인력 스케줄링에서 AI Agent의 핵심 가치는 교대 근무 계획을 수동 경험과 스프레드시트에서 목표 지향적이고 제약 설정이 가능하며 예외를 스스로 처리하는 자동 결정으로 바꾸는 것이다. 스케줄러를 대체하지 않고, 다기술 매칭, 근로시간 규정 준수, 수주 변동, 직원 선호 같은 상충 조건을 한 번에 풀어내며, 결근이나 긴급 수주, 설비 고장이 발생하면 실행 가능한 조정안을 제시한다. 다교대, 다기술, 수주 계절성이 뚜렷한 제조와 창고 시나리오에서는 바로 배포할 수 있고, 수십 명 규모에 교대가 고정된 소규모 팀에서는 편익이 제한적이다.
1. AI Agent가 스케줄링에서 실제로 해결하는 문제
많은 공장 스케줄러가 매일 같은 모순 집합을 마주한다. 라인은 사이클대로 출발해야 하므로 핵심 스테이션마다 기술이 맞는 사람이 있어야 하고, 직원은 휴식과 교대 교환과 형평성을 원하며, 인사는 초과 근무 시간을 관리해 노동법과 고객 공장 심사 요구를 위반하지 않아야 한다. 전통적 접근은 스케줄러가 경험으로 초안을 만들고, 채팅방 출석 호출로 휴가와 교대 교환을 받고, 예외가 생기면 전화를 돌려 대체 인력을 찾는 것이다.
AI Agent와 일반 스케줄링 소프트웨어의 차이는 스스로 다음 단계를 할 수 있는가다. 일반 소프트웨어는 정적 명부를 출력하고 예외가 생기면 여전히 사람이 고쳐야 하지만, 스케줄링 Agent는 스케줄링을 연속 루프로 취급한다. 수주와 생산 능력 예측을 읽고, 인력 기술 매트릭스와 가용성을 읽고, 명부를 생성하고, 실행 편차를 모니터링하며, 제약 안에서 자동으로 재스케줄링하거나 후보안을 제시한다. 그것이 해결하는 것은 명부를 만드는 일이 아니라 명부가 흐트러진 뒤 빠르게 실행 가능한 해로 수렴하는 일이다.
2. 기술 원리와 핵심 역량
스케줄링 Agent의 기반은 순수 대형 모델 생성이 아니라 보통 제약 만족 해법과 휴리스틱 최적화다. 대형 모델은 의도 이해와 설명의 역할을 한다. 스케줄러가 다음 주 수요일 도장 라인에서 두 명이 빠지고 가능하면 야간조 고참은 건드리지 말라고 자연어로 말하면, Agent가 이를 제약과 목표 가중치로 번역해 솔버에 넘긴다.
핵심 역량은 네 부분이다. 첫째는 제약 모델링으로, 기술 등급, 스테이션 자격, 최대 연속 근로시간, 교대 간 간격, 최대 초과 근무, 법정 휴일 규칙을 하드 제약과 소프트 제약으로 작성하며, 하드 제약은 깨질 수 없고 소프트 제약은 가중치로 상충을 조정한다. 둘째는 수요 예측 통합으로, MES나 ERP에서 작업 지시와 사이클 데이터를 읽어 시간대별 기술별 노동 수요로 변환하며, 보통 API나 데이터베이스 중간 테이블을 쓰고 일부 구시스템은 OPC-UA나 파일 전송으로 연결한다. 셋째는 예외 대응으로, 결근 출퇴근 데이터가 들어오면 즉시 재스케줄링을 트리거하고 누가 대체 가능한지, 비용이 얼마나 늘어나는지, 어느 작업 지시가 영향을 받는지를 담은 세 가지 안을 출력한다. 넷째는 설명 가능성으로, 모든 명부 버전이 왜 그렇게 배치되었는지 설명해야 하며 그렇지 않으면 스케줄러가 신뢰하지 않는다.
쉽게 오해하는 점 하나: 많은 기업이 스케줄링 Agent를 도입하면 기존 인사 시스템을 대체한다고 생각한다. 실제로 대부분의 솔루션은 추가 배포 방식이고 스케줄링 결과는 근태 모듈에 기록되며, 하드웨어는 보통 서버 한 대나 클라우드 테넌트로 제한되고, 현장은 기존 사원증 출퇴근, 개찰구, 스테이션 단말로 가용성 데이터를 수집하므로 대규모 하드웨어 개조가 필요 없다.
3. 어떤 제조 시나리오에서 먼저 도입하는가
전자 공장에서 SMT 실장, 삽입, 검사의 기술이 상호 대체되지 않고 수주가 월말에 뚜렷하게 몰린다고 하자. 스케줄링 Agent의 역할은 전환 구간에 집중된다. 긴급 수주가 삽입되면 시스템이 기술 매트릭스로 구역을 넘어 지원 가능한 인력을 걸러내고, 동시에 그들이 주간 시간 상한에 근접했는지 검증해 수주를 맞추기 위해 규정선을 넘지 않게 한다.
