AX Implementation

국내 기업 AX 소식: 숙련공의 감과 회사의 기준을 AI가 읽는 데이터로 바꾼다 (11월 15일 묶음)

11월 15일 묶음은 HD현대중공업, KT, 한국수자원공사 3건입니다. HD현대중공업은 숙련공의 용접 조건을 데이터로 담은 판넬 용접로봇을 작업자 1명이 최대 4대씩 맡게 해 생산성을 3배 이상으로 높였고, KT는 디자인·문구 기준을 AI가 직접 쓰게 바꿔 고객 안내문 작성·검수를 30~60분에서 약 5분으로 줄였습니다.

출처
국내 언론 묶음 · 3건
유형
포스트
읽은 날
2026.11.15
원문 발행
2026.11.10

세 회사는 사람 머릿속이나 문서에 있던 기준을 AI가 읽을 수 있는 데이터로 먼저 옮겼습니다. HD현대중공업은 숙련공의 용접 조건을, KT는 화면과 안내 문구의 작성 기준을, 한국수자원공사는 데이터끼리의 의미와 관계를 정리했습니다. 따라 하려면 모델을 고르기 전에 우리 조직의 어떤 기준을 어떤 형식으로 적어 둘지부터 정해야 합니다.

요약

이번 묶음은 세 회사를 다룬 소식 3건입니다. HD현대중공업은 11월 5일 울산조선소를 찾은 EBN과 뉴스토마토의 르포 두 편을 함께 읽었습니다. 판넬 공장에서 크레인형 용접로봇 12대가 선박 설계 데이터를 읽어 용접선을 따라가며 숙련공의 용접 조건을 담은 데이터베이스로 작업 조건을 정합니다. 아이티데일리는 KT가 디자인 기준 KDS(KT UX Design System)를 AI가 직접 쓰는 2.0으로 바꾸고 고객 안내문 생성 에이전트를 사내에 연 소식을 전했습니다. CIO 코리아는 한국수자원공사(K-water) 정하동 AI본부장을 인터뷰했습니다. 이 회사는 온톨로지(데이터의 개념과 관계를 정의한 체계)와 RAG(검색 증강 생성, 필요한 자료를 찾아 답에 붙이는 방식)를 묶는 작업을 하고 있습니다.

사람에게 있던 기준HD현대중공업: 용접 감KT: 화면·문구 작성 기준K-water: 데이터의 의미·관계AI가 읽는 형태로용접 조건 DB·센서 인식KDS 2.0·KDS 하네스온톨로지 + RAGAI가 맡는 일로봇이 용접 조건 설정안내문 작성·검수시설 사이 영향 추적
기사 기준 정리. 왼쪽에서 오른쪽으로 기준이 데이터가 되고 그 데이터로 AI가 일하는 흐름

세 회사가 바꾼 업무는 용접, 고객 문자, 물 관리로 서로 다릅니다. 그래도 순서는 같습니다. 사람에게 있던 기준을 AI가 읽는 형태로 옮긴 다음에 일을 맡겼습니다. HD현대중공업 판넬 용접로봇의 생산성은 기존 수동·캐리지 용접의 3배 이상입니다. 경험이 적은 작업자도 데이터에 담긴 조건으로 고른 품질을 낸다는 것이 회사 설명입니다. KT는 담당자가 핵심 내용만 넣으면 에이전트가 작성 기준과 법적 기준에 맞춰 문구를 쓰고 검수하자 30~60분 걸리던 일이 약 5분으로 줄었습니다. 한국수자원공사는 아직 성과 수치를 내지 않았습니다. 다만 정 본부장은 모아 둔 데이터를 AI에 쓰려면 의미와 관계부터 정리해야 한다고 짚었습니다. 아래에서 회사별로 정리한 뒤 같은 방식을 실제로 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.

