제조 AX(AI 전환)를 시작할 때는 전사 로드맵보다 AI에 넘길 첫 업무 한 건을 먼저 정하고, 그 업무는 반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성으로 선정합니다. 산업통상자원부와 대한상공회의소는 2025년 9월 10일 제조 AX 얼라이언스(M.AX 얼라이언스)를 출범시켰습니다. 정책은 산업 전체를 다루지만, 개별 공장은 AI에 맡길 업무부터 정합니다.
TL;DR (핵심 요약)
제조 AX 첫 업무의 선정 기준은 반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성입니다.
세 기준을 모두 충족하는 대표 업무는 생산계획 재조정입니다.
두 번째 업무는 첫 업무에서 연결한 시스템과 판단 기준 위에 추가합니다.
제조 AX는 판단과 실행의 일부를 AI에 넘기는 전환이다
'제조 AX(AI Transformation)'는 생산, 품질, 구매 같은 제조 업무에서 판단과 실행의 일부를 AI에 넘기고, 그 결과를 사람이 관리하는 일을 말합니다. 같은 개념을 제조업 AX 또는 제조 AI 전환이라고도 부릅니다. 데이터를 수집·연결하는 디지털 전환(DX)은 보통 그 앞 단계로 봅니다. 두 전환의 차이는 「제조 AX와 DX는 무엇이 다른가: 스마트공장 다음 단계의 판단 기준」에서 다룰 예정입니다.
판단과 실행을 넘기는 전환이므로 출발점도 업무 단위로 정합니다. 업무 흐름을 고려하지 않은 과제의 결과는 해외 조사가 보여 줍니다.
업무 흐름과 맞지 않는 AI 과제는 운영 단계까지 가지 못한다
MIT 프로젝트 NANDA는 2025년 보고서 「The GenAI Divide」에서 공개 AI 사례 300여 건을 검토하고, 52개 조직을 인터뷰하였으며, 경영진 153명을 설문하였습니다. 조사 대상 조직 가운데 기업용 AI 시스템을 검토한 곳은 60%였지만 파일럿에 이른 곳은 20%였습니다. 운영에 들어간 곳은 5%였습니다.
보고서가 꼽은 원인은 경직된 업무 흐름, 맥락을 학습하지 못하는 도구, 일상 업무와의 불일치였습니다. 국내에서는 같은 문제의 해법으로 데이터부터 정비하자는 주장이 자주 나옵니다.
데이터부터 정비하자는 주장도 준비 여부를 용도별로 판정한다
가트너는 2025년 2월 AI에 맞게 준비된 데이터(AI-ready data)가 뒷받침하지 않는 AI 과제의 60%가 2026년까지 중단될 것이라고 예측하였습니다. 같은 발표는 그런 데이터를 특정 용도에 필요한 패턴과 오류, 이상값을 대표하는 데이터로 정의합니다. 용도를 정하지 않으면 데이터의 준비 여부도 판정할 수 없습니다.
박진아 에이블런 대표는 2026년 9월 21일 머니투데이 기사에서 데이터를 모두 갖출 때까지 AX를 미루는 제조기업이 많다고 지적하였습니다. 그는 현장에서 풀어야 할 과제가 분명하면 "지금 보유한 데이터로도 시작할 수 있다"고 말하였습니다. 과제가 분명하려면 첫 업무부터 정하여야 합니다.
첫 업무는 반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성으로 선정한다
반복 빈도는 전환 효과를 수치로 측정할 수 있는지를 확인하는 기준입니다. 판단 기준의 문서화 수준은 AI가 담당자와 같은 판단을 재현할 수 있는지를, 오류 시 복구 가능성은 AI의 판단이 틀렸을 때 피해가 생기기 전에 바로잡을 수 있는지를 확인합니다.
