국내 기업 AX 소식: 현장 데이터를 먼저 모아 AI가 지연 원인과 개선 과제를 찾게 한다 (11월 3일 묶음)
한화오션에코텍은 광양 사업장을 디지털 트윈으로 묶고 LLM 에이전트가 공정 지연 원인을 짚게 하는 체계를 12월 1차 가동합니다. SK에코플랜트는 업무 데이터로 직무별 지연 요인을 찾아 현업이 2~3주 만에 에이전트를 만드는 '1인 1 AI 에이전트' 체계를 열었습니다.
11월 2일 발표된 두 국내 사례는 순서가 같습니다. 현장과 사내 시스템에 흩어진 데이터를 먼저 한곳에 모으고 AI가 일이 어디서 늦어지는지 짚게 한 뒤, 고친 과제를 10~20개 단위로 나눠 차례로 진행합니다. 따라 하려면 데이터를 묶을 공통 키와 사람이 지연을 판정하는 기준, 현업이 만든 에이전트를 배포 전에 거르는 보안 관문을 먼저 갖춰야 합니다.
요약
이번 묶음은 11월 2일 나온 기업 AX 기사 2건을 다룹니다. 전자신문 최호 기자는 한화오션 자회사 한화오션에코텍이 전남 광양 사업장에 AI 기반 통합관리체계를 만든다고 전했습니다. 조선·해양플랜트 생산 현장을 작업자 경험과 수기 기록 대신 데이터로 관리하겠다는 것이 목표입니다. 대상은 공정, 제품, 물류, 안전, 설비 다섯 영역입니다. 사업장을 가상공간에 옮긴 디지털 트윈에 회의록과 작업표준서 같은 비정형 데이터까지 모으고 LLM 기반 AI 에이전트가 공정 지연 가능성과 원인을 분석해 대응 방안을 냅니다. 같은 날 메트로신문과 헤럴드경제 영문판은 SK에코플랜트의 ‘1인 1 AI 에이전트’ 체계를 보도했습니다. 사내 시스템에 남은 업무 데이터를 분석해 직무마다 업무 특성과 지연 요인을 찾은 다음 AI로 바꿀 업무를 골라 그 직무에 맞는 에이전트를 만드는 방식입니다. 헤럴드경제 영문판은 설문이나 인터뷰가 아니라 실제 데이터로 부서와 직무를 파악한다는 점을 짚었습니다.
두 회사 모두 아직 성과 수치를 내놓지 않았습니다. 대신 일정과 규모가 나왔습니다. 한화오션에코텍은 요구사항 분석, LLM 연계 시나리오 검토, 운영모델 설계를 마치고 영역별 시스템을 개발하고 있습니다. 10여 개 핵심 과제를 단계적으로 진행하며 12월에 1차 가동하고 2027년 6월까지 시스템 연계와 안정화를 끝냅니다. 광양은 검증 무대입니다. 결과는 거제와 필리 조선소 같은 국내외 거점으로 넓힐 계획입니다. SK에코플랜트는 반도체와 AI 데이터센터 현장에 먼저 적용합니다. 공정 실적과 작업 기록을 모으고 보고서를 쓰는 일을 자동화해 담당자가 품질 검토, 시공 문제 대응, 안전 관리에 시간을 쓰게 하려는 것입니다. 올해 사내 교육으로 길러 낸 현업 AI 전문가 318명이 개발에 참여합니다. AI 전담 조직의 도움으로 아이디어를 2~3주 안에 시스템으로 만듭니다. 한 회사는 사업장 하나를 깊게, 다른 회사는 직무 전체를 넓게 다루지만 데이터로 지연 지점을 찾고 과제를 쪼개 진행한다는 흐름은 같습니다. 아래에서는 두 사례를 정리한 뒤 이 흐름을 따라 할 때 필요한 기술과 현업 디테일을 덧붙입니다.