바꾼 업무수단진행 상태HD현대중공업선박 블록 용접판넬로봇·협동로봇현장 가동, 자율 용접 개발 중KT화면 디자인·고객 문자KDS 2.0·안내문 에이전트10월 30일 사내 오픈K-water물 관리 데이터 전반온톨로지·RAG·사내 GPT체계 구축 중
기사 기준. 진행 상태는 각 원문에 나온 표현

사례별 정리

HD현대중공업: 숙련공의 용접 조건을 데이터로 담아 작업자 1명이 로봇 4대를 맡는다

  • 상황: 해마다 숙련 인력 500명 이상이 퇴직합니다(뉴스토마토). 한국 선박 가격은 중국보다 약 10% 비쌉니다. 중국 조선사는 새 대형 조선소에 자동화 설비를 대거 들이고 있습니다. 울산조선소 내업(공장 안 공정) 자동화율은 약 75%이지만, 블록을 야외 도크에서 이어 붙이는 외업은 위치와 구조가 매번 달라 약 15%에 머뭅니다.
  • 한 일: 판넬 공장에 크레인형 판넬 용접로봇 12대를 넣었습니다. 로봇은 3D 설계 모델에서 용접 대상과 위치, 길이를 불러오고 실제 철판 위치와의 오차를 보정합니다. 용접 자세별 두께·속도 값은 엔지니어가 시험해 정했으며 숙련공의 용접 조건이 데이터베이스로 들어가 있습니다. 좁은 블록 안쪽에는 약 50cm 크기의 협동로봇을 씁니다. 작업자가 로봇을 칸마다 옮겨 고정하고 조작 화면에서 용접 부위 형태를 고르면 축적된 데이터로 조건이 정해집니다. 화면은 태국어, 타갈로그어 등 5개 언어를 지원합니다. 다음 단계인 자율 용접 로봇은 숙련공이 쇳물 흐름, 불꽃, 소리로 용접 상태를 판단하는 방식을 센서 데이터로 바꿔 전압·전류·속도를 스스로 정하게 하는 것이 목표입니다.
  • 결과: 작업자 1명이 판넬 용접로봇을 최대 4대 관리합니다. 생산성은 기존 수동·캐리지 용접의 3배 이상입니다(EBN). 뉴스토마토는 1명이 4대를 맡으면 용접공 6명 몫이라고 적었습니다. 협동로봇은 1명이 2대를 운용하고 생산성이 약 40% 올랐다고 회사가 설명했습니다. 선박 블록 인양용 고리를 만드는 러그(lug) 공정은 절단·조립·용접을 잇는 무인 라인으로 24시간 돌고 연간 약 5억 원의 비용 절감을 기대합니다.
  • 다음 계획: 자율 용접 기술은 약 50~60% 개발됐고 올해 말 첫 모델을 공개한 뒤 내년 상반기 현장 적용을 추진합니다. 블록 변형 예측 시스템은 2028년까지 설계 프로그램과 연동합니다(뉴스토마토). 디지털 트윈 ‘트윈 FOS’는 2028년까지 조선소 전체로 넓힙니다. 팔란티어와는 데이터 예측 시스템을 개발하고 있습니다. 2030년에는 지금 인력 수준에서 생산성 30% 향상과 원가 10% 이상 절감, 로봇 약 3,000대(현재 HD현대삼호 합산 약 260대)를 목표로 합니다.
상황숙련 인력 매년 500명+ 퇴직외업 자동화율 약 15%중국보다 선가 약 10% 높음한 일판넬로봇 12대, 1명이 4대숙련공 용접 조건을 DB로센서로 쇳물·불꽃·소리 인식결과판넬 용접 생산성 3배 이상협동로봇 생산성 약 40%↑러그 공정 24시간 무인
HD현대중공업 사례. 퇴직·선가 수치는 뉴스토마토, 나머지는 EBN 기사 기준
수동·캐리지 용접기존 방식, 기준값1배판넬 용접로봇작업자 1명이 최대 4대 관리3배03배
EBN 기사 기준. 회사 설명은 3배 이상으로, 막대는 하한값 3배
현재2030년 목표비고내업(공장 안)약 75%80~85%부재 배치·고정은 사람외업(도크)약 15%60~65% 이상위치·구조가 매번 다름로봇 대수약 260대약 3,000대HD현대삼호 합산
EBN 기사 기준. 뉴스토마토는 내업 85%, 외업 60% 이상으로 적음

