첫 AI 공장 프로젝트를 기획 중인 한국 공장장, 제조 IT 팀, CIO를 위한 2026년 실전 가이드.
한국의 스마트팩토리 여정은 이미 성과를 만들어냈습니다. 스마트제조혁신추진단(KOSMO)의 5단계 인증 체계, 중소벤처기업부의 다년간 보급 사업, 그리고 삼성SDS Nexplant, LG CNS 스마트팩토리 솔루션, 포스코DX 인텔리전트 팩토리 플랫폼, SK·CJ 그룹 IT 계열사 솔루션의 폭넓은 확산 덕분에, 이제 대다수 한국 제조 기업에게 MES는 더 이상 병목이 아닙니다. 현장은 계측되었고, OEE 대시보드는 작동하며, 추적성도 확보되어 있습니다.
이제 새로운 질문이 등장합니다. M.AX(Manufacturing AI Transformation, 제조 AI 전환)가 명시적으로 던진 그 질문, 즉 "다음은 무엇인가"입니다.
2025년 삼성전자, 현대자동차, LG전자, 포스코, SK, 한국콜마 등 약 100개 국내 기업이 참여하는 M.AX 얼라이언스가 발표되었을 때, 그 의도는 MES를 교체하는 것이 아니었습니다. 지난 10년간 MES가 축적해온 제조 데이터 위에 AI를 얹는 것이었습니다. 한국콜마가 2029년까지 완전 AI 공장을 구축하겠다고 약속한 사례가 그 방향성을 잘 보여줍니다. 이제 질문은 "우리에게 MES가 있는가?"가 아니라 "우리는 MES에서 어떤 인텔리전스를 끌어내고 있는가?"입니다.
이 글은 이미 MES를 운영 중이며, 기존 시스템을 그대로 두면서 AI 공장이 실제로 어떤 모습인지 이해하고 싶은 한국 제조 IT 팀을 위한 실전 가이드입니다.
피해야 할 실수: AI 공장 ≠ 새 MES
지금 한국 스마트팩토리 기획에서 가장 큰 예산 낭비는 M.AX를 MES 재발주의 명분으로 삼는 것입니다. 그것은 옳지 않습니다. 이미 운영 중인 MES를 교체하는 것은 18~36개월이 걸리는 작업이며, 기존 시스템이 이미 깨끗한 데이터를 히스토리안에 공급하고 있다면 추가 가치는 미미합니다. 더 나쁜 것은, 그 아래의 AI 도구가 6개월마다 변하고 있는 시점에 다년간의 통합 사이클에 다시 묶이게 된다는 점입니다.
더 지속 가능한 아키텍처는 MES를 시스템 오브 레코드(System of Record)로 두고, 그 위에 AI 레이어를 얹는 것입니다. AI 레이어는 MES, OPC UA 스트림, 품질 시스템, MOM, ERP에서 데이터를 읽고, 비정형 소스(작업표준서, 작업지시서, 협력사 이메일, 사고 보고서, 카카오워크 채널)에서도 정보를 흡수합니다. 출력은 대시보드, 모바일 클라이언트, 그리고 사람의 승인을 거쳐 선별적으로 MES로 다시 기록됩니다.
이것이 M.AX가 실제로 보상하는 아키텍처입니다. 또한 자산 관리 셸(Asset Administration Shell, AAS)과 OPC UA Companion Specification이 설계 단계에서부터 지원하도록 만든 구조이며, KOSMO가 독일 Plattform Industrie 4.0과의 표준화 협력에서 정확히 이 레이어들을 강조해온 이유이기도 합니다.
MES 위에 AI를 얹어 측정 가능한 가치를 만드는 5가지 활용 사례
태국, 일본, APAC 전반의 제조 클라이언트와 협업하면서, 6~12개월 안에 ROI를 달성하는 5가지 활용 사례를 반복적으로 확인했습니다. 어느 것도 MES 교체가 필요하지 않습니다.
