자율형공장·무인공장·다크팩토리는 같은 말일까
같은 회의에서 세 사람이 각자 다른 공장을 말하고 있는 장면을 종종 봅니다. 한 사람은 정부 지원사업 서류에 적힌 자율형공장을 말하고, 한 사람은 불이 꺼진 채 로봇만 도는 라인을 떠올리고, 한 사람은 야간에 관리자 한 명만 남기는 현실적인 그림을 말합니다.
#제조AI
이 태그가 붙은 글 · 모두 87편
상관은 알람을 만들고, 인과는 결정을 만든다
공장에 AI를 붙이면 대개 알람이 먼저 늘어납니다. 온도가 임계를 넘었다, 진동 패턴이 평소와 다르다, 불량률이 상승 추세다. 그런데 알람이 늘어난 만큼 결정이 빨라졌느냐고 물으면 대답이 잘 나오지 않습니다.
웨이스, 실시간 그래프 RAG 특허 등록등록특허 2건 확보
(주)웨이스가 '태그 기반 메타모델을 이용한 실시간 그래프 검색 증강 생성 시스템' 특허를 2026년 8월 6일 등록했다. 특허번호는 제10-3003470호, 발명자는 방동걸 대표다. 2026년 3월 9일 출원해 6월 29일 특허결정을 받았고, 등록료 납부와 설정등록까지 마쳤다.
오픈소스 LLM으로 제조 특화 LLM 만들기2026년 기준 기술 지도
공장 데이터는 밖으로 못 나갑니다. 공정 조건, 수율, 설비 파라미터는 그 자체가 영업기밀이라, 제조기업이 AI를 검토할 때 가장 먼저 부딪히는 요구가 "우리 서버 안에서 돌아야 한다"입니다. 이 요구가 오픈소스(정확히는 오픈웨이트) LLM 채택의 1차 동력입니다.
중소 제조도 디지털트윈 할 수 있나비용을 가르는 3가지 변수
"우리 같은 규모도 디지털트윈이 되나요, 비용은 얼마나 드나요." 디지털트윈 이야기가 나올 때마다 받는 질문입니다. 답부터 드리면, 됩니다. 저희가 디지털트윈을 구축하고 있는 현장 중에는 프레스로 부품을 양산하는 중소 제조 공장이 있습니다. 대기업 전용 기술이 아닙니다.
자율형공장이란 무엇인가정부가 2년, 6억을 거는 공장의 다음 단계
스마트공장까지는 많은 제조기업이 왔습니다. 데이터가 모이고, 화면에 보이고, 보고서가 자동으로 나옵니다. 그런데 정부가 그다음 단계로 정의한 공장이 있습니다. 자율형공장입니다.
제조 AI 회사는 많은데 왜 우리 공장에 맞는 곳은 없을까국내 기업 유형 6가지
검사 카메라에 딥러닝을 얹는 회사와 공장 전체 데이터를 묶는 회사가 같은 이름 아래 있습니다. 국내 제조 AI 솔루션 기업을 6가지 유형으로 나누고, 각 유형의 실제 기업을 공개된 사실 기준으로 정리했습니다.
불량이 적은 공장일수록 AI 만들기가 어렵습니다
현장에서 가장 자주 듣는 말이 있습니다. "저희는 데이터가 부족해서 AI는 아직 이릅니다."
저희가 바이트코드를 안 읽어도 됐던 이유
며칠 전 「코드를 모르는 개발자의 시대가 온다」는 칼럼을 읽었습니다. 개발자 닉 하지스(Nick Hodges)가 ITWorld에 쓴 글입니다. 논지는 이렇습니다. 아무도 JVM 바이트코드나 .NET CIL을 손으로 쓰지 않는 것처럼, 머지않아 타입스크립트와 파이썬도 손으로 쓰지 않게…
트윈이 답을 미리 알고 있으면, 그건 트윈이 아닙니다
며칠 전 저희 데모 공장 트윈을 보던 대표가 물었습니다. "이게 완전한 자동 시뮬레이션 공장이 된 건가?"
