[포커스] AX 시대의 제조 혁신, 피지컬 AI와 지능형 에이전트가 이끈다
‘PLM/DX 베스트 프랙티스 컨퍼런스 2026’이 6월 18~19일 온라인으로 진행됐다. ‘PLM을 넘어 AX, 피지컬 AI로의 진화’를 주제로 한 올해 행사에서는 AX(AI 전환) 시대를 맞아 제조업계의 핵심 화두로 떠오른 AI 에이전트, 디지털 스레드(digital thread), 온톨로지(ontology), 피지컬 AI(physical AI), 로봇 데이터 팩토리 등이 접목된 산업별 성공 사례와 최신 기술 트렌드를 다루었다. 또한 우리 제조 경쟁력을 한 단계 도약시킬 미래 지능형 제조 시대의 청사진을 제시했다. ■ 정수진 편집장
‘PLM/DX 베스트 프랙티스 컨퍼런스 2026’은 한국CDE학회, 캐드앤그래픽스, 한국산업지능화협회가 주최하고, 한국산업지능화협회 PLM 기술위원회가 주관했다. 후원사로는 지멘스 디지털 인더스트리 소프트웨어, 다쏘시스템코리아, 아이지피넷, 피앤피어드바이저리, 이에이트, PTC코리아, 컨택트 소프트웨어, 알씨케이가 참가했다.
AX·피지컬 AI 시대의 PLM과 제조 데이터 연결의 과제
한국산업지능화협회 PLM 기술위원회 위원장인 서효원 KAIST 명예교수는 개회사에서 “생성형 AI, 에이전트 AI, 피지컬 AI 등 새로운 지능형 기술이 국내 산업과 PLM/DX 분야에 깊숙이 들어오고 있다”면서, “이런 기술 중 무엇이 우리에게 실질적인 도움이 되고, 반대로 무엇이 이슈나 병목 요인이 되는지 면밀히 살펴봐야 한다”고 전했다. 또한, “기업마다 초기부터 지금까지 유지해 온 고유의 PLM 사상과 시스템이 다르기 때문에, AI를 단순히 도입하는 것을 넘어 실질적인 효과를 거두기 위해서는 각 기업의 구체적인 상황과 맥락을 고려해 AI를 적용해야 한다”고 짚었다.
▲ 한국산업지능화협회 PLM 기술위원회 서효원 위원장
한국CDE학회 회장인 정현 충남대학교 자율운항시스템공학과 교수는 격려사를 통해 “데이터 관리와 프로세스 연결을 넘어, 이제는 AI가 판단을 내리고 실제 제품·설비·로봇과 연결되어 현장의 실행까지 바꾸는 AX 및 피지컬 AI 시대로 나아가고 있다”고 짚었다. 그리고 “제조업의 핵심 과제는 흩어진 제조 데이터와 엔지니어링 지식을 AI가 이해할 수 있는 형태로 잘 연결하고, AI를 현장에 맞게 활용하는 역량에 달려있다”면서, “디지털 스레드, 온톨로지, AI 에이전트 등을 바탕으로 PLM이 단순한 시스템을 넘어 지능형 의사결정 플랫폼으로 발전해야 한다”고 덧붙였다.
▲ 한국CDE학회 정현 회장
설계·제조 데이터의 애셋화와 산업별 AX 혁신 사례
행사의 첫째 날인 6월 18일에는 ‘PLM 베스트 프랙티스 적용 사례 & DX 전략’을 중심으로, 데이터 관리를 넘어 설계와 제조 데이터를 AI가 활용할 수 있는 자산으로 변환하는 DX 전략을 집중 조명했다. 7편의 발표에서는 기업이 분산된 지식을 디지털 스레드로 연결하고 지능형 플랫폼을 구축해 나가는 혁신 과정을 짚으면서, AI 에이전트와 통합 시스템을 현장에 적용해 업무의 파편화를 막고 생산성을 극대화한 산업별 사례를 소개했다.
▲ 한국자동차연구원 전병욱 AI·자율주행기술연구소장
한국자동차연구원의 전병욱 AI·자율주행기술연구소장은 ‘디지털을 넘어 피지컬 AI로 : AI 모빌리티 시대 패러다임 전환’을 주제로 한 기조연설에서 모빌리티 산업이 디지털 시대에서 피지컬 AI라는 새로운 패러다임으로 전환하는 중이라고 짚었다. 육체노동이 지식 노동으로 대량 생산화되기까지 불과 100년의 시간이 걸렸는데, 지식 노동이 대량 생산되는 압축 성장의 한가운데에서 자동차 역시 단순한 이동 수단을 넘어 지능형 모빌리티로 발전하고 있다는 것이다.
