MES·ERP는 있는데 왜 서로 말이 안 통할까 — 솔루션 사일로의 비용
웬만한 공장에는 시스템이 이미 다 있습니다. 생산을 관리하는 MES, 자원을 관리하는 ERP, 품질·창고·설비 시스템까지. 적게는 서너 개, 많게는 열 개가 넘습니다. 그런데도 현장에서 가장 흔히 듣는 말이 이겁니다. "시스템은 다 있는데, 서로 말이 안 통한다."

웬만한 공장에는 시스템이 이미 다 있습니다. 생산을 관리하는 MES, 자원을 관리하는 ERP, 품질·창고·설비 시스템까지. 적게는 서너 개, 많게는 열 개가 넘습니다. 그런데도 현장에서 가장 흔히 듣는 말이 이겁니다. "시스템은 다 있는데, 서로 말이 안 통한다."
같은 회사 안인데 MES가 아는 것을 ERP가 모르고, 품질 시스템이 잡은 불량을 생산 시스템이 연결하지 못합니다. 그래서 사람이 그 사이에 끼어 데이터를 옮기고, 맞추고, 다시 입력합니다. 시스템이 늘었는데 사람의 손이 더 바빠지는 이유가 여기 있습니다.
이 비용은 없앨 수 있습니다. 복층강화유리를 만드는 제일그라스는 수주-설계-생산-출하를 하나의 데이터 흐름으로 이은 뒤 LOT 추적이 100% 자동화됐습니다. 사람이 시스템 사이를 잇는 일이 사라진 것입니다.

사일로는 비어 있는 게 아니라 비싸다
이렇게 시스템이 서로 단절된 상태를 솔루션 사일로라고 부릅니다. 사일로는 단지 불편한 정도가 아니라, 눈에 잘 안 보이는 비용을 매일 발생시킵니다.
첫째, 옮겨 적는 비용입니다. 한 시스템의 숫자를 다른 시스템에 다시 넣는 일은 사람의 시간을 갉아먹고, 그 과정에서 오류가 끼어듭니다. 둘째, 못 보는 비용입니다. 자재의 문제가 품질에, 품질이 납기에 어떻게 이어지는지를 시스템이 가로질러 보지 못하니, 문제가 커진 뒤에야 발견됩니다. 셋째, 못 믿는 비용입니다. 시스템마다 숫자가 조금씩 다르니, 어느 게 맞는지 매번 사람이 확인해야 합니다. 사일로는 비어 있는 칸이 아니라, 매일 돈이 새는 틈입니다.
AI를 올려도 사일로 위에서는 똑같다
여기서 흔한 오해가 하나 있습니다. "AI를 도입하면 이 단절이 알아서 메워지지 않겠냐"는 기대입니다. 결론부터 말하면 그렇지 않습니다. 사일로 위에 AI를 올리면, AI도 흩어진 데이터를 흩어진 채로 볼 뿐입니다. 오히려 단절된 데이터로 그럴듯한 답을 지어내며 환각을 키울 수 있습니다.
먼저 시스템들이 같은 언어로 연결돼야 합니다. 같은 품목을 같은 품목으로, 같은 공정을 같은 공정으로 인식해야, 그 위에서 AI가 의미를 읽습니다. 단절을 메우는 일이 AI보다 먼저입니다.

한 번 정의하면 14개를 관통한다
VEXPLOR가 사일로를 다루는 방식은 시스템을 더 얹는 게 아니라, 흩어진 것을 하나의 표준 위에 다시 세우는 것입니다. 미리 정의된 크로스 솔루션 관계가 730개가 넘고, 그 덕분에 품목 마스터 하나를 정의하면 그 정의가 14개 솔루션을 그대로 관통합니다.
쉽게 말하면, 품목을 한 곳에서 정의하는 순간 생산·자재·품질·창고·납기가 같은 품목을 같은 의미로 보게 된다는 뜻입니다. 옮겨 적을 일도, 숫자가 어긋날 일도, 어느 게 맞는지 확인할 일도 줄어듭니다. 사일로의 세 가지 비용이 함께 사라지는 셈입니다.
정리하면
MES와 ERP가 같은 공장 안에서 말이 안 통하는 건 시스템이 부족해서가 아니라, 서로 연결할 표준이 없어서입니다. 사일로는 옮겨 적고, 못 보고, 못 믿는 세 가지 비용을 매일 발생시킵니다. AI를 올리기 전에 먼저 이 단절을 같은 언어로 메워야 합니다.
다음 글에서는 한 단계 더 실무로 들어갑니다. "우리 공장은 AI 도입 준비가 됐을까", 직접 점검할 수 있는 자가진단 체크리스트를 드리겠습니다.
우리 공장의 시스템은 지금 몇 갈래로 끊겨 있을까요
보유 시스템 간 데이터 단절 지점과 그로 인한 숨은 비용을 진단해 드립니다.
이 글이 도움이 되셨다면 공유해 주세요
새 글이 올라오면 메일로 알려드립니다
제조 현장에서 확인한 것들을 기록합니다. 광고성 발송은 하지 않습니다.
제조 AI 성숙도 자가진단 — 회사 정보 없이 10문항이면 됩니다.

제조 AI 운영체제 VEXPLOR를 만들고 있습니다. 스마트공장 구축 현장에서 데이터 표준화·온톨로지·디지털트윈·자율형공장을 다루며, 이 블로그에는 현장에서 실제로 부딪힌 문제와 그때 내린 판단을 씁니다.
contact@wace.me이 문제를 실제 현장에서 풀고 있습니다
(주)웨이스는 제조 AI 운영체제 VEXPLOR로 데이터 표준화부터 자율형공장까지 만들어가고 있습니다. 우리 공장에 적용하면 어떤 모습일지 궁금하시면 편하게 물어보세요.
함께 읽어보세요
AI가 채운 값은 왜 늘 실제보다 좋게 나올까요
저희는 공장에서 쓰는 소프트웨어와 현황 진단 도구를 만듭니다. 이 도구는 한 공장의 데이터·설비·공정 관리 수준을 항목별로 매기는데, 그 값을 담당자에게 일일이 묻지 않고 회의 기록과 기존 자료로 자동으로 채웁니다.

AI 회사가 공장을 하겠다고 하면 왜 비웃음을 살까요
IT 회사가 자동차를 만들겠다고 했을 때 업계 반응은 대체로 비웃음이었습니다. 배터리와 모터를 얹는 것까지는 하겠지만 연간 수십만 대를 같은 품질로 뽑아내는 일은 다른 종목이라는 것이었습니다.

어긋난 숫자를 고치는 대신, 어긋나지 않는 규칙을 넣었습니다
앞선 글에서 재고 숫자가 어긋나는 자리 네 곳을 적었습니다. 소요량 계산이 원본 표를 잘못 고른 자리, 같은 출하가 화면에 따라 다르게 기록된 자리, 문서번호 하나가 두 가지를 뜻하던 자리, 장부끼리 대사가 안 되던 자리입니다.
