제조 현장에서 AI가 체감으로 이어지지 않는 이유는 ‘인공지능(AI) 성능이 약해서’가 아니라 ‘현장이 결론에 도달하는 속도가 느려서’라는 말이 나온다. 공정이 아무리 빨라도 문제가 생겼을 때 범위를 좁히고 원인을 가설화하고 재발 방지까지 결정하는 흐름이 느리면 비용은 커진다. 컨포트랩은 이러한 문제의 해법을 제조 AX 관점에서 제시한다. 핵심은 AI 도입 여부가 아니라, 기록·추적·보고가 자동화돼 의사결정까지 걸리는 시간을 얼마나 줄이느냐다. 노코드 기반 제조 운영 관리 솔루션 ‘포타(POTa)’는 현장 데이터를 구조화된 기록으로 연결하고, 품질·생산·설비 예지보전까지 하나의 흐름으로 묶는다. 이를 통해 제조 현장은 숙련자 의존에서 벗어나, 데이터 기반으로 빠르게 판단하고 계획정지를 설계하는 운영 체계로 전환하고 있다.

 

 

제조 AX의 승부처는 ‘정확도’보다 ‘결론까지 도달하는 시간’

 

최근 현장에서 발생하는 모든 비용은 불량률 그래프 하나로 설명이 끝나지 않는다. 더 큰 비용은 불량이 터진 이후에 발생한다. 범위를 넓게 잡으면 폐기, 재작업, 자발적 수거, 납기 차질 등까지도 비용에 영향을 미친다. 이러한 위협은 고객 리스크로 이어진다. 결국 핵심은 얼마나 빨리, 얼마나 근거 있게 범위를 세분화해 관리하느냐다. 이때 공장을 멈추게 만드는 건 설비 성능이나 공정 주기가 아니라 정보의 단절이다.

 

 

구체적으로 말하면 각종 데이터·기록이 파편화돼 있고, 누적된 맥락 또한 없으며, 변경이력과 원인 후보가 서로 연결되지 않으면, 현장은 보수적으로 움직일 수밖에 없다. 이러한 보수적 운영은 안전해 보이지만, 장기적으로는 원가·납기·신뢰를 동시에 갉아먹는 요인이 된다. 그래서 제조 AX를 설득력 있게 다루려면 ‘AI를 적용했다’가 아니라 ‘의사결정이라는 결론까지 가는 시간을 줄였다’를 증명해야 한다.

 

중요한 건 AI 도입이 아니라 ‘기록의 자동화’

 

국내 제조 운영 관리 솔루션 업체 컨포트랩이 제시하는 논리는 단순하다. 판단 자동화는 AI 모델로 시작하지 않고 기록으로 시작한다는 것이다. 기록이 자동으로 남고, 그 기록이 나중에 다시 쓸 수 있는 형태로 정리돼 있어야만 추적·보고가 자동화된다는 것. 그래야 추천이나 에이전트가 ‘현장 조치’로 이어질 수 있다는 주장이다. 이 전제는 중소 제조 현장에서 특히 설득력이 있게 받아들여진다.

 

이때 인력 투입을 늘려 운영하는 기존 방식은 지속 가능하지 않고, 숙련 작업자 개인의 기억과 감각에 의존하는 운영은 인력 변동과 교대 변경에 취약하다. 회사는 결국 제조 AX의 첫 단추로, “운영이 작업자 머리에서 시스템으로 내려오는가”를 주목하고 있다.

 

컨포트랩이 제공하는 포타(POTa)는 노코드(No-code) 기반 제조 운영 관리 AX 솔루션이다. 이 기술은 현장 데이터 수집·정제 영역과 운영 데이터 관리 영역을 한데 융합한 구성을 강조한다.

 

이때 포타콘(POTaCon)과 포타뉴로베이스(POTa Neurobase)가 구성요소로 활약한다. 포타콘은 지능형 데이터 수집 장치인 ‘에지 게이트웨이(Edge Gateway)’ 솔루션이다. 현장 내 각종 신호·기록을 하나의 통로로 모으는 역할을 한다.

