LG에너지솔루션이 미래 이공계 인재들을 초청해 최신 배터리 기술과 트렌드를 공유하고 소통하는 교류의 장을 마련했습니다. LG그룹은 지난 4월 3일, 서울 강서구 마곡에 위치한 LG사이언스파크에서 기술 공유 및 네트워킹 행사인 ‘LG Tech Conference 2025’를 개최했는데요. 이 행사에는 이공계 석·박사 과정 인재 300여 명이 참석했으며, 올해는 처음으로 과학고 학생 27명이 함께해 의미를 더했습니다.
이날 LG의 기술 리더 27명이 강연자로 나서, 전자, 디스플레이, 광학, 첨단소재, 스마트 물류 등 계열사별 특화 기술을 공유하는 ‘테크 세션(Tech Session)’을 진행했는데요, LG에너지솔루션은 2차 전지와 관련된 AI 기술, 소재 및 차세대 배터리 등을 주제로 강연을 개최했습니다. 특히, 배터리 산업의 최전선에서 겪은 생생한 경험과 함께 다양한 최신 기술을 현장에 적용한 성공 체험 스토리를 전달해 참석자들에게 큰 주목을 받았는데요. 그 첫 번째 시간으로 GenAI솔루션팀 장진우 님의 ‘생성형 AI 기술을 활용한 UseCase 소개’ 강연을 살펴보겠습니다.
생활 속에 깊숙이 자리 잡은 Gen AI
2022년 Chat GPT(챗지피티) 출시 후 Gen AI(Generative AI, 생성형 인공지능)는 빠르게 인류의 삶에 스며들고 있습니다. 번역, 챗봇, 메일 작성 등 단순 커뮤니케이션에서부터 R&D, 설계, 디자인 등 전문 영역까지 활용 범위가 급격히 확장되고 있으며, 텍스트 기반을 넘어 이제는 사운드, 이미지, 동영상 등 다양한 형태의 결과물을 생성하는 수준까지 이르렀습니다.
특히 최근 Chat GPT를 활용해 실사 이미지를 일본 애니메이션 느낌의 이미지로 변환하는 활동이 전 세계적으로 큰 인기를 끌면서 Gen AI는 누구나 사용할 수 있는 친근한 인공지능이라는 인식이 확산되고 있는데요. 이제 생성형 AI는 우리 일상 어디서나 자연스럽게 접할 수 있을 만큼 보편화되고 활용되고 있습니다.
LG그룹은 이러한 AI 분야의 빠른 성장을 예견하고 2020년 12월 인공지능 싱크탱크인 ‘LG AI연구원’을 출범하고 2021년 12월 거대언어모델(LLM, Large Language Model)1 ‘엑사원 1.0’을 발표하며 한국 AI 기술의 새로운 장을 열었습니다.
이후 지속적인 연구개발을 통해 다양한 검색과 실용성에 중점을 둔 ‘엑사원 3.5’와 코딩과 같은 논리적인 문제를 해결하는데 특화된 ‘엑사원 Deep’으로 진화시켰으며, 두 모델은 LG 그룹 계열사에서 적극적으로 활용되고 있습니다.
배터리 기술과 생성형 AI의 융합
그렇다면 배터리 제조업에서는 생성형 AI를 어떻게 활용하고 있을까요?
LG에너지솔루션은 다양한 생성형 AI를 도입해 업무 생산성을 제고하고 있습니다. 기본적인 메일 작성은 물론 최신 트렌드 리포트 작성, 논문 요약 등을 통해 업무 편의성을 높이고 있는데요. 이번 시간에는 △배터리 설계 영역 △지식 관리 영역 △특허 영역에서 생성형 AI가 어떻게 활용되고 있는지 소개해 드리겠습니다.
PART 1. 배터리 설계 영역 – 기존 프로세스
LG에너지솔루션은 전기차, ESS, IT 기기 등 다양한 분야의 수많은 글로벌 고객사에 2차 전지를 공급하고 있습니다. 18650, 2170 원통형 전지와 같이 규격이 정해진 제품은 물론, 고객사의 요구에 따른 맞춤형 제품도 공급하고 있는데요. 최종 제품 및 고객마다 원하는 성능, 소재, 가격 등이 모두 다르기 때문에 고객의 요구 사항이 무엇인지 정확하게 파악하는 것이 중요합니다. 이러한 고객의 다양한 요구사항을 ‘RFx2’라고 합니다.
그럼 LG에너지솔루션은 이 RFx를 바탕으로 고객의 요구사항에 어떻게 대응하고 있을까요?
