인핸스·GS칼텍스, 83만대 설비에 숙련자 노하우 연결…‘제조 암묵지 AI’ 개발
(venturesquare.net)
인핸스와 GS칼텍스가 숙련된 엔지니어의 경험과 방대한 설비 데이터를 연결해 제조 현장의 암묵지를 디지털 자산화하는 AI 모델 개발에 착수하며, 이는 제조업의 지식 전수 문제를 해결할 혁신적 시도로 평가받습니다.
이 글의 핵심 포인트
- 1인핸스와 GS칼텍스가 83만 대 이상의 설비 데이터와 2,900여 건의 비정형 문서를 활용한 AI 모델 개발
- 2현장 엔지니어 인터뷰를 통해 숙련자의 판단 기준과 점검 순서를 데이터화하여 온톨로지에 반영
- 3AI가 원인 후보와 점검 순서를 제시하고, 판단의 근거가 되는 원문(정비 이력 등)을 함께 제공하는 'Guide 챗봇' 구현
- 4데이터 보안을 위해 GS칼텍스의 온프레미스(On-premise) 환경 내에 시스템 구축
- 5산업통상자원부 주관의 '2액년도 제조암묵지기반 AI모델개발사업'의 일환으로 진행
이 글에 대한 공공지능 분석
왜 중요한가?
숙련 인력의 은퇴로 인한 제조 현장의 지식 단절 문제를 AI를 통해 해결하려는 실질적인 시도입니다. 단순한 문서 검색을 넘어 전문가의 판단 로직을 데이터화하여 기업의 핵심 자산으로 보존한다는 점에서 가치가 큽니다.
어떤 배경과 맥락이 있나?
제조업의 디지털 전환(DX) 과정에서 가장 큰 난제는 문서화되지 않은 '암묵지'의 유실입니다. 최근 에이전틱 AI 기술의 발전은 이러한 비정형 지식을 구조화하고 실행 가능한 가이드로 변환할 수 있는 기술적 토대를 제공하고 있습니다.
업계에 어떤 영향을 주나?
단순 LLM 도입을 넘어, 산업별 특화된 '온톨록지(Ontology)'와 '도메인 지식' 결합이 AI 기업의 핵심 경쟁력이 될 것임을 시사합니다. 이는 제조, 에너지, 물류 등 전문 지식이 중요한 산업군에서 에이전틱 AI 솔루션의 수요를 폭발시킬 수 있습니다.
한국 시장에 어떤 시사점이 있나?
한국의 제조 강국 지위를 유지하기 위해서는 숙련공의 노하우를 디지털화하는 기술적 선점이 필수적입니다. 스타트업들은 범용 AI가 아닌, 특정 산업의 워크플로우와 판단 기준을 깊게 파고드는 '버티컬 AI' 전략을 강화해야 합니다.
이 글에 대한 큐레이터 의견
이번 프로젝트는 AI가 단순한 '정보 검색기'를 넘어 현장의 '의사결정 지원 에이전트'로 진화하는 중요한 이정표를 보여줍니다. 특히 AI가 답을 내리는 것이 아니라 근거를 제시하고 최종 판단은 인간이 내리는 'Human-in-the-loop' 구조를 채택한 것은, 안전이 최우선인 제조 현장의 리스크를 관리하면서도 기술 수용성을 높이는 매우 영리한 접근입니다.
스타트업 창업자들은 여기서 '데이터의 구조화(Ontology)'라는 핵심 기회를 포착해야 합니다. 단순히 대규모 언어 모델을 사용하는 것을 넘어, 현장 전문가의 인터뷰를 통해 어떻게 지식을 구조화하고 이를 기존 데이터와 연결할 것인가가 기술적 해자(Moat)가 될 것입니다. 다만, 숙련자의 노하우를 데이터화하는 과정에서 발생하는 높은 비용과 데이터의 편향성 문제는 해결해야 할 과제입니다. 전문가의 경험이 항상 정답은 아니기에, 잘못된 노하우가 AI를 통해 고착화될 위험(Risk)도 존재하므로 이를 검증할 수 있는 정교한 피드백 루프 설계가 병행되어야 합니다.
관련 뉴스
댓글
아직 댓글이 없습니다. 첫 댓글을 남겨보세요.