방동걸

팀이 사용하는 도구에 규칙을 하나 넣었다고 해 봅시다. 위험한 명령을 실행하기 전에 한 번 물어보는 확인, 파일을 고치기 전에 사본을 떠 두는 백업, 작업을 끝낼 때 빠뜨린 것이 없는지 훑는 점검 같은 것들입니다. 코드를 쓰고, 테스트를 돌리고, 초록불을 확인하고, 팀에 공지합니다.

저희는 지금 가상공장 소프트웨어를 만들고 있습니다. 완성해서 내놓는 발표가 아니라, 무엇을 왜 만드는지 중간에 적어 두는 글입니다. 기술 이야기는 하지 않겠습니다. 대신 이 소프트웨어를 누가, 어떤 순간에 쓰라고 만드는지를 말씀드리려 합니다.

소프트웨어는 배포하기 전에 테스트 서버에서 돌려 봅니다. 그런데 수십억이 들어가는 공장은, 대부분 지어 보기 전에 테스트할 방법이 없습니다. 라인 배치가 맞는지, 설비 능력이 충분한지, 버퍼를 어디에 둬야 하는지 — 경험 많은 분들의 감과 업체의 말을 믿고 결정하고, 틀렸다는 것은…

소프트웨어를 구축해 주는 업체들이 요즘 비슷한 약속을 합니다. AI가 수정 요청을 자동으로 처리한다, 응답이 몇 분 만에 온다, 사람 없이 돌아간다. 실제로 AI 코딩 기술이 빠르게 좋아져서 이 약속들 중 상당수는 과장이 아닐 수 있습니다.

숫자부터 보여 드리겠습니다. 저희가 고객사에 구축해 드린 시스템의 수정·기능추가 요청을 AI가 직접 개발해 응답하는 체계를 30일 넘게 운영했고, 그 기간 실제 응답 119건을 원장에서 전수 집계했습니다. 실제 응답 119건의 절반이 18.4분 안에 첫 응답을 받았습니다.

공장 시스템은 답을 잘 내놓습니다. 지난주 설비별 가동률, 품번별 불량률, 이번 달 납기 준수율. 물어보면 몇 초 안에 나옵니다.

제조 온톨로지를 만들어 본 곳은 이제 꽤 됩니다. 품목이 어느 공정에 투입되고, 그 공정이 어느 설비에서 돌고, 그 설비 상태가 품질에 어떻게 영향을 주는지. 관계를 표준으로 박아 두는 작업은 방법이 알려져 있고, 도구도 나와 있습니다.

"공장을 운영하는 핵심요소가 뭡니까." 이 질문을 받으면 대개 같은 답이 나옵니다. 사람, 설비, 자재, 방법, 환경. 현장에서는 4M1E라고 부르는 그 다섯 가지입니다.

웨이스가 제조 AI 성숙도 자가진단을 wace.me/diagnosis에 공개했습니다. 무료이고, 시작할 때 회사 정보를 받지 않습니다. 10문항에 답하면 우리 공장이 지금 어느 단계(L0~L4)에 있는지가 화면에 바로 나옵니다.

자율형공장을 설명할 때 가장 자주 나오는 문장은 "AI가 공장을 인지하고 판단해서 실행한다"입니다. 맞는 말인데, 이 문장만으로는 무엇을 사야 하는지도 무엇을 확인해야 하는지도 알 수 없습니다. 인지가 카메라를 다는 일인지, 아니면 데이터 형식을 맞추는 일인지부터 갈립니다.

"AI가 알아서 생산 일정을 짭니다." 자율형공장 이야기에서 가장 자주 나오는 문장이고, 가장 확인하기 어려운 문장이기도 합니다. 설비를 연결했다는 말은 대수를 세어 확인할 수 있고 불량을 잡았다는 말은 검사 결과로 확인할 수 있는데, 일정을 잘 짰다는 말은 무엇과 대조해야 할지가…

저희는 현장배치 엔지니어를 뽑고 있습니다. 공장에 직접 들어가 데이터를 진단하고, 시스템을 그 현장에 맞춰 구축하고, 실제로 돌아갈 때까지 붙어 있는 자리입니다.