전병욱 소장은 소프트웨어 중심 자동차(SDV)를 넘어 AI가 주도하는 시대로 가기 위한 핵심 열쇠로 피지컬 AI를 꼽으면서, “가상 공간에 머물던 AI가 현실 세계로 나와 사물을 인식하고 움직이기 위해서는 세상의 물리 법칙과 인과관계를 이해하는 ‘월드 모델’이 필수”라고 강조했다. 또한 로봇과 자동차의 경계가 모호해지는 미래에는 두 생태계를 아우르는 통합 구축이 필요하다고 설명했다.
그는 “예측 불가능한 돌발 상황에서도 안전한 행동을 보장하는 신뢰성을 확보하고 국내 산업의 다양한 현장 지식을 피지컬 AI 학습용 데이터로 이끌어내는 역량이 미래 산업의 최우선 경쟁력이 될 것”이라고 전망했다.
▲ 지멘스 디지털 인더스트리 소프트웨어 안지훈 수석본부장
지멘스 디지털 인더스트리 소프트웨어의 안지훈 수석본부장은 ‘디지털 엔터프라이즈 실행을 위한 지멘스의 개발/제조 AI 전략’ 기조연설을 통해 디지털 엔터프라이즈를 실현하기 위한 구체적인 개발 및 제조 AI 전략을 제시했다. 그는 “현재 제조업계에서 AI가 필수적인 화두로 떠올랐지만, 환각 현상으로 인해 잘못된 치수나 공정 데이터가 현장에 흘러갈 경우 막대한 손실이 생길 수 있다”고 짚었다.
성공적인 AI 도입을 위해 분산된 데이터의 연결과 맥락 부여를 뜻하는 ‘데이터 인텔리전스’의 중요성을 강조한 안지훈 수석본부장은 “결국 AI 가치는 모델이 아니라 업무 방식의 변화와 운영체계의 혁신에서 만들어진다”고 전했다. 또한, 그 해답으로 방대한 산업 노하우가 담긴 기본 모델, 맞춤형 AI 에이전트를 만들 수 있는 산업용 앱, 그리고 흩어진 데이터의 맥락을 엮어내는 온톨로지 지식 그래프 구조를 제안했다.
“부서나 시스템 간에 고립된 데이터의 장벽을 허물고 유기적으로 이어지는 디지털 스레드를 구축할 때 전사적으로 신뢰할 수 있는 지능형 의사결정 기반이 마련된다”고 전한 안지훈 수석본부장은 “지멘스는 설계부터 제조까지 다양한 영역의 AI 에이전트가 유기적으로 협력하는 생태계를 바탕으로, 미래 지능형 자동화 제조 시대를 유연하고 굳건하게 주도할 수 있다”고 소개했다.
▲ 다쏘시스템코리아 최현준 파트너
다쏘시스템코리아의 최현준 파트너는 ‘버추얼 컴패니언 AURA를 활용한 프로젝트 관리 혁신’을 주제로 발표를 진행했다. 그는 “최근 생성형 AI는 단순한 질의 응답 수준을 넘어서 실제 업무를 지원하고 수행하는 단계로 발전하고 있다”면서, 다쏘시스템의 가상 동반자(virtual companion)인 아우라(AURA)를 내세워 프로젝트 관리의 판도가 어떻게 뒤바뀌고 있는지 소개했다.
아우라는 기업 내부에 오랜 기간 축적된 방대한 지식 자산과 프로세스를 이해하고 적재적소에 최적의 정보를 제공하는 지능형 설루션이다. 기존의 프로젝트 시스템이 단순히 정보와 일정을 수동적으로 관리하는 데 그쳤다면, 아우라는 AI가 능동적으로 현황을 분석하고 일정 지연 가능성을 예측하여 대응 방안까지 제시한다. 나아가 복잡한 업무를 세분화해 담당자에게 할당하고, 수많은 시간이 소요되던 결과 보고서까지 스스로 작성하는 등 실행력을 갖춘 조력자로 활약할 수 있다.
