대형 언어모델(LLM)의 오류가 집중된 조건을 알면 계산 확인이 필요한 생산계획 업무를 가려낼 수 있습니다. 2026년 2월 공개 평가에서 LLM이 최적화 문제 200개 가운데 조건을 모두 지킨 답의 비율은 최고 65.0퍼센트였습니다. 2026년에 나온 평가 두 편에서 오류가 집중된 조건은 여러 제약이 한 대상에 동시에 걸리는 배정, 조건 입력 순서의 변경, 작업 시간·기준정보 조건(작업 시간 조건의 오독과 기준정보에 없는 대상의 생성)이며, 세 조건 모두 생산계획 업무에도 있는 조건입니다.
TL;DR (핵심 요약)
LLM 생산계획에서 확인할 조건은 여러 제약이 한 대상에 동시에 걸리는 배정, 조건 입력 순서의 변경, 작업 시간·기준정보 조건입니다. 공개 평가에서 LLM의 오류가 이 셋에 집중되었습니다.
하나라도 해당하면 실행 가능 여부를 계산으로 확인하는 단계를 둡니다.
2026년 공개 평가에서 LLM이 조건을 모두 지킨 답의 비율은 최고 65퍼센트였다
ConstraintBench에서 연구진은 경영과학 분야 10개의 최적화 문제 200개를 언어모델 여섯 종에게 최적화 프로그램의 도움 없이 한 번에 풀게 하였습니다. 채점 기준은 최적화 프로그램 구로비(Gurobi)의 최적해입니다. '실행 가능 여부'는 답이 주어진 제약 조건을 하나도 어기지 않았는지를 뜻합니다.
실행 가능 비율 최고 65.0퍼센트는 열 개 분야를 합친 결과입니다. 분야별 차이는 더 큽니다.
실행 가능 비율은 문제 유형에 따라 85퍼센트에서 0.8퍼센트까지 차이가 났다
분야별 평균 실행 가능 비율은 시설을 어디에 둘지 고르는 시설 입지 문제가 85.0퍼센트로 가장 높았고, 작업자에게 작업 시간을 배분하는 인원 배치 문제가 0.8퍼센트로 가장 낮았습니다. 생산 일정에 가까운 작업 순서 문제는 76.7퍼센트였습니다.
논문은 이 차이를 제약 개수나 문제 크기로 나누어 보고하지 않았고, 분야를 설계할 때 제약이 독립적인지 맞물려 있는지를 달리하였다고 설명합니다. 따라서 자사 계획 업무는 문제 이름보다 제약 구조로 비교합니다.
인원 배치에서는 필요 시간 미배정 등 38종의 위반이 나왔다
실행 가능 비율이 가장 낮은 인원 배치 문제에서는 필요 시간을 다 배정하지 않은 경우, 작업자 간 업무량 불균형 등 38종의 위반이 나왔습니다. 연구진은 이 문제를 필요 시간, 업무량 한도, 자격 조건이 밀접히 연동되어 조건 하나는 쉽게 지켜도 모두를 동시에 지키기 어려운 구조로 설명합니다. 생산계획의 배정 업무도 한 사람이나 설비에 여러 조건이 동시에 걸리며, 대부분은 어기면 계획 자체가 성립하지 않는 '반드시 지켜야 하는 제약'입니다. 「한 설비에서 두 작업을 동시에 돌릴 수 없다」가 대표적입니다.
식품 공장의 주간 계획에서는 알레르기 유발 원료를 쓴 작업 뒤의 세척 공정과 교대조별 숙련 작업자 배치가 한 라인에 동시에 걸립니다.
배정 구조와 별개로, 조건을 입력하는 방식도 결과를 바꿉니다.