LG에너지솔루션은 RFx를 받으면 가장 먼저 고객의 요구사항을 반영한 시뮬레이션을 통해 실현 가능성을 파악합니다. 시간을 단축하기 위해 프로토타입을 만드는 대신 전기화학 수식을 활용해 기대 성능을 시뮬레이션합니다. 이 시뮬레이션 결과를 바탕으로 에너지밀도 용량, 출력, 등 여러 가지 요소를 분석한 뒤 고객의 요구사항이 반영된 최상의 결과를 고객에게 제안하죠.
PART 2. 배터리 설계 영역 – 생성형 AI 확산모델(Diffusion Model)의 도입
LG에너지솔루션은 고객에게 더 빠르고 정확한 예측 결과를 제공하기 위해 새로운 방식을 도입하게 되었는데요. 바로 생성형 AI를 활용해 RFx 시뮬레이션 속도를 높인 것입니다.
특히, 여러 모델 중 확산모델(Diffusion Model)을 도입했는데요, 확산 모델은 열역학에서 물질이 퍼져 나가는 과정을 설명하는 데 이용되는 개념이지만 생성형 AI에서는 컴퓨터가 새로운 이미지를 만들어내는 방법 중 하나입니다. 확산모델을 적용한 AI는 깨끗한 이미지에 노이즈를 추가하고 제거하는 과정의 반복을 통해 이미지가 어떻게 변하는지 학습하고, 복잡한 이미지의 세부 사항을 익히며 고품질의 이미지를 생성해 냅니다. AI가 이미지의 변화를 배우고 복원해 보며 고품질의 이미지를 생성하는 것이죠.
배터리 설계 단계에서 적용을 해보면 기존 시뮬레이션 모델에서는 RFx를 충족하기 위해 설계인자를 바꿔가며 시뮬레이션했는데요. 반대로, 생성형 AI는 RFx에서 요구하는 성능인자를 입력하면 설계인자 후보안을 도출해 내는 방식입니다.
LG에너지솔루션의 확산모델은 먼저 성능 인자와 설계 인자를 학습하고, 다양한 데이터와 노이즈(불확실성, 변동, 오차 등)를 통해 성능 인자와 설계 요소 간의 관계를 이해하게 됩니다. 학습이 완료된 후 성능 목표를 입력하면 노이즈를 제거하고 최적의 설계 인자 후보안을 도출해 내게 되죠. 이렇게 확산 모델을 이용하면 기존에 설계 인자를 도출하는 데 2주 정도 걸리던 작업을 24시간 이로 단축할 수 있는데요. LG에너지솔루션은 실제 시뮬레이션에 확산모델을 빠르게 적용하기 위한 다양한 최적화 테스트를 진행하고 있습니다.
PART 2. 지식 관리 영역 – 전지 지식 시스템 ‘B-LEX’의 활용
LG에너지솔루션은 국내 최초로 2차 전지를 개발하고 자체 기술을 확보해온 만큼 2차 전지와 관련된 방대한 데이터를 확보하고 있으며, 이렇게 오랜 기간 쌓아온 양질의 데이터를 자산화하기 위해 2018년 12월 사내 전지 지식 시스템 ‘B-LEX(Battery-LG Energy solution EXplorer)’을 구축했습니다. B-LEX는 2차 전지와 관련된 전문 지식과 용어뿐만 아니라 LG에너지솔루션에서 진행하는 다양한 글로벌 프로젝트 등을 검색할 수 있어 임직원들에게 굉장히 유용하게 활용되고 있습니다.
PART 2. 지식 관리 영역 – RAG와 Fine-tuning을 적용한 전지지식 AI 챗봇
LG에너지솔루션의 강력한 기술경쟁력에서 생산되는 데이터는 매우 방대한 수준으로, B-LEX에 축적되는 데이터의 양도 점점 방대해지고 있습니다. 그러다 보니 빠르고 정확한 정보 활용을 위해서는 정보 검색 성능의 중요성도 커졌습니다.
B-LEX도 일반 검색 엔진과 유사하게 특정 검색어를 입력하면 다수의 관련 문서가 검색되는데요. 기존에는 사용자가 필요로 하는 정보가 어떤 문서에 있는지 사용자가 하나하나 검토해야 했습니다. 이 과정은 상당한 시간이 소요되기 때문에 보다 효율적인 방안이 요구되었죠.
LG에너지솔루션은 이를 보완하기 위해 2025년 2월 전지지식 AI 챗봇을 개발했습니다. 전지지식 분야에서 더 정확하고 유용한 모델로 만들기 위해 RAG(Retrieval-Augmented Generation)와 Fine-tuning이라는 두 가지 기술을 사용하여 학습시켰는데요.
