업무 AI와 피지컬 AI 사이의 데이터 연계는 제조 현장에서 아직 담당자가 수작업으로 처리합니다. 설비 신호를 먼저 연동하여도 설비 정지가 영향을 준 주문은 바로 확인되지 않습니다.

설비 알람 화면과 생산 지시 화면이 나란히 있다고 가정합니다. 왼쪽에는 충전 설비의 경고가, 오른쪽에는 저녁까지 출하할 주문이 떠 있습니다. 두 화면은 연동되어 있지 않아 담당자가 전화로 상황을 확인합니다. 필요한 답은 하나입니다. 이 주문을 오늘 출하할 수 있는가.

TL;DR (핵심 요약)

  • 한 주문의 출하 판단에는 업무 AI와 피지컬 AI의 데이터가 함께 필요합니다.

  • 제조 업무는 사업 목표, 주문·재고, 공정·설비 상태, 센서·영상, 기계 동작의 다섯 계층으로 이어집니다.

  • 담당자가 매일 수작업으로 연계하는 구간은 중간 계층입니다.

  • 로봇과 비전 모델은 조달할 수 있지만, 이 공장의 목표와 제약, 승인 권한은 직접 구축할 대상입니다.

업무 AI와 피지컬 AI는 기술 영역을 나누는 용어다

피지컬 AI(Physical AI)는 센서 데이터를 인식하고 로봇과 설비의 동작을 다루는 AI입니다. 2025년 1월 CES 기조연설에서 엔비디아 젠슨 황 CEO는 AI가 인식 AI와 생성형 AI를 거쳐 피지컬 AI로 발전하고 있다고 설명하였습니다.

업무 AI(Business AI)는 주문과 재고, 품질, 원가 같은 회사의 업무 데이터를 다루는 AI입니다.

이 구분을 공장에 그대로 적용하면 한 주문의 판단이 둘로 나뉩니다.

사업 목표에서 기계 동작까지 다섯 계층으로 이어진다

출하 판단에 쓰는 데이터는 사업 목표에서 기계 동작까지 다섯 계층으로 이어집니다.

  • 사업 목표: 월간 생산량과 원가.

  • 주문·재고·품질·원가: 현재 수주량과 재고 수준.

  • 공정과 설비 상태: 라인별 가동 상태.

  • 센서와 영상: 진동·온도·전류 데이터와 검사 이미지.

  • 기계와 로봇의 동작: 제어기의 명령과 실행 이력.

업무 AI는 상위 두 계층을, 피지컬 AI는 하위 두 계층을 다룹니다. 셋째 계층인 공정과 설비 상태는 어느 쪽 영역에도 속하지 않습니다.

다섯 계층은 업무로 이어져 있지만 시스템 간 연계는 중간에서 끊겨 있습니다.

사업 목표부터 기계와 로봇의 동작까지 다섯 계층을 위아래로 쌓고, 주문·재고 계층과 센서·영상 계층 사이 연계선만 굵은 점선과 사람 기호로 표시한 흑백 도식
그림 1. 제조 업무의 다섯 계층과, 업무 AI와 피지컬 AI 사이에서 담당자가 수작업으로 연계하는 중간 구간을 표시한 그림입니다.

수작업 연계는 중간 계층에 몰려 있다

사업 목표와 기계 동작 계층은 운영 방식이 정착되어 있습니다. 제어기는 사람 없이 설비를 움직입니다. 사업 목표는 매월 경영 회의에서 수치로 확정됩니다.

끊긴 곳은 주문·재고 계층과 센서·영상 계층 사이이며, 담당자가 이 구간을 수작업으로 연계합니다.

설비 정지가 어느 주문에 영향을 주었는지 바로 답하지 못한다

수작업에 드는 시간은 설비 정지 한 건으로 드러납니다. 예를 들어 오후 3시에 포장 설비가 12분간 멈추었다면, 품질 담당자는 그동안 만든 제품이 들어간 주문을 찾습니다. 설비 관리에서 정지 시각을, 생산관리시스템에서 작업 지시를, 전사자원관리에서 주문을, 품질관리에서 검사 결과를 차례로 조회합니다.

