[기준정보 따라가기] 2주차 Day 4 — AI 가 데이터 앞에서 멈추는 이유

주차 주제: 기준정보가 무너지면 무엇이 무너지나 | 제조 사례: 자신 있게 틀린 답

오늘의 목표: 기준정보 문제가 AI 에서 어떻게 증폭되는지 보고, 왜 지금 값이 달라졌는지 안다.

소요 시간: 30분

1. 한 문장으로

사람은 이상하면 멈춘다.
AI 는 이상해도 자신 있게 답한다.            ★

2. 사람이 메우던 것

지금까지 회사가 돌아간 이유

  김 대리가 압니다

    "PRD-A-001 이랑 A001 이랑 같은 거예요"
    "미분류는 대부분 소모품이에요"              ★
    "그 부서는 작년에 없어졌어요"
사람은

  · 이상하면 알아챕니다
  · 물어봅니다
  · 맥락으로 보정합니다                         ★

3. AI 는 못 메운다

"육각볼트 재고가 얼마야?"

  AI 는 코드 셋을 세 물건으로 봅니다.        ★
  → "PRD-A-001 은 0개입니다"

  틀리지 않았습니다.
  물어본 것에 답한 게 아닐 뿐입니다.        ★
그리고 —

  "재고가 0개네요. 발주하시겠습니까?"           ★

  이렇게 행동까지 제안합니다.

4. ★ 왜 더 위험한가

사람이 틀리면          AI 가 틀리면
──────────────────────────────────────────────
한 건                  전부                   ★
느리게                 빠르게
의심이 남는다          확신을 준다               ★
"확인해 볼게요"        완성된 문장으로 답한다
그리고 규모가 다릅니다.

  사람이 하루 40건 판단하던 것을
  Agent 가 3,000건 합니다.
  틀린 전제로 3,000건을 갑니다.                 ★

5. 어떻게 틀리나 — 네 모양

① 나뉜 것을 나뉜 채로 본다

  중복 코드 → 수요가 셋으로 나뉘어 작아 보임    ★
  → "이 품목은 수요가 적으니 단종하죠"
② 미분류를 그대로 답한다

  "품목군별 매출 알려 줘"
  → 미분류 23% 를 하나의 군으로 답합니다    ★
③ 과거를 지금 기준으로 본다

  없어진 부서에 작년 비용을 붙여 답합니다.      ★
④ 단위를 섞어 더한다

  340 + 12 = 352
  (340개 + 12박스)                              ★

④가 가장 조용합니다. 숫자가 나오고 아무 경고도 없습니다.

6. 그래서 기준정보의 값이 달라졌다

예전                      지금
──────────────────────────────────────────────
"정리하면 좋은 것"          "안 하면 AI 가 거짓말한다"  ★
늘 뒤로 밀림               AI 도입의 전제 조건
성과가 안 보임             AI 성과가 안 나오는 원인   ★
경영진에게 설명할 때

  "기준정보를 정리해야 합니다"
  → 예전에는 안 통했습니다

  "정리 안 하면 AI 가 틀린 답을 자신 있게 합니다"
  → 지금은 통합니다                             ★

7. RAG 도 안 구해 준다

"문서를 다 넣고 검색해서 답하게 하면 되지 않나요?"
RAG 는 문서를 찾아 줍니다.
데이터의 정합성을 고쳐 주지 않습니다.       ★
예

  질문   "○○산업과 총 거래액이 얼마야?"
  RAG    C-1001 자료와 V-2030 자료를 각각 찾아 옵니다
  답변   두 숫자를 나열하거나 하나만 답합니다   ★

  둘이 같은 회사라는 것을 모르니까요.

그 사실은 문서에 없습니다. 기준정보에 있어야 합니다. ③ 온톨로지 과정이 이 자리를 받습니다.

8. 어디까지 정리하면 AI 를 쓸 수 있나

완벽할 필요는 없습니다.
다만 어디가 부정확한지 알아야 합니다.       ★
최소 조건 셋

  ① 중복이 얼마나 되는지 안다                   ★
  ② 미분류가 몇 %인지 안다
  ③ 단위가 통일되어 있거나 환산이 있다          ★
①②를 알면

  AI 에게 물을 때 범위를 좁힐 수 있습니다.
  "미분류 제외하고" · "중복 정리된 품목군만"     ★

모르는 것을 아는 것이 정리의 절반입니다.