KT: 디자인·문구 기준을 AI가 직접 쓰게 바꿔 안내문 작성·검수를 약 5분으로

  • 상황: KT의 앱, 웹, 문자 서비스는 서비스마다 화면 구성과 안내 문구가 달랐습니다. KT는 매월 약 1억 7,000만 건의 문자로 요금, 서비스 이용, 혜택 정보를 보냅니다. 문구 작성, 검수, 이미지 제작, 번역은 담당자가 하나씩 따로 했습니다.
  • 한 일: 지난해 사내에 공개한 KDS 1.0은 고객 조사를 바탕으로 디자인 원칙을 세운 기준이었습니다. KDS 2.0은 이 기준을 AI가 직접 쓰도록 바꾼 판입니다. KDS 하네스(Harness, AI가 기준에 맞춰 화면을 만들고 결과를 점검하는 틀)를 함께 만들었습니다. UX 라이팅 가이드도 정비해 ‘선납’ 같은 말을 ‘미리 납부’처럼 쉬운 표현으로 바꿨습니다. 10월 30일 사내에 연 고객 안내문 생성 에이전트는 담당자가 전할 핵심 내용만 넣으면 작성 기준과 관련 법적 기준에 맞춰 문구를 쓰고 검수합니다. 이미지와 버튼이 들어가는 RCS 문자에는 맞는 이미지를 추천하고 여러 언어로 자동 번역합니다.
  • 결과: 안내문 작성·검수 시간이 30~60분에서 약 5분으로, 이미지 제작은 약 4시간에서 15분으로 줄었습니다. KDS 2.0은 9월에 개편한 마이케이티, KT닷컴, 다이렉트샵과 AI 모델 플랫폼 ‘토큰팩토리’에 적용됐습니다. 토큰팩토리 개발에서는 기획, 디자인, 개발을 나란히 진행하며 기능 요구사항 424건, 컴포넌트 25개, 코드 약 110만 줄을 다뤘습니다. 약 8개월 걸릴 일을 약 2.4개월에 마쳤습니다.
  • 다음 계획: AI가 쓰는 디자인 기준과 생성 결과물의 검수 체계를 고도화하고 KDS 적용 범위를 외부 협력사와 여러 디지털 채널, AI 디바이스로 넓힙니다.
상황서비스마다 화면·문구 제각각매월 문자 약 1억 7,000만 건작성·검수·이미지·번역 따로한 일KDS 2.0: AI가 기준을 직접 씀KDS 하네스: 생성 후 점검안내문 에이전트 10월 30일 오픈결과작성·검수 30~60분 → 약 5분이미지 약 4시간 → 15분토큰팩토리 8개월→2.4개월
KT 사례. 수치는 모두 아이티데일리 기사에 나온 값
이미지 제작 (기존)약 4시간240분이미지 제작 (AI)15분15분안내문 작성·검수 (기존)30~60분, 막대는 상한60분안내문 작성·검수 (AI)약 5분5분0250분
아이티데일리 기사 기준. 기존 안내문 시간은 30~60분 중 상한 60분으로 그림

