이 글에서는 '버티컬 AI 에이전트'와 '제조 AI 운영 레이어'가 무엇이 다른지를 다룹니다.
버티컬 AI 에이전트는 특정 산업과 업무에 특화되어 그 영역의 지식과 절차를 바탕으로 일을 처리하는 AI입니다. 제조 AI 운영 레이어는 기존 시스템을 교체하지 않고 그런 에이전트와 함께 하나의 업무 흐름으로 묶어 조회·분석·문서 작성·승인·조치까지 끝내며, 모든 실행에 근거와 승인 이력을 남기는 계층입니다.
이 두가지는 엄연히 다릅니다. 버티컬 AI 에이전트는 산업 도메인의 깊이로 "이 AI가 우리 업종을 아는가"에, 제조 AI 운영 레이어는 업무 흐름의 범위와 통제로 "이 AI가 우리 업무를 어디까지 끝내는가"에 답합니다.
운영 레이어의 정의와 4계층 구성은 제조 AI 운영 레이어란 무엇인가에 정리하여 두었습니다.
TL;DR (핵심 요약)
축이 다르므로 우열을 매길 수 없습니다. 검토 자리에서 필요한 것은 하나를 고르는 판단이 아니라 두 질문을 각각 물어보는 절차입니다.
이름만 보아서는 구분되지 않습니다. 같은 이름을 단 제품도 폭이 크게 다릅니다.
판단은 업무 한 건을 칸으로 펼치는 데서 시작합니다. 칸마다 판단 기준이 데이터 안에 있는지 문서·규정 안에 있는지부터 표시합니다.
그림 1. 세로는 산업 도메인의 깊이, 가로는 업무 흐름의 범위입니다. 두 축은 우열이 아니라 특화한 방향이 서로 다릅니다.
버티컬 AI 에이전트와 제조 AI 운영 레이어는 특화한 축이 다릅니다
버티컬 AI 에이전트는 특정 산업의 문제를 풀도록 설계된 AI입니다(삼성SDS 인사이트 리포트). 제조에서는 설비 이상 감지, 비전 검사, 수요 예측처럼 대상이 분명한 일에서 강합니다. 그 작업의 데이터를 가장 많이 본 모델이 그 작업에서 가장 정확하기 때문입니다.
제조 AI 운영 레이어는 방향이 다릅니다. 한 작업의 정확도를 끌어올리는 대신 여러 작업과 여러 시스템 사이를 잇습니다. MES에서 값을 꺼내고, 작업표준에서 기준을 찾고, 문서를 만들고, 승인을 올리고, 후속 조치를 거는 일이 한 흐름으로 이어지도록 붙잡아 두는 자리입니다.
그래서 한쪽이 다른 쪽을 대체하지 못합니다. 아무리 잘 만든 층이라도 진동 파형에서 베어링 이상을 잡아내는 일은 그 데이터로 학습한 모델을 이깁니다. 반대로 아무리 정확한 예지보전 에이전트라도 "그 알람을 받은 뒤에 누가 무엇을 근거로 정비 오더를 승인하였는가"까지 맡도록 설계된 것은 아닙니다.
이름만 보고 판단하지 않는 이유
버티컬 AI 에이전트라는 이름을 단 제품의 폭은 생각보다 넓습니다. 한 작업만 깊게 처리하는 것부터, 목표를 받으면 여러 단계를 스스로 이어 가는 것까지 같은 이름 아래 있습니다. 이름을 보고 판단하는 것은 어느 쪽에도 공정하지 않습니다.
'한 작업'과 '운영 전체'는 무엇이 다른가
확인할 것 | 버티컬 AI 에이전트 | 제조 AI 운영 레이어 |
|---|---|---|
특화의 축 | 산업 도메인의 깊이 | 업무 흐름의 범위와 통제 |
맡는 단위 | 정해진 작업 한 건 | 조회·분석·작성·승인·조치로 이어지는 흐름 전체 |
잘 맞는 문제 | 판단 기준이 데이터 안(센서 파형·이미지·이력) | 판단 기준이 문서·규정·데이터 안(작업표준·일탈 절차·품질 기준) |
도입 단위 | 그 작업이 있는 설비·라인 | 그 업무를 하는 부서의 업무 한 흐름 |
검증이 끝난 뒤 회사에 남는 것 | 그 작업의 모델과 성능 기록 | 온톨로지로 세운 용어·관계 구조와 실행·승인 이력 |
다음 업무로 넓힐 때 | 그 작업에 맞는 에이전트를 새로 마련함 | 이미 선 구조 위에 다음 업무를 얹음 |
사람이 맡는 자리 | 결과를 받아 다음 칸으로 이어 감 | 흐름의 결과를 검토하고 승인함 |
둘을 함께 쓸 때 | 흐름 안의 그 칸을 맡음 | 그 칸을 불러 쓰고 앞뒤를 이음 |
표 1. 두 용어를 구분하는 여덟 가지. 우열을 매기는 표가 아니라 맡는 자리를 확인하는 표이며, 마지막 줄이 보여 주듯 두 축은 서로를 채웁니다.