사례별 정리
한화오션에코텍: 광양 사업장을 디지털 트윈으로 묶고 LLM 에이전트가 공정 지연을 미리 짚게 한다
| 항목 | 내용 |
|---|---|
| 상황 | 조선·해양플랜트 생산 현장의 공정·물류·안전 관리가 작업자 경험과 수기 기록에 기대 왔음 |
| 한 일 | 디지털 트윈에 정형·비정형 데이터(회의록, 작업표준서 등)를 통합하고 영역별 KPI를 시각화. LLM 에이전트가 공정 지연 가능성과 원인을 분석해 대응 방안 제시 |
| 영역별 구성 | 생산계획(현장 제약·생산능력·인력·자재·도면 반영, 3D 정반 배치·사전점검·시뮬레이션 엔진 연계), 물류(지번체계, 태블릿·GPS로 블록·자재·운송장비 추적), 안전(영상 AI와 가스·풍향·풍속 센서 통합관제), 설비(공장별 유량·압력·전력량 모니터링) |
| 결과·수치 | 10여 개 핵심 과제 단계 추진, 2026년 12월 1차 가동, 2027년 6월 연계·안정화 완료 목표. 성과 수치는 기사에서 밝히지 않음 |
| 다음 단계 | PoC 성격. 광양에서 검증한 뒤 거제·필리 조선소 등으로 확산 계획 |
회사는 이 사업으로 생산량, 원가 절감, 납기 준수를 개선해 생산성·안전·원가 경쟁력을 함께 높이겠다고 밝혔습니다. 안전 영역에서 감지하려는 위험은 화재, 작업자 쓰러짐, 보호구 미착용, 중장비 접근입니다. 설비 영역은 고장 징후와 비효율적인 에너지 사용을 일찍 잡는 데 맞춰져 있습니다.
SK에코플랜트: 업무 데이터로 직무별 병목을 찾아 현업이 2~3주 만에 에이전트를 만든다
| 항목 | 내용 |
|---|---|
| 상황 | 현장 담당자가 공정 실적·작업 기록 취합과 반복 보고서 작성에 시간을 씀 |
| 한 일 | 사내 시스템 업무 데이터를 분석해 직무별 업무 특성과 지연 요인을 파악하고 AI로 개선할 업무를 도출. 개발 플랫폼 AI FAB과 공유 창구 AI 포털 운영 |
| 결과·수치 | 아이디어를 2~3주 안에 시스템으로 구현, 사내 AI 개발 행사에서 나온 과제 약 20개 개발 중(헤럴드경제 영문판은 20개 이상), 올해 육성한 현업 AI 전문가 318명 참여 |
| 과제 예 | 현장 원가 조회·분석, 설계 변경 대응, 공사 견적 검토, 공문·계약 검토 |
| 통제 | 사내 보안 검증(영문판은 거버넌스 절차 포함)을 거쳐 AI 포털에 등록 |
적용은 반도체와 AI 데이터센터 현장부터 시작합니다. 회사 관계자는 현장 업무 프로세스를 정밀하게 분석해 실제로 필요한 AI 활용 방안을 끌어냈다고 설명했습니다. 회사는 적용 범위를 넓혀 갈 계획입니다.
기술 디테일: 공통 패턴을 실제로 돌리려면
아래 필드명, 설정값, 숫자는 원문에 없는 가상 예시입니다. 두 사례의 공통 흐름인 데이터 통합, 지연 분석, 현업 개발을 실제로 만들 때 필요한 것을 정리했습니다.
정형·비정형 데이터를 한 트윈에 묶으려면(한화오션에코텍 사례) 먼저 공통 키를 정합니다. 조선소라면 블록 ID, 공정 ID, 지번(사업장 위치 코드), 날짜가 후보입니다. 기사에 나온 지번체계 표준화가 바로 이 키를 만드는 일입니다. 회의록과 작업표준서는 문단 단위로 잘라 임베딩하고 문단마다 언급된 블록·공정 ID를 메타데이터로 붙입니다. 이렇게 해야 에이전트가 “블록 B-214가 왜 늦나”를 물을 때 그 블록의 실적, 센서 값, 관련 회의록 조각을 한 번에 가져옵니다. 에이전트에 넘기는 입력은 원시 데이터가 아니라 하루 한 번 만든 KPI 스냅숏과 근거 문서 조각 5개 안팎, 각 데이터의 확인 날짜로 제한합니다.