산업 AI 에이전트 논문 88편을 훑어보니9할은 아직 실험실에 있었다
저희는 주기적으로 최신 논문과 오픈소스 동향을 훑습니다. 만들고 있는 것이 맞는 방향인지, 학계와 업계가 어디까지 왔는지 확인하기 위해서입니다. 이번 주 스캔에서 눈에 띈 논문이 3편 있었는데, 셋을 나란히 놓으니 하나의 그림이 보였습니다. 오늘은 그 이야기를 하려고 합니다.
투자 미팅에서 "차별점이 안 보인다"는 말을 들었습니다
투자 미팅에서 이런 이야기를 들었습니다. "같은 시장을 말하는 회사들과 비교해 특별한 차별점이 보이지 않는다. 그래서 투자가 어렵다."
시험장을 빠져나온 AI에이전트에게 어디까지 맡길 것인가
지난달 AI 업계에서 실제로 일어난 일입니다. 오픈AI가 자사 모델의 해킹 능력을 재는 격리 환경(샌드박스) 평가를 돌리고 있었는데, 모델이 문제를 푸는 대신 시험장 밖으로 나갔습니다.
저희 사내 규칙을 AI가 고치기 시작했습니다채점표만 빼고
이번 주 저희는 사내 업무 규칙 문서에 한 줄을 새로 넣었습니다. 사실 검증 게이트, 기준 데이터 대조 점검, 완료 확인 — 이 항목들은 자동화 사이클이 스스로 완화하거나 수정할 수 없는 고정 계층이라는 선언입니다. 바꾸려면 사람의 승인을 거쳐야 합니다.
전문성의 비용이 무너진다공장 운영 노하우가 소프트웨어가 될 때
트위터·코인베이스·듀오링고의 초기 투자사로 유명한 미국 벤처캐피털 USV(Union Square Ventures)가 최근 "Obliterate, Don't Automate"라는 글을 냈습니다(2026년 7월, blog.usv.com). 요지는 한 문장입니다.
몇 주짜리 개발 요청이던 현장 화면, 노코드로 직접 만들면 어떻게 되나
어느 공장이든 전산 요청함에는 현장의 요구가 줄을 서 있습니다. 이 설비만의 점검표, 이 라인만의 작업 기록 화면, 이 공정만의 불량 집계표. 하나하나는 작은 화면인데, 개발 요청으로 올리면 몇 주짜리 일이 됩니다.
피지컬 AI는 공장에서 먼저 온다
피지컬 AI라고 하면 대개 휴머노이드 로봇이나 자율주행차를 떠올립니다. 무대 위에서 걷고, 도심을 달리는 장면들이죠. 그런데 AI가 물리 세계와 만나는 접점은 이미 다른 곳에 훨씬 넓게 깔려 있습니다. 제조업 현장입니다.
RDB, RAG는 정말 끝났나?
그래프 데이터베이스와 GraphRAG가 화제가 되면서 부쩍 자주 듣는 질문이 두 가지 있습니다. "이제 관계형 데이터베이스(RDB)는 끝난 거냐"와 "그래프 RAG라는 게 결국 SQL로도 다 되는 거 아니냐"입니다. 결론부터 말하면 둘 다 아닙니다.
디지털트윈은 화면이 아니라 판단이다
3D로 공장을 옮겨 놓은 화면은 확실히 인상적이다. 설비가 돌고, 컨베이어가 움직이고, 로봇팔이 실제처럼 작동한다. 그런데 여기서 한 가지를 짚고 넘어가야 한다. 현장을 그대로 비추기만 하는 3D 화면은, 아무리 정교해도 결국 화려한 스크린세이버다.
AI에게 공장 제어를 맡길 수 있을까신뢰는 어디서 오나
공장에 AI를 들이는 이야기는 이제 낯설지 않다. 그런데 막상 "AI가 설비를 직접 제어하게 하자"는 대목에서는 대부분 멈칫한다. 이유는 분명하다. 살아 있는 라인에서 잘못된 명령 하나는 불량으로, 정지로, 사고로 이어진다.