1. 다국어 작업표준서 및 작업지시서 검색
한국 공장은 점점 더 다국적 교대 근무로 운영됩니다. 한국인, 베트남인, 몽골인 현장 근로자, 일본어와 영어로 된 엔지니어링 문서, 중국어 협력사 도면이 한 공장에 공존합니다. 작업표준서, ECN, 작업지시서를 RAG(검색 증강 생성) 시스템으로 인덱싱하고 핸드헬드 스캐너 또는 키오스크에서 어떤 언어로든 질의할 수 있게 만들면, 다국어 환경에서 회피 가능한 불량의 상당 부분을 유발하던 임시 통역 체인을 대체할 수 있습니다. 일반적으로 가장 안전한 첫 파일럿입니다.
2. 교대 인수인계를 위한 이상 상황 요약
MES 알람은 노이즈가 많습니다. 12시간 교대는 수백 건의 이벤트를 발생시키지만, 다음 교대조는 그중 10건도 제대로 보지 못합니다. 직전 교대의 알람 로그, OEE 분해 데이터, 작업자 메모를 읽고 원본 MES 이벤트로의 인용과 함께 5줄짜리 인수인계 요약을 생성하는 LLM은, 인수인계당 20~30분의 시간 절약과 교대 간 반복 이슈의 측정 가능한 감소를 만들어냅니다.
3. 협력사 문서 QA
삼성전자, 현대모비스, LG에너지솔루션의 1차 협력사는 매년 수천 건의 협력사 PCN, ECN, MSDS, CoC를 받습니다. 대부분 한국어, 영어, 일본어가 섞인 PDF 문서입니다. 협력사 문서 코퍼스 위에 RAG를 구축하고 PostgreSQL로 정형 추출까지 하면, 품질팀이 "지난 6개월 동안 이 PCN의 영향을 받은 부품을 출하한 협력사는 어디인가?"를 자연어로 묻고 라인 아이템 인용과 함께 답변을 받을 수 있습니다.
4. 비정형 작업자 메모 기반 예측 품질
MES는 정형 품질 데이터를 수집합니다. 그러나 작업자가 교대 일지, 정비 티켓, 카카오워크 채널에 남기는 자유 텍스트 코멘트는 수집하지 않습니다. 정형 품질 데이터와 비정형 코멘트를 함께 흡수하고 통계적 상관관계를 표면화하는 LLM은, 오늘날 가장 저비용으로 구축할 수 있는 예측 품질 시스템입니다. SPC 엔지니어를 대체하는 것이 아니라, 그들이 어디를 먼저 봐야 할지를 알려주는 것입니다.
5. 사고 대응 및 근본 원인 분석 지원
라인이 멈췄을 때, 무엇을 해야 하는지 아는 사람들은 교대조, 사이트, 직급에 따라 흩어져 있습니다. 과거 사고 이력, MES 이벤트 로그, 엔지니어링 지식베이스 위에 구축된 RAG 시스템은 1분 안에 가능한 원인과 조치 단계의 순위 목록을 생성할 수 있습니다. 엔지니어링 판단을 대체하는 것이 아닙니다. 진단의 첫 80%를 즉시, 현장 근무자에게 제공하는 것입니다.
참조 아키텍처
아래는 우리가 제조 클라이언트에 배포하는 아키텍처입니다. 모든 컴포넌트는 교체 가능하며, 중요한 것은 관심사의 분리(Separation of Concerns)입니다.
