2028년 외부 솔루션, 2029년 자체 아트리아 AI 목표…개발 속도와 함께 데이터·검증 인재가 경쟁력으로
(출처: Unsplash)
[밸류체인타임스 = 김유진 기자] 현대차그룹이 엔비디아와 협력하면서 자체 자율주행 기술 개발도 이어가는 전략을 구체화했다. 외부 기술을 활용해 제품 적용을 추진하는 동시에 장기적으로 핵심 역량을 내부에 축적하려는 구상이다. 자동차 산업의 인재 경쟁도 AI 모델 개발뿐 아니라 차량 제어, 데이터 관리, 안전 검증을 연결하는 방향으로 넓어지고 있다.
외부 솔루션과 자체 개발, 적용 시점이 다르다
현대차그룹이 한국시간 9월 13일 공개한 로드맵에 따르면, 엔비디아 솔루션을 활용한 레벨2+ 기능은 2028년 상반기, 레벨2++ 기능은 같은 해 하반기가 목표다. 자체 아트리아 AI 기반 레벨2++ 기능은 2029년 하반기 도입을 목표로 한다.
이는 기업이 제시한 개발·상용화 계획이다. 기술 검증과 제품 적용이 모두 끝났다는 의미는 아니며 실제 일정과 탑재 범위는 후속 발표로 확인해야 한다. 9월 18일 로이터 보도에서도 현대차는 자체 기술 개발을 계속한다는 입장을 드러냈다. 현대차그룹 공식 발표, Reuters 후속 보도
경영 관점에서 두 경로를 병행하는 것은 제품 출시와 기술 축적을 함께 관리하는 선택으로 해석할 수 있다. 외부 솔루션은 개발 자원과 시간을 보완할 수 있지만, 완성차 기업은 이를 자사 차량에 통합하고 작동 결과를 검증해야 한다. 자체 개발은 장기적인 차별화 가능성을 제공하는 대신 지속적인 인력과 비용 투입을 요구한다.
‘레벨2++’라는 이름보다 운전자의 책임을 봐야
소비자가 먼저 확인할 것은 기능의 이름과 운전 책임의 관계다. 미국 도로교통안전국 NHTSA가 설명하는 레벨2는 조향과 가속·감속을 함께 보조하더라도 운전자가 계속 주의를 기울이고 운전을 책임지는 단계다. 레벨2+나 레벨2++라는 표현만으로 운전자의 감시 의무가 사라진다고 이해해서는 안 된다.
제품 설명에서 중요한 정보는 사용 가능한 도로와 속도, 날씨 조건, 운전자 개입이 필요한 상황이다. 차가 일부 동작을 수행하는 모습과 모든 상황에서 스스로 안전하게 운행할 수 있다는 주장은 다르다. 특정 조건의 시연만으로 다른 도로나 기상 상황의 성능까지 판단하기도 어렵다.
기업에는 이 차이를 정확하게 전달하는 일도 제품 경쟁력이다. 기능이 복잡해질수록 판매 과정의 설명, 차량 화면의 경고, 사용설명서, 고객지원이 연결돼야 한다. 소비자가 기능의 한계를 오해한다면 기술 성능이 개선돼도 안전한 사용으로 이어지지 않을 수 있다.
주행 데이터를 모으는 것과 학습에 쓰는 것은 다르다
현대차그룹은 데이터 수집부터 학습, 검증, 차량 적용으로 이어지는 순환 구조를 제시했다. 실제 운행에서 얻은 정보를 다음 개선에 활용하겠다는 구상이다. 다만 차량 판매 규모가 곧바로 학습에 쓸 수 있는 데이터 규모를 의미하지는 않는다.
데이터를 활용하려면 어떤 상황을 기록하고 어떤 오류를 찾아낼지 정해야 한다. 비슷한 장면을 많이 모으는 것과 드물지만 중요한 위험 상황을 확보하는 것은 다른 과제다. 차량과 센서가 다른 경우에도 같은 기준으로 해석할 수 있는지 확인해야 한다.
예를 들어 공사로 차선이 바뀌거나 시야가 가려지는 상황에서는 단순히 영상이 존재하는 것만으로 충분하지 않다. 차량이 무엇을 인식했고 어떤 판단을 내렸으며 실제로 어떻게 움직였는지를 연결해야 개선 방향을 찾을 수 있다. 이는 특정 기업에서 확인된 오류 사례가 아니라 검증 업무의 성격을 설명하기 위한 예시다.
개선된 소프트웨어를 다시 차량에 적용할 때도 성능 평균만 확인해서는 부족하다. 이전에 잘 처리하던 상황에서 새로운 문제가 생기지 않는지, 이상이 발생하면 어떤 상태로 전환하는지 살펴야 한다. 데이터와 검증을 지속적으로 운영하는 능력이 필요한 이유다.