공정 지연 원인을 LLM에 맡기려면 지연 여부 판정은 LLM이 아니라 규칙 엔진이 합니다. 계획 대비 실적 편차가 기준(예: 2일 이상)을 넘는 공정만 후보로 고르고 LLM은 그 후보의 원인과 대응안만 씁니다. temperature는 0~0.2로 두고 아래 JSON 스키마를 강제합니다. 원인마다 evidence에 근거 문서 ID가 없으면 검증 단계에서 버립니다. 같은 입력을 3회 돌려 상위 원인이 서로 다르면 confidence를 low로 내리고 공정 담당자에게 넘깁니다. 대응안은 에이전트가 실행하지 않고 담당자가 확인해 조치를 등록합니다.
{
"block_id": "B-214",
"process_id": "P-ASSY-03",
"plan_vs_actual_days": 3,
"delay_risk": "high",
"causes": [
{"cause": "자재 입고 지연", "evidence": ["MTG-1029-04", "MAT-LOG-5521"]},
{"cause": "정반 배치 충돌", "evidence": ["PLAN-3D-0412"]}
],
"actions": ["대체 정반 배정 검토", "자재 협력사 입고일 재확인"],
"confidence": "medium",
"runs_agree": 2,
"data_as_of": "2026-11-05"
}| 호출 설정 | 값 (가상 예시) |
|---|---|
| 호출 단위 | 지연 후보 공정 1건당 1회. 여러 공정을 한 프롬프트에 묶지 않음 |
| 주기 | 매일 06시 KPI 스냅숏 생성 직후 1회, 편차가 하루 새 1일 이상 늘면 수시 1회 |
| 입력 상한 | KPI 스냅숏 1개, 근거 문서 조각 top-k 5개, 합계 8,000토큰 이내 |
| 생성 설정 | temperature 0~0.2, 같은 입력 3회 실행, 상위 원인 일치 2회 이상이면 runs_agree 기록 |
| 스키마 실패 | 재시도 2회, 그래도 실패하면 사람 검토 큐로 이동 |
| 로그 필드 | run_id, block_id, prompt_version, model_version, evidence_ids, reviewer_decision, decided_at |
reviewer_decision에는 공정 담당자가 원인을 채택했는지(accept, edit, reject)를 남깁니다. 이 값이 쌓이면 판정 기준의 담당자 동의율을 따로 집계하지 않아도 됩니다. reject가 몰리는 원인 유형은 프롬프트나 통합층을 고칠 곳으로 바로 보입니다.
현업이 2~3주에 에이전트를 만들게 하려면(SK에코플랜트 사례) 과제 고르기부터 데이터로 합니다. 결재·문서 시스템 로그에서 같은 사람이 같은 형식의 작업을 주 3회 이상 반복하는지, 단계 사이 대기 시간이 긴지 점수를 매겨 후보를 뽑습니다. 점수는 주간 반복 횟수에 건당 소요 시간을 곱해 내고 상위 10개를 현업과 함께 다시 고릅니다. 개발은 빈 화면이 아니라 템플릿에서 시작합니다. 문서 요약형, 조회·분석형, 검토·대조형처럼 기사에 나온 과제 유형별로 입력과 출력 형식을 고정해 두면 현업 개발자는 프롬프트와 데이터 연결만 바꿉니다. 등록 전에는 개발자가 직접 만든 테스트 20건을 통과해야 합니다. 보안 게이트는 데이터 등급(예: 원가·계약은 사내 전용 모델만), 외부 전송 여부, 실행 권한을 확인합니다. 포털에는 담당자, 버전, 주간 사용량을 함께 올려 쓰이지 않는 에이전트를 정리합니다.