9. 오늘 해 볼 것 (15분)

① 우리 데이터로 AI 가 틀릴 시나리오를 적으세요

  질문                   왜 틀릴까
  ───────────────────────────────────────
  ____________________  ____________________  ★
  ____________________  ____________________
② 최소 조건 셋을 점검하세요

  □ 중복 비율을 아나        약 ___%            ★
  □ 미분류 비율을 아나      약 ___%
  □ 단위가 통일돼 있나      예 / 아니오        ★
③ 모르면 — 세어 보세요

  이번 주 안에 세 숫자만 뽑으면
  내일 피해액 계산의 재료가 됩니다.            ★

10. 내일 할 것

이번 주를 마무리합니다.

우리 회사 피해액을 계산합니다. 기준정보 정리는 6개월~2년 걸립니다. 왜 해야 하는지를 숫자로 못 대면 중간에 멈춥니다.

이 글은 기준정보 따라가기 과정의 2주차 4일차입니다. 과정 전체 보기

진도와 검색이 되는 판: AXPulse 기술따라가기

댓글

댓글 쓰기

이 블로그의 인기 게시물

자재관리는 잘 쓰는데 BOM은 엑셀입니다

제조 현장에서 시스템을 넣고 정착시키는 일을 오래 했습니다. 그러면서 반복해서 보게 되는 장면이 있습니다. 자재관리 쪽은 시스템을 아주 잘 씁니다. 입고와 출고가 제때 잡히고, 재고를 물어보면 화면을 열어 답합니다. 굳이 확인 전화를 걸 필요가 없습니다. 그런데 몇 걸음 떨어진 설계 쪽으로 가면 이야기가 달라집니다. BOM이 엑셀로 만들어지고, 메일로 넘어옵니다. 같은 회사, 같은 시스템입니다. 사업부에 따라 어떤 곳은 잘 쓰고, 어떤 곳은 잘 쓰지 않습니다. 한 회사만의 이야기가 아닙니다. 엔지니어링 수주산업에서는 흔한 모습입니다. BOM이 늦으면 뒤가 전부 밀립니다 BOM은 단순한 부품 목록이 아닙니다. 그 프로젝트의 실행 계획입니다. BOM이 나와야 소요량이 계산되고, 소요량이 있어야 구매가 움직이고, 자재 입고 일정이 잡혀야 생산계획이 나옵니다. 생산계획이 없으면 작업지시도 나가지 않습니다. BOM 하나가 늦으면 그 아래가 전부 밀립니다. 엔지니어링 수주산업에서는 이 영향이 더 큽니다. 수주마다 구성이 달라서 표준 BOM을 꺼내 쓸 수 없습니다. 매번 새로 만들어야 하고, 그래서 매번 늦습니다. 도구가 문제라면 양쪽이 같이 어려워야 합니다 교육이 부족했나 싶어질 때가 있습니다. 화면이 불편한가 싶기도 합니다. 그런데 자재관리는 같은 시스템으로 잘 쓰고 있습니다. 같은 교육을 받았고 같은 화면을 씁니다. 도구가 문제라면 양쪽이 함께 어려워야 합니다. 그래서 도구가 아니라 일의 성질을 봐야 합니다. 확정하면 변경관리를 해야 합니다 BOM을 시스템에 올려 확정하면, 그다음부터 바뀔 때마다 변경관리를 해야 합니다. 엔지니어링 수주산업은 변경이 잦습니다. 고객 요구가 진행 중에 바뀌는 일이 흔하고, 설계가 잘못되어 고쳐야 하는 경우도 적지 않습니다. 확정하는 순간 이 모든 변경이 절차를 타는 일이 됩니다. 엑셀은 그냥 고치면 됩니다. 파일을 다시 보내면 그것으로 끝입니다. 기록이 남습니다 변경 사유를 남기는 이유는 원래 같은 문제가...
자세한 내용 보기

