자동차 산업이 인공지능(AI)을 중심으로 한 소프트웨어 주도 모빌리티로 급속히 전환하고 있다. 캡제미니 리서치 인스티튜트의 보고서에 따르면, 자동차 기업의 85%가 AI가 자동차 소프트웨어에 직접 내장되어 소프트웨어 기능의 핵심 구성 요소가 되고 있다고 답했다. 이는 자동차 산업이 단순한 기계 제조업에서 AI 기반 기술 기업으로 변모하고 있음을 보여준다.

자동차 기업 77%가 믿는다, "AI 통합이 곧 경쟁 우위

자동차 기업의 77% 이상이 소프트웨어 개발, 차량 내 기능, 모빌리티 서비스에 AI를 효과적으로 통합하는 기업이 경쟁 우위를 확보할 것이라고 믿고 있다고 조사 결과 나타났다. 보쉬(Bosch)의 페드라 리베이로(Fedra Ribeiro) 크로스 도메인 컴퓨팅 솔루션 세일즈 담당 EVP는 "AI는 근본적으로 우리 플랫폼 내에서 확장성을 가능하게 한다. 모듈식 아키텍처와 최첨단 기술을 통해 지속적인 하드웨어 교체 없이 원활한 확장을 달성한다. 궁극적으로는 가장 작은 장치 공간에서 가장 큰 코드를 최적화하는 것으로 귀결된다"고 설명했다.

아스톤 마틴의 다비데 몬토시(Davide Montosi) 소프트웨어 및 전자 기술 디렉터는 "개인적으로는 더 이상 플레이북이 없다고 본다. 차량 개발의 모든 프로세스가 특히 AI로 인해 재편되고 있다. 앞서 나가기 위해서는 우리가 잘 알고 있다고 생각했던 모든 것을 재고하고 재구축해야 한다"고 강조했다.

조사에 따르면 86%의 기업이 ADAS와 자율주행 기능을 위한 AI 통합을 자신들의 소프트웨어 주도 전략에서 매우 중요하게 여기고 있다. 또한 74%는 사이버보안 분야에서 AI의 역할(예: 차량 내 데이터의 위협 탐지)을 중요하게 평가했다.

폭스바겐·BMW·메르세데스가 AI로 설계하고, 현대차는 휴머노이드 로봇 투입

AI는 자동차 산업의 전체 가치 사슬에서 다양한 방식으로 활용되고 있다. 폭스바겐의 AI 연구소는 초기 단계 AI 프로토타입을 개발하는 글로벌 AI 역량 센터 및 인큐베이터 역할을 하고 있다. BMW 그룹은 AI를 사용해 설계 초기 단계에서 충돌과 공기역학 성능을 시뮬레이션하고 있다.

공급망 관리에서도 AI의 혁신적 활용이 돋보인다. 르노는 AI를 사용해 배송 중단을 방지하고 실시간 해결책을 제안함으로써 신속 배송 부품, 미완성 차량, 생산 중단을 50% 줄여 재고에서 2억 6천만 유로를 절약했다. 도요타는 여러 생산 현장에 걸쳐 재고 관리를 간소화하기 위해 AI 기반 예측 모델을 구현했다.

제조 과정에서 메르세데스-벤츠는 ChatGPT를 사용해 생산 데이터 분석과 품질 관리를 최적화하고 있다. 또한 AI를 사용해 파일럿 테스팅의 관련 하위 프로세스를 모니터링하여 20% 에너지 절약을 달성했다. 도요타는 자체 개발한 AI 플랫폼을 통해 제조 운영의 효율성을 개선하고 있다.

현대자동차 그룹은 아틀라스(Atlas) 휴머노이드 로봇을 배치하고 미국과 전 세계 다양한 제조 및 물류 기지에서 물리적 AI 생태계를 개발할 예정이다. 테슬라 역시 2025년에 1만 대의 휴머노이드 옵티머스(Optimus) 로봇을 개발해 산업 자동화, 물류, 소비자 서비스를 담당하게 할 계획이다.

포드 트럭은 AI 기반 사이버보안 탐지 기능을 갖춘 소프트웨어 플랫폼을 사용해 연결된 상용차 플리트를 사이버보안 위험으로부터 보호하고 있다.

폭스바겐은 AI로 코딩하고, 샤오펑은 3개월마다 1년 치 학습 데이터 축적

자동차 소프트웨어 개발 과정에서 AI의 활용이 크게 늘고 있다. 폭스바겐은 PTC의 ALM 플랫폼인 코드비머(Codebeamer) 내에서 코파일럿(Copilot)을 사용해 엔지니어들이 특정 데이터와 비즈니스 컨텍스트를 활용하여 새로운 요구사항 명세서와 테스트 케이스를 생성할 수 있도록 하고 있다. 이러한 AI 지원은 중복을 줄이고 기존 엔지니어링 표준 준수를 보장함으로써 전반적인 품질을 개선한다.

기업들은 생성형 AI 도구를 사용해 포괄적인 테스트 스위트를 생성하고 코드베이스의 고위험 영역을 식별할 수 있다. AI는 요구사항 정의부터 적절한 에픽과 사용자 스토리 생성, 테스트 케이스의 생성과 실행 최적화에 이르기까지 전체 차량 수명주기에서 데이터 연속성을 가능하게 한다. 이를 통해 생산성과 소프트웨어 품질을 향상시키고 출시 시간을 단축한다.