포털 등록은 아래 같은 manifest(등록 명세) 하나로 심사합니다. 보안 게이트는 data_grade와 allowed_model이 맞는지, write_actions가 비어 있는지, test_pass가 test_cases의 90% 이상인지를 자동으로 보고 통과 건만 사람 심사로 넘깁니다. write_actions에 쓰기 권한(예: 공문 발송, 견적 확정)이 하나라도 있으면 거버넌스 담당 승인을 한 번 더 받습니다.
{
"agent_id": "ECO-COST-017",
"task_type": "조회·분석형",
"owner": "현장 원가 담당",
"data_grade": "confidential",
"allowed_model": "internal_only",
"tools": ["cost_db.read"],
"write_actions": [],
"test_cases": 20,
"test_pass": 19,
"security_review": "approved",
"version": "1.2.0"
}| 실패하는 경우 | 대응 (가상 예시) |
|---|---|
| 회의록 속 블록 번호 표기가 제각각이라 근거를 못 찾음 | 문서 적재 때 정규식·사전으로 ID를 표준화, 매칭 실패 문서는 따로 보고 |
| LLM이 그럴듯하지만 근거 없는 원인을 냄 | evidence 없는 원인은 자동 삭제, 3회 실행 불일치는 사람 검토 |
| 센서·GPS 데이터가 늦게 들어와 지연을 늦게 잡음 | 입력마다 data_as_of 기록, 기준보다 오래된 데이터면 판정 보류 |
| 현업 에이전트가 원가·계약 문서를 외부 모델로 보냄 | 보안 게이트에서 데이터 등급별 허용 모델 고정, 위반 시 등록 차단 |
| LLM 출력이 JSON 스키마를 어김 | 재시도 2회 뒤 사람 검토 큐, 스키마 실패율이 주 5%를 넘으면 프롬프트 수정 |
| 현업 에이전트 테스트 통과율이 90% 미만 | 포털 등록 보류, AI 전담 조직이 실패 케이스를 함께 보고 1주 안에 재심사 |
| 포털에 비슷한 에이전트가 여러 개 쌓임 | 등록 때 유사 과제 검색, 4주간 사용 없으면 보관 처리 |
현업 실행 디테일: 누가, 언제, 무엇을
공정 관리처럼 깊게 들어가든 직무 전체로 넓게 가든, 처음 8주는 한 현장이나 한 부서로 범위를 좁힙니다. 아래 역할, 일정, 기준은 모두 가상 예시입니다.
| 역할 | 맡는 일 (가상 예시) |
|---|---|
| 현장 공정 책임자(사업 오너) | 지연 판정 기준과 목표 지표(납기 준수율, 보고 작성 시간)를 정하고 확대 여부를 판정 |
| 데이터 엔지니어 | 공통 키 설계, 정형·비정형 데이터 통합층 구축, 일일 KPI 스냅숏 생성 |
| AI 전담 조직 | 과제 유형별 템플릿 제공, 현업 개발자 코칭, 2~3주 개발 일정 관리 |
| 현업 AI 전문가 | 자기 업무의 과제를 직접 만들고 테스트 세트 작성, 동료 사용 피드백 수집 |
| 보안·IT 거버넌스 | 데이터 등급 심사, 외부 모델 사용 승인, 포털 등록 승인 |
시작 전 준비물은 다섯 가지입니다. 대상 현장의 최근 3개월 공정 계획과 실적, 같은 기간 회의록과 작업표준서, 결재·문서 시스템의 업무 로그, 데이터 등급 분류표, 지금 보고서 한 건을 쓰는 데 걸리는 시간 같은 기준선 측정값입니다.
