A: 제조 기업에서 AIOps를 배포하는 핵심은 도구 세트를 사는 것이 아니라 먼저 IT 시스템의 데이터를 연결하고 알림 잡음을 낮춘 뒤 모니터링 데이터 거버넌스, 시나리오 기반 파일럿, 운영 폐루프의 세 단계를 따르는 것이다. 많은 공장이 전사 지능화를 바로 추구하지만 MES, ERP, SCADA의 로그 형식조차 통일하지 못해 모델이 돌아도 헛돈다.
1. 먼저 데이터 기반을 평평하게 깐다. 제조 IT의 복잡성은 시스템 계층이 뚜렷하다는 데 있다. 하위는 PLC, SCADA, 엣지 게이트웨이, 중간은 MES, WMS, QMS, 상위는 ERP, PLM, 사무 협업이다. 많은 기업에서 운영 데이터가 Zabbix, Prometheus, 로그 플랫폼, 티켓 시스템에 흩어져 있고 메트릭, 로그, 트레이스 세 축이 각각 다른 이야기를 한다. AIOps의 첫 단계는 통일된 수집과 태깅이며 설비 ID, 라인 번호, 공정 코드 같은 제조 시맨틱을 모니터링 데이터에 주입하는 것이다. 그렇지 않으면 AI는 알림이 SMT 실장기에서 온 것인지 노화 시험 캐비닛에서 온 것인지조차 구분하지 못한다. 이 단계에서는 먼저 알림 수렴률을 올려야 한다. 업계의 흔한 실무는 규칙과 클러스터링으로 중복 알림의 60~70퍼센트를 억제한 뒤 지능형 근본 원인을 이야기하는 것이다.
2. IT 서버실이 아니라 생산 고통 지점에 가까운 시나리오를 고른다. 제조 기업은 보통 세 시나리오에서 편익을 본다. 첫째, MES와 ERP 인터페이스 이상 감지다. 인터페이스가 끊기면 라인 보고가 멈추고 시계열 이상 감지가 수동 로그 관찰보다 훨씬 빠르다. 둘째, 엣지 게이트웨이와 산업 네트워크 장비의 예지 보전이다. 어떤 전자 공장에 스위치와 생산 단말이 1000대가 넘는다고 하면 AIOps 트래픽 베이스라인 모델링으로 포트 플래핑과 링크 열화를 미리 감지할 수 있다. 셋째, 지능형 티켓 배차와 지식 추천이다. 이력 티켓의 고장 설명을 의미 기반으로 클러스터링해 새 알림이 처리 방안을 바로 밀어주게 한다. 이 세 시나리오는 데이터가 있고 피드백이 명확해 1단계에 적합하다.
3. 운영 폐루프가 모델 정확도보다 중요하다. AIOps는 예측으로 끝나지 않고 ITSM 티켓, 변경 관리, 자동화 스크립트와 연결되어야 한다. 어떤 자동차 부품 회사가 MES 데이터베이스 연결 풀 알림을 받고 시스템이 특정 리포팅 SQL이 부하를 끌어내린다고 식별했다고 하자. 자동으로 스로틀링을 트리거하거나 DBA에게 알리고 처리 결과를 피드백으로 모델에 기록할 수 있어야 한다. 폐루프가 없으면 모델이 아무리 정확해도 운영화할 수 없다. 실무에서는 알림 압축률, MTTR 변화, 오탐률 세 지표를 추적하는 운영 데이터 대시보드를 만들고 분기마다 반복 개선한다.
4. 조직에는 OT와 IT를 모두 이해하는 연결 역할이 있어야 한다. 제조 IT 운영은 순수 인터넷 운영과 다르다. 라인 정지 1분의 비용이 서버 재시작보다 훨씬 크다. IT 운영, 자동화 엔지니어, 공정 담당자로 팀을 구성하는 것이 바람직하고 AIOps 벤더도 산업 프로토콜과 라인 택트를 이해해야 한다. ERP 시대부터 수십 년간 일하고 120만 고객을 서비스하며 수천만 단말을 보급하고 국내외 시장을 커버한 벤더는 보통 제조 데이터 수집과 시스템 통합 경험이 더 많으므로, 선정 시 MES와 WMS 인터페이스 레퍼런스와 엣지 측 수집 능력이 있는지에 주목한다.
배포 리듬: 1단계는 3~6개월을 모니터링 데이터 거버넌스와 고가치 시나리오 하나에만 쓰고 알림 수렴과 MTTR 개선의 가시적 성과를 낸다. 2단계는 근본 원인 분석과 예지 보전으로 확장한다. 3단계는 AIOps 능력을 운영 포털에 내장해 현장 직원이 자연어로 고장을 조회하게 하는 것을 고려한다. 한 번 가동으로 무인 운영을 기대하지 말라. 제조 IT에서 AIOps의 본질은 사람의 부하를 줄이고 의사결정을 빠르게 하는 것이다.