flowchart TD
subgraph "현장 (기존 시스템)"
A["PLC 및 센서"]
B["OPC UA 서버"]
A --> B
end
subgraph "제조 시스템 (기존 시스템)"
C["MES (Nexplant / LG CNS / 포스코DX)"]
D["히스토리안 / SCADA"]
E["MOM 및 ERP"]
F["품질 시스템"]
B --> C
B --> D
C --> E
C --> F
end
subgraph "비정형 데이터 소스"
U1["작업표준서 및 작업지시서"]
U2["협력사 문서"]
U3["사고 보고서"]
U4["카카오워크 및 이메일"]
end
subgraph "AI 레이어 (신규)"
G["데이터 수집 및 ETL"]
H["임베딩 서비스 (multilingual-e5)"]
I["벡터 스토어 (pgvector)"]
J["RAG 오케스트레이션 (LlamaIndex)"]
K["LLM 게이트웨이"]
L["한국어 LLM (HyperCLOVA X)"]
M["클라우드 LLM (Claude)"]
N["온프레미스 LLM (Ollama)"]
C --> G
D --> G
E --> G
F --> G
U1 --> G
U2 --> G
U3 --> G
U4 --> G
G --> H
H --> I
I --> J
J --> K
K --> L
K --> M
K --> N
end
subgraph "사용자 인터페이스"
P["다국어 작업자 키오스크"]
Q["엔지니어 대시보드"]
R["모바일 앱"]
S["카카오워크 봇"]
K --> P
K --> Q
K --> R
K --> S
end이 아키텍처의 원칙은 다음과 같습니다.
MES는 시스템 오브 레코드로 유지합니다. 어떤 AI 컴포넌트도 사람의 승인과 완전한 감사 추적 없이는 MES에 직접 쓰기를 수행하지 않습니다. ISMS-P 인증 환경에서는 타협할 수 없는 원칙입니다.
기본은 읽기 전용입니다. AI 레이어는 MES, 히스토리안, ERP, 비정형 소스에서 데이터를 읽습니다. 쓰기 동작은 기본값이 아니라 의도적인 엔지니어링 결정입니다.
임베딩은 국내에서. 개인정보 보호법(PIPA)과 주요정보통신기반시설 규정은 작업자에게 연결될 수 있는 데이터, 또는 생산 기밀에서 파생된 임베딩의 국외 이전에 실질적인 법적 노출을 만듭니다. 임베딩 모델(multilingual-e5-large, bge-m3, 또는 한국어 튜닝 변형)은 한국 내 VPC에서 운영하십시오.
LLM 선택은 가역적이어야 합니다. LLM을 게이트웨이 인터페이스 뒤에 두어 HyperCLOVA X, Claude, GPT, 또는 로컬 Ollama 모델 사이를 애플리케이션 레이어를 다시 작성하지 않고 교체할 수 있게 만드십시오. 한국 LLM 시장이 빠르게 움직이고 있으며, 3년짜리 조달 일정은 어떤 단일 모델 선택보다 오래 갈 것이기 때문입니다.
벡터 스토어는 MES에 가깝게. 대부분의 공장에서는 기존 PostgreSQL 배포에 pgvector를 추가하는 것이 가장 마찰이 적은 옵션입니다. 전용 벡터 데이터베이스(Qdrant, Milvus, Weaviate)는 규모가 커진 뒤에는 의미가 있지만, 첫날부터 필요한 경우는 드뭅니다.
한국 규제 고려사항
한국에서 MES 위 AI 배포를 좌우하는 세 가지 프레임워크가 있으며, 이를 잘못 처리하는 비용은 아키텍처를 잘못 설계하는 비용보다 큽니다.
개인정보 보호법(PIPA). 공장이 작업자에게 연결될 수 있는 데이터(출입카드 스캔, 생체 인식 출입, 사진 기반 사고 보고서, 심지어 이름과 연결된 교대 일정)를 수집한다면 PIPA가 적용됩니다. 이러한 데이터에서 파생된 임베딩의 국외 이전은 제한됩니다. 실무적으로는 임베딩 파이프라인이 국내에서 운영되어야 하며, 개인정보보호위원회(PIPC)를 위한 명시적인 데이터 흐름 인벤토리를 유지해야 합니다.
ISMS와 ISMS-P 인증. 대기업이나 정부에 납품한다면, ISMS 또는 ISMS-P 인증 요구사항이 AI 인프라까지 확장될 것을 예상해야 합니다. 이는 선택 사항이 아니며, 이미 배포된 시스템에 ISMS를 사후 적용하는 것은 처음부터 인증을 염두에 두고 설계하는 것보다 실질적으로 더 비쌉니다. 첫 인제스트 작업을 작성하기 전에 감사 추적, 접근 제어, 키 관리를 계획하십시오.