한국수자원공사: AI본부를 세우고 데이터의 의미와 관계부터 온톨로지로 정의한다

  • 상황: 한국수자원공사는 댐에서 물을 관리하고 정수장에서 처리해 지자체에 공급합니다. 극한호우와 가뭄이 잦아지면서 과거 경험과 기후 패턴에 기댄 예측으로는 대응이 어려워졌습니다. 2020년 댐 하류 홍수 피해를 계기로 AI와 디지털 트윈 도입에 본격적으로 나섰습니다. 처음에는 댐 수위, 강우량, 수질 정보를 모니터링에 썼고 이후 물 수요 예측과 생산·공급 계획으로 넓혔습니다.
  • 한 일: 2025년 말 AI본부를 출범했습니다. 전산 직군뿐 아니라 행정, 토목, 기계, 전기, 환경, 통신 분야의 내부 전문가가 참여합니다. ERP를 구축하며 메타데이터와 데이터 표준을 정비했습니다. 지금은 데이터의 개념과 관계를 정의하는 온톨로지를 RAG와 묶고 있습니다. 정 본부장은 “각 데이터가 무엇을 의미하는지, 데이터끼리 어떤 관계인지까지 정리해야 한다”고 말했습니다. 직원용으로는 Meta의 Llama 기반 ‘K-water GPT’를 만들어 모델을 바꿔 가며 개선했습니다. 보안을 강화한 환경에서 주요 외부 모델을 골라 쓰게 했습니다. 업무망과 인터넷망이 분리돼 있어 업무망에서도 외부 생성형 AI를 쓸 수 있도록 연결했습니다. 처음에는 사용 범위를 넓게 열었다가 이용이 늘어 비용 관리가 필요해지자 개인별 사용 한도를 두었습니다.
  • 결과: 인터뷰에 성과 수치는 나오지 않습니다. 기존 장비에서 분석용 데이터를 대량으로 뽑자 장비가 멈추는 일이 있어 데이터 취득 경로를 여러 갈래로 나누는 식으로 수집 체계를 보완하고 있습니다. OpenAI가 이 회사를 재난 대응 분야의 AI 활용 사례로 소개했다고 기사는 전합니다.
  • 다음 계획: 흩어진 데이터를 한곳에 모으려고 세종에 AI 데이터센터 부지를 확보했고 2030년 구축이 목표입니다. 정보화 사업은 준비 6~12개월, 수행 약 1년, 마무리 약 6개월이 걸려 그사이 AI 모델이 바뀝니다. 정 본부장은 외주에만 기대지 않고 내부 직원이 직접 대응할 수 있는 환경을 길게 보고 준비하겠다고 밝혔습니다.
상황극한호우·가뭄이 잦아짐2020년 댐 하류 홍수 피해모은 데이터를 AI가 못 씀한 일2025년 말 AI본부 출범온톨로지 + RAG 체계K-water GPT·외부 모델 연결다음 계획데이터 취득 경로 다중화개인별 AI 사용 한도세종 AI 데이터센터 2030
K-water 사례. CIO 코리아 인터뷰 기준. 성과 수치는 기사에 없음
댐 상류 강우정수장 수질생산량최종 공급량여러 시설의 데이터를 관계로 이어야 답할 수 있는 질문
K-water가 든 예. 관계를 온톨로지로 정의해 두면 RAG가 시설을 넘어 근거를 찾는다

기술 디테일: 사람의 기준을 AI가 읽는 데이터로 옮기려면

아래는 세 사례의 방식을 따라 만들 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이며, 필드명·설정값·기준은 출처를 밝힌 것 말고는 모두 가상 예시입니다.

용접 조건은 한 번의 용접을 한 줄로 남기는 레코드로 쌓습니다(HD현대중공업의 ‘숙련공 용접 조건 DB’). 숙련공의 감을 데이터로 바꾸려면 조건과 결과가 같은 줄에 있어야 합니다. 레코드에는 이음 형태(joint_type), 용접 자세(position), 판 두께(plate_mm), 전류·전압·속도, 작업자 숙련도, 그리고 검사 결과(qc_result)를 함께 남깁니다. 합격한 레코드만 모아 형태·자세·두께별 권장값을 정하면 협동로봇 화면에서 부위 형태를 고르는 것만으로 조건이 정해집니다. 자율 용접처럼 센서로 판단하게 하려면 불꽃 영상, 소리, 용융풀(녹은 금속 웅덩이) 이미지를 같은 시각의 조건값과 묶어 저장합니다. 숙련공이 “좋다·나쁘다”를 표시한 구간이 학습 라벨이 됩니다. 재작업이 난 레코드는 지우지 말고 원인 코드를 붙여 남겨야 나중에 어떤 조건이 실패를 부르는지 가려낼 수 있습니다.