같은 조건도 입력 순서가 바뀌면 제약 위반 건수가 달라진다
2026년 8월 공개된 SCHEDBench는 작업 순서, 자원 제약 일정, 근무표, 시간표 문제 1,132건으로 언어모델 열세 종을 평가하면서 같은 문제의 표현만 바꾸어 결과를 비교하였습니다. 표현을 바꾸자 실행 가능 비율이 떨어졌고, 반드시 지켜야 하는 제약의 위반 건수도 측정 오차 이상으로 달라졌습니다. 시험한 변형 가운데 영향이 가장 뚜렷한 것은 조건 입력 순서의 변경이었습니다.
현장에서도 같은 조건이 영업·계획 담당자와 현장 반장에게서 다른 순서로 들어옵니다.
작업 시간 오독과 없는 대상 생성이 나온 조건은 생산계획에도 있다
2월 평가는 작업 시간 조건의 오독과 없는 대상의 생성을 반복 오류로 꼽았습니다. 실행 가능 비율이 8.3퍼센트인 프로젝트 일정 문제에서는 작업 시간 조건의 오독이 가장 많은 위반이었고, 실행 가능 비율이 26.7퍼센트인 상자 적재 문제에서는 없는 대상의 생성이 가장 많은 위반이었습니다.
생산계획의 작업 시간 조건은 공정별 작업 시간, 숙성 같은 대기 시간, 납기입니다. 이 조건을 잘못 읽으면 앞 공정이 끝나기 전에 다음 공정이 시작됩니다.
없는 대상의 생성은 기준정보에 없는 설비 번호나 작업 코드가 계획에 들어오는 경우입니다. 설비 명칭이 시스템마다 다른 공장일수록 담당자가 처음 보는 설비 번호가 별칭인지 없는 설비인지 가려내기 어렵습니다.
세 조건으로 자사 생산계획 업무를 먼저 분류한다
점검 조건 | 해당하는 예 | 해당하면 |
|---|---|---|
여러 제약이 한 대상에 동시에 걸리는 배정 | 세척 공정과 숙련 작업자 배치가 겹치는 주간 계획 | 실행 가능 여부를 계산으로 확인한다 |
조건 입력 순서의 변경 | 영업·생산·현장이 메일로 조건을 전달하는 업무 | 조건을 정해진 서식의 목록으로 받아 계산에 넘긴다 |
작업 시간·기준정보 조건(작업 시간 오독, 기준정보에 없는 대상) | 설비 코드가 두 시스템에서 다른 공장 | 기준정보에 없는 명칭은 반려하고 계산으로 확인한다 |
세 조건 모두 해당하지 않음 | 제약이 적고 입력 경로가 하나인 업무 | 언어모델 초안을 쓰되 제약 위반 건수를 매번 기록한다 |
하나라도 해당하면 담당자의 수작업 검토만으로는 제약 위반을 모두 찾기 어렵습니다.
해당하는 업무에는 실행 가능 여부를 계산으로 확인하는 단계를 둔다
확인 단계의 중심인 '최적화 계산기(Solver)'는 제약 조건과 목표를 수식으로 받아, 모든 제약을 만족하는 답이 있으면 목표에 가장 가까운 답을 내고 없으면 없다고 알려 주는 계산 프로그램입니다.
KAIST 연구팀의 RL-SPH처럼 최적화 프로그램 없이 강화학습으로 실행 가능한 계획을 찾는 방식도 있으며, 벤치마크 5종 모두에서 찾아냈다고 보도되었습니다. 언어모델 연구는 아니지만 실행 가능한 답을 먼저 찾는 방향은 같습니다.
계산 단계를 두어도 언어모델의 역할은 줄지 않으며, 2월 평가의 다른 수치가 그 근거입니다.
조건을 지킨 답의 품질은 높으므로 언어모델은 계산 단계의 앞뒤를 맡는다
같은 평가에서 제약을 모두 지킨 답의 목표값(비용이나 완료 시간처럼 최소화하려는 값)은 구로비 최적해의 평균 89~96퍼센트였습니다. 연구진도 병목을 최적성보다 실행 가능 여부로 판정하였습니다. 언어모델의 약점이 목표 달성보다 제약 준수에 집중되어 있으므로, 제약 준수는 계산에 맡기고 언어모델은 계산 전후의 작업을 맡습니다.