최현준 파트너는 “이런 기술적 도약은 특정 전문가에게만 머물러 있던 귀중한 노하우를 임직원 누구나 쉽게 누릴 수 있도록 돕는다”면서, “미래의 제품 개발 과정은 사람이 모든 데이터를 직접 찾는 낡은 방식에서 벗어나, 지능적인 가상 동반자와 소통하며 빠르고 정확한 의사결정을 내리는 새로운 협업 생태계로 진화할 것”이라고 전망했다.
▲ PTC코리아 엄형욱 총괄책임
PTC코리아의 엄형욱 총괄책임은 ‘제조기업은 왜 다시 PLM에 투자하는가 − AI·옴니버스·디지털 스레드 시대의 제조 데이터 혁신’ 발표를 통해, AI 시대에 제조 기업들이 PLM에 주목하고 투자를 늘리고 있는 배경을 분석했다.
그는 “현재 글로벌 선도 기업들은 AI 모델 자체를 넘어 현실 세계의 제품과 공정을 AI가 완벽하게 학습할 수 있도록 데이터 기반을 다지는 데 사활을 걸고 있다. 아무리 뛰어난 AI라도 흩어지고 파편화된 신뢰할 수 없는 데이터 위에서는 잘못된 결과를 내놓기 때문”이라고 짚으면서, 디지털 트윈을 시도하는 기업들이 겪는 현실적인 장벽을 극복하기 위해서는 연결된 데이터 구조가 필요하다고 전했다.
구체적인 해법으로 엄형욱 총괄책임이 제시한 것은 3D 모델 기반 정의, 자재 명세서 통합, 디지털 변경 관리 등을 통해 고립된 정보를 디지털 스레드로 엮어내는 지능형 PLM 전략이다. 그는 이러한 기반 위에서 PTC의 윈칠 AI(Windchill AI)가 제공하는 유사 부품 합리화와 자연어 기반 지식 탐색 에이전트가 의사결정 속도를 높이고 업무 생산성을 끌어올릴 수 있는 방안을 소개했다. 또한 데이터의 일관성과 연결성을 확보하는 것이 다가올 시대의 진정한 제조 경쟁력이 될 것이라고 덧붙였다.
▲ 콘택트 소프트웨어 이상훈 한국지사장
콘택트 소프트웨어의 이상훈 한국지사장은 ‘자동차 전장기업 KOSTAL의 글로벌 디지털 전환’ 발표에서 코스탈(KOSTAL)의 성공 사례를 소개하면서 실용적이고 단계적인 디지털 전환 전략을 전달했다. “많은 제조 기업이 여전히 엑셀과 이메일에 의존하는 환경에 갖혀 있다. 이런 수작업 방식은 글로벌 협업을 가로막고 제품 변경 대응 속도를 늦추는 숨은 병목 현상으로 작용한다”고 짚은 이상훈 지사장은 낡은 방식을 버리고 단일 플랫폼 중심의 변화 관리를 시작할 것을 제안했다.
이상훈 지사장이 제안한 현실적인 접근법은 거대한 시스템을 한 번에 도입하기보다는 현업의 시급한 문제부터 해결하며 작은 성공을 확장해 나가는 것이다. 그는 “코스탈은 콘택트 소프트웨어의 CIM 데이터베이스(CIM Database) 기반 플랫폼을 활용해 엑셀 중심의 업무를 완전히 디지털화했고, 결과적으로 리드 타임을 줄이며 전 세계 조직의 투명성을 확보했다”고 소개했다.
코스탈의 이런 혁신 과정이 제조 기업 내부의 파편화된 프로세스를 촘촘하게 연결하는 강력한 디지털 백본의 필요성을 보여준다고 설명한 이상훈 지사장은 “기업 내 숨겨진 병목을 찾고 디지털화로 이를 해소하는 것이 다가올 미래 제조 경쟁력의 출발점”이라고 전했다.
▲ HD한국조선해양 권오욱 책임
HD한국조선해양의 권오욱 책임은 ‘차세대 조선 생산 데이터 표준화 프로젝트 과정과 향후 방향’을 주제로 한 발표를 통해, 심각한 생산 인력 감소라는 현실 속에서 조선업계가 생존하기 위해 추진 중인 데이터 표준화 프로젝트의 과정을 소개했다.