RAG는 사용자가 질문을 하면 검색 엔진인 ‘스마트 리트리버(Smart Retriever)’가 지식 플랫폼에서 질문에 관련된 문서를 검색합니다. 그런 다음, 이 문서를 질문과 함께 LLM(Large Language Model)에 전달합니다. LLM에서는 문서와 질문을 비교하고 분석하여 최적의 결과를 사용자에게 답변으로 제공합니다. 그리고 Fine-tuning 기술은 지식 플랫폼의 내용을 학습하여 문서 검색 없이도 질문에 답할 수 있도록 성능을 극대화하는 역할을 합니다.
예를 들어 사용자가 천연 흑연과 인조 흑연의 차이점을 질문하면, 먼저 RAG의 스마트 리트리버가 B-LEX에서 관련 문서를 검색합니다. 그리고 검색된 데이터와 질문을 LLM인 ‘엑사원’이 분석하고 해석하죠. 이를 바탕으로 사용자에게 답변을 제공하는 과정으로 진행됩니다.
Fine-tuning은 질문이 들어오면, 기존 B-LEX에서 학습한 지식을 바탕으로 답변을 제공합니다. 주어진 전지지식 데이터로만 학습하기 때문에, 관련 질문에는 문서 검색 없이 정확한 답변을 제공할 수 있죠.
현재 LG에너지솔루션에서 사용하고 있는 AI 챗봇은 업무시간 기준 약 7~800명의 임직원이 활용하고 있습니다. 검색결과 정확도가 높고 원하는 정보도 빠르게 파악할 수 있어 사용자들의 만족도가 매우 높습니다.
PART 3. 특허 영역 – 특허 출원의 중요성
기술이 기업과 국가경쟁력의 핵심 요소로 부상하는 시대에서 지식재산 보호는 더욱 중요해지고 있습니다. 특히, 2차 전지 산업처럼 기술 진입장벽이 높은 분야에서는 선제적으로 개발한 기술을 어떻게 보호할지가 중요한 과제로 부각되고 있는데요. 이에 LG에너지솔루션은 일찍부터 특허 활동의 중요성을 인식하고 특허 출원을 통해 적극적으로 기술을 보호해 왔습니다.
현재 LG에너지솔루션은 업계에서 가장 많은 7만 2천여 건의 특허를 보유하고 있는데요. 특허 출원에 있어 가장 중요한 부분은 선행기술에 대한 꼼꼼한 조사입니다. 만약 출원하려고 하는 특허와 유사한 기술이 이미 존재한다면 우리만의 특허로 인정받을 수 없기 때문이죠. 하지만 특허에 관련한 방대한 정보를 검색하는 데는 많은 노력과 시간이 소요됩니다.
PART 3. 특허 영역 – 생성형 AI 기반 특허 탐색 시나리오 구축
LG에너지솔루션은 글로벌 배터리 기업 중 가장 많은 특허를 보유하고 있는 만큼 전자지식 AI 챗봇에 다양한 특허 탐색 시나리오를 구축했습니다. 특허 정보는 방대하고 복잡하며 기술 관련 세부 사항을 포함하고 있어 다른 검색 시스템 보다 더 정교하고 정밀한 탐색이 중요합니다.
따라서 여기에 적용된 생성형 AI를 더욱 고도화하여 질문에 따라 다양한 시나리오로 분류하여 대응이 가능하도록 개발했습니다. 시나리오 분류에는 LG AI 연구원에서 연구 및 개발 목적으로 활용될 수 있도록 설계된 ‘엑사원 7.8B 모델’을 LLM으로 사용했습니다.
예를 들어 사용자가 챗봇에 ‘급속 충전 관련 특허를 찾아줘’라고 요청하면, LLM에서 먼저 질문 의도를 파악한 뒤 모든 특허 자료를 검색해 최적의 답변을 제안합니다. 질문에 따라 단순 일반적인 내용인지, 특허 검색에 대한 요청인지, 특정 특허의 세부 내용을 묻는 심층 탐색인지 분류되는데요. 이 모든 시나리오에 대응할 수 있도록 시스템이 잘 구축되어 있죠.
현재 LG에너지솔루션의 특허 AI 챗봇은 사내 특허 검색뿐만 아니라 특허 정보 요약 서비스까지 제공하고 있습니다. 그리고 향후에는 외부에 공개된 모든 특허 자료까지 검색이 가능하도록 서비스 범위를 확장해 나갈 계획입니다.
앞서 소개한 바와 같이 LG에너지솔루션은 제조업에서 생성형 AI를 모범적으로 활용하고 있는 사례를 제시하며 글로벌 배터리 선도기업으로서 새로운 패러다임을 만들어가고 있습니다. LG에너지솔루션은 앞으로도 지속적으로 AI 기술 적용 분야를 확대해 더 나은 고객 가치를 제공하겠습니다.