기준 | 확인할 내용 | 우선 대상 | 후순위 대상 |
|---|---|---|---|
반복 빈도 | 같은 유형의 업무가 주 단위로 몇 건 발생하는가 | 주 여러 건 발생 | 분기 1~2건 |
판단 기준의 문서화 수준 | 판단 근거가 작업표준서, 검사 기준서, 승인 규정, 시스템 기준값에 남아 있는가 | 문서와 시스템 데이터로 판단 가능 | 담당자 경험에만 의존 |
오류 시 복구 가능성 | AI 판단이 틀렸을 때 출하나 설비 가동 전에 바로잡을 수 있는가 | 사람 확인 단계를 둘 수 있음 | 오류가 곧바로 출하나 안전 문제로 이어짐 |
세 항목이 모두 우선 대상인 업무를 첫 대상으로 삼습니다. 하나라도 낮으면 뒤로 미룹니다.
반복 빈도가 높아야 전환 효과를 측정할 수 있다
반복 빈도는 곧 표본 수입니다. 월 1회 발생하는 업무는 한 분기 동안 비교할 사례가 세 건에 그칩니다. 매일 발생하는 업무는 같은 기간에 60건 이상이 쌓여 AI 적용 전후를 비교할 수 있습니다.
판단 기준이 문서화된 업무여야 AI가 같은 판단을 재현한다
반복 빈도가 높아도 판단 기준이 담당자 경험에만 있으면 AI는 같은 결론을 재현하지 못합니다. 수입검사 합격 판정처럼 기준서의 허용 범위로 결론이 나는 업무는 AI가 같은 조건에서 같은 결론을 냅니다. 숙련 담당자가 경험으로 처리하던 예외 판단은 기준부터 문서화합니다. MIT 보고서도 내부 판단 논리가 복잡하거나, 판단 근거가 드러나지 않거나, 회사 고유의 경험칙에 기댄 최적화 업무에서 AI 도입이 부진한 경우가 많았다고 적었습니다.
시스템에 저장된 기준값도 판단 근거가 됩니다. 그 예는 생산관리시스템(MES)의 공정 조건, 전사적자원관리(ERP)의 납기와 재고, 품질관리시스템(QMS)의 검사 이력입니다. 기준과 시스템 데이터의 연결은 온톨로지와 지식그래프에서 설명합니다.
오류를 바로잡을 수 있는 업무부터 AI에 넘긴다
문서화된 기준으로도 AI의 판단은 틀릴 수 있으므로, 결과가 출하나 설비 가동 전에 걸러지는 업무가 첫 대상입니다. 작업지시서 초안이나 생산계획 조정안처럼 사람이 확정하기 전 단계에 AI를 두면, 오류는 검토 단계에서 수정됩니다. 출하 판정과 설비 정지 지시는 결과가 곧바로 현장에 반영됩니다. 이런 업무는 승인 절차부터 설계합니다.
MIT 보고서는 성과를 낸 AI 공급 기업의 전략으로, 중요도가 낮거나 핵심 업무에 인접한 프로세스에서 가치를 먼저 입증한 뒤 핵심 업무로 확장하는 방식을 꼽았습니다. AI에 업무별로 어디까지 맡기는지는 「제조 현장의 AI 에이전트 적용 사례: 업무별로 어디까지 맡기는가」에서 다룰 예정입니다.
후보 업무 평가표로 첫 대상과 다음 순서를 정한다
후보 업무(가정 예시) | 반복 빈도 | 판단 기준의 문서화 수준 | 오류 시 복구 가능성 | 판단 |
|---|---|---|---|---|
생산계획 재조정 | 높음(주문 변경·설비 정지마다) | 높음(설비 능력, 납기, 작업 순서 제약) | 높음(확정 전 계획 담당자 검토) | 첫 대상 |
긴급 납품 가능 여부 회신 | 중간(주 단위) | 중간(일정 조정 기준은 담당자 경험) | 높음(회신 전 영업 담당자 확인) | 기준 문서화 후 |
수입검사 합격 판정 | 높음(입고마다) | 높음(검사 기준서) | 낮음(합격 즉시 공정 투입) | 승인 절차 설계 후 |
작업표준서 개정 영향 검토 | 낮음(월 단위) | 중간(영향 판단은 담당자 경험) | 높음(개정 승인 전 검토) | 후순위 |
생산계획 재조정은 반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성을 모두 충족한다
생산계획 재조정은 주문 변경이나 설비 정지가 생길 때마다 발생합니다. 설비 능력과 납기, 작업 순서 같은 제약 조건으로 판단하며, 계획은 확정 전에 담당자가 검토합니다.