표에서 가장 자주 놓치는 줄은 '검증이 끝난 뒤 회사에 남는 것'입니다. 작업 단위로 도입하면 그 작업의 성능이 남고, 흐름 단위로 도입하면 설비·공정·원료·규정·문서가 어떻게 이어지는지가 구조로 남습니다. 이 구조는 다음 업무를 시작할 때 다시 쓰입니다.
숫자도 축을 나누어 읽습니다. 퓨처워크랩은 브로넥스 PoC에서 제조 질의응답 정확도 90.2%를 확인하였고, 같은 PoC에서 MES 생산 스케줄링은 1시간에서 5분 수준으로 줄었습니다. 앞의 수치는 정답 단락 매칭을 기준으로 한 자체 정의 지표이며, 측정 환경과 평가셋은 PoC 진입 이후 재현 검증으로 공개합니다.
그러니 공급기업 자료에 두 축의 숫자가 다 있는지 보십시오. 한 축만 적힌 자료를 그 자리에서 걸러 낼 일은 아닙니다. 비어 있는 축은 물어보면 되고, 물었을 때 조건까지 나오는지가 실제 판별입니다.
검토 중인 후보가 어느 쪽인지 함께 보기 → — 받아 둔 제안서나 염두에 두신 것들이 여러분의 현장 상황에 맞는지 점검해드립니다.(비용 없음).
이름 대신 확인하는 세 가지
이름이 같아도 제품이 다르면 검토는 항목으로 하여야 합니다. 실제로 답이 달라지는 항목은 세 가지입니다.
하나 — 업종의 판단 기준이 어디에 서 있는가
제조 업무의 판단은 대부분 문서 안에 있습니다. 어떤 편차가 일탈인지, 어느 값을 넘으면 누구에게 보고하여야 하는지는 작업표준과 품질 기준서에 적혀 있습니다. AI가 이 판단을 다루려면 그 기준이 기계가 읽을 수 있는 구조로 서 있어야 합니다.
확인할 것은 그 구조를 누가 세우느냐입니다. 고객이 도입할 때마다 처음부터 세워야 하는지, 제품 안에 미리 서 있는지가 구축 기간과 재사용 여부를 정합니다. 퓨처워크랩은 이 구조를 세 층으로 나눕니다.
공통층 — 전 고객이 함께 씁니다.
업종 패키지 — 같은 업종이면 그대로 씁니다.
고객 누적층 — 그 회사에만 해당합니다.
앞의 두 층이 제품 안에 있으면 다음 고객은 세 번째 층부터 시작합니다. 이 구조를 무엇으로 만드는지는 온톨로지·지식그래프로 연결하는 원리에 정리하여 두었습니다.
둘 — 에이전트를 묶는 규칙이 어디에 있는가
에이전트를 여러 개 두는 것과 하나의 업무로 묶는 것은 다른 일입니다. 차이는 개수가 아니라 묶는 규칙을 어디에 두었는가에서 드러납니다.
규칙을 각 에이전트 안에 나누어 넣으면 당장은 돌아갑니다. 다만 그 규칙은 에이전트에 붙어 있어 모델이나 공급사를 바꾸면 함께 사라지고, 순서와 인계 방식을 처음부터 다시 정하게 됩니다.
규칙을 별도의 층에 두면 반대가 됩니다. 순서와 인계 형식이 층에 남으므로 에이전트는 교체 가능한 부품이 되고, 더 나은 특화 모델이 나오면 그 칸만 갈아 끼울 수 있습니다. 모델은 교체되지만, 회사가 쌓은 판단 구조는 남습니다.
셋 — 결과에 이른 경로가 감사에서 버티는가
규제 제조에서는 결과만으로 끝나지 않습니다. 심사에서 세 가지를 더 요구받습니다.
그 판단이 어느 기준 문서에 걸려 있었는지
승인 권한이 누구에게 있었는지
중간에 값이 바뀌었다면 무엇이 언제 바뀌었는지
작업 단위에서는 그 판정의 근거를 그 도구 안에서 설명하면 됩니다. 흐름 단위에서는 칸과 칸 사이에서 무엇이 넘어갔는지까지 남아야 합니다. 이력은 기능이 아니라 실행 구조의 부산물이라 나중에 붙이기 어렵습니다. 퓨처워크랩은 이 통제 계층을 AX Guard로 부릅니다. 접근·실행·사후 세 단계에서 권한과 기록을 관리하며, 제조 AI 운영 레이어의 네 겹 가운데 마지막 자리입니다.
새 인증을 받아야 하는가는 다른 문제입니다. 인증보다 감사추적과 데이터 완전성이 먼저 걸리고, 어떤 법이 어디까지 겨냥하는지는 제조 AI 거버넌스에 정리하여 두었습니다.
