기계가 내는 소리, 불량 판정의 기준으로…디플리, 8억원 팁스 선정

(venturesquare.net)

벤처스퀘어2026년 8월 10일AI 산업

음향 AI 스타트업 디플리가 제조 공정의 품질 검사를 데이터 기반으로 전환하는 '리슨 AI' 기술력을 인정받아 8억 원 규모의 팁스(TIPS) 프로그램에 선정되며, 소량 데이터 학습과 초음파 분석을 통한 산업 현장 확산의 발판을 마련했습니다.

이 글의 핵심 포인트

1디플리, 중기부 팁스(TIPS) 일반트랙 선정 및 2년간 8억 원 규모 R&D 지원 확보
2'리슨 AI' 솔루션의 검사 정확도 99.87% 달성 및 글로벌 완성차/부품사 적용 중
3소량 데이터 학습 기술을 통해 로봇, 반도체 등 다양한 제조 분야로 도입 기간 단축 추진
4가청 영역을 넘어 초음파 분석을 통한 설비 고장 및 노후화 초기 징후 포착 기술 개발
5지난 6월 데브시스터즈벤처스 등으로부터 25억 원 규모의 투자 유치 완료

이 글에 대한 공공지능 분석

왜 중요한가?

숙련공의 경험에 의존하던 제조 현장의 비정형 데이터를 정량화된 수치로 전환하여 공정 관리의 디지털 트랜스포메이션을 가속화하기 때문입니다. 특히 높은 정확도와 범용성을 동시에 확보하려는 시도는 AI 도입의 가장 큰 장벽인 비용과 시간 문제를 해결하는 핵심 열쇠가 됩니다.

어떤 배경과 맥락이 있나?

제조 산업은 고도의 정밀도를 요구하며, 기존에는 소리나 진동 같은 미세한 변화를 사람이 직접 감지해왔습니다. 최근 스마트 팩토리 확산과 함께 이러한 아날로그적 검사 방식을 데이터 기반의 자동화된 시스템으로 대체하려는 수요가 급증하고 있습니다.

업계에 어떤 영향을 주나?

'소량 데이터 학습' 기술은 AI 모델 구축에 필요한 막대한 비용을 절감시켜, 다양한 제조 환경에 AI를 빠르게 이식할 수 있는 생태계를 조성할 것입니다. 이는 단순 품질 검사를 넘어 설비 예지 보전(Predictive Maintenance) 시장의 확대로 이어질 가능성이 큽니다.

한국 시장에 어떤 시사점이 있나?

자동차, 반도체 등 글로벌 경쟁력을 가진 한국 제조 기업들에게 AI 솔루션은 필수적인 경쟁력 요소입니다. 디플리의 사례처럼 특정 도메인의 전문 지식(음향학)과 머신러닝 기술을 결합한 버티컬 AI 스타트업의 성장 가능성을 보여줍니다.

이 글에 대한 큐레이터 의견

디플리의 이번 팁스 선정은 '데이터 부족'이라는 제조 AI의 고질적인 페인 포인트를 정확히 타격했다는 점에서 매우 고무적입니다. 현장마다 다른 소음 환경을 극복하기 위해 사전 학습 모델(Pre-trained model)을 활용해 도입 기간을 단축하려는 전략은, 확장성(Scalability) 측면에서 매우 영리한 접근입니다. 이는 단순한 기술 개발을 넘어 '솔루션의 표준화'를 목표로 하는 비즈니스 모델의 성숙도를 보여줍니다.

다만, 초음파 영역까지 분석 범위를 넓히는 과정에서 발생할 수 있는 데이터 노이즈와 환경적 변수 통제는 여전히 큰 도전 과제입니다. 소리가 들리는 물리적 환경(공장 내 다른 기계 소음 등)의 간섭을 완벽히 제거하지 못한다면, 높은 정확도가 특정 실험실 환경에만 국한될 위험이 있습니다. 따라서 창업자는 기술적 정교함뿐만 아니라, 실제 거친 제조 현장의 '엣지 케이스'를 얼마나 확보하고 모델의 강건성(Robustness)을 증명하느냐에 사업의 성패를 걸어야 합니다.

원문 보기 →