Amii, AI 도입 파트너십 확대해 기업 25곳 추가 지원

Amii(앨버타 머신 인텔리전스 연구소)는 캐나다의 지역 경제 개발 기관인 PrairiesCan과의 파트너십을 확대해 중소기업 25곳이 실질적인 AI 역량을 개발하도록 지원한다. 10월 27일 발표에 따라 연방정부 지원금 C$250만이 추가되며, 이 사업의 연방정부 총 투자액은 C$560만으로 늘어난다.

이번 확대 사업은 앨버타, 서스캐처원, 매니토바에서 진행되며, 에너지·농업·제조업 분야에서 초기 협력이 시작됐다. Amii에 따르면 이 프로그램은 2024년 시작된 이후 지역 기업 30곳과 협력해 왔다. 프로그램은 기업과 머신러닝 전문가를 연결해 각 기업의 운영 데이터를 바탕으로 시스템을 구축하고, 기업이 해당 시스템을 유지·관리하는 데 필요한 전문 지식을 갖추도록 한다.

실행을 중심으로 설계된 연구 파트너십

에드먼턴에 본부를 둔 Amii는 독립 비영리 기관이자 범캐나다 AI 전략에 따라 설립된 캐나다의 3대 국립 AI 연구소 중 하나다. Amii의 역사는 2002년 앨버타 머신러닝 혁신 센터(Alberta Ingenuity Centre for Machine Learning)로 거슬러 올라가며, 2017년 Amii라는 이름으로 독립 비영리 기관이 됐다. Amii는 연구, 인재 개발, 상업적 활용을 연결하는 활동을 한다.

Prairies Economic Development Canada(PrairiesCan)은 사업에 참여하는 세 개 주의 경제 개발을 지원하는 연방 기관이다. 해외 독자에게 이 파트너십은 공공 투자를 통해 소규모 기업이 독자적으로 확보하기 어려운 전문 기술 역량을 이용할 수 있도록 돕는 사례다.

Amii의 AI 개발 모델은 전담 연구 과학자의 감독 아래 전일제 머신러닝 연구원을 기업 프로젝트에 배정한다. 연구원은 기업팀과 함께 모델 개발과 테스트를 진행하며, 프로젝트 종료 후 기업은 해당 연구원을 채용할 수 있다. 일반적인 프로그램의 참여 기간은 12~15개월이지만, 개별 프로젝트의 범위와 비용은 서로 다르다.

기업은 협력 과정에서 개발된 지식재산권을 보유하고, 문서와 지식 이전을 제공받는다. 따라서 이 파트너십의 목표는 외주 시제품을 단순히 납품하는 것과 다르다. 외부 연구팀이 떠난 뒤에도 기업이 시스템을 조정하고 개선할 수 있어야 한다.

Croptimistic: 실제 농경지에서도 작동하는 컴퓨터 비전

Croptimistic Technology는 토양·수자원·지형 정보를 결합해 농경지 관리를 지원하는 정밀 농업 생태계 SWAT MAPS를 개발한다. 이 회사의 제품 SWAT CAM은 일반적인 분무 작업 중 이미지를 수집하고 머신러닝을 활용해 작물과 잡초를 분석한다.

Amii와의 협력은 밀과 귀리처럼 생육 초기 단계에 있는 곡물을 대상으로 했다. 잎이 가늘고 서로 겹쳐 개별 식물을 구별하기 어렵다. 팀은 잎이 빽빽하게 우거진 작물과 먼지, 눈부심, 바람 등 까다로운 촬영 조건에서도 작동하도록 특화된 컴퓨터 비전 모델을 개발했다.

Croptimistic의 제품 정보에는 분무기에 장착된 카메라가 농경지의 빽빽한 영상을 관리 구역 정보와 연결하는 방식이 설명돼 있다. 작물을 더 정확히 탐지하면 공간별 세부 정보를 얻을 수 있다는 실질적 이점이 있다. 농가는 몇 차례의 수동 관찰에만 의존하지 않고 농경지 전반의 불균일한 작물 정착 상태와 잡초 발생 정도를 살펴볼 수 있다.

Carson Integrated: 환경 기록을 예측으로 전환하다

Carson Integrated는 환경 및 산림 분야 컨설팅 회사로, 천연자원 프로젝트를 위한 지리공간 정보 업무를 수행한다. 이 회사가 해결하려 한 과제는 하천 분류로, 이를 통해 수로 주변의 보호 완충 구역을 설정하는 데 도움을 얻을 수 있다.

Amii의 Carson 사례 연구에는 현장 측정 자료와 원격 탐사 정보를 비롯해 약 20년간 수집한 데이터를 사용해 모델을 구축한 과정이 소개돼 있다. 특성 개발 과정에서는 지형과 환경 특성을 살펴봤으며, 집수 구역의 출구 크기가 특히 유용한 것으로 나타났다. 연구에 따르면 적절한 데이터를 이용할 수 있을 때 평균 분류 정확도는 약 75%였다.