| 기간 | 할 일 | 담당 | 산출물 |
|---|---|---|---|
| 1~2주 | 업무 로그로 지연·반복 업무 진단, 과제 10개 안팎 선정 | 사업 오너, AI 전담 조직 | 과제 점수표, 우선순위 10개, 기준선 측정값 |
| 3~4주 | 공통 키 확정, 데이터 통합층과 KPI 스냅숏 구축 | 데이터 엔지니어 | 통합 데이터 사전, 일일 KPI 스냅숏, 근거 문서 색인 |
| 5~6주 | 상위 과제 2~3개를 템플릿으로 개발, 테스트 세트 작성 | 현업 AI 전문가, AI 전담 조직 | 동작하는 에이전트, 과제별 테스트 20건, manifest |
| 7~8주 | 사람과 병행 운영, 보안 게이트 통과, 판정 회의 | 공정 담당자, 보안·IT 거버넌스 | reviewer_decision 집계, 보안 심사 결과, 판정 보고서 |
1주차는 이렇게 씁니다. 월요일에 사업 오너, 데이터 엔지니어, AI 전담 조직이 킥오프를 열어 대상 현장 하나와 목표 지표 두 개(예: 납기 준수율, 주간 보고 작성 시간)를 정합니다. 화요일과 수요일에는 업무 로그를 뽑고 반복 보고서 5종의 작성 시간을 담당자와 함께 실측해 기준선을 남깁니다. 목요일에 과제 후보 점수표를 만들고 금요일 회의에서 과제 10개와 첫 개발 대상 2~3개를 확정합니다. 1주차가 끝나면 기준선 표, 점수표, 확정 과제 목록 세 가지가 남아야 합니다.
확인 질문은 이렇게 준비합니다. 이 현장에서 지연이라고 부르는 기준은 며칠 편차부터입니까? 지연 원인을 지금은 누가 어떤 자료를 보고 판단합니까? 회의록과 실적 시스템에서 같은 블록이나 공정을 같은 이름으로 부릅니까? 매주 반복해서 쓰는 보고서는 몇 종이고 한 건에 몇 시간이 듭니까? 원가와 계약 문서는 어떤 모델까지 써도 됩니까?
진행 판정 기준은 현장마다 다시 정하되 출발점은 네 가지입니다. 근거 없는 원인이 0건인지, reviewer_decision 기준 담당자 동의(accept와 edit)가 80% 이상인지, 대상 보고서 작성 시간이 기준선보다 30% 이상 줄었는지, 보안 위반이 0건인지입니다. 넷 다 통과하면 다음 현장이나 부서로 넓힙니다. 한두 개가 미달이면 2주 동안 통합층이나 프롬프트를 고친 뒤 다시 판정합니다. 보안 위반이 나오거나 셋 이상 미달이면 그 과제는 멈추고 과제 목록의 다음 후보로 넘어갑니다.
AX 적용 제언. 국내 제조·건설 고객사에 이 묶음을 옮길 때는 두 사례를 경쟁 모델이 아니라 순서로 쓰는 편이 좋습니다. 먼저 SK에코플랜트 방식으로 업무 데이터를 진단해 어디서 시간이 새는지 찾고 그중 공정 지연처럼 돈과 납기가 걸린 영역은 한화오션에코텍 방식으로 한 사업장을 골라 깊게 통합합니다. 과제의 주인은 IT가 아니라 현장 공정 책임자로 두고 성과는 납기 준수율과 보고 작성 시간처럼 현장이 이미 쓰는 지표로 보고합니다. 현업 개발자를 길러 둔 회사라면 보안 게이트와 포털 운영 규칙을 먼저 만들어야 과제가 늘어도 통제가 됩니다. 첫 현장에서 만든 공통 키와 템플릿이 다음 현장으로 그대로 넘어가므로, 두 번째 현장부터 구축 기간이 짧아집니다.