우리 공장은 무엇부터 확인하여야 하나
세 항목만 들고 회의에 들어가면 대개 답이 나오지 않습니다. 업무를 먼저 펼쳐 놓아야 항목을 대 볼 수 있습니다. 순서는 세 단계입니다.
그림 2. 업무 한 건을 칸으로 펼치면, 어느 칸에 특화 에이전트가 필요하고 어느 자리에 제조 AI 운영 레이어가 필요한지가 종이 위에 드러납니다.
1단계 — 업무 한 건을 칸으로 펼칩니다
가장 손이 많이 가는 업무 한 건을 골라 시작부터 끝까지 적습니다. 불량 한 건이라면 설비 이력 조회, 원료 로트 확인, 과거 사례 탐색, 원인 후보 정리, 보고서 작성, 조치 등록으로 여섯 칸이 나옵니다. 칸이 하나로 끝나면 특화 도구 하나가 정답이고, 넷을 넘어가면 그때부터 칸과 칸 사이가 논점이 됩니다.
2단계 — 칸마다 판단 기준이 어디에 있는지 표시합니다
각 칸 옆에 판단의 근거가 어디에 있는지 적습니다. 센서값·이미지·이력처럼 데이터 안에 있으면 특화 모델이 강한 자리이고, 작업표준·품질 기준서처럼 문서와 규정 안에 있으면 구조와 검색이 먼저 필요한 자리입니다. 대부분의 공장에서 두 종류가 섞여 나오고, 문서 쪽이 더 많습니다.
3단계 — 칸 사이를 누가 메우고 있는지 셉니다
칸과 칸 사이에서 사람이 하는 일을 셉니다. 값을 옮겨 적는가, 화면을 다시 여는가, 담당자에게 물어보는가. 이 횟수가 층이 필요한 정도를 그대로 보여 줍니다.
여기까지 오면 결론은 하나를 고르는 것이 아니라 어느 것부터 세울지로 바뀝니다. 업무 한 흐름에서 함께 세운 뒤 넓히는 순서가 현실적이며, 시작 지점은 스마트공장 AI 시작 지점과 제조업 디지털 전환 로드맵에 정리하여 두었습니다.
자주 묻는 질문 (FAQ)
버티컬 AI 에이전트란 무엇인가?
버티컬 AI 에이전트는 특정 산업과 업무에 특화되어 그 영역의 지식과 절차를 바탕으로 일을 처리하는 AI입니다. 다만 같은 이름을 단 제품의 폭이 넓어, 한 작업만 처리하는 것부터 여러 단계를 스스로 이어 가는 것까지 함께 있습니다.
버티컬 AI 에이전트와 제조 AI 운영 레이어는 무엇이 다른가?
특화한 축이 다릅니다. 버티컬 AI 에이전트는 산업 도메인의 깊이로 특화하고, 제조 AI 운영 레이어는 여러 작업과 시스템을 하나의 업무 흐름으로 묶어 끝까지 끌고 가는 범위와 통제로 특화합니다. 둘은 대체 관계가 아닙니다. 실제 구축에서는 층이 특화 에이전트를 흐름 안의 한 칸으로 불러 쓰는 형태가 자연스럽습니다.
단일 작업 에이전트만으로 규제 제조 운영이 충분한가?
작업 하나로 끝나는 업무라면 충분합니다. 다만 규제 제조의 업무는 대개 조회·판단·문서·승인·조치로 이어지고, 심사에서는 결과뿐 아니라 그 경로를 요구받습니다.
여러 AI 에이전트를 하나의 업무로 묶는 에이전트 오케스트레이션에는 무엇이 필요한가?
부르는 순서와 결과를 넘겨받는 형식이 미리 정해져 있어야 합니다. 더 중요한 것은 그 규칙을 어디에 두느냐입니다. 별도의 층에 있으면 모델이나 공급사를 바꾸어도 순서가 남고, 각 에이전트 안에 흩어져 있으면 교체할 때마다 다시 정하게 됩니다.
버티컬 AI 에이전트와 제조 AI 운영 레이어를 함께 쓸 수 있는가?
함께 쓰는 것이 일반적인 형태입니다. 운영 레이어가 업무 흐름을 붙잡고, 판단 기준이 데이터 안에 있는 칸에서는 특화된 에이전트를 불러 씁니다. 먼저 정할 것은 어느 쪽을 살지가 아니라 어느 쪽을 먼저 세울지입니다.
다음 단계
검토 중인 후보가 어느 축의 제품인지부터 확인해 보십시오.
검토 중인 후보가 어느 쪽인지 함께 보기 → — 표 1의 여덟 줄에 대 보는 자리(비용 없음)
AX Flow — 제조 AI 운영 레이어 → — 연결·구조화·실행·거버넌스를 한 흐름으로
제조 AI 운영 레이어란 무엇인가 → — 이 층의 정의와 4계층 구성
AX Flow 데모 요청 → — 우리 공장 업무 한 흐름으로 직접 확인