같은 계열인 생산 스케줄링 자동화에서는 계획 수립 시간이 1시간에서 5분으로 단축되었습니다(92%↓, 퓨처워크랩 고객 환경 실측). 도구 선택 기준은 스케줄링 AI 선택 기준에 있습니다.
첫 업무를 정한 뒤에 도입 범위와 기간을 산정한다
업무 한 건이 정해지면 연결할 시스템과 맞출 기준, 거칠 승인 단계가 확정됩니다. 도입 기간은 그다음에 산정하며, 산정 방법은 「제조 AI 도입 범위를 업무 단위로 정하여야 기간을 산정할 수 있다」에서 다룰 예정입니다. 검증 후 넘겨받을 산출물은 PoC 인수 항목에 있습니다.
두 번째 업무는 첫 업무에서 연결한 시스템과 기준 위에 추가한다
생산계획 재조정에 연결한 MES의 설비 상태와 ERP의 주문 데이터는 긴급 납품 회신에도 그대로 쓰입니다. 두 번째 업무에서는 설비, 품목, 공정 용어도 다시 정의하지 않습니다. 두 번째 업무부터는 새로 연결할 데이터와 새로 문서화할 판단 기준만 준비합니다.
전사 전환은 업무를 한 건씩 더한 결과입니다. 여러 업무를 이어서 실행하는 구성은 멀티 에이전트 오케스트레이션에서 설명합니다.
AX Flow는 시스템 연결, 업무 실행, 실행 통제를 한 구조에서 운영한다
업무를 한 건씩 더하려면 연결, 실행, 통제를 한 구조에서 관리하여야 합니다. 퓨처워크랩의 AX Flow는 기업의 판단과 실행을 운영하는 AI 운영 레이어입니다. MES, ERP, QMS의 시스템 데이터와 작업표준서, 메일을 온톨로지로 연결하여 판단 근거를 구조화합니다. 업무를 수행하는 에이전트는 노코드 도구인 월드 빌더(World Builder)에서 구성하고, AX Guard가 실행 이력과 승인 권한을 관리합니다. 제조는 AX Flow가 가장 먼저 적용되는 시장입니다.
정리하며
시간이 가장 많이 드는 업무마다 반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성을 확인하고, 모두 충족하는 한 건부터 검토해 보시기를 권합니다.
도입 상담 요청하기 · 후보 업무의 평가를 함께 검토합니다.
자주 묻는 질문 (FAQ)
제조 AX는 무엇인가요?
제조 AX(AI 전환)는 생산, 품질, 구매 같은 제조 업무에서 판단과 실행의 일부를 AI에 넘기고, 그 결과를 사람이 관리하는 일을 말합니다. 첫 단계는 AI에 넘길 업무 한 건을 선정하는 일입니다.
제조 AX의 첫 업무는 무엇으로 고르나요?
반복 빈도, 판단 기준의 문서화 수준, 오류 시 복구 가능성으로 고릅니다. 세 기준을 모두 충족하는 업무를 첫 대상으로 삼습니다.
데이터 정비가 끝나지 않았으면 제조 AX를 시작할 수 없나요?
시작할 수 있습니다. 데이터의 준비 여부는 용도별로 판정되므로, 첫 업무를 정한 뒤 그 업무에 필요한 데이터부터 정비합니다.
오류 시 복구 가능성은 어떻게 판단하나요?
AI의 판단이 출하나 설비 가동에 반영되기 전에 사람이 확인하고 수정할 수 있는지를 봅니다. 확인 단계를 둘 수 없는 업무는 승인 절차를 먼저 설계합니다.
참고한 것
정책브리핑, 「'제조 AX 얼라이언스' 출범」(2025-09-10)
MIT Project NANDA, 「The GenAI Divide: State of AI in Business 2025」(2025)
Gartner, 「Lack of AI-Ready Data Puts AI Projects at Risk」(2025-02-26)
머니투데이, 「"데이터 다 모을 때까지 기다리지 마라"…제조 AX 성공하려면」(2026-09-21)