"생산성만 따지면 AI, 안 하느니만 못하다" — EU의 에너지·물류 두 거인의 답
AI는 에너지 업계와 물류 업계를 어떻게 바꾸고 있을까요? 지난달 중순 프랑스 파리에서 열린 비바 테크놀로지 2026에서 그 답의 실마리를 어느 정도 찾을 수 있었습니다. 프랑스를 대표하는
AI는 에너지 업계와 물류 업계를 어떻게 바꾸고 있을까요?
지난달 중순 프랑스 파리에서 열린 비바 테크놀로지 2026에서 그 답의 실마리를 어느 정도 찾을 수 있었습니다.
프랑스를 대표하는 에너지 기업 토털 에너지스의 파트릭 푸얀느 회장과,
해운 물류 기업 CMA CGM의 로돌프 사데 회장 간 대담을 통해서 말이죠.
디 애틀랜틱의 닉 톰슨 편집장 겸 CEO가 진행한 약 25분간의 세션에서 두 사람은
AI가 에너지와 무역 현장에서 실제로 어떤 역할을 하는지,
그리고 지정학적 불확실성 속에서
유럽 기업이 AI 공급처를 어떻게 다변화해야 하는지를 논의했습니다.
본지는 이날 세션 내용을 아래와 같이 정리했습니다.
“아직 5%는 아니다” — 그래도 AI는 거역할 수 없는 물결이라는 두 CEO
눈에 안 보이는 가스 누출부터 해협의 선박까지 — AI가 현장 의사결정을 바꾸는 방식
“앤트로픽 쇼크 이후”…토털 에너지스· CMA CGM 회장, AI 공급처 다변화 나선다
“규제보다 혁신 먼저”…토탈에너지스 회장이 짚은 유럽 AI의 약점
이 내용을 중심으로 오늘 글을 시작하겠습니다.
1. “아직 5%는 아니다” — 그래도 AI는 거역할 수 없는 물결이라는 두 CEO
세션의 첫 화두는 AI가 과연 기업 생산성에 실제로 기여하는지에 대한 논의였습니다.
사회자가 AI 덕분에 회사 생산성이 5% 이상 올랐다고 보느냐고 묻자,
두 CEO 모두 아직 그 수준에는 이르지 못했다고 털어놓았습니다.
CMA CGM의 로돌프 사데 회장은
“ AI를 도입하는 유일한 기준이 생산성이라면 차라리 다른 것을 하는 것이 낫다 “
라고 직설적으로 답했습니다.
그가 보는 AI의 핵심 가치는
생산성 수치 자체가 아니라,
임직원이 더 나은 결정을 내리도록 필요한 정보를 제공하는 데 있었습니다.
실제로 CMA CGM은
해운과 물류, 미디어 등 모든 사업 부문에 AI를 도입하고 있으며,
전 임직원이 AI를 활용할 수 있도록 하는 것을 목표로 하고 있었습니다.
이와는 반대로 토털 에너지스의 파트릭 푸얀느 회장은 AI의 생산성을 두 갈래로 나눠 설명했습니다.
하나는 기존 자산을 더 잘 활용해 매출을 늘리는 것이었습니다.
정유공장 가동률을 1%만 높여도 산출량이 늘어난다는 점을 보며,
데이터를 정확히 이해하고 활용하는 일이 곧 매출로 이어진다고 그는 보았습니다.
다른 하나는 비용 절감으로,
기계 고장을 미리 예측해 대응하는 예지정비(predictive maintenance)가 대표적인 사례였습니다.
그리고 세간의 시선을 의식한 듯, 두 갈래 모두 인력 감축을 위한 것은 아니라고 선을 그었습니다.
다만 성과는 사회자가 언급한 5%에는 아직 미치지 못했는데, 그 배경으로 파트릭 푸얀느 회장은 ‘데이터 파운데이션(data foundation)’을 꼽았습니다.
현재 물리적 데이터가 여기저기 흩어져 있어,
AI 모델을 제대로 작동시키려면 이를 한 곳에 모아 연결하는 토대부터 갖춰야 하는 상황이었습니다.
이에 따라 토털 에너지스는
2025년부터 2027년까지 전 세계 데이터 기반을 구축하는 대규모 프로그램을 진행 중이며,
여러 사업 부문을 아우르는 대형 플랫폼을 개발하고 있었습니다.
이와 별개로 2020년부터 파리에서 운영해 온 ‘디지털 팩토리(Digital Factory)’는
각 사업 부문에서 올라온 아이디어를 빠르게 앱으로 만들어 내는 조직으로,
지금까지 수백 개의 앱을 개발해 왔습니다.
다만 그는 이를 앞으로 실현할 수 있는 일에 비하면 초기 단계라고 평가하며,
경영진이 AI를 적용할 핵심 영역을 직접 정하는 하향식(top-down) 접근도 병행할 계획이라고 밝혔습니다.
특히 주목하는 분야는
땅속에 석유·가스가 얼마나 묻혀 있고 어디에서 뽑아야 효율적인지를 분석하는
지구과학(geoscience)과 저류층 모델링(reservoir modeling)이었습니다.
토털 에너지스가 대량으로 보유한
탄성파 데이터(지하 탐사에 쓰는 진동 데이터)를 바탕으로
생성형 AI와 파운데이션 모델을 개발하면 유전 개발의 효율을 크게 높일 수 있다는 판단에서였습니다.
물론 도입 과정에서 어려움도 있었습니다.
CMA CGM의 로돌프 사데 회장은