웨이스는 VEXPLOR로 공장의 판단을 공정 하나씩 어떻게 AI에게 넘기려 하는가
제조 AI 운영체제 VEXPLOR를 만드는 웨이스가 향하는 공장은 사람이 없는 공장이 아니라 사람이 정보를 옮기지 않는 공장입니다. 설비와 작업의 기록이 사람 손을 거치지 않고 쌓이고, AI가 그 기록을 읽어 판단을 올리고, 사람은 결정이 필요한 순간에 결정합니다.
이 태그가 붙은 글 · 모두 21편
제조 AI 운영체제 VEXPLOR를 만드는 웨이스가 향하는 공장은 사람이 없는 공장이 아니라 사람이 정보를 옮기지 않는 공장입니다. 설비와 작업의 기록이 사람 손을 거치지 않고 쌓이고, AI가 그 기록을 읽어 판단을 올리고, 사람은 결정이 필요한 순간에 결정합니다.
미국 디트로이트 뉴스가 쓰고 지역 신문 스포크스맨리뷰가 2026년 9월 29일 실은 기사는 중국 지리그룹 산하 전기차 브랜드 지커(Zeekr)의 공장을 이렇게 소개했습니다.
공장장이 AI 도입을 미루는 이유는 기술을 몰라서가 아닙니다. 함께 발행한 글에서 반도체 공장 인터뷰, 물류창고 실험, 병원 관찰 같은 연구·조사 13건을 모아 보니 이유는 여섯 가지로 모였습니다.
공장을 가진 중소·중견 제조기업 16만 3,273곳 가운데 제조 AI를 도입한 곳은 0.1%이고, 데이터·AI 전담 인력을 둔 곳은 0.8%입니다(중소벤처기업부 「2024 스마트제조혁신 실태조사」, 2025년 4월 발표). 발표 보도자료에는 AI를 도입하지 않은 이유가 나오지 않습니다.
제조업 2세가 아버지의 공장을 물려받지 않는 이유는 결국 두 가지로 모입니다. 넘겨받는 사람이 회사를 움직이는 판단의 근거를 볼 수 없고, 결정 권한은 한 번에 넘어가거나 아예 넘어가지 않습니다. 공장에 AI를 들일 때도 똑같은 일이 생깁니다.
중소기업 대표에게 자녀에게 회사를 물려주지 않는 이유를 물으면 첫째 답은 세금이 아닙니다. 중소기업중앙회가 2024년 업력 10년 이상 중소기업 600곳을 조사했을 때, 자녀에게 승계할 계획이 없거나 아직 정하지 못한 134곳이 꼽은 첫째 이유는 「자녀가 원하지 않기…
오늘은 생산 일보 한 달치(예제는 A라인 25일)를 AI 대화 도구에 넣어 계획 대비 실적이 어디서 새는지를 정지 손실·속도 손실·불량 손실 3가지로 나눈 한 장과, 매주 다시 사용할 지시문 파일을 만듭니다. 50분 걸립니다. 4편의 불량, 5편의 정지, 7편의 「가정은 표 밖에」가 오늘 한 장에 모입니다.
오늘은 재고 현황(예제는 120품목)을 AI 대화 도구에 넣어 금액 기준 ABC 표, 6개월 이상 안 나간 품목 목록, 그리고 A 품목 5개의 발주점 초안을 만듭니다. 45분 걸립니다. 이 연재에서 단가가 들어 있는 첫 데이터라, 오늘은 붙여넣기 전에 단가를 가리는 일부터 시작합니다.
오늘은 수주·출하 목록(예제는 150행)을 AI 대화 도구에 넣어 지연률 표 3장(품목별·고객구분별·수량별)과 가설 3개, 담당자에게 물을 질문 3개를 만듭니다. 45분 걸립니다. 4편·5편이 「세기」였다면 오늘은 센 결과를 놓고 처음으로 「왜」를 다루는 편입니다. 다만 그 「왜」를 AI 에게 묻지 않습니다.