“낡은 아날로그 공정은 더 이상 지속 가능하지 않으며, 일하는 방식의 근본적인 변화가 필요하다”고 짚은 권오욱 책임은 설계와 생산의 단절된 데이터를 하나로 연결하는 디지털 스레드의 구축이 혁신의 핵심이라고 전했다. 과거의 종이 도면 중심에서 벗어나 3D 모델을 기반으로 설계하고, 이를 바탕으로 생산과 물류, 품질 관리까지 유기적으로 이어지는 지능형 통합 플랫폼이 필요하다는 것이다.
권오욱 책임은 HD한국조선해양이 이를 실현하기 위해 수많은 현장 담당자를 인터뷰하고 600여 개의 고질적인 이슈를 분석하여 설계와 생산 데이터를 일관화하는 혁신 과정을 진행했다고 소개했다. 그리고, 지멘스와 함께 진행한 파일럿 프로젝트를 통해 작업 목적물뿐만 아니라 작업 환경까지 디지털 공간에 구현한 작업 BOM 기반의 시뮬레이션 사례를 소개했다. 그는 오랜 관행을 과감히 깨뜨리고 피지컬 AI와 로봇이 주도하는 자율화 조선소 시대를 미래 비전으로 제시했다.
▲ LG전자 김현우 선임연구원
제조산업의 연구개발 현장에는 핵심 업무 시스템이 흩어져 있고 데이터와 지식이 부서별로 단절되어 있는 사일로(silo) 현상이 여전하다. LG전자의 김현우 선임연구원은 ‘설계 데이터를 AI-레디 자산으로 : R&D 혁신과 AI 에이전트 사례’ 발표에서, 엔지니어들이 부품 하나를 찾기 위해 수많은 유관 부서에 반복적으로 문의하며 시간을 허비하는 고질적인 병목 현상을 지적했다.
그가 제시한 혁신의 돌파구는 산재한 설계 데이터를 AI가 곧바로 활용할 수 있는 자산으로 탈바꿈시키는 것이다. 김현우 선임연구원은 “과거에는 사람이 직접 도면과 모델링을 읽고 해석해야 했지만, 이제는 2D 도면의 문자와 좌표를 추출하고 3D 형상 정보를 벡터 공간에 군집화하는 변환 작업을 거친다. 이렇게 뼈대를 갖춘 AI-레디(AI-ready) 데이터는 고립되어 있던 지식의 유기적인 융합을 가능하게 만든다”고 설명했다.
LG전자는 부품 탐색 AI 에이전트를 현장에 도입해서 며칠씩 걸리던 검색 업무가 단 1분 만에 해결되는 성과를 확보했다. AI가 과거의 개발 문서와 스펙, 형상 유사도까지 종합적으로 판단해 최적의 대체 부품을 추천함으로써, 불필요한 신규 금형 제작 비용을 절감하고 개발 일정까지 단축한 것이다. 김현우 선임연구원은 “설계 데이터의 AI-레디 자산화는 기존에 사람에게만 머물러 있던 설계 지식을 조직의 지식 흐름 안으로 가져오는 일”이라면서, 단절된 데이터를 촘촘히 엮어 엔지니어의 의사결정을 돕는 지능형 협업 생태계의 청사진을 제시했다.
지능형 에이전트와 피지컬 AI 기반의 제조 혁신 청사진
둘째 날인 6월 19일에는 AI 에이전트와 온톨로지를 활용해 제조 현장의 파편화된 데이터를 유기적으로 연결하는 ‘AI 전환을 위한 신기술과 설루션’이 소개됐다. 7편의 발표를 통해 복잡한 제품 사양 관리부터 3D 데이터 최적화, 피지컬 AI 기반의 로봇 데이터 팩토리 구축까지 지능형 의사결정을 실현하는 차세대 제조 혁신의 청사진을 제시했다.
▲ 한국인공지능인재개발원 정종기 원장
한국인공지능인재개발원의 정종기 원장은 ‘기업에서 AI 에이전트 도입 및 활용 전략’ 기조연설에서 “생성형 AI를 넘어 스스로 업무를 수행하는 ‘실행하는 인공지능’으로 패러다임이 이동했다”면서, 산업 생태계에 찾아온 변화를 짚었다.