 

이어 객체 관계형 데이터베이스(Graph Database) 기반의 포타뉴로베이스는 생산 정보와 운영 데이터를 객체 관계 형태로 다루는 구조다. 여기서 중요한 것은 기술 용어가 아니라 결과다.

 

공장별로 설비 구성과 공정이 다르니 맞춤화는 필수인데, 그만큼 구축 과정에 공수가 많이 필요한 딜레마가 있다. 김기중 컨포트랩 대표는 “기존 방식은 수많은 비용·시간이 소요되는 반면, 자사 기술은 며칠 단위로 시스템 구성을 지원한다”고 설명했다. 이 메시지를 내세운 근거는 회사의 기조가 도입 경제학을 강조하기 때문이다. 그는 현장에서의 AX는 ‘좋은 AI 모델’보다 ‘빨리 안착하는 운영 구조’가 먼저라고 본다.

 

시스템 구축이 길어지면 조직이 경직되고, 데이터는 흐트러지며, 결국 도입 실패로 이어진다는 철학에서다. 빠른 시스템 안착을 구현하려면 전체 시스템 연동 범위가 어디까지인지, 기존 제조실행시스템(MES)·전사적자원관리(ERP) 등과의 관계를 어떻게 가져가는지, 변경 관리를 누가 어떤 절차로 운영하는지까지를 함께 고려해야 한다는 점도 함께 드러냈다.

 

 

품질·생산·설비를 하나의 파이프라인으로...결론이 빨라진다

 

포타가 주목하는 현장 성과의 본질은 품질, 생산 운영, 설비 예지보전에서 나온다. 품질에서 핵심은 불량을 ‘추적하는 조직’에서 ‘결정하는 조직’으로 바꾸는 데 있다. 품질 이슈가 생겼을 때 필요한 이력·조건·특이사항이 사례와 상황 단위로 모여야 한다. 그럼 품질 조직은 자료를 모으는 데 시간을 쓰기보다, 문제가 영향을 준 구간을 빠르게 특정해 조치 범위를 줄이고 고객 대응과 재발 방지 결정을 앞당길 수 있다.

 

다만 김 대표가 언급하는 ‘기록·집계·추적 리소스의 대폭 절감’은 그 자체가 목표가 아니다. 그 절감이 가능해져야 리콜 범위를 정교하게 줄이고, 고객 대응 리드타임을 줄이며, 재발 방지 조치를 더 빨리 실행할 수 있다. 이 연결고리가 설득의 핵심이다.

 

생산 운영은 숙련자 투입으로 해결되지 않는다. 변동성을 관리하는 시스템이 있어야 한다. 공정 조건과 결과의 관계가 누적되고, 조정의 맥락이 기록으로 남는 것이 중요하다. 다음 의사결정은 ‘감’이 아니라 데이터에 기반한 가능성 높은 선택으로 연결된다. 조건 변경을 관리하는 공장으로 넘어가면 재현성이 올라가고 품질 편차가 줄어든다. 결과적으로 생산성이 안정된다.

 

설비 예지보전은 예측 정확도보다 정지 형태가 바뀌는지가 중요하다. 이상징후가 감지돼도 맥락, 원인 후보, 대응 시나리오가 정리되지 않으면 현장은 멈추고 확인하는 선택을 한다. 반대로 정보가 묶여 있으면 정지를 설계할 수 있다. 즉 다운타임의 범위와 타이밍을 계획 안에서 조율할 수 있다는 뜻이다.

 

이때 계획정지가 가능해지면 생산 일정이 예측되고, 품질 변동성이 줄며, 예비품·정비 의사결정이 앞당겨진다. 이는 센서나 알람을 늘려서가 아니라, 결론까지 가는 시간을 줄여 정지의 형태를 바꿨기 때문에 가동률이 오른다는 논리다.

 

결국 제조 AX에서 AI는 주연이 아니라는 것이 김기중 대표의 설명이다. 진정한 주연은 기록·추적·보고를 자동화해 예외 처리 속도를 끌어올리는 운영 체계다. 포타도 공장이 AI가 일할 수 있는 형태로 바뀌는 데 기여하는 솔루션이다. 컨포트랩이 강조하는 제조 AX의 핵심은 결론까지의 시간을 시스템으로 단축하는 데 있다.

 

헬로티 최재규 기자 |