[칼럼] AI를 설치한 뒤 무엇이 달라졌나…미국 경기장이 한국 AX에 던진 질문

한국의 인공지능 전환, AX는 무엇으로 성과를 증명해야 할까. 도입한 장비 수나 구축한 시스템 수만으로는 충분하지 않다. 기술이 현장의 업무를 어떻게 바꾸었는지, 그 변화에 들어간 비용보다 편익이 컸는지까지 확인해야 한다.
 

Intel이 공개한 앨라배마대학교의 WaitTime 운영 사례는 이 질문을 구체적으로 보여준다. 경기장의 혼잡 정보를 분석해 운영자와 관중에게 전달하는 AI다. 첨단 기술을 시연하는 데 그치지 않고 실제 관중 서비스에 들어갔다는 점에서 의미가 있다. 그러나 고객의 경제적 편익과 공급기업의 수익성까지 입증된 사례로 읽기에는 아직 자료가 부족하다.

한국 산업이 주목해야 할 지점도 이 경계에 있다. AI를 작동시키는 능력과 고객의 문제를 해결하는 능력, 그리고 그 해결 방식을 반복 판매하는 능력은 서로 연결되지만 같은 것은 아니다.

앨라배마대학교는 2025년 10월 9일 공식 안내에서 직전 Vanderbilt전부터 앱에 WaitTime 기능을 제공했다고 밝혔다. 관중은 보안검색 구역과 출입구, 매점의 대기 정보를 확인할 수 있었다. 2026년 8월 31일 안내에도 해당 기능의 이용 방법이 실렸다. 공급기업의 기술 소개뿐 아니라 고객의 공식자료에서도 도입과 후속 이용 안내가 연결되는 것이다. 

이 연결은 기술 개발 발표와 구분되는 실행 근거다. 다만 다음 시즌 안내가 있다는 사실만으로 연속 가동률이나 유료 계약 갱신까지 확인되는 것은 아니다. 서비스가 제공됐다는 판단과 반복 수익이 발생했다는 판단 사이에는 계약과 비용 자료가 더 필요하다.

Intel은 현장 연산 구성으로 Dell 서버 6대와 Xeon 프로세서 12개를 제시했다. 사례에 등장하는 대학 관계자는 분석 정보를 활용해 보안검색과 티켓 확인 위치 등을 조정했다고 설명했다. 이 내용은 고객의 운영 활용을 보여주지만, 개선 효과를 독립적으로 측정한 결과와는 구분해야 한다. 

여기서 현장 AI의 사업 원리가 드러난다. 혼잡한 곳을 알아내는 것만으로 줄이 줄어들지는 않는다. 운영자가 정보를 보고 인력을 배치하거나 절차를 조정해야 한다. 관중도 정보를 활용해 이동 경로나 이용 장소를 선택할 수 있어야 한다. 분석이 행동으로 이어지는 과정이 있어야 성과를 기대할 수 있다.

따라서 현장 AI의 경쟁력은 분석 정확도 하나로 평가하기 어렵다. 정보가 필요한 시점에 도착하는지, 기존 업무에 연결되는지, 담당자가 대응할 수 있는지까지 함께 봐야 한다. 소프트웨어를 설치한 뒤에도 고객이 계속 사용할 수 있도록 운영 절차와 지원체계를 만드는 능력이 중요해지는 이유다.

이 사례에서 도출할 수 있는 산업적 가설은 AI의 경쟁 단위가 개별 기술에서 설치·분석·대응·유지보수를 묶은 서비스로 넓어질 수 있다는 것이다. 다만 단일 고객 사례로 세계 시장 전체의 전환을 확정할 수는 없다. 이러한 사업 방식이 다른 현장에서도 반복되는지 확인해야 한다.

기존 인프라의 활용 가능성도 한국 기업이 살펴볼 부분이다. Intel은 대학이 기존 컴퓨팅 환경과 맞는 CPU 기반 구성을 선택했다고 설명한다. 고객 입장에서는 새로운 전용 장비를 대규모로 구축하지 않아도 필요한 업무를 수행할 수 있다면 도입 부담이 낮아질 여지가 있다.

그러나 고객의 도입 문턱이 낮아지는 것과 반도체 기업의 신규 매출이 늘어나는 것은 별개의 문제다. 기존 장비에서 새로운 AI 업무를 처리할 수 있다면 소프트웨어 활용은 확대돼도 당장의 장비 구매는 제한적일 수 있다. 반대로 사용 범위가 넓어져 처리 능력이 부족해지면 교체나 증설 수요가 생길 수 있다. 현재 자료만으로 이번 사례의 전체 장비 재사용 범위나 신규 구매 내역을 확정할 수는 없다.

한국 산업에서도 AI 서비스 도입 건수를 반도체 수요로 곧바로 환산해서는 안 된다. 고객의 편익, 소프트웨어 기업의 계약, 장비 공급사의 출하는 각각 확인해야 한다. AI 확산이라는 하나의 표현 아래 서로 다른 수익구조를 합치면 산업의 성장 경로를 잘못 읽을 수 있다.

성과 수치도 같은 주의가 필요하다. Intel 본문에 등장하는 ‘최대 4배’는 별도 무인결제 키오스크의 거래 처리 설명이다. WaitTime의 분석속도나 경기장 전체 대기시간 개선율로 사용할 수 없다. 한 현장에서 혼잡 분석과 인력 조정, 동선 변경, 결제설비 개선이 함께 이루어졌다면 각각의 기여를 구분해야 한다. 최종 결과를 모두 하나의 AI 기술에 귀속하면 경제성을 과대평가할 수 있다.