그는 “풍부한 데이터와 명확한 투자 대비 수익을 기대할 수 있는 제조 현장이야말로 AI 에이전트가 가장 빠르게 성과를 낼 수 있는 최적의 무대”라면서, “성공적인 인공지능 전환을 위해서는 단순히 기술을 도입하는 수준에 그쳐서는 안 된다. AX는 단순한 기술 프로젝트가 아니라 최고경영자가 직접 이끌어야 하는 핵심 경영 전략”이라고 전했다. 그리고 AX를 위해서는 작은 파일럿 프로젝트부터 시작해 검증과 확산을 거치는 단계적 방법론이 필수이며, 명확한 핵심 성과 지표를 설정하여 방향성을 잃지 않아야 한다고 설명했다.
아무리 뛰어난 AI 기술을 도입하더라도 조직의 변화 관리가 동반되지 않으면 현장에 제대로 뿌리내릴 수 없다고 지적한 정종기 원장은 “혁신의 성패를 가르는 열쇠는 기술 그 자체가 아니라 단계적 실행 전략과 거버넌스, 그리고 사람에게 달려 있다”고 전했다. 또한 “지금 당장 변화를 시작하지 않으면 불과 몇 년 뒤에는 경쟁사와의 격차를 결코 따라잡을 수 없을 것”이라면서, 기업들이 발 빠른 결단을 내려야 한다고 제안했다.
▲ 피앤피어드바이저리 김진회 상무
피앤피어드바이저리의 김진회 상무는 ‘PALMA : PLM을 보완하는 제품 아키텍처 기반 컨피규레이션 플랫폼’ 발표에서, “수많은 제조 기업이 방대한 데이터를 축적하고 있지만 제품의 구조와 규칙을 체계적으로 관리하지 못해 중복 개발과 비용 증가라는 뼈아픈 결과에 직면하고 있다”고 짚었다. 그리고 팔마(PALMA)를 통해 기존 시스템의 한계를 극복할 해법을 제시했다.
김진회 상무는 팔마를 기반으로 제품 수명주기를 관리하는 기존 시스템을 넘어 제품 아키텍처 자체의 생애주기를 관리하는 새로운 접근법을 소개했다. 팔마는 공통 플랫폼과 모듈, 옵션 규칙을 하나의 거대한 로직으로 연결하는 뼈대 역할을 수행한다. 영업, 설계, 생산에 이르기까지 흩어져 있던 규칙을 하나로 통합함으로써, 고객의 요구에 빠르게 대응하고 파편화된 제조 현장의 복잡성을 통제 가능한 구조로 탈바꿈시킨다. 나아가 AI와의 결합을 통해 초기 구축 시간을 줄이고 모듈의 재사용성을 분석하는 미래 청사진을 제시한다.
김진회 상무는 “제품의 복잡도는 앞으로도 더욱 커질 것이다. 단순히 데이터를 더 많이 관리하고 시스템을 늘려가는 방식에서 벗어나, 제품이 구성되는 명확한 구조와 규칙을 운영하는 것이 다가올 제조업의 거센 변화를 주도할 생존 전략”이라고 전했다.
▲ 이에이트 류제형 CTO
이에이트의 류제형 CTO(최고기술책임자)는 ‘넥스트 PLM의 핵심 − 온톨로지 AI’ 발표를 통해 제조업 개발 현장에 AI가 도입되었음에도 실질적인 경영 성과로 이어지는 사례는 부족하다고 짚었다. 그는 “현장의 엔지니어들이 개별적으로 소프트웨어 도구를 활용해 업무 효율을 높이고 있지만, 이것이 기업 전체의 비즈니스 모델 혁신으로 매끄럽게 전환되지 못하고 있다”면서, 이를 극복하기 위한 열쇠로 온톨로지 기반의 AI 에이전트를 제시했다.
류제형 CTO는 사용자가 복잡한 공정 불량의 원인이나 조치 방안을 질문하면, AI 에이전트가 스스로 의도를 파악하고 지식 그래프를 탐색해 최적의 도구를 실행하는 체계적인 작동 방식을 설명했다. 특히 답변을 생성할 때는 정확한 근거 데이터의 위치를 제공하며, 사용자가 직접 원본 데이터를 시각적으로 추적하고 검증할 수 있는 투명한 환경을 구현해 낸다.