언어모델은 계산 앞에서 「A 라인 잔업 없이 이번 주 물량을 맞춘다」 같은 요구를 제약 조건으로 정리합니다. 계산 뒤에서는 「3호기 작업이 목요일로 옮겨진 이유」처럼 결과를 담당자가 검토할 설명으로 바꿉니다. 도구별 장단점은 생산 스케줄링 AI, 무엇을 보고 고르나에서, 실행 결과의 기록 항목은 AI가 실제 결과에서 배우려면 판단 시점에 무엇을 기록하여야 하는가에서 설명합니다.
AX Flow는 판단 엔진과 계산 도구를 업무별로 나누어 호출한다
AX Flow는 언어모델과 최적화 계산기의 역할 분담을 업무마다 적용하는 월드모델 기반 복합 업무 자동화 AI로, 회사의 현재 상태와 판단 기준을 연결한 엔터프라이즈 월드(이전 명칭 비즈니스 월드모델) 위에서 판단 엔진 세 가지를 운영합니다. AX Rule Engine은 규정으로 판정이 끝나는 업무에 항상 같은 답을 냅니다. AX Reasoning Engine은 결론의 근거 규정을 기록하고, AX Predict Engine은 추세와 이상 징후를 다룹니다.
판단 엔진과 별개로, AX Router는 질문의 난이도와 근거 요구 수준을 보고 검색 엔진(Triple-RAG)의 조합을 고릅니다. 생산계획 업무에서 AX Flow는 최적화 계산기를 외부 도구로 호출합니다. 담당자가 승인한 계획은 워크플로우로 생산관리시스템에 반영되고, 승인과 실행 기록은 통제 계층인 AX Guard가 관리합니다.
정리하며
생산계획에 언어모델을 도입할 때 먼저 볼 것은 모델 성능 순위보다 자사 계획 업무의 구조입니다. 여러 제약이 한 대상에 동시에 걸리는 배정, 조건 입력 순서의 변경, 작업 시간·기준정보 조건부터 점검하고, 하나라도 해당하면 계산 확인 단계를 두시기를 권합니다.
도입 뒤에는 실행 가능 여부, 제약 위반 건수, 담당자가 계획을 반려하거나 수정한 횟수를 기록해 효과를 비교합니다.
도입 상담 요청하기 · 계획 업무가 세 조건에 해당하는지 함께 점검해 드립니다.
자주 묻는 질문 (FAQ)
LLM으로 생산계획을 세울 수 있나요?
초안은 세울 수 있습니다. 다만 2026년 2월 공개 평가에서 최적화 문제 200개 가운데 조건을 모두 지킨 답의 비율이 최고 65.0퍼센트였으므로, 제약이 겹치는 업무에는 계산 확인 단계를 함께 둡니다.
언어모델이 짠 생산계획은 어떤 조건에서 틀어지나요?
2026년 공개 평가 두 편에서 언어모델의 오류는 여러 제약이 한 대상에 동시에 걸리는 배정, 조건 입력 순서의 변경, 작업 시간 조건의 오독과 기준정보에 없는 대상의 생성에 집중되었습니다. 생산계획 업무에 이 조건이 있으면 계산으로 실행 가능 여부를 확인합니다.
언어모델은 생산계획 업무에서 무엇을 맡나요?
계산 앞에서 요구 사항을 제약 조건으로 정리합니다. 계산 뒤에서 결과를 설명합니다.
참고한 것
ConstraintBench(arXiv 2602.22465) · https://arxiv.org/abs/2602.22465
SCHEDBench(arXiv 2608.00991) · https://arxiv.org/abs/2608.00991
헤럴드경제, KAIST RL-SPH 보도(2026-08-03) · https://biz.heraldcorp.com/article/10828523