두 회사는 30일 서울 코엑스에서 열린 ‘마이크로소프트 인더스트리 서밋’에서 제조업 AI 활용 사례를 발표했다. 사내 데이터와 현장 지식을 AI에 연결해 연구개발과 설비 관리 등 실제 업무에 적용한 사례를 소개했다.
이현구 LG전자 책임이 30일 서울 코엑스에서 열린 마이크로소프트 인더스트리 서밋에서 AI 에이전트 ‘찾다’ 활용 사례를 발표하고 있다. (사진=신영빈 기자)
이현구 LG전자 책임은 사내 데이터·지식 에이전트 ‘찾다’의 발전 과정을 소개했다. 찾다는 제품 사용 이력과 설계·시험·품질 문서 등 사내 데이터를 연결해 연구개발 업무를 지원한다.
찾다 도입 전에는 데이터를 분석하려면 담당 부서에 자료를 요청하고 테이블 구조를 확인한 뒤 SQL과 파이썬으로 가공해야 했다. 이 책임은 “기존에는 데이터 분석 결과를 얻기까지 평균 2주 정도 걸렸지만 찾다를 통해 이 과정을 대략 45초까지 줄일 수 있었다”고 말했다.
찾다는 정형 데이터 분석 중심의 1.0에서 설계·시험·제조 기록 등 비정형 지식을 결합한 2.0으로 발전했다. 3.0에서는 데이터 분석과 지식 탐색을 하나의 대화 흐름으로 통합했다. 사용자가 질문하면 AI가 계획을 세우고 필요한 데이터와 도구를 선택해 분석을 수행한다. 반복 업무는 ‘스킬’로 저장해 팀이 다시 활용할 수 있다.
이 책임은 “초기에는 월간 활성 이용자가 38명이었는데 최근에는 847명까지 늘었다”며 “모델 성능뿐 아니라 사용자가 접근할 수 있는 데이터와 업무 범위가 넓어진 점도 영향을 줬다”고 설명했다.
찾다를 개발하는 방식에도 깃허브 코파일럿을 적용했다. 코파일럿 에이전트가 코드 작성뿐 아니라 설계와 작업 계획, 개발 이력 관리에도 참여하도록 했다. 이 책임은 찾다 3.0 개발 과정에서 외주 개발비 약 2억원을 아끼고 개발 기간도 약 2주 단축했다고 밝혔다.
장원종 포스코 팀장이 30일 서울 코엑스에서 열린 마이크로소프트 인더스트리 서밋에서 설비 맞춤형 AI 적용 사례를 발표하고 있다. (사진=신영빈 기자)
장원종 포스코 팀장은 마이크로소프트의 AI 파운드리를 활용한 설비 맞춤형 언어모델(LLM) 구축 사례를 발표했다. 포스코가 설비 AI를 추진한 배경에는 정비 인력의 경험과 지식을 현장에 전수해야 한다는 과제가 있다.
장 팀장은 “매년 수백 명의 퇴직자가 나온다”며 “현장 정비 인력의 노하우를 어떻게 형식지화할지가 많은 기업의 숙제”라고 말했다. 베테랑 정비 인력의 비중은 2020년대 약 50%에서 2030년대 30% 아래로 떨어질 것으로 전망했다.
포스코는 기존 설비 관리용 생성형 AI의 답변 품질과 활용률을 높이기 위해 파인튜닝을 적용했다. 포스코 고유의 약어와 설비 지식이 담긴 ‘포스위키’ 및 사내 문서에서 학습 데이터를 만들고 일부 질문·답변 데이터는 AI로 생성했다.
파인튜닝한 모델은 사내 문서 검색과 결합했다. 애저 문서 인텔리전스로 현장 사진과 그래프 등 자료를 분석하고 답변에 참고 문서와 출처를 표시하도록 했다. 설비 관련 콘텐츠 약 17만건을 바탕으로 답변하며 새 문서가 등록되면 학습에 반영하는 체계도 구축했다.
신입 엔지니어가 처음 접하는 설비를 점검하기 전에 선배들의 정비 경험과 확인 사항을 찾아보는 데 활용하고 있다는 설명이다. 현재 하루 평균 약 100건의 질의가 들어온다. 장 팀장은 “현업 초기 평가가 75점 수준이었는데 기능을 개선해 90점 수준으로 높였다”고 말했다.
포스코는 설비 분야 적용 경험을 에너지·소재 분야로 넓힐 계획이다. 장 팀장은 “콘텐츠와 실제 설비 상태 데이터를 연결해 설비 상태와 대응을 더 정밀하게 안내하는 통합 에이전트로 발전시키고 있다”고 말했다.
