마키나락스, ‘어텐션 2026’서 산업 AI 전략 제시…2028년 완전 자율공장 추진

마키나락스는 산업 현장에서 실제로 쓰이는 AI를 앞세워 2028년 완전 자율공장 구현을 추진한다고 밝혔다. 대상 산업 분야는 제조·에너지·국방이다. 전략 초점은 범용 AI 모델 성능 경쟁보다 현장 데이터·업무 프로세스·설비와 AI를 연결하는 데 두고, 목표는 생산성·사업 성과 연계에 맞췄다.

이 같은 방향의 실행 사례로 마키나락스는 액추에이터 제조기업 에너토크와 80개 이상 AX 과제를 발굴했다. AX 과제 추진 범위는 공장 운영 전반 자율화다.

마키나락스는 3일 웨스틴 서울 파르나스에서 산업 AI 컨퍼런스 '어텐션(ATTENTION) 2026'을 개최했다. 행사 주제는 'AI, 현장에 착륙하다(AI Has Landed)'다. 사전 신청자는 약 1600명이며, 행사에는 제조·에너지·반도체·국방·공공 분야 관계자 약 700명이 참석했다.

그랜드 키노트에는 윤성호 마키나락스 대표, 장영재 카이스트 석좌교수 겸 다임리서치 대표, 김성진 한국앤컴퍼니그룹 전무, 김영옥 HD현대 상무, 슈테판 후델마이어 디바이스 인사이트 클라우드 아키텍처 디렉터가 참여했다.

윤성호 대표는 AI 발전 속도와 기업 체감 생산성 향상 사이에 간극이 있다고 진단하며, AI 성능 지표의 향상과 기업 현장에서 실제로 느끼는 생산성 개선이 같은 속도로 이어지지 않는다고 설명했다.

그는 특히 제조·반도체·국방 분야에서는 작은 오류도 생산 차질·안전 문제로 연결된다고 짚으며, 높은 벤치마크 성능만으로는 현장 적용이 어렵다고 밝혔다.

윤성호 대표는 현장에서는 80% 정확도 적용 불가라고 설명하며, 벤치마크 고성능이 기업 AI 생산성과 직결되는 것은 아니라고 말했다.

그 배경으로는 산업 현장의 롱테일(Long-tail) 문제가 제시됐다. 설비 데이터·도면·작업자 판단 기준·숙련자 노하우는 공개 데이터만으로 학습하기 어려운 특성이 있고, 범용 모델은 예외 상황까지 처리하기 어렵다는 한계가 있다고 설명했다.

마키나락스는 FDE 조직 중심 운영을 통해 고객사 데이터·업무 프로세스 분석과 AI의 실제 시스템 연동을 진행해 왔다. 이 과정에서 방문 실적은 5개국 32개 도시 80여 개 고객 사이트였고, 현장 투입 시간은 7만 시간이었으며, 실운영 AI 모델은 6000건 이상이라고 밝혔다.

이 같은 적용은 설계도서 변경 검토에서 연간 1000시간 이상 절감으로 이어졌고, 글로벌 6개 자동차 생산공장 1400대 이상 로봇에도 AI가 적용됐다. 또한 한미연합훈련 '을지 자유의 방패(UFS)'에 참여해 군 전장망 대상 AI 시범 도입도 진행했다.

마키나락스는 이처럼 축적한 성과를 기업 경쟁력으로 남기기 위한 조건으로 '기업 AI 주권(Enterprise AI Sovereignty)'을 제시했다. 회사는 '기업 AI 주권'이 기업 데이터·업무 노하우·AI 결과물의 내부 자산 보유를 뜻하며, 특정 파운데이션 모델 비종속 구조와 GPU·클라우드 환경 비종속 구조를 포함한다고 설명했다.

윤 대표는 기업 내부 데이터·노하우와 이를 활용해 만든 AI·결과물은 기업이 완전히 소유할 필요가 있다고 밝혔다. 아울러 특정 파운데이션 모델에 종속되지 않아야 하고, 단일 인프라 환경에도 얽매이지 않는 것이 필요하다고 설명했다.

이 같은 원칙을 뒷받침하기 위한 AI 운영체제 '런웨이(Runway)'도 제시됐다. '런웨이(Runway)'는 데이터센터·공장 서버·엣지 장비를 대상으로 한다.

'런웨이(Runway)'는 이기종 환경에서 AI 모델·에이전트의 개발·배포·운영을 통합하는 기능을 갖췄다. 폐쇄망에서도 활용할 수 있도록 설계된 점도 특징으로 제시됐다.

마키나락스는 에너토크와 사무·생산 전 영역에서 80개 이상의 AX 과제를 발굴했다. 또 전환 계획으로 2026년 '보이는 공장', 2027년 '연결된 공장', 2028년 '자율화된 공장'을 제시했다.

장영재 카이스트 석좌교수 겸 다임리서치 대표는 제조업의 다음 단계로 공장 전체를 AI가 통합 운영하는 '공장 오케스트레이션'을 제시했다.

장 교수는 자율공장 운영에서 개별 공장 설비 집중의 중요성과 함께 다수 설비의 협업·정합이 핵심이라고 설명했다. 또 전체 공정 흐름 기반 운영 오케스트레이션이 필요하다고 말했다.

이런 방향과 맞물려 카이스트·다임리서치는 피지컬 AI 기반 자율공장 플랫폼 '카이로스(KAIROS)'를 개발 중이다. '카이로스(KAIROS)'는 센서·제어·생산 시스템·물류 시스템을 연결하고, 이기종 로봇·설비를 AI 통합 제어하는 구조다. 개발 출발점은 2016년 강화학습 기반 군집제어 연구이며, 디지털트윈·시뮬레이션·대규모언어모델(LLM)·로봇 제어 기술을 결합했다. 진행 현황으로는 올해 시스템 구축 1단계를 완료했다.