한국에도 현장 적용을 지원하는 경로는 마련돼 있다. 과학기술정보통신부와 정보통신산업진흥원은 2025년 공공분야 선도 적용을 위한 온디바이스 AI 서비스 실증·확산 사업을 공고했다. NIPA의 사업 목록에서는 2026년 신규과제 모집도 확인된다. 온디바이스 AI와 경기장 내 서버를 사용하는 Edge AI는 구현 방식이 같지 않지만, 데이터를 발생 장소 가까이에서 처리해 실제 서비스에 연결한다는 관점에서 함께 검토할 수 있다.

2026년 3월 19일 발표된 3개 부처 주요 AX 사업 통합공고에는 11개 사업, 4,230억원 규모가 제시됐다. 이는 산업·제조와 AI 응용제품 상용화 등을 포괄한 공고 규모다. 엣지 AI만의 예산이나 실제 집행액, 달성된 성과를 뜻하지는 않는다.

정책 지원의 존재는 확인되지만 그 결과가 지속 가능한 사업으로 남았는지는 후속 자료로 판단해야 한다. 선정 과제 수와 구축 실적에 더해 지원 종료 이후에도 사용이 유지되는지, 고객이 자체 비용으로 서비스를 계속 구매하는지, 공급기업이 유지보수 부담을 감당하면서 이익을 남기는지가 중요하다.

그렇다고 미국의 특정 운영 사례와 한국의 사업 공고를 나란히 놓고 미국은 상용화, 한국은 실증 단계라고 결론 내릴 수는 없다. 두 자료는 비교 단위가 다르다. 하나는 개별 고객의 사용 사례이고 다른 하나는 여러 과제의 지원체계다. 같은 업무와 조건에서 측정한 국내외 성능·비용·계약 자료가 없으므로 국가 간 경쟁력 격차를 수치로 판단할 근거는 부족하다.

현재 드러난 것은 확정적인 기술 격차보다 비교에 필요한 데이터의 공백이다. 국내 기업이 경쟁력을 설명하려면 해외보다 우수하다는 표현보다 동일 업무에서의 정확도와 응답시간, 구축·운영 비용, 실제 성과를 제시하는 편이 설득력이 높다. 고객이 비용을 지불하고 계약을 이어가는 이유를 보여줄 수 있어야 한다.

국내 영상분석·장비·시스템 통합 기업에도 이러한 관점은 유효하다. 다만 경기장과 물류시설, 제조현장은 운영 조건이 다르고 안전 관련 업무는 별도의 신뢰성 검증이 필요하다. 한 분야의 도입 경험을 다른 분야에 그대로 적용할 수 있다고 가정해서는 안 된다.

기업이 점검할 질문은 구체적이어야 한다. 어떤 문제를 해결하는가. 고객은 그 해결에 비용을 지불하는가. 다른 현장에 공급할 때 추가로 들어가는 시간과 비용은 얼마인가. 이 질문에 답할 수 있어야 개별 구축 경험이 반복 가능한 상품으로 발전할 수 있다.

정책 평가도 구축 이후를 따라갈 필요가 있다. 도입 전 기준값과 도입 후 성과를 같은 조건에서 비교하고, 장비뿐 아니라 통합·교육·유지보수 비용까지 기록해야 한다. AI와 함께 바뀐 인력·동선·설비의 효과도 구분해야 한다. 공공서비스라면 매출 대신 처리시간이나 접근성 등 목적에 맞는 지표를 선택할 수 있다. 다만 공공적 편익과 공급기업의 사업성은 각각 평가해야 한다.

Intel·WaitTime 사례에도 이러한 확인 과제는 남아 있다. 계약금액과 과금·갱신 조건, 고객의 전체 비용, 비교 가능한 정량 성과, 신규 장비 구매 내역이 충분히 확보되지 않았다. 현장 처리와 익명성에 관한 설명 역시 독립적인 개인정보 보호 검증을 대신하지 않는다. 이러한 Disclosure GAP는 법적 공시 누락을 뜻하는 것이 아니라 경제성과 확장성을 판단하기 위해 필요한 정보의 공백이다.

한국과의 비교를 발전시키려면 동일 업무를 수행한 국내 사례와 공통 측정 기준이 필요하다. 특히 실증 이후 사용 유지, 자체 비용에 의한 후속 계약, 반복 공급의 수익성을 추적해야 한다. 그 자료가 축적돼야 기술의 가능성과 산업의 경쟁력을 구분해 평가할 수 있다.

AI를 설치했다는 사실은 출발점이다. 한국 산업이 다음에 보여줘야 할 것은 그 AI가 고객의 업무를 어떻게 바꾸었고, 그 변화가 어떤 비용과 계약 아래 지속되는가다. 현장의 변화와 반복 가능한 사업을 함께 증명할 때 AX는 도입 실적을 넘어 산업 경쟁력으로 평가받을 수 있다.
 

공식 출처: Intel 운영 사례, 앨라배마대학교 2025년 안내, 2026년 안내, 과기정통부 온디바이스 AI 실증·확산 공고, NIPA 사업공고 목록, 2026년 주요 AX 사업 통합공고