코오롱베니트 “AI가 읽어야 할 건 데이터 너머 ‘업무 맥락’”

AI 성과를 내려면 도입 자체보다 데이터 연결과 업무 맥락 파악, 분석 결과의 실제 업무 반영이 필요하다는 점이 제시됐다. 장재용 코오롱베니트 DX본부장은 13일 서울 용산구 서울드래곤시티에서 열린 '코오롱베니트 AX 부스트 서밋 2026'에서 이 같은 내용의 발표를 진행했다.

장 본부장은 'FROM AI TO VALUE: AI 도입기업에서, AI 성과기업으로'를 주제로 제조 현장 사례를 중심으로 발표했다. 그는 AI 도입이 성과로 이어지지 못하는 원인을 점검하고, AI 도입 성과화 해법을 제시했다.

장 본부장은 AI를 도입한 뒤에도 현장 업무 방식이 그대로인 경우에 주목해야 한다고 강조했다. 그는 공장에서 불량이 발생하면 생산·설비·품질 기록이 여러 시스템에 분산돼 있고, 이 분산 기록을 각각 수집한 뒤 숙련자가 원인을 판단하며 전화·회의로 조치를 결정하는 방식이 이어진다고 설명했다.

장 본부장은 이 같은 제조 현장 사례를 통해 데이터가 여러 시스템에 흩어져 있고 판단·조치 과정도 수작업 중심으로 남아 있는 상황을 짚었다. 사진은 장재용 코오롱베니트 DX본부장이 발표하는 모습으로, 사진은 양승갑 기자가 촬영했다.

제조 현장의 문제를 해결하는 방안으로는 데이터 간 관계를 연결하는 것이 제시됐다. 설비 온도 92도라는 단독 정보만으로는 이상 여부를 판단하기 곤란하며, 원료 변경 이후 특정 설비의 온도 상승이라는 맥락을 함께 파악할 때 원인 파악이 가능하다는 설명이다. 핵심은 AI가 현장 상황을 이해하는 것을 기반으로 문제를 진단하는 데 있다.

그는 기존 공장에서는 관련 데이터를 탐색하고 수집하고 대조하는 데 대부분의 시간이 소요되고, 분석은 후행한다고 밝혔다. 반면 데이터가 연결된 공장에서는 이런 준비 시간을 대폭 축소할 수 있다고 말했다. 이를 위해 필요한 역량으로는 온톨로지와 프로세스 인텔리전스, AI 에이전트가 제시됐다.

초점은 AI 진단 결과를 실제 업무에 반영하는 데 맞춰졌다. 진단 결과는 작업지시와 운전조건 변경 제안에 반영되는 대상이다. 다만 제조 현장에서는 AI의 판단이 설비 운전 등 실제 공장 운영에 영향을 줄 수 있는 만큼, 실행 과정에 대한 통제가 필요하다고 설명했다.

그는 제조 현장에서 AI가 수행해야 할 역할과 사람의 승인 범위를 나눠야 한다는 원칙을 먼저 밝혔다. 그는 AI의 공장 임의 통제는 불가하다고 했고, 이상 탐지·원인 분석·조치 추천·사람 승인·허용 범위 내 실행의 단계 구분이 필요하다고 설명했다.

이어 코오롱베니트의 제조 AX 성과를 소개했다. 코오롱베니트는 밸브 조작 자동화를 수행했고, 작업자의 육안 경계면 판단에는 비전 AI·계측 기술을 지원했으며, 샘플 분석 결과 대기시간을 단축했다. 장 본부장은 이 같은 내용과 함께 생산 능력이 28.6% 향상됐다고 설명했다.

장 본부장은 AX 방법론도 제시했다. AX 방법론의 구성은 과제 선정·인프라 구성·업무 재설계·조직 변화·성과 측정·운영으로 이뤄졌으며, 해결 과제 설정 단계부터 업무 적용·성과 관리·도입 후 운영까지 함께 설계하는 접근이라고 설명했다.

그는 AI의 미래가 기술 자체보다 AI가 바꾸는 비즈니스에 있다고 밝혔다. 또한 코오롱베니트는 기술 소개에 그치지 않고 고객 현장 운영 방식과 성과 창출까지 함께하겠다는 입장이라고 전했다.

출처: 아이티데일리 (IT DAILY) · 양승갑 기자
원문: https://www.itdaily.kr/news/articleView.html?idxno=242146

참고자료

• https://www.itdaily.kr/news/articleView.html?idxno=242146