고, 계획하지 않은 가동 중단을 62퍼센트 줄여 84만 유로의 투자를 열한 달 만에 회수했다.

 

다음으로 필요한 것은 기술이 아니라 조직과 제도다. 맥킨지는 디지털 전환의 가장 큰 걸림돌이 기술보다 조직 문화라고 거듭 밝혀 왔다. 현장 담당자가 화면을 믿지 않으면 아무리 정확한 예측도 결재 서류로 이어지지 않는다. 우리 정부의 디지털 트윈국토 시범사업을 삼 년간 평가한 연구도 비슷한 결론에 이르렀다. 기술이 모자란 것이 아니라 서비스 모델의 확장성, 표준의 실제 적용, 성과를 재는 체계가 부족했고, 그래서 중장기 로드맵과 법·제도 기반이 필요하다는 것이다.

 

마지막으로 자주 빠뜨리는 것이 운영 비용과 사람이다. 디지털 트윈은 구축이 끝나는 순간부터 돈이 든다. 센서를 교체하고 모델을 다시 맞추고 데이터 저장소를 관리해야 하며, 그 일을 맡을 사람이 조직 안에 있어야 한다. 외부 업체가 만들어 주고 떠난 뒤 아무도 손대지 못하는 시스템은 몇 달 만에 현실과 어긋난 채 방치된다. 초기 구축비만 계산하고 운영 예산과 담당 인력을 잡아 두지 않은 사업이 유독 시범 단계에서 멈추는 데는 이런 사정이 있다.

 

정리하면 디지털 트윈을 시작하기 전에 던져야 할 질문은 무엇을 얼마나 똑같이 만들 것인가가 아니라, 누가 이것을 매일 열어 보고 어떤 결정을 바꿀 것인가이다. 목적이 좁고 분명한가, 그 목적에 맞는 데이터가 실제로 들어오는가, 틀렸을 때 고칠 사람과 예산이 있는가, 나중에 다른 시스템과 이어 붙일 수 있는가, 그리고 그 통로가 안전한가. 이 다섯 가지에 답할 수 있다면 디지털 트윈은 값비싼 시연 화면이 아니라 현실을 실제로 바꾸는 도구가 된다.