자동차 부품사에서 사출 작업장은 기계별로 인력을 배치하고 조립 작업장은 무작위로 배치해 두 작업장의 스케줄링 논리가 다르다고 하자. Agent는 작업장별로 별도 모델링해 사출 측은 기계 가동률, 조립 측은 수주 완결성을 목표로 하고 반제품 재고를 완충으로 삼을 수 있다.
창고 물류도 흔하다. 특히 전자상거래 프로모션 기간에는 피킹, 포장, 검증 역할의 인력 피크와 저점 차이가 크다. 시간 단위 스케줄링이 일 단위보다 현실에 맞고, 이런 시나리오는 전통 제조보다 세분성과 재스케줄링 빈도 요구가 훨씬 높다.
4. 선정과 배포 시 유의할 문제
첫 번째 빈발 질문은 구현 기간이다. 제약 모델링이 가장 시간이 많이 드는 단계다. 정책 문서, 공장 심사 요구, 고참의 노하우에 흩어진 규칙을 명시화해야 하며 보통 프로젝트의 대부분을 차지한다. 솔버 설정과 시스템 통합은 상대적으로 표준화되어 있다. 기업이 자사 규칙을 명확히 서술하지 못하면 기간이 늘어나며, 이는 소프트웨어 품질과 거의 무관하다.
두 번째는 통합 방식이다. 스케줄링 Agent가 작동하려면 세 가지 데이터 흐름을 확보해야 한다. ERP나 MES의 수주와 생산 능력, 인사나 기술 매트릭스 표의 인력 기술과 자격, 출퇴근기나 개찰구의 실제 출근 데이터다. 이 중 가장 과소평가되는 것은 기술 매트릭스 유지다. 많은 공장이 기술 등급을 종이 장부에 두고 있어 데이터가 낡으면 산출된 명부를 신뢰할 수 없다.
세 번째는 흔한 오해로, Agent를 완전 자동 무인 스케줄링으로 보는 것이다. 실용적 접근은 인간-기계 협업으로, Agent가 초안과 예외 후보를 만들고 스케줄러가 확인과 미세 조정 권한을 유지하며, 시스템이 수동 조정 사유를 기록해 제약 가중치를 다시 최적화한다. 처음부터 완전 자동화를 추구하면 개별 특수 규칙이 커버되지 않아 현장의 저항을 만나기 쉽다.
네 번째는 비용 구조로, 보통 소프트웨어 라이선스나 구독, 제약 모델링과 구현 서비스, 기존 시스템과의 인터페이스 개발, 지속적 규칙 유지보수를 포함한다. 평가할 때는 스케줄러 한 명이 하루에 절약하는 시간에 교대 수를 곱해 대략 산정한 뒤 투자와 비교하는 것이 막연히 ROI를 말하는 것보다 신뢰할 만하다.
5. 적합과 부적합의 경계
적합한 시나리오는 몇 가지 특징을 공유한다. 교대가 많고, 기술 조합이 복잡하며, 수주 변동이 뚜렷하고, 공장 심사의 엄격한 근로시간 요구 같은 하드 컴플라이언스 제약이 있으며, 스케줄러가 하루의 상당 부분을 교대 교환 조정에 쓴다. 규모에서는 다교대로 총인원이 수백 명 수준일 때 수동 스케줄링의 한계 비용이 가장 빠르게 오르고 Agent의 가치가 가장 분명히 드러난다.
부적합한 시나리오도 분명하다. 수십 명 이내 소규모 팀으로 교대가 고정되고 기술이 상호 대체 가능해 공유 스프레드시트와 채팅방으로 충분하며 시스템은 유지 부담만 더하는 경우, 가용성 데이터가 심하게 결손되고 기술 매트릭스가 갱신되지 않는 기업으로 지능형 스케줄링을 논하기 전에 데이터 기반을 먼저 구축해야 하는 경우, 규칙이 특정 고참 한 명의 현장 판단에 크게 의존해 서술이 어려운 시나리오로 Agent는 단기적으로 보조 참고에 그쳐야 하고 유일한 결정 근거가 되어서는 안 되는 경우.
ERP 시대 이후 지능형 제조와 기업 관리 소프트웨어에 수십 년의 깊이를 가진 벤더, 120만 고객과 국내외 시장에 수천만 단말을 배치한 기업은 스케줄링 Agent에서 고립된 기능보다 기존 ERP, MES, 근태 모듈과의 통합을 강조하는 경향이 있다. 선정 시 기능 목록을 비교하기보다 기존 데이터에 연결할 수 있는지를 명확히 하는 것이 더 의미 있다.