뜻예시 값joint_type이음 형태필릿·맞대기·T형position용접 자세아래보기·수평·수직plate_mm판 두께12amp·volt·speed전류·전압·속도280A·30V·40cm/분sensor_snapshot불꽃·소리·용융풀 특징자율 용접용 입력qc_result검사 결과합격·재작업
가상 예시. 필드명과 값은 설명용이며 HD현대중공업의 실제 DB가 아님

기준 문서는 생성 단계와 점검 단계가 따로 쓰는 규칙으로 나눕니다(KT의 KDS 하네스와 안내문 에이전트). 같은 모델에게 쓰고 고치는 일을 한 번에 시키면 기준을 어긴 결과가 그대로 나갈 수 있습니다. 생성 단계에는 작성 기준과 용어 사전(‘선납’→‘미리 납부’ 같은 쌍)을 넣습니다. 점검 단계는 별도 호출이나 코드로 금지어, 필수 고지 문구, 글자 수, 채널별 형식을 확인합니다. 법적 기준은 문장보다 체크리스트(항목 ID, 해당 조건, 필수 문구)로 적어야 점검 결과를 항목별로 남길 수 있습니다. 출력은 message, image_suggestion, translations[], checks[](항목 ID, 통과 여부, 근거 문장)를 담은 JSON으로 받습니다. 위반이 하나라도 있으면 담당자에게 수정안과 함께 돌려보냅니다. 같은 입력을 3회 돌려 점검 결과가 엇갈리는 항목은 규칙을 더 구체적으로 고칩니다.

입력핵심 내용만 입력고객군·채널·언어생성작성 기준 적용이미지 추천·번역점검금지어·필수 고지법적 기준 점검승인위반 0건: 담당자 확인위반: 수정안과 반려
가상 예시. KT는 작성 기준과 법적 기준에 맞춰 작성·검수한다고만 밝혔고 세부 절차는 기사에 없음

온톨로지는 질문 하나에서 시작해 필요한 클래스와 관계만 정의합니다(K-water의 ‘강우→수질→생산량→공급량’). 처음부터 회사 전체 데이터를 모델링하면 끝나지 않습니다. “상류에 비가 이만큼 오면 어느 지역 공급량이 영향을 받나” 같은 질문 하나를 고르고 답하는 데 필요한 시설(댐, 우량계, 정수장, 공급 지역)과 관계(상류에 있다, 공급한다, 측정한다)만 정의합니다. 각 클래스에는 ERP에서 정비한 메타데이터와 데이터 표준의 코드를 그대로 연결합니다. RAG는 문서만 검색하지 않고 온톨로지 관계를 따라 관련 시설의 측정값과 운영 문서를 함께 가져오게 합니다. 답에는 근거로 쓴 시설 ID, 측정 시각, 문서 이름을 붙여 담당자가 확인할 수 있게 합니다.

관계붙는 데이터DamupstreamOf → Plant댐 수위·방류량RainGaugelocatedIn → Basin강우량Plantsupplies → Region수질·생산량RegionservedBy → Plant공급량·수요Sensormeasures → 항목취득 경로·주기
가상 예시. 클래스·관계 이름은 설명용이며 K-water의 실제 온톨로지가 아님

원천 장비를 멈추지 않게 수집 경로와 주기를 따로 설계합니다(K-water의 ‘취득 경로 다중화’). 운영 장비는 원래 업무에 맞춰 설계돼 대량 조회를 견디지 못할 수 있습니다. 분석용 데이터는 장비에서 직접 뽑지 말고 기존 SCADA·이력 서버나 별도 수집 서버를 거쳐 가져옵니다. 장비별로 허용 조회 주기와 한 번에 가져올 최대 건수를 정해 두고 응답 시간이 평소의 2배를 넘으면 수집을 자동으로 늦춥니다. 온톨로지의 Sensor 클래스에 취득 경로와 주기를 속성으로 넣어 두면 어떤 질문이 어느 장비에 부하를 주는지 추적할 수 있습니다.

사내 AI 사용 한도는 사람 단위와 업무 단위를 함께 둡니다(K-water의 ‘개인별 사용 한도’). 처음 몇 달은 넓게 열어 어떤 업무에서 많이 쓰는지 로그를 모읍니다. 그다음 개인별 월 토큰 한도를 두되, 문서 대량 요약처럼 업무상 많이 써야 하는 과제는 프로젝트 코드로 별도 한도를 받게 합니다. 한도의 80%에 이르면 본인에게 알리고 넘기면 비용이 낮은 사내 모델로 자동 전환합니다. 월말에는 부서별 사용량과 대표 활용 사례를 함께 보고해 한도 조정의 근거로 씁니다.

