로봇·AGV는 쏟아지는데 공장은 왜 더 복잡해질까
요즘 제조 전시회에 가면 압도됩니다. 협동로봇, 자율주행 운반차(AGV), 비전 검사기, 그리고 '피지컬 AI'라는 이름의 똑똑한 장비들이 끝없이 쏟아집니다. 하나같이 "도입하면 사람이 줄고 생산성이 오른다"고 말합니다.

요즘 제조 전시회에 가면 압도됩니다. 협동로봇, 자율주행 운반차(AGV), 비전 검사기, 그리고 '피지컬 AI'라는 이름의 똑똑한 장비들이 끝없이 쏟아집니다. 하나같이 "도입하면 사람이 줄고 생산성이 오른다"고 말합니다.
그런데 막상 들여놓은 공장의 이야기는 조금 다릅니다. 장비를 늘렸는데 관리할 일이 더 늘었다는 겁니다. 새 로봇을 들이면 기존 설비·시스템과 연동하느라 몇 달이 걸리고, 그 사이 또 새 장비가 나옵니다. 좋은 부품을 계속 사 모으는데, 공장이라는 전체는 더 똑똑해지기는커녕 더 복잡해집니다.
저희가 16년, 200곳의 제조 현장을 지나며 확인한 결론도 같습니다. 문제는 장비가 아니라, 장비들을 잇는 층이 비어 있다는 것입니다.

문제는 장비가 아니라 '연결'이다
장비 하나하나는 분명 똑똑합니다. 문제는 장비가 늘어날 때 연결의 수가 폭발한다는 데 있습니다.
장비가 3대일 때는 서로 맞물릴 조합이 몇 개 안 됩니다. 그런데 10대, 20대로 늘면 "이 장비가 저 장비에, 저 시스템에 어떻게 영향을 주는가"의 경우의 수가 기하급수로 늘어납니다. 새 장비 하나를 추가할 때마다 기존의 모든 것과 일일이 연동해야 한다면, 도입 비용과 시간은 장비 가격이 아니라 연동에서 터집니다.
현장에서 "스마트팩토리는 도입보다 운영이 지옥"이라는 말이 나오는 이유가 여기 있습니다. 장비를 사는 건 한 번이지만, 서로를 이어 붙이는 일은 끝이 없기 때문입니다.
지휘자가 없는 오케스트라
연주자가 아무리 뛰어나도, 지휘자가 없는 오케스트라는 소음이 됩니다. 각자 자기 악보만 보고 자기 박자로 연주하기 때문입니다.
공장도 똑같습니다. 로봇은 자기 동작만, AGV는 자기 경로만, 검사기는 자기 판정만 압니다. "지금 3번 라인 불량이 늘었으니, 자재 투입을 바꾸고 앞 공정 속도를 늦춰라" 같은 공장 전체 차원의 판단을 내려줄 지휘자가 없습니다. 그 빈자리를 지금은 사람이 뛰어다니며 메우고 있습니다.
피지컬 AI 시대에 진짜 부족한 건 똑똑한 장비가 아니라, 그 장비들을 한 박자로 묶어줄 지휘자입니다.

표준 인터페이스라는 해법 — 별 모양으로 잇는다
해법은 장비끼리 일일이 잇는 방식을 버리는 것입니다. 대신 가운데에 운영체제를 두고, 모든 장비를 그 OS에 표준 규격으로 한 번씩만 연결합니다. 장비끼리 서로 알 필요 없이, OS만 알면 됩니다. 그러면 새 로봇을 추가할 때도 OS에 한 번 연결하면 끝입니다. 연결의 수가 폭발하지 않습니다.
VEXPLOR 다크팩토리 OS가 하는 일이 정확히 이것입니다. 로봇·AGV·설비 같은 물리 하드웨어는 검증된 전문 파트너가 공급하고, OS는 이들을 표준 인터페이스로 연결해 공장 전체를 하나의 박자로 지휘합니다. 하드웨어를 직접 만드는 게 아니라, 흩어진 하드웨어를 한 몸으로 운영하는 책임을 단 하나의 OS가 지는 구조입니다.
실제로 한 협력사 라인에서는 프레스를 비롯한 운반차와 설비 수백 대를 하나의 디지털트윈으로 실시간 동기화해, 실증 현장에서 80%대 중반 정확도로 검증했습니다. 수십 대의 장비를 따로따로가 아니라 한 화면, 한 박자로 지휘한다는 것이 어떤 모습인지 보여주는 사례입니다.
정리하면
장비를 더 사는 것만으로는 공장이 똑똑해지지 않습니다. 오히려 연결의 짐만 늘어납니다. 필요한 건 장비를 한 박자로 묶어줄 지휘자, 즉 표준 인터페이스로 모든 하드웨어를 연결하는 운영체제입니다.
그런데 이 OS가 제대로 지휘하려면, 그 판단을 내리는 AI를 믿을 수 있어야 합니다. 다음 글에서는 "제조 현장에서 왜 일반적인 AI를 못 믿는가, 그리고 환각 없는 제조 AI란 무엇인가"를 다루겠습니다.
우리 공장의 장비들은 지금 몇 갈래로 얽혀 있을까요
보유 설비·로봇·시스템의 연동 구조를 점검해, 하나의 OS로 묶었을 때 줄어드는 연결을 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.