이 시스템이 지닌 가장 강력한 무기로 류제형 CTO는 흔들림 없는 신뢰성을 꼽았다. 그는 “근거 데이터에서 원하는 데이터가 없으면 온톨로지 시스템은 답변이 제한되거나 답변할 수 없다고 있는 그대로 얘기한다”면서, AI의 고질적인 약점인 환각 현상을 제로에 가깝게 통제할 수 있다고 전했다. 그리고 “온톨로지와 지능형 에이전트의 결합이 단순한 제품 개발 부서를 넘어 기업 전반의 다양한 비즈니스 영역에서 확고한 의사결정을 지원하는 차세대 해법이 될 것”이라고 덧붙였다.
▲ 아이지피넷 윤정두 차장
아이지피넷의 윤정두 차장은 ‘대규모 데이터 활용과 3D 데이터 최적화까지 생산성 향상을 위한 통합 엔지니어링 프로세스 전략’을 주제로 발표를 진행했다. 이 발표에서 그는 대규모 점군(포인트 클라우드) 데이터와 3D 데이터 최적화를 통해 제조 현장의 고질적인 병목 현상을 해결하는 실질적인 통합 엔지니어링 전략을 소개했다.
최근 산업에서는 디지털 전환이 더 이상 선택이 아닌 필수가 되고 있다고 짚은 윤정두 차장은 “한편으로 많은 기업이 설계와 현장 데이터의 단절 및 이기종 시스템 간의 호환 문제로 막대한 시간과 비용을 허비하는 현실도 존재한다”고 전했다. 그리고 현장을 스캔해서 얻은 방대한 점군 데이터를 다루는 설루션과 3D 데이터 최적화 설루션인 3D-스위트(3D-SUITE)를 소개했다.
윤정두 차장은 “3D 레이저 스캐너를 통해 현실 공간을 수십억 개의 점으로 기록하는 점군 데이터는 낡은 공장이나 도면이 없는 플랜트를 디지털 공간에 생생하게 재구성할 수 있다. 이를 통해 엔지니어는 현장에 직접 가지 않고도 컴퓨터 앞에서 현장 상황을 정확히 파악하게 된다”고 설명했다. 또한, 현장의 점군 데이터와 설계 모델을 직접 비교하여 시공 오차나 배관 간섭 등을 사전에 검토하는 과정을 소개했다. 이는 특정한 데이터를 세그먼트화해서 교체가 필요한 부분을 덜어내고 새로운 모델을 자연스럽게 얹어 시공 상태를 유연하게 공유하는 방식이다. 윤정두 차장은 흩어진 데이터의 장벽을 허물고 설계와 실제 시공의 간극을 좁혀내는 제조 혁신의 청사진을 제시했다.
▲ 알씨케이 김창근 전무
알씨케이의 김창근 전무는 ‘아라스 PLM으로 구현하는 제품 다양성 및 복잡성 관리 전략’ 발표를 통해, 디지털 전환 시대에 제조업계가 직면한 제품 복잡성의 위기와 이를 극복할 관리 전략에 대해 소개했다. 현대의 제품은 하드웨어와 전자기기, 펌웨어, 소프트웨어가 유기적으로 결합된 거대한 복합 시스템으로 진화했다. 김창근 전무는 “제품 복잡성의 중심이 단순한 물리적 제조를 넘어 동작 아키텍처와 소프트웨어 순열로 이동했다”면서, 단절된 시스템 환경은 치명적인 위기로 이어질 수도 있다고 짚었다. “예를 들어 특정 부품이 단종되거나 물리적 위치가 변경될 경우, 흩어진 수많은 자재 명세서와 연관 소프트웨어를 일일이 찾아 수정해야 하는 막대한 업무 소모가 발생한다”는 것이다.
이러한 문제를 해결할 대안으로 김창근 전무는 아라스(Aras)의 배리언트 매니지먼트(Variant Management)와 지능형 가상 에이전트를 소개했다. 이 설루션의 특징은 숙련자 개인의 경험에 의존해 자재 명세서를 반복적으로 복제하는 것이 아니라, AI가 통합된 자재 명세서를 바탕으로 패턴을 자동 추출하고 후반부에 발생할 수 있는 오류를 사전에 검증하는 혁신적인 구조를 제공한다는 점이다.
“아라스의 기술이 강력한 디지털 스레드를 통해 파편화된 정보의 온전한 추적성을 확보함으로써, 복잡한 제품 구성 오류를 차단하고 모듈 재사용성을 극대화한다”고 설명한 김창근 전무는 “PLM은 단순한 제품 정보 저장소가 아니라, 제조 의사결정의 핵심 플랫폼이다. 지식 기반의 변형 관리 모델을 적극 도입해서 커지는 제품의 복잡성을 완벽하게 통제하는 기업이 미래 시장의 주도권을 차지할 수 있을 것”이라고 전했다.
