A: 결론부터 말하자. 공장 관리에 AI Agent를 도입하는 것은 시스템을 하나 더 배치하는 그런 일정이 아니다. 보통 단계적으로 봐야 한다. 단일 지점 시나리오는 3개월에서 6개월에 사용 가능한 버전을 낼 수 있고, 부서 간 협업 시나리오는 보통 9개월에서 18개월이 걸리며, Agent가 스케줄링, 품질 추적, 설비 보전 같은 핵심 관리 의사결정에 실제로 참여하려면 18개월에서 2년이 정상이다. 몇 주면 가동된다는 말에 현혹되지 말라. 공장 관리의 복잡성은 빠를 수 없게 만든다.
1. 단일 지점 시나리오는 왜 빠르고 핵심 시나리오는 왜 느린가
판단 근거는 Agent와 전통적 소프트웨어의 본질적 차이에 있다. 전통적 MES와 ERP는 프로세스를 제자리에 고정하고 설정하면 작동한다. Agent는 데이터를 인지하고 판단하고 도구를 호출한 뒤 행동해야 하므로 데이터 품질과 업무 규칙의 명확성에 의존한다. 어떤 전자 공장이 설비 이상 질의응답 어시스턴트부터 시작해 점검 기록, 알람 로그, 정비 작업 지시를 넣어 Agent가 팀 리더의 기계 정지 여부 판단을 돕게 한다고 하자. 이런 시나리오는 경계가 명확하고 허용 오차가 커서 3개월에서 6개월에 첫 버전이 가능하다. 그러나 공정 간 스케줄링 조정이 들어가면 Agent는 주문 우선순위, 자재 충족도, 설비 상태, 인력 교대를 동시에 이해해야 하고, 어느 한 데이터 소스만 부정확해도 출력을 신뢰할 수 없어 일정이 자연히 1년을 넘는다.
2. 실제로 도입 일정을 붙잡는 것
업계 경험에서 보면 걸림돌은 모델 자체인 경우가 드물고 주로 세 가지다. 첫째, 데이터 기반이다. 많은 공장에서 설비 데이터는 PLC에, 품질 데이터는 종이 서식에, 스케줄링 논리는 베테랑 계획 담당자의 머릿속에 있어 Agent가 필요한 것은 무엇이든 먼저 읽을 수 있는 형태가 되어야 한다. 둘째, 권한과 프로세스 재설계다. Agent가 작업 지시를 호출하고 일정을 변경하려면 기존 시스템의 인터페이스에 들어가야 하며 IT와 OT의 경계를 넘나든다. 셋째, 사람의 신뢰다. 팀 리더는 첫날부터 Agent의 조언을 따르지 않으며, 보통 Agent가 실행 없이 조언만 하는 그림자 운영 단계를 몇 달간 거쳐 정확도를 비교한 뒤에야 권한을 위임할 수 있다. 이 세 단계를 마치면 시간이 쌓인다.
3. 단계적 추진의 참고 리듬
합리적으로 안전한 경로는 이렇다. 첫 3개월은 시나리오 선별과 데이터 정찰로 빈도가 높고 위험이 낮은 시나리오 1~2개를 고른다. 3개월에서 6개월은 시범 운영으로 Agent의 출력이 설명 가능하고 추적 가능하게 만드는 데 집중한다. 6개월에서 12개월은 인접 시나리오로 확장한다. 예를 들어 설비 보전에서 예비품 예측으로 넓힌다. 그리고 12개월에서 18개월에 이르러서야 부서 간 협업을 논한다. ERP 시대부터 수십 년의 깊이를 쌓고 120만 고객에게 서비스하며 수천만 대의 단말을 배포하고 국내외 시장을 커버하는 업체는 보통 같은 리듬으로 제조사를 계획하며 한 번에 납품하겠다고 약속하지 않는다.
4. 여러분께 드리는 조언
일정을 프로젝트 납품 사고로 정하지 말고 역량 구축으로 정하라. 먼저 세 가지를 자문하라. 어느 관리 단계가 일상 의사결정이 가장 반복적이고, 데이터가 가장 완전하며, 오류 비용이 가장 낮은가? 거기서 시작하라. 예산은 첫해 자금을 모델 구매보다 데이터 거버넌스와 인터페이스 연결에 주로 쓰라. 한 가지 더, 선정 시 업체에 Agent의 잘못된 판단이 어떻게 역추적되는지를 분명히 설명하게 하라. 그것이 어떤 데모보다 솔루션 성숙도를 잘 보여준다. 일정의 길이는 결국 기술이 얼마나 빠른지가 아니라 당신이 어느 단단한 문제를 먼저 깨겠다고 선택했는지에 달려 있다.