Google로 로그인
By Inforience in AI_Current —

실제 제조 현장에는 AI가 어떻게 투영되고 있을까?

제조 분야의 전문가들이 활동하는 글로벌 커뮤니티에서 최근 2주동안 언급된 내용들을 발췌, 분석해 보았습니다. 모든 세부 토론 내용들이 매우 흥미롭지만 지면의 제약이 있으니 일단 정리된 내용을 공유해 봅니다.

전체 시사점

(1) 제조업은 현재 '시스템화되지 않은 과거의 유산'과 'AI라는 미래의 요구' 사이에서 거대한 전환기를 맞이하고 있습니다.

(2) 향후 제조업에서 성공하기 위해서는 다음과 같은 노력이 필요해 보입니다.

  • 설계 단계부터 제조 효율을 고려하는 DFM(Design for Manufacturing) 역량을 갖추어야 합니다.
  • 현장의 암묵지를 디지털 데이터로 전환하는 노력이 필요합니다.
  • 대규모 시스템 도입이 부담스러운 업체들은 LLM을 활용해 맞춤형 도구를 직접 제작하는 '시민 개발자' 방식의 접근이 효과적인 대안이 될 수 있습니다.
  • 기술의 화려한 수식어에 현혹되기보다, 현장의 작은 병목 현상을 해결할 수 있는 실질적인 데이터 연결과 공정 표준화에 주목해야 합니다.

개요

현대의 제조업은 제품 생산 뿐만 아니라 효율적 운영과 데이터 관리를 포함하는 과정에서 전환기를 겪고 있습니다.

(1) 엑셀과 같은 전통적인 도구의 가벼움과 ERP, MES(제조 실행 시스템)등의 무거움 사이에서 균형점을 찾기 위한 노력이 진행되고 있습니다.

(2) 제프 베이조스와 같은 빅테크 거물들의 제조 AI 도입 시도와 제조업에 대한 OpenAI의 협력 소식은 파장을 일으켰습니다.

(3) 그러나 실제 현장의 전문가들은 기초적인 데이터 정제와 공정 표준화가 빠진 AI의 도입을 그저 “고장 난 골프 카트에 장착한 로켓 엔진”에 비유하며 신중한 태도를 보이고 있습니다.

(4) 숙련된 근무자들이 가진 암묵지의 소실 문제가 화두가 되고 있으며, 이를 해결하기 위해 LLM을 활용하여 표준작업절차(SOP)를 생성하거나 저비용으로 비전 시스템을 구축하려는 실무적인 시도가 활발히 검토되고 있습니다.

(5) 그러나 유럽의 GDPR(General Data Protection Regulation)와 같은 법적 제약, AI의 환각현상에 대한 불신, 그리고 수익률만을 고집하는 사모펀드 개입으로 인한 품질 저하와 인력난 등과 같은 난제들이 기술 혁신의 속도를 늦추고 있습니다.

(6) 결론적으로 현대 제조업의 미래는 화려한 기술 도입 그 자체보다, 현장의 숙련된 경험을 어떻게 디지털 데이터로 전환하고 이를 조직 문화와 융합시키느냐에 달려 있다고 볼 수 있습니다.

주요 동향

(1) 기술 만능주의에 대한 현실적 자각

  • AI나 ERP에 대한 기대가 낮아지고, 데이터가 담보되지 않으면 어떤 첨단 기술도 쓸모없다는 인식이 확산.

(2) “암묵지의 디지털화” 필요성 대두

  • 비디오 녹화, 위키 형태의 지식 공유 등 다양한 시도가 이뤄지고 있습니다.

(3) 인력난과 기술적 양극화

  • 단순 노무직의 대체과정이 적극적으로 고려되는 가운데 전기, 기계, 소프트웨어를 모두 다룰 수 있는 고숙련 엔지니어를 고용하기는 어려운 상황입니다.

(4) 엑셀의 연속성

  • 무거운 시스템이 채워주지 못하는 현장의 유연성을 위해 여전히 스프레드시트가 핵심 도구로 남아있습니다.

(5) 저비용 DIY 기술 도입

  • 라즈베리 파이나 파이썬, LLM을 활용해 고가의 산업용 장비를 대체하려는 움직임이 나타납니다.

관점의 차이

다음과 같은 관점의 차이는 결국 제조업의 본질을 '데이터 시스템'으로 보느냐, '물리적 숙련 기술'로 보느냐의 근본적 시각 차이에서 비롯됩니다.

(1) 기술 낙관론과 현장 회의론

  • 빅테크와 경영진은 제조업을 코딩처럼 시스템화하고 AI로 최적화할 수 있다고 보지만, 현장의 베테랑들은 제조가 물리적 변수와 기계적 오차가 결합된 영역이기에 '실행 취소'가 불가능한 고위험 분야라고 반박합니다.

(2) AI 도입 범위

  • SOP 작성이나 문서 요약 등 행정 업무에는 AI가 혁신적이라는 긍정적 시각이 있는 반면 일정 관리나 견적 산출처럼 수치적 정확성이 매우 중요한 영역에서는 AI의 환각 현상을 우려해 도입을 거부하는 신중론이 강합니다.

(3) 규제와 경제 정책

  • GDPR(General Data Protection Regulation)이 데이터 주권을 지킨다는 입장과 경쟁력을 약화시킨다는 입장이 대립합니다.
  • 미국에서는 리쇼어링(해외 진출 기업으로 하여금 다시 본국으로 돌아오게 하는) 정책이 투자를 이끌어낸다는 긍정론과 관세로 인한 비용 상승을 초래했다는 비판론이 공존합니다.