▲ LS일렉트릭 이기호 매니저
LS일렉트릭의 이기호 매니저는 ‘PLM 설계 변경(ECO) 이력과 제조 E2E 데이터를 잇는 온톨로지 기반 제조 챗봇 구축 사례’ 발표를 통해, 파편화된 제조 데이터를 엮어서 실질적인 인사이트를 내는 온톨로지 기반의 제조 챗봇 구축 사례를 소개했다.그는 “현재 많은 제조 현장에서는 설계, 생산, 품질 데이터가 각기 다른 시스템에 흩어져 있으며, 끊어진 데이터의 맥락을 현장 실무자가 엑셀이나 구두 약속을 통해 수작업으로 이어 붙이고 있다”면서, “일반적인 AI 챗봇에 복잡한 설계 변경의 영향을 물어보면, 현장 고유의 암묵지와 규칙을 알지 못해 그럴듯한 환각을 만들어낼 수 있다”고 짚었다.
이를 극복하기 위해 이기호 매니저가 제시한 방안은 시스템 간의 도메인 지식과 현장의 노하우를 사전 형태의 지식으로 구조화하고 AI에 학습시키는 것이다. 복잡한 부품 코드의 의미나 설비별로 다른 검사 결과 매핑 규칙 등 핵심 맥락 정보를 촘촘하게 제공함으로써, AI가 환각 현상 없이 불량의 원인을 정확하게 역추적하고 품질 데이터를 분석할 수 있게 된다는 것이다.
이기호 매니저는 “PLM 데이터는 연결과 맥락 구조 없이는 답이 될 수 없다”면서, 시스템의 빈틈을 메울 도메인 지식은 매일 데이터를 다루는 현장 실무자만이 완성할 수 있다고 전했다. 기술 자체의 고도화보다 현장에 숨겨진 낡은 지식을 체계화하여 AI의 든든한 뼈대로 만드는 조직 차원의 노력이 다가올 지능형 제조 시대의 승패를 가른다는 것이다.
▲ 마음에이아이 김지윤 팀장
마음에이아이의 김지윤 팀장은 ‘피지컬 AI의 진화와 로봇 데이터 팩토리’에 대해 발표하면서, 가상 공간을 넘어 현실 세계의 물리적 실체로 뻗어가는 피지컬 AI의 진화 흐름을 짚었다. 과거의 자동화 로봇이 수치화된 고정 시나리오대로만 움직였다면, 이제는 AI가 스스로 상황을 판단하고 예측 불가능한 변수에 적응하며 움직이는 지능형 시대로 진입했다. 김지윤 팀장은 이런 피지컬 AI의 성패가 숙련공의 섬세한 손의 감각같은 현장의 암묵지를 어떻게 데이터로 학습시키느냐에 달려 있다고 분석했다.
하지만 현실 세계에서 무수한 액션 데이터를 직접 수집하는 일은 많은 시간과 비용이 들고, 위험마저 동반한다. 그 해법으로 마음에이아이가 제시하는 것은 가상과 현실의 간극을 좁히는 ‘로봇 데이터 팩토리’이다. 로봇 데이터 팩토리는 정교한 물리 법칙이 구현된 시뮬레이션 환경에서 극한의 돌발 상황을 무한히 반복 학습시키고, 이를 현실의 로봇에 이식하여 실질적인 부가가치를 창출한다.
김지윤 팀장은 “대한민국은 제조와 반도체, 자동차와 로봇 산업이 촘촘히 밀집된 독보적인 가치 사슬을 온전히 쥐고 있어서 세계 시장을 주도할 잠재력이 충분하다”면서, “피지컬 AI는 단순히 새로운 기술 트렌드가 아니라, 대한민국 제조 경쟁력을 한 단계 더 도약시킬 수 있는 굉장히 중요한 기회”라고 강조했다. 그리고 가상의 지능이 현장의 물리적 혁신으로 이어지는 제조 강국의 비전을 마련할 필요가 있다고 덧붙였다.
■ 기사 내용은 PDF로도 제공됩니다.
작성일 : 2026-06-30
