챗봇 넘어 제조 현장으로…문서 노동 바꾸는 AI
설계 검토와 발주, 품질관리는 제조 현장에서 빼놓을 수 없는 문서 업무다. 도면·설비·공정·품질 데이터가 여러 시스템에 흩어져 있어 자료를 찾고 대조하는 데 적지 않은 시간이 걸린다. 생성형 인공지능(AI)이 실제 업무를 수행하는 AI 에이전트로 진화하면서 제조업에서도 이같은 반복 업무를 자동화하려는 움직임이 본격화하고 있다. 23일 업계에 따르면 솔트룩스는 지난 5월부터 삼성중공업 거제조선소, 계양전기와 함께 제조업 특화 AI 에이전트 플랫폼 연구개발(R&D)을 진행하고 있다. 정보통신산업진흥원(NIPA)의 '2026년도 AI 에이전트 융합·확산 지원사업'을 통한 이번 과제는 현장 적용을 목표로 설계·규정 검토와 구매사양서(POS) 작성, 견적·발주, 공정관리 등을 지원하는 AI 에이전트를 개발하는 것이 핵심이다. 제조 특화 AI 에이전트가 주목받는 것은 범용 생성형 AI만으로는 제조 현장의 업무를 처리하기 어렵기 때문이다. 제조기업의 데이터는 설계도면은 CAD와 PLM, 생산 정보는 제조실행시스템(MES), 구매 이력은 ERP, 품질 기준은 별도 문서에 저장되는 등 여러 시스템에 분산돼 있다. 같은 부품이라도 설계 변경이나 공급사, 공정 순서에 따라 판단 기준이 달라져 단순히 문서를 많이 학습하는 것만으로는 정확한 업무 수행이 쉽지 않다. 조선업이 대표적인 예다. 조선소에서 LNG선 핵심 장비의 POS를 작성하려면 설계도면과 부품목록(BOM), 선급 규정, 국제 기준, 과거 프로젝트 문서를 모두 확인해야 한다. 도면은 제품수명주기관리(PLM) 시스템, 발주 이력은 전사적자원관리(ERP) 시스템, 규정은 별도 문서에 저장되는 등 데이터가 시스템별로 흩어져 있어 자료를 찾고 대조하는 데만 수일이 걸리는 경우도 적지 않다. 이번 과제도 흩어진 제조 데이터를 실제 업무로 잇는 데 초점을 맞췄다. 계양전기에서는 ERP의 견적·발주 이력과 사물인터넷(IoT) 센서 데이터를 연계해 견적 처리와 공정 이상 대응을 지원하는 AI를 개발한다. 삼성중공업에서는 POS와 설계 BOM, 컴퓨터지원설계(CAD) 메타데이터, 선급·국제 규정을 연결해 발주서 작성과 설계·규정 검토 업무를 지원하는 AI를 연구한다. 두 제조 현장의 업무는 다르지만 흩어진 데이터를 하나의 업무 흐름으로 연결하고 검증하는 공통 구조를 구현하는 것이 목표다. 설계 데이터 연동은 다쏘시스템 카티아(CATIA)·에노비아(ENOVIA) 국내 파트너사인 케이이노텍이, 제조 현장의 설비·공정 시계열 데이터 처리는 마크베이스가 각각 참여기관으로 담당한다. 솔트룩스는 생성형 AI에 에이전틱 검색증강생성(RAG)과 온톨로지, 규칙 기반 검증 기술을 결합해 설계와 공정, 품질, 원가 데이터를 업무 맥락에서 연결하는 방식을 적용하고 있다. AI가 관련 문서를 찾아주는 데 그치지 않고 설계 변경이 어떤 부품과 공정, 규정에 영향을 미치는지 추론하고 근거를 제시하기 위해서다. 제조 AI는 최근 피지컬 AI와 자율 제조의 기반 기술로도 각광받고 있다. 지난달 젠슨 황 엔비디아 최고경영자(CEO)는 방한 기간 한국의 로보틱스와 자율 제조 생태계를 주요 의제로 언급했다. 정부도 반도체·피지컬 AI·AI 데이터센터를 '3대 메가프로젝트'로 제시하며 제조업 AI 전환(M.AX)을 국가 전략 과제로 포함했다. 업계에서는 제조 AI 성과가 모델 규모보다 현장 데이터를 얼마나 정확하고 안전하게 업무에 연결할 수 있는지에 따라 좌우될 것으로 본다. 로봇과 자율 생산 역시 제품·설비·공정 데이터를 AI가 이해할 수 있는 구조로 만드는 작업이 선행돼야 하는 만큼, 데이터 연결과 근거 검증 능력이 승부처가 될 것이라는 관측이다. 솔트룩스 관계자는 "제조 AI는 범용 모델을 공장에 가져다 놓는 일이 아니다"라며 "설계와 부품, 규격, 공정 데이터를 연결하고 AI가 어떤 근거로 판단했는지 확인할 수 있어야 한다"고 말했다. 이어 "제조기업의 데이터와 노하우를 실제 업무에 연결하는 것이 핵심"이라고 강조했다.