원문 사례
| 항목 | 한화오션에코텍 | SK에코플랜트 |
|---|---|---|
| 발표 | 2026.11.2 | 2026.11.2 |
| 범위 | 전남 광양 사업장, 공정·제품·물류·안전·설비 | 전사 직무, 반도체·AI 데이터센터 현장 우선 |
| AI 구성 | 디지털 트윈, LLM 기반 AI 에이전트, 시뮬레이션 엔진, 영상 AI | 업무 데이터 분석 에이전트, AI FAB, AI 포털 |
| 데이터 | 회의록·작업표준서 등 정형·비정형 데이터, 태블릿·GPS 위치, 가스·풍향·풍속 센서, 유량·압력·전력량 | 사내 시스템 업무 데이터 |
| 숫자 | 핵심 과제 10여 개, 1차 가동 2026년 12월, 안정화 2027년 6월 | 개발 2~3주, 과제 약 20개, 현업 AI 전문가 318명 |
| 다음 단계 | 거제·필리 조선소 등으로 확산 | 적용 범위 확대 |
기사별 원문
| 회사 | 매체·기자 | 발행 | 원문 |
|---|---|---|---|
| 한화오션에코텍 | 전자신문 · 최호 | 2026.11.2 (지면 11.3) | 한화오션, AI로 생산관리 혁신…자회사 스마트 생산 체계 구축 |
| SK에코플랜트 | 메트로신문 · 성채리 | 2026.11.2 | SK에코플랜트, 직무별 맞춤 AI…‘1인 1 에이전트’ 가동 |
| SK에코플랜트 | 헤럴드경제 영문판 · Yoon Sung-hyun | 2026.11.2 | SK Ecoplant to deploy personalized AI agents for every employee |
핵심 개념
- 디지털 트윈
- 공장이나 사업장을 가상공간에 그대로 옮겨 실제 데이터로 상태를 보여 주고 시뮬레이션하는 모델입니다.
- 정반
- 조선소에서 블록을 조립하는 평평한 작업대입니다. 어느 블록을 어느 정반에 언제 놓을지가 공정 계획의 핵심 제약입니다.
- 지번체계
- 사업장 안 위치와 구역에 표준 번호를 붙인 체계입니다. 블록과 자재의 위치를 데이터로 묶는 공통 키가 됩니다.
- PoC
- Proof of Concept. 본격 확산 전에 한 현장에서 효과와 운영 방식을 검증하는 단계입니다.
- AI FAB
- SK에코플랜트 구성원이 직접 AI 에이전트를 만드는 사내 개발 플랫폼입니다.
- AI 포털
- 보안 검증을 통과한 에이전트를 전사에 공유하는 SK에코플랜트의 사내 창구입니다.
내 메모
TODO: 내 생각 추가
원문: 전자신문 최호 기자 「한화오션, AI로 생산관리 혁신…자회사 스마트 생산 체계 구축」(2026.11.2 온라인, 11.3 지면), 메트로신문 성채리 기자 「SK에코플랜트, 직무별 맞춤 AI…‘1인 1 에이전트’ 가동」(2026.11.2), 헤럴드경제 영문판 Yoon Sung-hyun 「SK Ecoplant to deploy personalized AI agents for every employee」(2026.11.2). SK에코플랜트 건은 후보로 받은 인베스팅닷컴 전재 EBN 기사 페이지를 열지 못해, 같은 날 같은 발표를 다룬 메트로신문과 헤럴드경제 영문판 기사로 정리했습니다. 두 기사에서 과제 수 표기가 다른 부분(약 20개, 20개 이상)은 함께 적었습니다. 요약, 사례별 정리, 원문 사례 표는 기사에 나온 사실을 AX Review가 다시 정리한 것이고 일정과 수치는 모두 회사가 밝힌 값입니다. 기술 디테일, 현업 실행 디테일, JSON 예시, 실패 대응 표, 역할·일정·판정 기준, 인포그래픽은 원문에 없는 내용으로 새로 작성했으며 그 안의 필드명과 숫자는 가상 예시입니다. 전체 내용은 각 원문 기사에서 볼 수 있습니다.