현업 실행 디테일: 누가, 언제, 무엇을

사람에게 있는 기준 하나를 골라 12주 동안 데이터로 옮기고 시범 운영하는 경우를 예로 듭니다. 용접 조건이든 고객 안내문이든 시설 데이터든 같은 틀을 쓸 수 있습니다. 역할, 일정, 판정 기준은 모두 가상 예시입니다.

역할담당하는 일
시범 책임현업 부서 팀장대상 기준 선정, 판정 기준 확정, 확대 결정
기준 보유자숙련공·작성 담당·시설 운영자 2~3명판단 기준 말하기, 결과 평가와 라벨 표시
데이터·AI 담당내부 엔지니어 1~2명레코드·규칙·온톨로지 설계, 모델 연결, 로그 관리
준법·품질법무 또는 품질 담당 1명필수 고지·검사 기준을 체크리스트로 확정
IT·OT인프라 담당 1명수집 경로, 장비 부하 한도, 망 연결, 사용 한도

준비물은 다섯 가지입니다. 지금 쓰는 기준 문서(작업 표준, 작성 가이드, 데이터 표준), 최근 6개월 작업 결과와 검사·검수 기록, 기준 보유자가 실제로 보는 화면과 장비 목록, 지켜야 할 법적·품질 기준 목록, 지금 걸리는 시간과 품질 편차의 기준선입니다. 1~2주차에 대상 기준과 사람을 고르고 기준선을 잽니다. 3~5주차에는 인터뷰로 기준을 레코드, 규칙, 클래스와 관계로 적습니다. 6~9주차에는 AI 결과를 내보내지 않고 사람 결과와 나란히 비교하는 그림자 운영을 합니다. 10~12주차에는 실제 업무에 쓰게 하고 시간과 품질을 재서 확대 여부를 정합니다.

범위설계검증운영1~2주기준 하나 선정3~5주기준을 데이터로6~9주그림자 운영10~12주확대 판정
가상 예시. 그림자 운영은 AI 결과를 현장에 내보내지 않고 사람 결과와 비교만 하는 기간

시작 전에 기준 보유자에게 물을 질문입니다.

  1. 일이 잘됐는지 못됐는지는 무엇을 보고 바로 압니까? 눈, 귀, 화면 가운데 무엇입니까?
  2. 신입이 가장 자주 틀리는 판단은 무엇이고 그때 어떤 기준을 놓칩니까?
  3. 지금 기준 문서에 없지만 실제로는 늘 지키는 규칙은 무엇입니까?
  4. 결과를 내보내기 전에 꼭 확인하는 항목은 무엇이고 그중 법이나 품질 규정에서 온 것은 무엇입니까?
  5. 다른 부서나 시설의 데이터가 있어야 판단할 수 있는 경우는 언제입니까?

진행 판정 기준(예시)은 이렇게 둡니다. 그림자 운영 4주 동안 AI 결과가 기준 보유자 판단과 85% 이상 같고 필수 점검 항목 누락이 0건이면 실제 업무에 엽니다. 운영 전환 뒤에는 건당 처리 시간 중앙값이 기준선의 절반 이하이고 재작업이나 반려 비율이 기준선보다 늘지 않으면 대상을 넓힙니다. 온톨로지형 과제라면 고른 질문 10개 가운데 8개 이상에 근거 시설과 측정 시각을 붙여 답하는지를 다음 단계의 조건으로 둡니다.