네 번 모두 사람이 조회합니다. 답까지 반나절이 걸립니다.

계층 사이를 연결하는 매핑 규칙이 없어 조회가 네 번 필요하다

반나절이 걸리는 것은 계층 사이에 매핑 규칙이 없어서입니다. 설비 관리는 정지를 설비 코드로, 생산관리시스템은 작업 지시 번호로, 전사자원관리는 주문 번호로 기록합니다.

디지털 트윈(설비와 공정을 가상 환경에 재현하는 기술)을 도입해도 결과가 주문·재고 계층에 연계되지 않으면 수작업은 남습니다. 월드모델(회사의 상태와 판단 기준을 한 구조로 다루는 모델)과의 차이는 디지털 트윈과의 경계에 있습니다.

중소·중견기업 스마트공장의 75.5퍼센트는 아직 기초단계다

매핑 규칙을 잰 통계는 없지만, 스마트공장 도입 수준은 정부 실태조사에 나와 있습니다. 2025년 4월 중소벤처기업부가 발표한 2024년 스마트제조혁신실태조사에 따르면, 공장을 보유한 중소·중견기업 163,273개 사 가운데 스마트공장을 도입한 기업은 19.5퍼센트입니다. 도입된 스마트공장의 75.5퍼센트는 기초단계입니다.

퓨처워크랩은 기초단계를 데이터는 모으되 판단에는 쓰지 못하는 수준으로 봅니다.

착수 순서는 스마트공장 도입 단계 판단에 있습니다.

범용 모델은 외부에서 조달할 수 있다

기초단계 다음, 곧 데이터를 판단에 쓰는 단계에서는 조달할 것과 구축할 것부터 나눕니다. 하위 두 계층 모델은 조달 대상입니다.

시각 인식과 언어 이해, 로봇 동작 생성을 한 모델에서 처리하는 연구를 시각–언어–행동 모델(VLA)이라고 부릅니다. 2023년 「RT-2」 논문이 이 이름을 제목에 썼습니다.

퓨처워크랩은 이 계층을 직접 개발하지 않고, 외부 모델을 교체 가능한 구조로 연결합니다.

조달할 수 없는 것은 이 공장의 목표와 제약, 승인 권한이다

범용 모델은 이 공장의 이번 달 목표와 생산계획 제약, 설비 정지 승인권자를 모릅니다.

퓨처워크랩은 목표와 제약, 승인 권한, 실행 결과를 구조화합니다. 회사 단위의 구조는 비즈니스 월드모델 여덟 가지에 있습니다.

설비 데이터를 먼저 연동하여도 영향받은 주문은 추적되지 않는다

직접 구축할 정보에는 관계 정의도 들어갑니다. 진동과 전류, 정지 이력을 먼저 연동하여도 어느 주문이 영향을 받았는가에는 답하지 못합니다. 예를 들어 현장은 같은 설비를 3호기로 부르고 시스템은 다른 코드로 기록한다면, 매핑 규칙을 정의한 뒤에야 정지에서 주문까지 추적할 수 있습니다.

다섯 계층을 표로 정리하면 연계가 끊긴 구간이 드러난다

아래 표는 계층별 데이터 보유처와 연계 방식입니다.

계층

데이터를 보유한 곳

인접 계층과의 연계

사업 목표

경영 회의·사업계획

월간 회의에서 사람이 전달한다

주문·재고·품질·원가

전사자원관리·품질관리

월말 결산으로 목표에 반영된다

공정과 설비 상태

생산관리시스템·설비 관리

번호 매핑 규칙이 있어야 연계된다

센서와 영상

설비 제어망·검사 장비

값은 전달되나 의미는 연결되지 않는다

기계와 로봇의 동작

제어기

상위로 전달되는 정보는 정지 이력뿐이다

끊긴 행은 회사마다 다르며, 그 행이 매일 수작업으로 처리되는 업무입니다.

