자칫 평범한 성장 전략 발표로 흘러갈 수 있었던 Hitachi Investor Day에서, 한 투자자의 질문이 오히려 발표의 핵심을 가장 날카롭게 드러냈다. Hitachi가 HMAX와 FDE를 통해 나아가려는 방향은 명확했다. 장비와 인프라를 판매하는 기업에서, 현장 데이터를 활용해 운영 효율과 생산성을 높이는 Physical AI 운영 서비스 기업으로 확장하겠다는 것이다.
그러나 바로 그 지점에 약점도 존재한다. Physical AI의 성능을 결정하는 핵심 원재료는 현장 데이터인데, 그 데이터의 소유권은 대부분 Hitachi가 아니라 고객사와 국가 인프라 운영자에게 있다. 결국 Hitachi의 새로운 성장 모델은 AI 기술력만의 문제가 아니라, 누가 데이터를 통제하고, 누가 사용할 수 있으며, 그 데이터에서 발생하는 경제적 가치를 누가 가져갈 것인가의 문제로 이어진다.
이 감상평은 뒤늦게나마 그 질문이 던진 함의를 기록해보려는 글이다. Hitachi의 HMAX와 FDE 전략에서 출발해, Oracle Larry Ellison이 강조한 private enterprise data의 중요성, 그리고 Agentic AI 시대에 본격화될 데이터주권 경쟁까지 함께 정리해보고자 한다.
Agentic AI 시대, 진짜 병목은 모델이 아니라 데이터 주권이다
1. Hitachi Investor Day에서 눈에 들어온 변화
최근 Hitachi Investor Day에서 가장 눈에 들어온 부분은 HMAX와 FDE 전략이었다. Hitachi는 AI를 단순히 사무직 생산성을 높이는 도구로 설명하지 않았다. 전력망, 철도, 공장, 빌딩, 의료장비처럼 실제 물리 인프라가 작동하는 현장에 AI를 결합하는 Physical AI 전략으로 제시했다.
이 전략의 중심에는 HMAX가 있다. HMAX는 현장 장비와 인프라에서 발생하는 데이터를 AI로 분석해 운영 효율화, 예지보전, 유지보수 자동화, 에너지 최적화를 지원하는 플랫폼이다. 쉽게 말하면, 기존에는 장비를 팔고 유지보수를 제공하던 기업이 이제는 장비에서 나오는 데이터를 활용해 고객의 운영 성과를 높이는 AI 서비스 기업으로 확장하려는 것이다.
Hitachi가 이 방향을 강조하는 이유는 명확하다. 전력망, 철도, 공장, 빌딩은 한 번 설치되면 장기간 운영된다. 이 과정에서 방대한 현장 데이터가 쌓인다. 설비 상태, 고장 이력, 정비 기록, 에너지 사용량, 작업자 대응 패턴 같은 데이터는 AI가 결합될 때 비용 절감과 생산성 향상으로 이어질 수 있다.
따라서 HMAX는 단순한 소프트웨어 제품이 아니다. Hitachi가 보유한 산업 장비와 현장 운영 경험을 바탕으로, 기존 설치 기반을 반복형 디지털 서비스 매출로 전환하려는 monetization layer에 가깝다.
2. FDE는 Palantir식 운영형 AI 모델과 닮아 있다
HMAX 전략을 실행하는 조직이 FDE, Field-Deployed Engineer다. FDE는 고객 현장에 들어가 문제를 정의하고, AI·데이터·OT·제품 지식을 결합해 솔루션을 구현하는 역할을 한다. 단순히 소프트웨어를 설치하는 인력이 아니라, 고객사의 실제 업무와 현장 프로세스를 이해한 뒤 이를 AI 시스템으로 연결하는 조직이다.
이 구조는 Palantir가 보여준 FDE 기반 사업모델과 상당히 닮아 있다. Palantir는 고객 현장에 들어가 데이터 구조를 정리하고, 업무 프로세스를 모델링하며, AI가 실제 의사결정과 실행에 연결되도록 만든다. Hitachi는 이 방식을 전력망, 철도, 산업설비, 빌딩 같은 물리 인프라 영역에 적용하려 한다.
다만 Hitachi의 차별점은 OT와 제품 도메인 지식에 있다. Palantir가 다양한 산업에 적용 가능한 horizontal software platform에 강하다면, Hitachi는 전력망, 철도, 산업장비, 엘리베이터, 반도체 장비, 진단장비 같은 물리 자산과 장기 유지보수 경험을 갖고 있다.
3. HMAX의 핵심 리스크는 데이터 소유권이다
Hitachi 전략의 가장 중요한 리스크는 명확하다. Physical AI의 핵심 원재료는 현장 데이터인데, 그 데이터의 소유권은 대부분 고객에게 있다.
전력망 운영 데이터는 유틸리티 기업과 국가 인프라 운영자가 보유한다. 철도 운행 데이터는 철도 운영사와 정부기관이 통제한다. 공장 설비 데이터는 제조기업의 생산성과 품질 경쟁력을 보여주는 핵심 자산이다.