AX 관점에서 세 사례는 첫 과제를 고르는 기준을 알려 줍니다. 모델 성능보다 우리 조직에 이미 정리된 기준이 있는지가 시작 속도를 정합니다. KT처럼 디자인 원칙과 작성 가이드가 문서로 있으면 몇 주 안에 에이전트에 붙일 수 있습니다. HD현대중공업처럼 기준이 숙련공의 감에 있으면 조건과 결과를 쌓는 데이터 작업이 먼저이고 기간도 깁니다. 한국수자원공사처럼 여러 시설을 잇는 판단이라면 질문 하나짜리 온톨로지로 시작해 범위를 넓히는 편이 예산 심의와 사업 주기에 맞습니다. 경영진 보고에는 AI 도입 건수 대신 기준을 데이터로 옮긴 업무 수, 건당 처리 시간, 품질 편차를 함께 올려야 확대를 판단할 수 있습니다.

원문 사례

회사대상 업무한 일수치·계획(원문 기준)
HD현대중공업선박 블록 용접, 러그 제작크레인형 판넬 용접로봇 12대, 소형 협동로봇, 숙련공 용접 조건 DB, 5개 언어 조작 화면, 센서 기반 자율 용접 개발1명이 최대 4대, 생산성 3배 이상. 협동로봇 1명 2대, 약 40%↑. 러그 24시간 무인, 연 약 5억 원 절감 기대. 내업 약 75%→80~85%, 외업 약 15%→60~65% 이상(2030). 로봇 약 260대→약 3,000대. 2030년 생산성 30%↑, 원가 10% 이상↓
KT화면 디자인, 고객 안내 문자KDS 2.0, KDS 하네스, UX 라이팅 가이드 정비, 고객 안내문 생성 에이전트(10월 30일 사내 오픈)작성·검수 30~60분→약 5분, 이미지 약 4시간→15분. 월 문자 약 1억 7,000만 건. 토큰팩토리 약 8개월→약 2.4개월(요구사항 424건, 컴포넌트 25개, 코드 약 110만 줄)
한국수자원공사물 관리 데이터 전반2025년 말 AI본부 출범, 온톨로지와 RAG, Llama 기반 K-water GPT, 보안 환경의 외부 모델, 업무망 연결, 개인별 사용 한도, 취득 경로 다중화성과 수치 없음. 세종 AI 데이터센터 2030년 구축 목표. 정보화 사업 준비 6~12개월, 수행 약 1년, 마무리 약 6개월
기사매체 · 저자날짜링크
[르포] “숙련공의 감각을 AI로”…HD현대, 조선소 자동화 넘어 자율화로EBN · 이혜미2026-11-10기사
HD현중, 숙련공 ‘감’ 익힌 로봇 내년 투입…생산성 30%↑뉴스토마토 · 윤영혜2026-11-10기사
KT, 디자인·고객 안내문에 AI 도입…작성·검수 ‘5분’ 단축아이티데일리 · 성원영2026-11-12기사
AI 리더십 인사이드: 기후위기가 바꾼 물 관리 방식…한국수자원공사는 왜 AI를 선택했나CIO 코리아 · 이지현2026-10-28기사

핵심 개념

내업·외업
조선소에서 공장 안에서 블록을 만드는 공정이 내업, 만든 블록을 야외 도크에서 이어 붙이는 공정이 외업이다.
캐리지 용접
작업자가 직접 운용하는 기존 용접 방식. 기사에서 판넬 용접로봇 생산성의 비교 기준으로 나온다.
러그(lug)
선박 블록을 들어 올릴 때 쓰는 임시 연결 고리.
피지컬 AI
센서로 현장을 인식하고 로봇 같은 물리 장치를 움직여 판단을 실행하는 AI.
KDS 하네스(Harness)
AI가 KT의 디자인 기준에 맞춰 화면을 만들고 결과를 점검하게 하는 틀.
RCS 문자
이미지와 버튼을 넣을 수 있는 문자 메시지 형식.
온톨로지
데이터가 가리키는 대상의 종류와 그 사이 관계를 정의한 체계. AI가 시설을 넘어 근거를 찾게 해 준다.
RAG(검색 증강 생성)
질문에 맞는 자료를 먼저 찾아 모델의 답에 근거로 붙이는 방식.
그림자 운영(shadow mode)
AI 결과를 현장에 내보내지 않고 기록만 남겨 사람의 결과와 비교하는 시범 방식.

