"자동화 늘려도 사람 공백 못 메워"…헥사곤이 짚은 제조 AI의 본질
"단순히 자동화 설비를 늘리는 것만으로 현장 인력 공백을 메울 수 없습니다. 지금 한국 제조업에 필요한 것은 사람을 대체하는 것이 아니라 숙련자의 판단 능력을 조직의 자산으로 확장하는 '실행 가능한 AI'입니다." 스테펜 딜거 헥사곤 생산소프트웨어 부문 사장은 3일 한국 제조업의 강점과 위기를 이같이 진단했다. 그는 인력 공백을 메우고 공급망 불확실성에 대응할 방안으로 '실행 가능한 AI(actionable AI)'와 설계부터 품질까지 연결하는 '디지털 스레드'를 제시했다. 딜거 사장은 한국 제조업의 강점인 정밀도를 떠받치는 핵심 지식이 소수 숙련자에게 집중돼 있다는 점을 구조적 취약점으로 꼽았다. 자동화 설비를 확충하더라도 숙련 인력의 공백이 발생할 경우 생산 차질과 품질 불안으로 이어질 가능성이 크다는 설명이다. 그는 "제조 경쟁력은 결국 사람의 경험과 판단에서 나온다"며 "공정 준비, CAM 프로그래밍, 가공 조건 설정, 품질 검증처럼 경험 의존도가 높은 업무일수록 숙련 인력 부족의 충격이 더 크다"고 말했다. 헥사곤은 이런 문제의 해법으로 '실행 가능한 AI'를 제시했다. 이는 현장에서 즉시 활용할 수 있고 작업자의 실제 판단을 지원하는 AI를 뜻한다. 단순히 자동화 기능을 추가하는 수준을 넘어 숙련자의 노하우를 체계적으로 축적·재사용할 수 있는 환경을 구축해야 한다는 설명이다. 구체적 사례로는 AI 기반 컴퓨터지원제조(CAM) 자동화 솔루션 '프로플랜 AI(ProPlan AI)'가 있다. 이 솔루션은 기업 내부에 축적된 프로그래밍 이력과 의사결정 패턴을 학습해 공정 계획 수립을 지원한다. 딜거 사장은 "프로플랜 AI는 사람을 대체하는 것이 아니라 반복적으로 축적된 숙련자의 판단을 재사용 가능한 형태로 전환하는 도구"라며 "이를 통해 신입 인력의 조기 전력화와 숙련자의 고부가가치 업무 집중을 동시에 지원할 수 있다"고 설명했다. 이어 "소수 숙련자만이 보유한 노하우를 자산화해 인력 공백 리스크를 선제적으로 줄일 수 있다"며 "실제 현장에서는 공작기계 프로그래밍 시간을 최대 75%까지 단축한 사례도 있다"고 밝혔다. 이와 함께 딜거 사장은 실행 가능한 AI가 현장에서 제 가치를 발휘하려면 설계부터 생산, 품질 데이터를 하나로 잇는 디지털 스레드가 탄탄하게 뒷받침돼야 한다고 설명했다. 제조 현장에서는 여전히 설계, 생산, 검사 데이터가 부서별·시스템별로 끊겨 있는 경우가 많다. 이런 데이터 사일로가 유지되면 변환과 재입력, 재확인이 반복되고 그만큼 시간과 비용이 낭비된다. 오류 가능성도 커질 수밖에 없다는 지적이다. 헥사곤은 품질 정보 프레임워크(QIF) 등 상호운용성 표준을 적용해 설계 데이터를 검사 워크플로우에 직접 연계하고 있다. 측정 데이터가 생산팀에 다시 공유·반영되는 선순환 구조가 만들어져야 데이터가 공정 개선을 위한 능동적 자산이 될 수 있다는 설명이다. 현장 적용 사례도 제시했다. 프랑스 정밀 가공 업체 ARM은 헥사곤의 가상 검증 솔루션인 '엔씨시뮬(NCSIMUL)'과 '워크플랜(WORKPLAN)'을 도입해 실제 가공에 앞서 컴퓨터상에서 작업 과정을 먼저 재현했다. 기계를 움직이는 명령어인 G코드를 사전에 시뮬레이션해 프로그램 오류와 충돌 위험을 미리 점검하기 위해서다. 헥사곤은 반도체와 의료기기 등 고정밀 제조 분야에서도 이러한 가상 검증 방식이 불량 가능성을 낮추고 공정 안정성을 높이는 데 도움이 된다고 설명했다. 국내 협업도 확대하고 있다. 헥사곤은 공작기계 전문 기업 FFG DMC와 업무협약(MOU)을 체결하고 관련 협업을 추진 중이다. 기존 설비를 한꺼번에 교체하기보다 현재의 워크플로우 위에 소프트웨어와 데이터를 결합하는 방식으로 생산성 개선을 지원하겠다는 구상이다. 딜거 사장은 "기존 워크플로우 안에 AI를 녹이고, 설계부터 품질까지 데이터를 연결해 숙련자의 경험을 조직의 자산으로 전환하는 현실적 방안을 도입하고 있다"고 말했다. 이어 "중요한 것은 사람을 대체하는 기술이 아니라 현장에서 실제로 작동하며 생산성과 품질을 함께 끌어올릴 수 있는 실행 가능한 해법"이라고 강조했다. 숙련 인력 공백과 공급망 불확실성이 커지는 상황에서 실행 가능한 AI와 디지털 스레드는 제조 경쟁력을 지키기 위한 현실적 대안으로 떠오르고 있다.