또 한국앤컴퍼니그룹은 AI의 제품 개발·기업 운영 적용 사례를 소개했다. 한국앤컴퍼니그룹은 그룹 통합 데이터 플랫폼을 기반으로 삼고 있으며, 활용 분야를 사내 대화형 AI·통번역·수요예측·물류 분석·품질 분석으로 확대하고 있다.

한국앤컴퍼니그룹은 제품 개발과 업무 수행에 AI를 결합하는 방향으로 접근하고 있다.

이 그룹은 마키나락스와 3년째 '타이어 패턴 생성 AI' 공동 개발을 진행하고 있다. 방식은 디자이너의 상품 특성·성능 조건 입력 이후 AI가 패턴을 생성하고, 사람의 평가·선택 결과를 다시 반영하는 구조다.

이와 관련해 김성진 전무는 AI의 역할이 디자이너 대체가 아니라고 밝혔다. 또 디자이너의 탐색 영역 확대에 의미를 두고, AI 단독 수행보다 사람-AI 공동 결과 창출이 중요하다고 설명했다.

업무 혁신 측면에서는 한국앤컴퍼니그룹이 현업 직원의 AI 활용 업무 프로그램 제작을 위한 바이브 코딩을 도입했다. 김성진 전무는 일부 업무 자동화만으로는 전사 생산성 향상에 한계가 있다고 보고, AI를 전제로 한 프로세스 재설계인 'PI on AI'를 강조했다.

이어 HD현대는 제조 AX 적용 범위를 설계·생산·선박 운항까지 확대하고 있다. HD현대는 제조 AX의 핵심으로 숙련인력 감소·환경 규제 강화 대응을 꼽고, 현장에 축적된 지식과 제조 노하우를 데이터·AI 자산으로 전환하는 데 초점을 맞추고 있다.

김영옥 상무는 제조업 노동력 감소를 짚으며 숙련기술 소멸 시 제조 경쟁력 기반 약화 가능성이 있다고 밝혔다. 이에 HD현대는 제조 AX 추진에 나섰다.

HD현대는 제조 AX 3대 축으로 사람·데이터·플랫폼을 제시하고, 조선소에서는 미래 첨단 조선소(FOS) 전략 추진에 나섰다. FOS 전략은 생산 현장 가시성 제고, 공정·데이터 연결, 지능형 자율운영 체계 전환을 내용으로 한다.

설계 단계에서는 디지털트윈 활용과 SSOT 활용을 바탕으로 2D 도면 중심 업무의 3D 모델 기반 전환을 추진하고 있다. 또한 설계·생산·품질·안전 지식 활용을 토대로 '조선 AI 명장 에이전트' 구축 추진에도 나서고 있다.

HD현대는 AI 적용 범위도 선박 운항 영역 확대에 나서고 있다. HD현대 보유 솔루션은 기관진단·안전관리·경제운항·자율운항이며, 해당 솔루션 기반으로 선박 운항 효율 향상과 선박 안전성 제고를 추진하고 있다. 장기 계획으로는 친환경 추진체계 결합과 소프트웨어 정의 선박(SDV) 발전을 제시했다.

해외 사례로는 디바이스 인사이트·마키나락스 공동 개발 에이전틱 AI 어시스턴트 '노라(Nora)'가 소개됐다. 풍력터빈은 한 대당 4000개 이상 센서를 갖추고, 유지보수에는 연간 5~10차례 기술자 방문이 필요해 과정이 복잡하다는 점이 먼저 제시됐다. 현장에서 장애 원인을 확인하지 못하면 부품을 바꿔가며 고장을 확인하거나 다시 방문해야 해 설비 정지시간과 비용이 함께 늘어나는 구조라고 설명했다.

이 같은 특성 때문에 서비스 엔지니어의 현장 대응에서는 첫 방문에서 해결하는 일이 핵심이라는 점도 함께 언급됐다. 슈테판 후델마이어 디바이스 인사이트 클라우드 아키텍처 디렉터는 노라가 과거 서비스 사례와 매뉴얼을 바탕으로 현장 대응을 도와 첫 방문 해결에 필요한 정보를 제공하는 역할을 한다는 취지로 설명했다.

노라는 풍력터빈 매뉴얼·정비 이력·ERP·텔레메트리 데이터를 분석해 현장 기술자에게 장애 원인과 점검 절차, 필요한 부품 정보를 자연어 방식으로 제시한다. 이를 통해 현장에서 원인을 특정하지 못해 재방문으로 이어지거나 불필요한 부품 교체를 반복하는 비효율을 줄일 수 있는 지원 수단으로 소개됐다.

디바이스 인사이트는 노라를 활용해 현장 정비에서 첫 방문 장애 해결 비율(FTFR)을 높이고 반복 출동을 줄이며 불필요한 부품 교체를 축소하고 있다. 또 원격 현장 대응용 오프라인 모드를 지원하고, 정비 과정에서 축적된 경험을 지식베이스에 재반영할 수 있도록 했다.

이런 사례를 바탕으로 산업 현장의 AI 도입 단계는 개별 기술 검증에서 생산·운영 전반 변화로 이동하고 있다. 특히 제조·조선·에너지처럼 현장 데이터와 숙련자 판단이 중요한 산업에서는 경쟁력 변수가 범용 모델 성능보다 실제 업무·설비와의 AI 연결 및 지속 고도화 역량에 있다는 흐름이다.

출처: 테크월드뉴스 · 김승기 기자
원문: https://www.epnc.co.kr/news/articleView.html?idxno=406516

참고자료

• https://www.epnc.co.kr/news/articleView.html?idxno=406516