운영을 이해하는 AI, 산업 현장의 판단 구조를 바꾸다
수많은 센서와 알람이 설치됐지만, 지금 개입해야 할 상황인지, 지켜봐도 되는 상태인지는 여전히 사람의 몫이다. 아이디비는 영국-한국 공동 AMOS 프로젝트를 통해 이러한 운영 판단의 구조적 한계를 분석하고, 설비·환경·운전 조건을 하나의 흐름으로 해석하는 ‘Operation AI’ 개념을 제시했다. AMOS 기반 Operation AI 솔루션은 제조를 넘어 에너지와 데이터센터로 확장되며, 산업 현장의 DX가 나아갈 새로운 방향을 보여주고 있다.
■ 자료 제공 I 아이디비, https://idb.ai
1. 사고보다 어려운 것은 ‘판단’이다
중대재해처벌법 시행 이후 제조 현장에서 가장 크게 달라진 점은, 사고로 이어질 수 있는 상황을 ‘판단’해야 하는 부담이 커졌다는 사실이다. 현장에는 이미 다양한 센서와 제어 시스템이 구축돼 있고, 이상 알람 또한 과거보다 훨씬 많이 제공되고 있다. 그러나 알람이 발생한 이후 “지금 즉시 개입해야 하는지”, 혹은 “조금 더 지켜봐도 되는지”를 최종적으로 판단하는 역할은 여전히 사람에게 맡겨져 있다.
이러한 판단은 단일 설비나 하나의 수치만으로 결정하기 어렵다. 설비 상태뿐 아니라 주변 환경, 작업 조건, 시간대 등 여러 요소가 동시에 고려돼야 하며, 그 책임은 현장 관리자에게 집중된다. 자동화 수준은 높아졌지만, 운영 판단만큼은 여전히 경험과 감각에 의존하는 구조가 유지되고 있는 것이다.
2. 감시는 자동화되었지만, 판단은 수작업이다
기존 산업 시스템은 개별 설비나 단일 지표 중심의 감시에 초점을 맞춰 왔다. 설정된 임계치를 초과하면 알람을 발생시키고, 이후의 대응 여부는 사람이 결정한다. 특히 중대재해와 같이 사고의 파급력이 큰 영역에서는 정상과 비정상을 구분하는 것만으로는 충분하지 않다. 설비 자체에는 문제가 없어 보이더라도, 주변 환경이나 작업 조건, 시간대에 따라 위험도는 크게 달라질 수 있다.
그 결과 현장에는 방대한 데이터가 존재하지만, 이 정보들이 하나의 운영 상황으로 종합되지 못한다. 이는 기술 부족의 문제가 아니라, 운영을 바라보는 방식의 한계에서 비롯된다. 감시와 제어는 자동화됐지만, 운영 상황을 종합적으로 해석하고 판단을 정리해 주는 영역은 여전히 충분히 다뤄지지 못하고 있다.
3. 위험은 운영 맥락 속에서 발생한다
제조 현장에서 발생하는 대부분의 중대 사고는 단일 이상 신호 때문이 아니라, 작은 이상이 누적되고 설비 상태, 환경 변화, 작업 조건이 겹치면서 위험 상황으로 전이되는 과정을 거친다. 그러나 현장 시스템은 여전히 개별 신호 중심의 해석에 머물러 있다. 온도는 온도대로, 진동은 진동대로 각각 판단한 뒤 그 이후의 종합 판단은 사람에게 맡기는 방식이다.
필요한 것은 새로운 센서가 아니라, 여러 신호를 하나의 ‘운영 상태’로 해석하는 관점의 전환이다. 단순히 정상과 비정상을 구분하는 것이 아니라, 관찰이 필요한 상태인지, 주의가 필요한 상태인지, 혹은 즉각 개입이 요구되는 상황인지를 구분하는 판단 구조가 요구된다. 이는 제어 기술의 문제가 아니라, 운영을 해석하고 판단하는 방식의 문제에 가깝다.
4. 무인·복합 운영 환경에서 시작된 Operation AI
이러한 운영 판단의 어려움은 국내에만 국한된 문제가 아니다. **아이디비 주식회사**는 영국-한국 공동 AMOS 사업을 통해 무인 운영, 제한된 인력, 복합 설비 구조를 갖춘 해외 제조·에너지 현장에서도 동일한 문제를 확인했다.