주요정보통신기반시설(CII) 지정. 반도체, 배터리, 방산, 에너지, 일부 화학 분야의 공장은 CII로 지정될 수 있으며, 이 경우 생산 데이터를 다루는 모든 IT 시스템에 과학기술정보통신부(MSIT)와 한국인터넷진흥원(KISA)의 추가 의무가 부과됩니다. AI 프로젝트를 기획하기 전에 CII 상태를 먼저 확인하십시오. 클라우드 LLM 엔드포인트가 허용되는지 여부를 결정하기 때문입니다.
90일 파일럿 프레임워크
한국 제조 시장은 베이퍼웨어를 용서하지 않습니다. 신뢰를 가장 빨리 얻는 길은 좁고 측정 가능한 파일럿으로 아키텍처를 먼저 증명한 뒤 확장하는 것입니다.
1~30일차 — 데이터 배관. MES, 히스토리안, MOM, 비정형 소스를 인벤토리화합니다. VPC 내부에 pgvector와 임베딩 파이프라인을 구축합니다. 위 5가지 사례 중 하나를 선택합니다. 다국어 작업표준서 검색이 가장 안전한 첫 선택입니다. 베이스라인 지표가 명확하고 규제 노출이 최소이기 때문입니다.
31~60일차 — 작동하는 파일럿. 500~1,000개의 문서를 인덱싱합니다. 인용을 강제하는 RAG를 배포합니다(소스 없이는 답변 없음). 5~10명의 작업자에게 제공합니다. 질의 횟수, 유용한 답변 비율, 질의당 절약 시간을 측정합니다. 모델 선택이 아니라 검색 품질을 반복 개선합니다. 대부분의 파일럿 실패는 모델 실패로 위장한 검색 실패입니다.
61~90일차 — 평가와 로드맵. ROI를 정직하게 정량화합니다. 파일럿이 측정 가능한 시간 절약을 만들어내지 못했다면, 더 쓰기 전에 멈추고 재범위를 설정합니다. 만들어냈다면, 두 번째 사례 — 보통 이상 상황 요약이나 협력사 문서 QA — 를 중심으로 2단계를 설계합니다. 운영 배포를 위한 ISMS 범위 설정 논의를 시작합니다.
Simplico의 역할
Simplico는 태국, 일본, APAC 전반의 클라이언트를 위해 RAG와 MES 위 AI 시스템을 구축해왔습니다. LlamaIndex, pgvector, multilingual-e5-large 임베딩, 모델에 종속되지 않는 LLM 게이트웨이를 기반으로 하는 simpliDoc 플랫폼은 우리 제조 클라이언트가 사용하는 RAG 백본입니다. 우리 스택은 한국 제조사가 실제로 직면하는 규제와 언어 제약을 위해 설계되었습니다. 국내 임베딩, 온프레미스 LLM 폴백, 인용 강제가 그 예입니다.
한국 프로젝트에서는 통합, ISMS 인증, 현장 배포에 대해 국내 SI 파트너와 협력하면서, AI 아키텍처, 검색 파이프라인, 다국어 콘텐츠 레이어를 직접 책임집니다.
M.AX 정렬 프로젝트를 기획 중이고 예산을 확정하기 전에 아키텍처에 대한 두 번째 의견을 원하신다면, 자격을 갖춘 제조사를 위해 무료 2시간 기술 리뷰를 제공합니다. contact@simplico.net으로 연락 주십시오.
Simplico는 태국, 일본, 중국, 글로벌 영어권 시장에서 10년 이상의 엔터프라이즈 딜리버리 경험을 가진 방콕 기반 소프트웨어 엔지니어링 및 프로덕트 스튜디오입니다. AI/RAG 애플리케이션, ERP 통합, 제조 시스템, OT/SOC 사이버보안을 전문으로 합니다.