오늘은 설비 알람 목록 한 달치(예제는 500행)를 AI 대화 도구에 넣어 「설비별 정지 횟수·정지 시간 표」와 「시간대별 정지 분포표」 2장을 만듭니다. 45분 걸립니다. 지난 편에서 불량 기록을 셌다면 오늘은 같은 방법으로 「멈춤」을 셉니다. 다른 점은 하나, 이번에는 횟수 옆에 시간이 들어온다는 것입니다.
오늘 만드는 것은 공정 1개의 작업표준서 초안(순서·급소·확인 포인트·이상 시 조치 4열) 1장과, 베테랑이 빨간펜으로 고친 판, 그리고 신입 1명이 그 판을 읽고 해 본 결과 메모이고, 60분이 걸립니다(인터뷰 15분, 초안 15분, 검토 2번 30분).
오늘 만드는 것은 회의 조치 목록 서식 1장과, 실제 아침 회의 1건을 그 서식에 옮긴 적용본 1장이고, 30분이 걸립니다. 서식은 표 3개입니다 — 결정된 것, 하기로 한 것(내용·담당·기한·확인 방법), 논의만 하고 결정 안 된 것. 오늘 새로 배우는 것 하나는 결정과 논의를 나누는 것입니다.
오늘 만드는 것은 2가지입니다. 공장 설명 카드 1장과, 손으로 쓴 지난주 일보 5일치를 옮긴 엑셀 표 1장이고, 45분이 걸립니다(카드 15분, 옮기고 대조하기 30분). 오늘 새로 배우는 것 하나는 공장 설명 카드입니다 — 우리 공장이 무엇을 만들고 설비와 불량을 현장에서 뭐라고 부르는지 적은 A4 반 장으로, 이…
트위터 공동 창업자 잭 도시가 이끄는 핀테크 회사 블록이 2026년 2월 전 직원의 40%, 약 4,000명을 내보냈습니다. 관리 계층을 지금 최대 5단계에서 2026년 안에 2~3단계로 줄이고, 관리자가 하던 정보 전달과 조율을 AI 에이전트에 넘긴다는 계획입니다.
공장에 AI를 넣는다고 하면 대개 기술 이름부터 나옵니다. 예지보전, 비전 검사, 생산 스케줄링 같은 이름입니다. 그런데 기술 이름으로 AI 도입을 설명하면 앞 글에서 짚은 문제가 그대로 반복됩니다. 설비 목록으로는 공장이 하는 일이 보이지 않았듯이, 기술 목록으로는 AI가 어떤 판단을 대신하는지가 보이지 않습니다.
공장의 순환에는 길이가 다른 3가지 주기가 있습니다. 교대 주기에서는 실적과 정지를 보고 작업 순서를 조정하고, 일 주기에서는 내일 일정을 고치고, 월 주기에서는 표준 시간과 작업 표준을 고칩니다. 앞선 글에서 이것을 한 문장으로 정리했습니다. 짧은 주기는 순서를 바꾸고, 긴 주기는 기준을 바꿉니다.
공장 운영을 설명해 달라고 하면 대개 설비 목록이나 시스템 이름부터 나옵니다. 프레스가 몇 대이고, ERP와 MES를 쓴다는 식입니다. 그런데 그것은 공장이 쓰는 도구의 이름이지 공장이 하는 일의 정의가 아닙니다.
요즘 고객사 자리에서 거의 같은 말을 듣습니다. "업무용 AI 데모는 많이 봤습니다." 그리고 그다음에 꼭 한마디가 붙습니다. "그런데 실제로 업무에 쓰고 있는 데는 아직 못 봤어요."
저희가 만들려는 것은 공장의 판단을 다루는 소프트웨어입니다. 설비를 연결하고 데이터를 모으는 것까지는 여러 곳이 합니다. 지난 몇 년 동안 공장에 센서가 늘고 화면이 늘었습니다. 그런데 늘어난 것은 보이는 양이지 정해지는 속도가 아닙니다. 그다음 무엇을 할지 정하는 구간이 아직 사람 머릿속에 있기 때문입니다.
공장 시스템은 답을 잘 내놓습니다. 지난주 설비별 가동률, 품번별 불량률, 이번 달 납기 준수율. 물어보면 몇 초 안에 나옵니다.