협력사 AI 로봇 도입, 공급망 스마트 제조 생태계 대응 전략

제조업 공급망 전반의 디지털 전환이 가속화되면서 완성차뿐만 아니라 부품 협력사의 AI와 로봇 도입이 생존 전략으로 부각되고 있습니다. 개별 공장 단위를 넘어선 공급망 연계 스마트 제조 생태계 구축 방안을 살펴봅니다. 왜 지금 이슈인가? 글로벌 공급망 불안정과 제조 원가 상승 압박 속에서, 부품 협력사까지 생산성과 품질 경쟁력을 동시에 확보해야 하는 필요성이 커졌습니다. 제조 현장의 고령화와 숙련공 부족 문제에 대응하기 위해 AI와 로봇 도입은 이제 선택이 아닌 생존 전략이 되었습니다. 핵심 내용 완성차 업계의 주도 하에 부품 협력사들과 인공지능 및 로봇 기반의 제조 혁신 기술을 확대하며 스마트 제조 생태계 조성이 추진되고 있습니다. 이는 대기업 중심의 단발성 기술 도입을 넘어, 공급망 전반의 디지털 전환과 지능화를 가속화하는 흐름입니다. 무엇이 달라지는가? 이전에는 개별 부품 협력사가 자체 자금과 인력만으로 개별 공정의 자동화를 시도하며 데이터 연계의 한계를 겪었으나, 이제는 완성차 업계와 연계된 지원 프로그램을 바탕으로 AI와 로봇 기술을 공급망 전반에 확대 적용하는 방식으로 변화하고 있습니다. 제조업에 미치는 영향 개별 기업 차원을 넘어 부품 공급망 전체의 제조 지능화 수준이 향상되는 계기가 됩니다. 협력사의 불량률 감소와 생산 효율성 증대는 결국 완성차 제조사의 품질 경쟁력 강화로 직결됩니다. 기업은 무엇을 준비해야 하는가? 자사 공장의 현재 자동화 수준을 진단하고 AI 및 로봇 도입이 시급한 병목 공정을 식별합니다. 대기업 및 유관기관의 협력사 스마트 제조 지원 프로그램과 연계 가능한 방안을 검토합니다. 생산 현장의 데이터를 수집하고 표준화하여 향후 공급망 데이터 연동에 대비합니다. 현장 작업자의 AI 및 로봇 장비 운용 역량을 높이기 위한 교육 체계를 마련합니다. AX 관점의 시사점 제조기업은 자사 공장 내의 AI 도입에만 머물지 않고, 부품을 공급하는 1, 2차 협력사들과의 데이터 연계와 기술 표준화를 준비해야 합니다. 공급망 ...
자세한 내용 보기

개발 테스트 자동화, AI 에이전트와 MCP 도입 전략

AI 에이전트와 MCP 기술이 도입되면서 제조 및 전장 부품의 개발과 테스트 프로세스 자동화가 빠르게 진행되고 있습니다. 복잡해지는 소프트웨어 검증 과정에서 반복 작업을 줄이고 품질 정확도를 높이는 실질적인 방안을 검토해야 합니다. 왜 지금 이슈인가? 소프트웨어 중심 자동차와 스마트 제조 공정이 확산되면서 엔지니어링 단계에서 처리해야 할 검증 데이터와 항목이 폭발적으로 늘어나고 있습니다. 기존의 수작업 위주 검증 방식으로는 개발 리드타임 단축과 품질 확보가 한계에 이르렀기 때문에, AI 기반의 자동화 솔루션 도입이 시급한 과제로 떠올랐습니다. 핵심 내용 임베디드 개발 및 테스트 환경에 AI 에이전트와 모델 컨텍스트 프로토콜이 적용되면서 복잡한 검증 프로세스의 자동화가 가능해지고 있습니다. 이는 서로 다른 개발 툴과 데이터를 유기적으로 연결하여, 사람이 개입하던 반복적인 테스트와 분석 업무를 AI가 수행하도록 돕는 기술적 변화입니다. 무엇이 달라지는가? 이전에는 엔지니어가 직접 테스트 시나리오를 작성하고 방대한 로그 데이터를 수작업으로 분석하느라 많은 시간과 휴먼 에러가 발생했습니다. 이제는 AI 에이전트가 반복적인 검증 작업을 자동 수행하고 표준화된 연동 기술을 통해 개발 툴 간의 데이터 교환이 매끄러워져 전체 프로세스의 효율성이 크게 향상됩니다. 제조업에 미치는 영향 제조 및 부품 개발 기업은 테스트와 검증에 투입되던 리소스를 크게 절감하고 제품 출시 주기를 단축할 수 있는 기반을 갖추게 됩니다. 특히 휴먼 에러를 최소화함으로써 고도화되는 전장 시스템과 복잡한 제조 소프트웨어의 품질 신뢰성을 높일 수 있습니다. 기업은 무엇을 준비해야 하는가? 사내 개발 및 테스트 프로세스 중 반복 비효율이 발생하는 병목 구간을 발굴합니다. 다양한 엔지니어링 툴 간의 연동 표준인 MCP 등 최신 기술 트렌드를 모니터링합니다. 수작업 위주의 검증 데이터를 정제하여 AI 에이전트가 활용할 수 있는 기반을 마련합니다. 품질 관리와 소프트웨어 테스트 영역에 AI 솔...
자세한 내용 보기