산업 현장의 복잡성을 AI로 해독하다: Applied Computing의 혁신적인 접근
Published Jul 17, 2026
최근 몇 년간 우리는 AI가 모든 산업의 판도를 바꿀 것이라는 예측을 수없이 들어왔습니다. 특히 에너지, 제조, 화학 등 전통적인 중공업 분야에서는 ‘디지털 전환’이라는 거대한 파도가 일고 있습니다. 하지만 솔직히 말해서, 많은 기업들이 방대한 운영 데이터를 쌓아두고도 이를 효과적으로 활용하는 데 어려움을 겪는 것이 현실입니다. 수십 년간 축적된 노하우와 복잡한 물리적 공정이 얽혀 있는 이 분야에서, 단순히 데이터를 모으고 분석하는 것만으로는 충분하지 않습니다. 필요한 것은 바로 ‘맥락을 이해하고, 예측하며, 실제 행동으로 연결할 수 있는’ 지능적인 시스템입니다.
이러한 배경 속에서, 런던에 본사를 둔 스타트업 Applied Computing이 흥미로운 해결책을 제시하며 2천만 달러 규모의 시리즈 A 투자를 유치했다는 소식은 업계의 이목을 집중시키기에 충분합니다. 엔지니어링 대기업 KBR이 투자를 주도하고 Databricks Ventures도 참여했다는 점만 봐도, 이들의 기술이 단순한 아이디어를 넘어 실제 산업 현장에 미칠 파급력이 상당할 것임을 짐작할 수 있습니다.
복잡성의 늪에 빠진 산업 현장: 왜 데이터는 활용되지 못했나?
석유, 가스, 정유, 석유화학 시설을 상상해 보세요. 하나의 거대한 플랜트 안에는 온도, 압력, 유속, 점도 등 모든 것을 측정하는 수천 개의 센서가 쉴 새 없이 데이터를 쏟아냅니다. 이 데이터의 양은 실로 엄청나죠. 에너지 기업들이 이러한 데이터 추적 문제 해결에 막대한 시장 잠재력을 느끼고 있음에도 불구하고, 실제 현장에서는 여전히 수많은 난관에 부딪힙니다.
Applied Computing의 공동 설립자이자 CEO인 Callum Adamson에 따르면, 시설 운영자들은 사용 가능한 데이터의 8% 미만을 활용하여 의사결정을 내리고 있다고 합니다. 놀랍지 않나요? 그 많은 데이터가 있는데 왜 겨우 8%만 쓸까요? 문제는 데이터의 ‘파편화’에 있습니다. 센서에서 나오는 실시간 데이터, 복잡한 공정을 설명하는 엔지니어링 문서, 그리고 물리 및 화학 법칙이 담긴 이론적 지식까지, 이 세 가지 핵심 정보원을 충분히 빠르고 정확하게 결합하여 분석하고 예측하는 데 실패하고 있기 때문입니다.
Adamson은 “이 세 가지 데이터 소스가 실시간으로 서로 소통하게 하는 것이 진정한 핵심”이라고 강조합니다. 기존 시스템으로는 이상 징후를 발견하고 원인을 조사하며 해결책을 모색하는 데 며칠에서 몇 주까지 걸리곤 했습니다. 이 비효율성은 에너지 낭비, 생산성 저하, 심지어 안전 문제로까지 이어질 수 있습니다.
Orbital: 시계열, 물리학, 언어 모델의 융합
Applied Computing이 내놓은 해답은 바로 **‘Orbital’**이라는 기반 AI 모델입니다. 대규모 언어 모델(LLM)이 다음 단어를 예측하는 방식과는 달리, Orbital은 시계열 모델(time series model), 물리학 기반 모델(physics-based model), 그리고 **언어 모델(language model)**을 결합하여 시설의 상태를 예측합니다.
어떤 원리일까요? Orbital은 센서 판독값을 분석하고, 물리 및 화학적 원리를 염두에 두며, 시설의 장비 제약 조건과 운영자 활동까지 인식합니다. 쉽게 말해, 단순히 데이터 패턴만 보는 것이 아니라, 그 데이터가 발생한 물리적인 환경과 공정, 그리고 인간의 개입까지 종합적으로 이해한다는 뜻입니다. 또한, 기술자들이 시설의 한 부분에 변화를 주었을 때 나머지 운영에 어떤 영향을 미칠지 시뮬레이션할 수 있게 합니다.
궁극적으로 Applied Computing이 내세우는 핵심 가치는 **‘속도’**입니다. Orbital은 이상 징후를 감지하고, 그 원인을 조사하며, 제안된 해결책이 시설의 다른 부분에 문제를 일으킬 수 있는지 여부를 몇 분 안에 모델링할 수 있다고 주장합니다. Adamson은 이 제품이 기존에 며칠 또는 몇 주가 걸리던 조사를 단 몇 초로 압축하여 운영자들이 에너지 사용을 줄이고 생산량을 유지하는 데 도움을 줄 수 있다고 말합니다. 개인적으로 이 부분에서 주목할 점은 Orbital이 단순한 예측 모델을 넘어, **‘가설 검증 및 영향 분석’**까지 실시간으로 제공한다는 점입니다. 이는 의사결정의 질과 속도를 비약적으로 향상시킬 수 있는 핵심 역량이라고 생각합니다.
