LG 엑사원 기반 제조·품질·소재 전문가 AI 3종 공개

핵심 요약

LG AI연구원이 2026년 9월 14일 서울 마곡 LG사이언스파크에서 열린 'LG AI 토크 콘서트 2026'에서 엑사원(EXAONE) 기반 산업 특화 전문가 AI 파운데이션 모델 3종을 공개했다.

이번 발표는 LG AI연구원이 자체 개발해온 LLM 시리즈 엑사원을 범용 언어모델에서 제조·품질·소재 등 산업 현장 전문 영역으로 확장한 결과물이다. 공개된 모델은 엑사원 태뷸러, 엑사원 옴니 인스펙트, 엑사원 디스커버리 3종이며, 각각 공정 데이터 분석, 외관 결함 검사, 신소재 연구를 대상으로 한다.

주요 기능

1. 엑사원 태뷸러 (EXAONE Tabular)

제조 현장에서 축적되는 정형·테이블 데이터를 기반으로 공정과 품질을 예측하는 모델이다. 생산 라인에서 발생하는 수치·범주형 데이터를 학습해 공정 이상이나 품질 저하 가능성을 미리 파악하는 데 활용될 수 있다.

2. 엑사원 옴니 인스펙트 (EXAONE Omni Inspect)

제품 외관의 결함을 검사하는 비전 검사 모델이다. 가장 큰 특징은 제품군이 바뀌어도 별도의 재학습 과정 없이 검사에 적용할 수 있다는 점이다. 기존 비전 검사 시스템은 검사 대상이 달라질 때마다 데이터 재수집과 재학습이 필요했는데, 이 과정을 줄이는 방향을 지향한다.

3. 엑사원 디스커버리 (EXAONE Discovery)

신소재 설계와 합성 가능성을 예측하는 소재 연구용 모델이다. 신소재 개발은 통상 후보 물질 탐색과 합성 실험에 긴 시간이 걸리는데, 이 모델은 설계 및 합성 가능성 예측 단계에서 연구자를 보조하는 역할을 한다.

세 모델은 공통적으로 엑사원을 기반으로 하되, 각각 정형 데이터·비전·소재과학이라는 서로 다른 산업 데이터 영역에 특화됐다는 점에서 범용 LLM과 구분된다.

사용성 분석

세 모델은 모두 제조 기업의 실제 현장 데이터를 다루는 것을 전제로 설계됐다. 엑사원 태뷸러는 공정 데이터베이스와 연동되는 환경에서, 엑사원 옴니 인스펙트는 카메라·비전 검사 라인에서, 엑사원 디스커버리는 소재 연구 조직의 실험 데이터와 함께 활용되는 구조로 이해할 수 있다.

다만 이번 발표에서 구체적인 정확도 수치나 처리 속도, 상용 적용 사례 등 정량적 데이터는 공개되지 않았다. 실제 제조 현장에서의 성능과 도입 효과는 향후 적용 사례를 통해 확인이 필요하다.

장점 및 한계

장점으로는 제조·품질·소재라는 산업 현장의 핵심 데이터 유형(정형 데이터, 이미지, 소재 정보)을 각각 전담하는 모델을 분리 구성해 현장 적용 시나리오를 명확히 했다는 점을 들 수 있다. 특히 엑사원 옴니 인스펙트의 '재학습 없는 검사' 방향성은 기존 비전 검사 시스템의 운영 부담을 줄일 수 있는 접근이다.

한계로는 이번 공개 시점 기준으로 성능 지표, 가격 정책, 구체적 출시·공급 일정 등이 알려지지 않았다는 점이 있다. 또한 세 모델이 실제 산업 현장에 얼마나 빠르게 도입될지도 아직 불확실하다.

전망

LG AI연구원은 이번 발표에서 향후 로봇 파운데이션 모델을 기반으로 한 '자율형 공장(autonomous factory)' 구축 계획도 함께 밝혔다. 이는 이번에 공개된 3종의 전문가 AI가 개별 공정 단위의 예측·검사·연구를 넘어, 장기적으로는 로봇 제어와 결합된 공장 자동화 전략의 한 축으로 확장될 수 있음을 시사한다.

제조·품질·소재 데이터를 각각 전담하는 전문가 AI 모델 구조는 범용 LLM을 산업 도메인에 맞춰 세분화하는 흐름의 사례로 볼 수 있다. 다만 이 흐름이 실제 생산성 향상으로 이어지는지는 추후 도입 사례와 성능 데이터가 공개돼야 판단할 수 있다.

결론

LG AI연구원의 엑사원 기반 전문가 AI 3종은 제조 현장의 공정 예측, 외관 검사, 소재 연구라는 서로 다른 영역을 각각 겨냥한 산업 특화 모델이다. 아직 구체적 성능 수치나 상용화 일정은 공개되지 않았으나, 자율형 공장 구축 계획과 맞물려 LG의 산업용 AI 전략 방향을 보여주는 발표로 평가된다. 제조업 AI 도입을 검토하는 기업 실무자라면 향후 공개될 세부 성능 지표와 적용 사례를 주시할 필요가 있다.