고객 입장에서 이 데이터는 단순한 운영 기록이 아니다. 설비의 고장 패턴, 생산성 병목, 비용 구조, 보안 취약점, 운영 노하우가 모두 담겨 있다. 따라서 고객은 외부 벤더가 데이터를 전면적으로 가져가거나, 해당 데이터를 활용해 독자적인 AI 모델을 고도화하는 상황을 경계할 수밖에 없다.
4. 데이터 접근권은 곧 사업모델의 핵심이다
Hitachi가 고객 데이터를 전부 가져오는 방식으로 HMAX를 확장하기는 어렵다. 대신 현실적인 방식은 고객별로 다른 데이터 활용 구조를 설계하는 것이다.
예를 들어 JV, 결과값만 제공하는 모델, 보안 기반 데이터 활용, on-premise AI, sovereign cloud, 고객 내부망 기반 분석 같은 방식이 가능하다.
결국 HMAX의 경제적 가치는 데이터 소유권보다 데이터 사용권에서 나온다. 고객이 데이터를 보유하더라도 Hitachi가 그 데이터를 바탕으로 운영 효율을 개선할 수 있다면 반복형 서비스 매출을 만들 수 있다.
5. Larry Ellison이 강조한 Private Enterprise Data
Oracle의 Larry Ellison도 비슷한 문제의식을 공개적으로 강조했다.
 |
| Oracle |
Ellison은 Oracle AI Database와 AI Data Platform을 설명하면서, 최신 AI 모델들이 기업 데이터 위에서 multi-step reasoning을 수행하되 데이터를 private and secure하게 유지해야 한다고 말했다.
 |
| Oracle |
이는 AI 경쟁의 중심이 공개 데이터 기반 모델 경쟁에서 기업 내부 데이터 활용 경쟁으로 이동하고 있음을 의미한다.
6. 공개 데이터의 시대에서 Private Data의 시대로
LLM은 공개 데이터를 기반으로 빠르게 발전했다. 하지만 공개 데이터는 이미 상당 부분 학습되었고 누구나 접근 가능하기 때문에 차별화가 어렵다.
반면 제조 데이터, 금융 데이터, 의료 데이터, 전력망 데이터 같은 private data는 접근이 어렵지만 가치가 높다.
AI가 실제 비용 절감과 생산성 향상을 만들기 위해서는 결국 이런 데이터가 필요하다.
7. Agentic AI는 데이터 접근권을 더 중요하게 만든다
Agentic AI는 단순히 답변하는 AI가 아니다. 실제 업무를 수행하고 시스템을 조작하며 의사결정을 지원한다.
이를 위해서는 CRM, ERP, SCM, 데이터베이스, 이메일, 결재 시스템 등에 접근해야 한다.
따라서 Agentic AI 시대에는 데이터 접근권이 곧 실행권이 된다.
8. 데이터주권은 국가 안보 문제로 확장된다
전력망, 철도, 금융, 의료, 통신 같은 핵심 인프라 데이터는 단순한 기업 데이터가 아니다.
이 데이터가 어느 국가에 저장되는지, 누가 접근 가능한지, 어떤 법적 관할권 아래 있는지는 국가 안보 문제로 연결된다.
그래서 Sovereign Cloud와 Data Residency가 중요해지고 있다.
9. 앞으로의 갈등은 세 계층 사이에서 벌어진다
앞으로 데이터주권을 둘러싼 갈등은 크게 세 계층 사이에서 발생할 가능성이 높다.
세 계층은 협력해야 하지만 동시에 데이터와 수익 배분을 두고 경쟁하게 된다.
10. 이권 다툼의 핵심은 데이터 소유권보다 사용권이다
많은 사람들이 데이터주권을 소유권 문제로 이해하지만 실제 핵심은 사용권이다.
데이터는 고객이 보유하더라도 데이터를 분석하고 구조화하며 실행 가능한 형태로 만드는 플랫폼이 경제적 가치를 가져갈 수 있다.
Oracle, Palantir, Hitachi 모두 이 영역을 노리고 있다.
11. 타협 구조는 늘어나겠지만 긴장은 사라지지 않는다
데이터주권 문제를 해결하기 위해 다양한 타협 구조가 등장하고 있다.
On-Premise AI, Sovereign Cloud, Federated Learning, Data Clean Room 등이 대표적이다.
하지만 데이터 접근 범위, 모델 학습 권한, 결과물 소유권, 사고 책임 문제는 여전히 남는다.
12. 투자 관점에서 봐야 할 변화
AI 시대의 승자는 단순히 가장 좋은 모델을 가진 기업이 아닐 수 있다.
더 중요한 것은 private data에 접근할 수 있고, 이를 실제 업무와 물리 현장에 연결할 수 있는 기업이다.
13. 결론: AI의 병목은 모델에서 데이터주권으로 이동한다
과거 AI 경쟁은 모델 경쟁이었다.
그러나 Agentic AI 시대에는 모델 자체보다 어떤 데이터에 접근할 수 있는지, 누가 데이터를 통제하는지, 누가 실행권을 갖는지가 더 중요해질 가능성이 높다.
공개 데이터 기반 AI는 점차 상품화될 수 있지만, 기업 내부 데이터와 산업 데이터는 쉽게 복제되지 않는다.
결국 앞으로의 AI 경쟁은 모델 경쟁을 넘어 데이터주권 경쟁으로 확장될 가능성이 높다.
한눈에 보는 전체 요약
=끝