인재 경쟁은 AI 개발자를 넘어선다
이러한 전환은 자동차 기업이 요구하는 전문성의 조합을 바꾼다. AI를 이해하는 소프트웨어 인력과 차량의 물리적 움직임을 이해하는 제어 인력이 같은 문제를 다룰 수 있어야 한다. 데이터 품질 담당자와 시험 엔지니어도 개발 과정의 초기부터 연결될 필요가 있다.
기존 자동차 인력의 경험 역시 중요하다. 부품의 편차, 센서의 작동 한계, 정비 과정에서 발생하는 변화는 차량 현장을 이해해야 판단하기 쉽다. 기업이 검토할 과제는 외부 전문인력 채용과 기존 인력의 재교육을 어떻게 결합할 것인지다. 이번 발표만으로 구체적인 채용 규모나 직무 증감을 확정할 수는 없다.
협력사에도 변화가 예상된다. 납품한 부품이 다른 소프트웨어와 어떻게 상호작용하는지 설명하고, 변경 사항이 성능에 미치는 영향을 함께 검증해야 할 수 있다. 개별 부품의 품질을 넘어 차량 전체의 작동을 이해하는 역량이 거래 관계에서 중요해지는 것이다.
앞으로 확인할 핵심은 발표된 연도만이 아니다. 실제 탑재 차종과 지역, 허용된 작동 조건, 운전자 감시 방식, 소프트웨어 지원 범위가 구체화돼야 한다. 기업의 자체 평가와 독립적인 검증 결과도 구분할 필요가 있다.
현대차의 두 경로 전략은 외부 기술을 도입하는 능력과 내부에서 기술을 운영·검증하는 능력이 함께 필요하다는 점을 보여준다. VCT가 주목할 변화는 기능의 이름 뒤에서 일어나는 조직과 직무의 재편이다. 자율주행 경쟁의 성과는 모델의 성능뿐 아니라 서로 다른 전문성을 가진 사람들이 안전한 제품을 함께 완성할 수 있는지에 달려 있다.
Copyright © 밸류체인타임스. All rights reserved. 무단 전재 및 재배포, AI학습 이용 금지.
[밸류체인타임스 = 김유진 기자]
2028년 외부 솔루션, 2029년 자체 아트리아 AI 목표…개발 속도와 함께 데이터·검증 인재가 경쟁력으로
(출처: Unsplash)
[밸류체인타임스 = 김유진 기자] 현대차그룹이 엔비디아와 협력하면서 자체 자율주행 기술 개발도 이어가는 전략을 구체화했다. 외부 기술을 활용해 제품 적용을 추진하는 동시에 장기적으로 핵심 역량을 내부에 축적하려는 구상이다. 자동차 산업의 인재 경쟁도 AI 모델 개발뿐 아니라 차량 제어, 데이터 관리, 안전 검증을 연결하는 방향으로 넓어지고 있다.
외부 솔루션과 자체 개발, 적용 시점이 다르다
현대차그룹이 한국시간 9월 13일 공개한 로드맵에 따르면, 엔비디아 솔루션을 활용한 레벨2+ 기능은 2028년 상반기, 레벨2++ 기능은 같은 해 하반기가 목표다. 자체 아트리아 AI 기반 레벨2++ 기능은 2029년 하반기 도입을 목표로 한다.
이는 기업이 제시한 개발·상용화 계획이다. 기술 검증과 제품 적용이 모두 끝났다는 의미는 아니며 실제 일정과 탑재 범위는 후속 발표로 확인해야 한다. 9월 18일 로이터 보도에서도 현대차는 자체 기술 개발을 계속한다는 입장을 드러냈다. 현대차그룹 공식 발표, Reuters 후속 보도
경영 관점에서 두 경로를 병행하는 것은 제품 출시와 기술 축적을 함께 관리하는 선택으로 해석할 수 있다. 외부 솔루션은 개발 자원과 시간을 보완할 수 있지만, 완성차 기업은 이를 자사 차량에 통합하고 작동 결과를 검증해야 한다. 자체 개발은 장기적인 차별화 가능성을 제공하는 대신 지속적인 인력과 비용 투입을 요구한다.
‘레벨2++’라는 이름보다 운전자의 책임을 봐야
소비자가 먼저 확인할 것은 기능의 이름과 운전 책임의 관계다. 미국 도로교통안전국 NHTSA가 설명하는 레벨2는 조향과 가속·감속을 함께 보조하더라도 운전자가 계속 주의를 기울이고 운전을 책임지는 단계다. 레벨2+나 레벨2++라는 표현만으로 운전자의 감시 의무가 사라진다고 이해해서는 안 된다.