우리 라인에서 바로 점검할 수 있는 세 가지

다음 세 가지를 먼저 파악해 보시기를 권합니다.

  • 지난달 설비 정지 한 건을 선정합니다.

  • 그 정지가 영향을 준 주문을 확인합니다.

  • 답을 얻을 때까지 조회한 시스템의 개수를 파악합니다.

조회한 시스템이 둘을 넘으면 중간 계층을 사람이 연계하고 있다는 뜻입니다.

AX Flow는 다섯 계층 가운데 어디를 연결하는가

월드모델 기반 복합 업무 자동화 AI인 퓨처워크랩 AX Flow가 이 수작업 구간을 자동화합니다. 주문·재고 계층에서 센서·영상 계층까지 데이터를 연결합니다.

먼저 생산관리시스템과 전사자원관리, 품질관리의 주문·재고·설비 상태·센서 데이터를 연동하고, 작업표준과 절차서, 메일과 통화 기록도 받습니다.

연동한 데이터는 하나의 구조로 정의하므로, 앞의 예에서 든 3호기와 설비 코드도 한 설비로 묶여 정지에서 주문까지 추적됩니다. 이 구조 위에서 에이전트와 워크플로우가 판단과 실행을 수행하고, 어떤 근거로 누가 승인하였는지는 감사 기록으로 남습니다.

하위 두 계층에서는 기존 제어기와 비전 모델의 데이터를 그대로 씁니다.

정리하며

두 영역의 구분은 기술 설명에 유용합니다. 하지만 공장에서는 한 주문의 출하 판단에 두 영역의 데이터가 함께 필요하고, 그 연계를 담당자가 매일 전화로 처리합니다.

범용 모델은 조달하면 되지만, 이 공장의 목표와 제약, 승인 권한, 실제 결과는 회사가 구조화하여야 합니다.

도입 상담 요청하기 · 설비 정지 한 건이 어느 주문에 영향을 주었는지 함께 추적해 드립니다.

자주 묻는 질문 (FAQ)

업무 AI와 피지컬 AI는 무엇이 다른가요?

업무 AI는 주문·재고·품질·원가 같은 업무 데이터를, 피지컬 AI는 센서·영상과 기계 동작을 다룹니다.

피지컬 AI를 하려면 로봇부터 들여야 하나요?

대부분의 공장은 제어기와 검사 장비를 이미 갖추었습니다. 부족한 것은 그 데이터를 상위 시스템과 연계하는 구조입니다.

퓨처워크랩이 로봇이나 비전 모델을 만드나요?

직접 개발하지 않고 외부 모델을 채택합니다. 퓨처워크랩은 목표와 제약, 승인 권한, 실제 결과를 구조화합니다.

설비 데이터를 모으고 있는데 왜 답이 안 나오나요?

시스템마다 같은 설비를 다른 코드로 부르는데 매핑 규칙이 없는 경우가 많기 때문입니다.

무엇부터 시작하면 되나요?

지난달 설비 정지 한 건이 영향을 준 주문부터 확인합니다. 퓨처워크랩은 제조를 첫 시장으로 두고 이 구간을 자동화합니다.

참고한 것

  • 엔비디아 블로그, 「CES 2025: AI Advancing at 'Incredible Pace,' NVIDIA CEO Says」(2025-01-06) · https://blogs.nvidia.com/blog/ces-2025-jensen-huang/

  • 「RT-2: Vision-Language-Action Models Transfer Web Knowledge to Robotic Control」(arXiv:2307.15818 · 2023-07) · https://arxiv.org/abs/2307.15818

  • 중소벤처기업부, 「2024년 스마트제조혁신실태조사 결과 발표」(2025-04-28) · https://www.korea.kr/briefing/pressReleaseView.do?newsId=156686561