고속 성장의 증거와 강력한 파트너십
이러한 ‘속도의 약속’은 이미 많은 신뢰를 얻은 듯합니다. Applied Computing은 18개월도 채 되지 않아 스텔스 모드에서 두 자릿수 백만 달러의 연간 반복 수익(ARR)을 달성했다고 밝혔습니다. Adamson은 Orbital이 이미 “대규모 상장” 상류 석유 및 가스, 하류 정유 및 석유화학 회사에서 사용되고 있다고 언급했습니다. 고객 수는 밝히지 않았지만, 이 정도의 초기 성과는 기술의 실질적인 가치를 입증하는 강력한 지표입니다.
파트너십 또한 인상적입니다. 인도의 에너지 기업 Wipro와 엔지니어링 대기업 KBR이 대표적입니다. KBR은 Orbital을 에너지 프로젝트를 위한 자체 디지털 플랫폼 INSITE 3.0에 통합했으며, 암모니아 생산 공정에 Orbital을 활용하고 있습니다. 또한, 미국 주요 상류 운영업체와 협력 중이며, 몇 주 내로 유럽의 주요 석유 회사와의 파트너십도 발표할 예정이라고 합니다. 이러한 거대 산업 플레이어들과의 협력은 Applied Computing이 단순한 기술 스타트업을 넘어, 산업 생태계의 핵심 구성원으로 자리매김하고 있음을 보여줍니다. 휴스턴에 새 사무실을 열어 북미 고객들에게 더 가까이 다가가고, 중동 시장 진출도 계획하고 있다는 점은 이들의 글로벌 야망을 엿볼 수 있는 대목입니다.
경쟁 구도와 Applied Computing의 “해자”
물론 Applied Computing이 진입하는 시장에 경쟁자가 없는 것은 아닙니다. 이미 뿌리 깊은 산업 소프트웨어 공급업체들과 특화된 AI 스타트업들이 존재합니다. AspenTech은 상류, 정유, 화학 공정을 위한 시뮬레이션 및 AI 기반 모델링 소프트웨어를 판매하고, AVEVA는 산업 플랜트를 위한 물리학 기반 공정 시뮬레이션, 최적화 및 ‘가상 시나리오(what-if)’ 모델링을 제공합니다. Cognite와 Seeq는 데이터 레이어를 목표로 시설이 산업 데이터를 분석하고 AI를 적용하여 워크플로를 설계하는 데 도움을 줍니다.
Adamson은 이러한 경쟁자들 속에서 Applied Computing의 “해자(moat)“가 산업 데이터 접근성이나 공정 지식이 아니라고 주장합니다. 그의 말은 의미심장합니다. “이것은 AI 문제입니다. 데이터 문제도 아니고 에너지 문제도 아닙니다.” 그는 “당신이 일류 AI 연구원이라면 어디에서 일하고 싶겠습니까? … 쉘은 그 목록에 없을 것 같아요.”라고 반문합니다.
이 발언은 Applied Computing의 전략적 핵심을 보여줍니다. 데이터나 도메인 지식은 중요하지만, 그것을 **‘진정으로 고도화된 AI 모델로 전환할 수 있는 능력’**이야말로 궁극적인 경쟁 우위라는 것입니다. 사실 이건 업계 흐름을 보면 설득력이 있는 주장입니다. 기존 에너지 기업들이 자체적으로 최고의 AI 인재를 유치하고 유지하는 것은 쉽지 않은 일이죠. Applied Computing은 이 격차를 파고들어, 외부의 일류 AI 연구자들을 끌어모아 Orbital과 같은 혁신적인 모델을 구축하는 데 집중합니다. 또한, 운영 데이터를 통해 얻는 실시간 정보는 시뮬레이션 데이터만으로는 불가능한 실제 플랜트 내부의 상황을 완벽하게 재현하는 데 필수적이라고 Adamson은 덧붙입니다. KBR과의 파트너십은 이런 운영 데이터와 산업 전문 지식, 그리고 잠재 고객 확보에 큰 도움이 될 것으로 보입니다.
에너지 산업의 미래를 밝히는 등불
Applied Computing의 성공은 단지 하나의 스타트업이 투자를 유치했다는 소식 이상의 의미를 가집니다. 이는 AI가 전통 산업의 가장 복잡하고 비효율적인 문제를 해결할 수 있음을 보여주는 중요한 사례입니다. 방대한 센서 데이터, 복잡한 물리화학적 공정, 그리고 수십 년간 축적된 운영 노하우가 얽힌 에너지 산업은 AI에게 가장 큰 도전이자 동시에 가장 큰 기회를 제공하는 곳입니다.
Orbital과 같은 기반 AI 모델은 단순히 데이터를 시각화하거나 패턴을 인식하는 것을 넘어, 산업 현장의 복잡성을 ‘이해’하고, ‘예측’하며, ‘개입’할 수 있는 수준으로 진화하고 있습니다. 이는 에너지 효율성 증대, 운영 비용 절감, 그리고 무엇보다 안전한 작업 환경 조성에 결정적인 역할을 할 것입니다. 이제 시작일 뿐이지만, Applied Computing이 이끄는 혁신이 에너지 산업의 미래를 어떻게 바꿀지 지켜보는 것은 분명 흥미로운 여정이 될 것입니다. 이들의 행보가 궁극적으로 더 지속 가능하고 효율적인 에너지 세상을 만드는 데 기여할 수 있을 것이라는 희망을 품어봅니다.
출처
- 원문 제목: Applied Computing wants to give oil and gas operators an AI model for the entire plant
- 출처: AI News & Artificial Intelligence | TechCrunch
- 원문 기사 보러가기