제품 설명에서 중요한 정보는 사용 가능한 도로와 속도, 날씨 조건, 운전자 개입이 필요한 상황이다. 차가 일부 동작을 수행하는 모습과 모든 상황에서 스스로 안전하게 운행할 수 있다는 주장은 다르다. 특정 조건의 시연만으로 다른 도로나 기상 상황의 성능까지 판단하기도 어렵다.
기업에는 이 차이를 정확하게 전달하는 일도 제품 경쟁력이다. 기능이 복잡해질수록 판매 과정의 설명, 차량 화면의 경고, 사용설명서, 고객지원이 연결돼야 한다. 소비자가 기능의 한계를 오해한다면 기술 성능이 개선돼도 안전한 사용으로 이어지지 않을 수 있다.
주행 데이터를 모으는 것과 학습에 쓰는 것은 다르다
현대차그룹은 데이터 수집부터 학습, 검증, 차량 적용으로 이어지는 순환 구조를 제시했다. 실제 운행에서 얻은 정보를 다음 개선에 활용하겠다는 구상이다. 다만 차량 판매 규모가 곧바로 학습에 쓸 수 있는 데이터 규모를 의미하지는 않는다.
데이터를 활용하려면 어떤 상황을 기록하고 어떤 오류를 찾아낼지 정해야 한다. 비슷한 장면을 많이 모으는 것과 드물지만 중요한 위험 상황을 확보하는 것은 다른 과제다. 차량과 센서가 다른 경우에도 같은 기준으로 해석할 수 있는지 확인해야 한다.
예를 들어 공사로 차선이 바뀌거나 시야가 가려지는 상황에서는 단순히 영상이 존재하는 것만으로 충분하지 않다. 차량이 무엇을 인식했고 어떤 판단을 내렸으며 실제로 어떻게 움직였는지를 연결해야 개선 방향을 찾을 수 있다. 이는 특정 기업에서 확인된 오류 사례가 아니라 검증 업무의 성격을 설명하기 위한 예시다.
개선된 소프트웨어를 다시 차량에 적용할 때도 성능 평균만 확인해서는 부족하다. 이전에 잘 처리하던 상황에서 새로운 문제가 생기지 않는지, 이상이 발생하면 어떤 상태로 전환하는지 살펴야 한다. 데이터와 검증을 지속적으로 운영하는 능력이 필요한 이유다.
인재 경쟁은 AI 개발자를 넘어선다
이러한 전환은 자동차 기업이 요구하는 전문성의 조합을 바꾼다. AI를 이해하는 소프트웨어 인력과 차량의 물리적 움직임을 이해하는 제어 인력이 같은 문제를 다룰 수 있어야 한다. 데이터 품질 담당자와 시험 엔지니어도 개발 과정의 초기부터 연결될 필요가 있다.
기존 자동차 인력의 경험 역시 중요하다. 부품의 편차, 센서의 작동 한계, 정비 과정에서 발생하는 변화는 차량 현장을 이해해야 판단하기 쉽다. 기업이 검토할 과제는 외부 전문인력 채용과 기존 인력의 재교육을 어떻게 결합할 것인지다. 이번 발표만으로 구체적인 채용 규모나 직무 증감을 확정할 수는 없다.
협력사에도 변화가 예상된다. 납품한 부품이 다른 소프트웨어와 어떻게 상호작용하는지 설명하고, 변경 사항이 성능에 미치는 영향을 함께 검증해야 할 수 있다. 개별 부품의 품질을 넘어 차량 전체의 작동을 이해하는 역량이 거래 관계에서 중요해지는 것이다.
앞으로 확인할 핵심은 발표된 연도만이 아니다. 실제 탑재 차종과 지역, 허용된 작동 조건, 운전자 감시 방식, 소프트웨어 지원 범위가 구체화돼야 한다. 기업의 자체 평가와 독립적인 검증 결과도 구분할 필요가 있다.
현대차의 두 경로 전략은 외부 기술을 도입하는 능력과 내부에서 기술을 운영·검증하는 능력이 함께 필요하다는 점을 보여준다. VCT가 주목할 변화는 기능의 이름 뒤에서 일어나는 조직과 직무의 재편이다. 자율주행 경쟁의 성과는 모델의 성능뿐 아니라 서로 다른 전문성을 가진 사람들이 안전한 제품을 함께 완성할 수 있는지에 달려 있다.
Copyright © 밸류체인타임스. All rights reserved. 무단 전재 및 재배포, AI학습 이용 금지.
[밸류체인타임스 = 김유진 기자]