이 사례는 분야별 전문 지식이 유용한 머신러닝의 설계에 어떤 영향을 미치는지 보여준다. 영상에서 수로를 식별하는 일은 해당 수로의 규제상 분류를 예측하는 일과는 다르다. 예측 결과는 외딴 지형에서 평가 작업의 우선순위를 정하는 데 도움이 될 수 있지만, 이를 토대로 내리는 의사결정에 적합한지, 정확도가 충분한지는 여전히 평가해야 한다.

Visionstate: 제약 조건을 고려한 최적화 문제로서의 일정 계획

Visionstate는 시설 운영, 점검, 작업 확인을 위한 소프트웨어를 개발한다. 현재 웹사이트에서는 보고서, 점검, 작업 지시, 감독 기능을 연결하는 플랫폼 MIRA를 중점적으로 소개한다. Amii와의 협력은 Visionstate의 시설 관리 플랫폼 WANDA에 초점을 맞췄다.

상세 사례 연구에서는 청소 경로와 일정을 제약 조건이 있는 최적화 문제로 설정했다고 설명한다. 시스템은 현장 구조, 서비스 요건, 규정 준수 규칙을 지키면서 한정된 인력을 배치해야 하며, 효율성과 공정성 사이의 균형도 맞춰야 한다.

이 작업은 자원 계획 제품인 TidyLogic과 의료기관 청소 비용 산정 도구의 개발도 지원했다. 사례 연구에 따르면 당시 TidyLogic은 베타 단계였으며, 모델은 통합을 향해 나아가고 있었다. 이러한 차이는 중요하다. 상용 제품 개발과 최적화 시스템의 전면적인 배포는 서로 별개의 이정표이기 때문이다.

Ambyint: 강화학습 전문성 구축

Ambyint는 석유·가스 사업자를 위한 생산 최적화 소프트웨어를 제공한다. 기존 플랫폼은 물리 기반 모델과 자동 제어를 결합하며, 산업 모니터링 인프라를 통한 장비 설정값 조정도 포함한다.

Amii 프로젝트는 플런저 리프트 방식의 유정에 강화학습을 적용하는 방안을 탐구했다. 이 방식에서는 압력 임계값을 변경하면 축적된 액체를 제거하는 방법이 달라진다. 지하 깊은 곳의 상태에 관한 정보가 부족해 시뮬레이션과 제어가 어렵다. 팀은 의사결정을 개선하기 위해 과거 데이터 기반 접근법과 물리 기반 방법을 시험했다.

사례 연구는 결과를 분명히 밝힌다. 실험 모델은 Ambyint의 기존 자동화보다 효율성을 높이지 못했으며, 생산 현장에 적용하기에는 아직 신뢰성과 응답성이 충분하지 않았다. 그 성과는 역량을 강화한 내부 팀과 추가 연구가 필요한 분야에 대한 명확한 이해였다. 즉시 배포 가능한 모델을 만들지 못하더라도 이는 유용한 도입 성과다.

Riva: 기업 데이터의 AI 활용 가치 높이기

Amii는 에드먼턴에 기반을 둔 Riva도 초기 수혜 기업으로 꼽으며, 구체적인 모델 아키텍처는 공개하지 않은 채 프로덕션 환경에 바로 적용할 수 있는 솔루션 개발이 진전되고 있다고 밝혔다.

Riva의 플랫폼은 이메일, 일정, 연락처, 회의 정보를 고객 관계 관리 시스템과 연동한다. 주요 기능으로는 AI가 생성하는 대화 요약과 구조화된 회의 결과물이 있으며, 팀은 이를 검토하고 CRM 기록과 연결할 수 있다. 이는 현장 영상 분석이나 산업 제어와는 다른 도입 환경이다. 거버넌스와 사람의 검토 절차를 유지하면서 비즈니스 상호작용을 활용할 수 있게 만드는 것이 과제다.

캐나다를 넘어 이 모델이 중요한 이유

참여 기업들은 AI 도입이 컴퓨터 비전, 예측 모델링, 제약 최적화, 강화학습, 기업 정보 워크플로 전반에 걸쳐 있음을 보여 준다. 각 분야에는 서로 다른 데이터와 평가 방법, 운영 전문성이 필요하다.

이 파트너십이 더 폭넓게 중요한 이유는 소유권과 기술 역량을 강조하기 때문이다. 기업은 자체 직원들이 모델의 구축 방법과 시험 방법, 그리고 모델의 예측을 신뢰해야 하는 시점을 배울 때 단순히 모델 이상의 것을 얻게 된다. 소규모 기업의 경우 이러한 역량을 이전하는 일은 초기 소프트웨어 제공만큼이나 큰 영향을 미칠 수 있다.