샤오펑(XPENG)은 AI를 사용해 차량과 클라우드 데이터를 처리하여 신속한 알고리즘 업데이트와 OTA를 통한 자율주행 기능의 지속적인 향상을 가능하게 한다. BMW 그룹은 DevOps 팀이 인프라 최적화 노력을 간소화할 수 있도록 지원하는 생성형 AI 어시스턴트를 개발했다.

5개 스크린 AI 콕핏부터 챗GPT 어시스턴트까지, 차량이 개인 비서로 진화

AI는 차량 내 사용자 경험을 근본적으로 변화시키고 있다. 중국의 리아우토(Li Auto)는 사용자 경험을 차량 개발의 핵심에 두는 고객 중심성을 보여주고 있다. 이 회사는 5개 스크린, 3차원 인터랙티브 인터페이스를 특징으로 하는 지능형 콕핏 경험을 제공한다. 자체 개발한 AI 시스템인 Mind GPT는 Face ID와 가족 계정을 포함한 적응형 기능을 구동하며, 개인화된 내비게이션, 엔터테인먼트, 편의 설정을 제공한다.

스텔란티스(Stellantis)의 STLA 스마트콕핏(SmartCockpit) 플랫폼은 AI와 다중 모달 인터페이스(음성, 터치, 제스처, 시선)를 활용해 차량 내 내비게이션과 엔터테인먼트 서비스를 제공한다.

제너럴 모터스(GM)는 운전자가 실시간 차량 문제를 해결할 수 있도록 돕는 차량 내 챗GPT 어시스턴트를 개발했다. 이 시스템은 타이어 교체, 차량 경고 설명, 정비 방문 일정 조정 등의 작업에 대한 지침을 제공할 수 있다.

BMW의 지능형 개인 어시스턴트는 사용자의 선호도(운전 경로나 음악 등)를 기억하고 음성 명령으로 차량 및 운전 정보를 제공할 수 있다. 도요타는 연결된 차량 데이터를 사용해 배터리, 브레이크, 타이어, 오일 교환과 같은 구성 요소에 대한 기계학습 예측 정비 모델을 개발하고 있다. 이러한 모델은 고객에게 정비 필요성을 알려주어 안정적인 모빌리티 경험을 보장한다.

실제 충돌 테스트 대신 AI 시뮬레이션, GDPR 때문에 합성 데이터가 필수

르노 그룹의 뤽 줄리아(Luc Julia) 최고과학책임자는 "합성 데이터는 충돌 테스트든 희귀한 도로 시나리오 재현이든 시뮬레이션에서 중요한 역할을 한다. 우리는 자동차를 무한정 충돌시키거나 테스트 트랙에서 모든 가능한 상황을 재현할 수 없기 때문에 ADAS와 같은 시스템을 훈련하기 위해 AI 기반 시뮬레이션에 의존한다. 그러나 진짜 도전은 실제 데이터에 접근하는 것이다. GDPR과 제한적인 계약으로 인해 실제 차량 데이터 사용이 종종 불가능하기 때문에 합성 데이터는 단순히 도움이 되는 것이 아니라 필수적이다"고 설명했다.

샤오펑의 City Navigation Guided Pilot(City NGP) 시스템은 복잡한 도시 환경에서 첨단 운전자 지원을 제공하는 강력한 사례다. 업데이트마다 시스템은 차선 변경, 장애물 우회, 교통 패턴 추적 능력을 개선하여 3개월마다 1년 치 운전 경험에 해당하는 학습을 하고 있다.

2027년부터 닛산은 자율학습 AI를 ProPILOT 운전자 지원 시스템(ADAS)에 통합해 충돌 회피와 적응성을 향상시킬 예정이다. 볼보는 전용 AI 및 소프트웨어 조직인 젠시액트(Zenseact)를 설립해 ADAS와 자율주행 기능을 강화하고 있다. GM은 AI를 사용해 자율주행 시스템을 개발하고 차량 하드웨어를 향상시키며 AI 기반 차량 내 경험을 만들고 있다.

FAQ (※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q: 자동차 산업에서 AI가 가장 중요하게 활용되는 분야는 어디인가요?

A: 자동차 기업의 86%가 ADAS와 자율주행 기능을 위한 AI 통합을 가장 중요하게 여기고 있습니다. 그다음으로는 사이버보안 분야에서의 위협 탐지(74%), 차량 내 경험 향상(70%) 순으로 나타났습니다.

Q: AI가 자동차 제조 과정에서 어떤 변화를 가져오고 있나요?

A: AI는 설계 단계에서의 시뮬레이션과 테스팅부터 생산 과정의 품질 관리, 예측 정비까지 전 과정을 혁신하고 있습니다. 메르세데스-벤츠는 AI를 통해 20% 에너지 절약을 달성했으며, 르노는 공급망 관리에서 2억 6천만 유로를 절약했습니다.

Q: 합성 데이터가 자율주행 개발에서 왜 중요한가요?

A: 실제 충돌 테스트나 모든 도로 상황을 재현하는 것은 불가능하기 때문에, AI 기반 합성 데이터를 통한 시뮬레이션이 필수적입니다. 특히 GDPR과 제한적인 계약으로 인해 실제 차량 데이터 사용이 어려운 상황에서 합성 데이터는 자율주행 시스템 훈련의 핵심 요소가 되고 있습니다.

해당 기사에 인용된 리포트 원문은 캡제미니에서 확인 가능하다.

리포트 명: The software-driven mobility era: Beyond vehicles

이미지 출처: 캡제미니

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.