내 메모

TODO: 내 생각 추가

원문: EBN 이혜미 「[르포] “숙련공의 감각을 AI로”…HD현대, 조선소 자동화 넘어 자율화로」(2026.11.10), 뉴스토마토 윤영혜 「HD현중, 숙련공 ‘감’ 익힌 로봇 내년 투입…생산성 30%↑」(2026.11.10), 아이티데일리 성원영 「KT, 디자인·고객 안내문에 AI 도입…작성·검수 ‘5분’ 단축」(2026.11.12), CIO 코리아 이지현 「AI 리더십 인사이드: 기후위기가 바꾼 물 관리 방식…한국수자원공사는 왜 AI를 선택했나」(2026.10.28)를 원문으로 읽고 썼습니다. 한국수자원공사 인터뷰는 CIO.com 영문판 대신 같은 인터뷰의 한국어판을 읽었습니다. 이 묶음에 배정된 금융계 이혜자 기자의 LG유플러스 기사(자체 모델·모델 라우팅·이기종 칩 분산으로 코딩 영역 AI 운영 비용 절감)는 원문을 열 수 없어 묶음에서 뺐습니다. 요약, 사례별 정리, 원문 사례는 기사에 나온 사실을 AX Review가 다시 정리한 것이며 수치는 모두 원문에 나온 값입니다. 두 HD현대중공업 르포의 수치가 다른 곳은 출처를 함께 적었습니다. 기술 디테일, 현업 실행 디테일, 인포그래픽과 표는 AX Review가 새로 작성했으며 필드명, 설정값, 클래스 이름, 일정, 판정 기준은 가상 예시입니다. 전체 내용은 원문에서 볼 수 있습니다.

Related

함께 읽으면 좋은 노트

AX Implementation포스트

국내 기업 AX 소식: 이미 가진 데이터와 시스템 위에 AI를 올려 업무 시간을 줄인다 (11월 9일 묶음)

국내 언론 묶음 · 4건

11월 3~6일 기사 4건입니다. LG이노텍은 공정 조건이 바뀔 때 약 300시간 걸리던 대응을 최대 50시간으로 줄였고 CJ대한통운 북미 법인은 쓰던 TMS 벤더 Infios와 운송사 상태 확인 에이전트를 약 두 달 만에 배치했습니다. 포스코홀딩스는 그룹 표준 온톨로지 PFO와 SLM·LLM 분업 설계를 내놨고 CJ올리브네트웍스는 엔터프라이즈 AX 매출이 제자리였습니다.

CIO·CTOAX 추진현업 리더
#사례#에이전트 2026.11.14 ↗
AX Implementation아티클

Domain Agents on Cognite: 이데미쓰코산이 분야별 AI 에이전트로 플랜트 가동률 90%를 노리는 방식

MONOist · 遠藤和宏

이데미쓰코산은 P&ID·설비 도서·운전 데이터·아차사고 기록을 Cognite Data Fusion에 모아 대상 데이터의 85%를 잇고, 그 위에 운전·품질·생산·안전 분야별 에이전트를 로코드로 만들었습니다. 답마다 계산식과 참조 데이터를 함께 보여 줘 현장이 믿고 쓰게 했고, 평균 86%인 플랜트 가동률을 90% 이상으로 올리는 것이 목표입니다.

현업 리더AX 추진CIO·CTO
#사례#에이전트 2026.11.06 ↗
AX Implementation포스트

국내 기업 AX 소식: AI를 부서와 현장의 업무 단위로 내리는 회사들 (11월 5일 묶음)

국내 언론 묶음 · 4건

11월 3~4일 국내 기업 AX 기사 4건입니다. HD현대로보틱스는 Palantir 에이전트로 로봇 문제 해결 기간을 21.5일에서 7.9일로 줄였고, 현대제철은 직원이 노코드로 에이전트를 만드는 Steel-X를 열었습니다. 증권사들은 부서마다 AI 담당자를 두고 KPI와 묶었고, KGC 원주공장은 AI 검사 뒤 로봇이 포장합니다.

CEOAX 추진현업 리더
#사례#에이전트 2026.11.05 ↗