영국 AMOS 프로젝트는 “어떤 설비가 고장 났는가”라는 질문이 아니라, “지금 이 운영 상태에서 개입이 필요한가”라는 문제의식에서 출발했다. Operation AI 연구는 설비 상태와 환경 변화, 운전 조건 등 다양한 운영 신호를 하나의 흐름으로 해석하고, 이를 바탕으로 관찰·주의·즉각 대응 단계로 구분하는 판단 구조를 검증했다. 이는 기존 제어 시스템을 대체하기보다는, 운영자가 판단해야 했던 영역을 구조화하는 데 목적을 둔다.
5. Operation AI란 무엇인가
Operation AI는 설비를 직접 제어하거나 의사결정을 대신 수행하는 기술이 아니다. 제조 현장에서 반복적으로 발생하는 운영 판단 부담을 줄이기 위한 판단 지원 구조에 가깝다. 기존 시스템이 감시와 제어에 집중해 왔다면, Operation AI는 그 사이에 존재하는 ‘해석과 판단’ 영역을 다룬다.
각각의 신호를 개별적으로 나열하는 방식에서 벗어나, 운영 상태(State)라는 관점에서 이를 종합적으로 정리한다. 그 결과 운영 상태는 단순한 정상·비정상 구분을 넘어, 관찰 단계, 주의 단계, 즉각 개입 단계 등으로 세분화돼 제시된다. Operation AI는 기존 제어 시스템을 대체하지 않고, 그 위에서 운영자가 판단해야 할 맥락을 정리해 주는 역할을 수행한다.
6. 제조·에너지·데이터센터로 확장
Operation AI가 특정 산업에 국한되지 않고 제조, 에너지, 데이터센터로 확장될 수 있는 이유는 각 산업이 운영 관리 관점에서 공통된 질문을 공유하기 때문이다. 제조 현장은 설비 이상과 작업 조건을 함께 고려해야 하고, 에너지 분야는 발전·저장 상태와 운전 조건을 동시에 다룬다. 데이터센터 역시 전력, 냉각, 부하 변화가 결합된 상태를 관리해야 한다.
이들 산업의 공통점은 단일 지표만으로는 판단이 어렵고, 여러 조건이 겹칠 때 위험으로 전이된다는 점이다. AMOS에서 검증된 Operation AI는 운영 상태 해석 구조를 기반으로 한다. 산업별 설비와 데이터 형태는 다르지만, 운영 상태를 종합적으로 해석하고 개입 우선순위를 판단하는 논리는 제조·에너지·데이터센터 전반에 적용 가능하다.
7. 하나의 운영 데이터, 에너지·ESG·LCA로 확장
중대재해 예방을 위해 수집되는 운영 데이터는 안전 관리에만 머무르지 않는다. 설비 상태와 운전 조건, 환경 변화에 대한 정보는 에너지 사용과 효율을 이해하는 데도 활용될 수 있다. 많은 에너지 비효율은 설비의 비정상 운전이나 최적화되지 않은 운영 조건에서 발생하며, 이는 안전 위험으로 전이되기 이전 단계에서 이미 낭비로 나타난다.
이러한 운영 데이터는 에너지 사용량 보고, ESG 대응, 향후 LCA와 같은 지속가능성 지표 준비에도 기초 자료로 활용될 수 있다. 별도의 데이터를 새로 수집하는 것이 아니라, 운영 과정에서 축적되는 정보를 재해석하는 접근이다. 이는 안전, 에너지, 지속가능성을 분리 관리하는 방식이 아니라, 하나의 운영 데이터 흐름으로 통합 관리하는 DX 방향성을 제시한다.
8. DX는 판단 구조의 진화다
제조 현장의 DX는 새로운 시스템 도입만으로 완성되지 않는다. 이미 많은 현장에는 제어 시스템과 센서, 자동화 설비가 구축돼 있다. 핵심 과제는 운영 판단 부담을 어떻게 줄이느냐에 있다.
Operation AI는 기존 제어 시스템을 대체하지 않고, 운영자가 감당하던 해석과 판단 영역을 구조화한다. 영국 AMOS 사업을 통해 검증된 Operation AI 개념은 무인·복합 운영 환경에서의 운영 판단 문제를 출발점으로, 제조·에너지·데이터센터로 확장 적용 가능한 모델로 발전하고 있다. 이는 특정 산업이 아니라 ‘운영’이라는 공통 과제를 중심에 둔 DX 접근 방식이다.
DX의 핵심은 새로운 데이터를 만드는 것이 아니라, 기존 운영 데이터를 어떻게 해석하고 판단할 것인가에 있다. Operation AI는 산업 현장의 판단 구조를 한 단계 진화시키는 현실적인 대안으로 주목받고 있다.
