■ 산업 특화 AI 에이전트, 제조 AI의 경쟁 기준이 바뀌고 있습니다
기업 AI의 경쟁 기준이 범용 모델의 성능에서 산업별 업무 수행 능력으로 이동하고 있습니다. 산업 고유의 판단 조건을 실행 과정에 반영하는 ‘산업 특화 AI 에이전트’가 주목받는 이유입니다.
가트너는 지난 9월 107건의 에이전틱 AI 도입 사례를 분석하고, 2028년까지 에이전틱 AI의 실질적 투자수익률(ROI) 중 80%가 특정 산업과 업무에 특화된 에이전트에서 발생할 것으로 전망했습니다.
범용 지식보다 실제 업무 수행 능력이 중요해진다는 의미입니다.
제조업에서는 이 차이가 뚜렷하게 드러납니다. AI가 도면에 적힌 치수를 정확히 읽더라도 그 값이 어느 형상에 해당하는지, 현재 생산에 적용할 수 있는 규격인지 확인하지 못하면 잘못된 발주로 이어질 수 있습니다. 정확한 인식만으로 올바른 업무 결과를 보장할 수는 없습니다.
■ 제조업에서는 최신 도면이 반드시 정답은 아닙니다
자동차 부품 제조기업의 구매 업무를 예로 들어보겠습니다. 설계팀이 부품에 있는 특정 구멍의 직경을 Ø8(8mm)에서 Ø10(10mm)으로 변경하고, 도면을 Rev. B에서 Rev. C로 개정했지만, 구매팀의 발주서는 이전 규격을 참조한다고 가정해 보겠습니다.
이때 AI가 두 도면에 표시된 Ø8과 Ø10을 모두 정확히 읽어도 어느 구멍에 적용되는 치수인지 연결하지 못하면 변경된 부분을 특정하기 어렵습니다. 도면 내 형상을 추출하고, 치수·공차·기호를 해당 형상에 매핑해야 하는 이유입니다.
변경된 형상을 파악해도 판단은 끝나지 않습니다. Rev. C가 모든 생산에 적용되지는 않기 때문입니다. 특정 생산 로트까지는 Rev. B를, 이후부터는 Rev. C를 적용하도록 승인됐다면 같은 부품이라도 발주 대상에 따라 유효한 규격이 달라집니다.
도면에는 형상과 규격이, 부품명세서(BOM)에는 구성 부품이, 발주서에는 구매 대상이 기록됩니다. 변경 승인 여부와 적용 로트는 별도 시스템에 존재할 수 있습니다. 도면 내부의 관계에 더해 문서 간 정보와 생산 조건을 대조해야 합니다.
■ 산업 특화 AI 에이전트는 단일 모델이 아닌 실행 구조입니다
산업 특화 AI 에이전트는 제조업 용어를 많이 학습한 모델만을 뜻하지 않습니다. 산업에서 업무가 성립하는 조건에 따라 여러 기술을 연결하고, 그 결과를 검증해 후속 작업으로 이어가는 실행 체계에 가깝습니다.
먼저 멀티모달 비전언어모델(VLM)과 문서 인식·구조화 기술은 도면·BOM·발주서에서 부품번호와 개정정보, 치수 등을 추출합니다. 제조도면에서는 형상을 식별하고 치수·기호와의 관계를 매핑하는 과정도 필요합니다. 추출 정확도와 관계 매핑 정확도는 구분해야 합니다.
검색증강생성(RAG)은 설계 변경 공지와 구매 지침 등 판단에 필요한 근거를 찾는 데 활용할 수 있습니다. 그러나 검색된 지침이 과거 버전이거나 다른 제품군에 적용되는 기준이라면 그대로 사용할 수 없습니다. 승인 여부와 로트별 적용 조건은 공식 시스템과 사전 정의된 규칙으로 확인해야 합니다.
문서대조·판단 AI 에이전트는 추출한 정보를 같은 부품과 발주 건에 연결해 규격 차이와 누락을 검토하고, 별도의 검증 단계로 넘길 수 있습니다. 핵심은 비정형 정보를 해석하는 AI 모델과 업무의 유효성을 판정하는 규칙의 역할을 나누는 것입니다.
■ 에이전틱 AI 플랫폼은 판단 결과에 따라 실행을 바꿉니다
여러 AI 기능을 보유하는 것만으로 실제 업무가 완성되지는 않습니다. 문서 인식과 근거 검색, 정보 대조, 규칙 검증, 후속 처리를 각 단계의 결과에 따라 연결하는 '워크플로우 오케스트레이션'이 필요합니다.
앞선 발주 사례에서 형상별 규격과 개정본의 적용 조건이 모두 일치하면 승인된 후속 절차로 전달할 수 있습니다. 규격이 충돌하면 해당 형상과 불일치 항목, 원문 근거를 담당자에게 제시하고, 적용 기준을 확인할 수 없으면 자동 처리를 보류해야 합니다. AI의 판단을 그대로 실행하지 않고 정상·불일치·근거 부족에 따라 처리 경로를 구분하는 것입니다.
에이전틱 AI 플랫폼은 이러한 기능을 재사용 가능한 블록으로 구성해 산업별 업무에 맞게 조합하는 접근입니다. 제조의 발주 검토와 금융의 보험 심사는 다르지만 문서 추출, 지식 검색, 정보 대조, 승인 요청 등의 공통 기능을 활용합니다. 업무별 규칙과 시스템 연계에는 별도 설계가 필요하지만 공통 기술을 재사용해 구축 부담을 줄일 수 있습니다.
■ 이제는 인식률이 아니라 업무의 정합성을 물어야 합니다
문자 인식률과 항목 추출 정확도는 여전히 중요합니다. 하지만 Ø10이라는 수치를 정확하게 읽고도 다른 구멍에 잘못 연결하거나, 해당 생산 로트에 맞지 않는 개정본을 적용했다면 발주 업무는 올바르게 완료됐다고 볼 수 없습니다.
따라서 산업 특화 AI 에이전트의 성능은 형상과 치수의 매핑 정확도, 개정본과 적용 조건의 검증, 문서 간 불일치 탐지, 예외 처리와 실제 업무 완료율을 함께 평가해야 합니다. 개념검증(PoC)에서도 정상 도면뿐 아니라 여러 형상이 포함된 도면, 개정본이 다른 문서, 승인 근거가 누락된 경우를 검증해야 합니다.
제조기업이 물어야 할 질문도 달라집니다. “AI가 도면을 얼마나 정확하게 읽는가”가 아니라 “도면의 정보가 어느 형상에 적용되는지 이해하고, 현재 생산 조건에 맞춰 검증한 다음 후속 업무까지 올바르게 처리할 수 있는가”입니다. 산업 특화 AI 에이전트의 경쟁력은 산업 정보를 읽는 능력이 아니라 그 산업의 조건을 실행 구조에 반영하는 능력에 있습니다.
김동현 한국딥러닝 최고전략책임자(CSO)