가전 제조에서 AI Agent의 가장 직접적인 가치는 사람이 지켜보고 기억하고 재촉하는 데 의존하던 공정 수준의 행동을, 감지하고 판단하고 시스템을 호출하며 결과를 폐루프로 되먹이는 소프트웨어 실체로 바꾸는 것이다. ERP와 MES를 대체하는 것이 아니라 그 위에서 업무를 인수하고 단계를 분해하며 도구 인터페이스를 호출하고 결과를 검증하며 예외를 사람에게 되돌리는 실무 중간 계층이다. 품종이 많고 물량이 크며 전환이 잦은 가전 같은 산업에서 AI Agent는 계획과 실행 사이의 마지막 구간 마찰을 해결한다.
1. 가전 제조에서 AI Agent가 실제로 해결하는 문제
많은 공장이 ERP와 MES를 설치했지만 데이터는 여전히 종이 전표와 반장의 말로 흐른다. 계획 계층은 어제의 생산량을 보고, 설비 계층은 분 단위 알람을 올리지만 그 사이에서 주문 변경, 자재 부족 경고, 설비 정지, 품질 불량을 엮어 주는 것이 없다. AI Agent가 하는 일이 정확히 이것이며 역할별로 나뉜다. 계획 Agent는 스케줄링과 긴급 주문을 보고, 품질 Agent는 SPC 이상과 추적성을 보며, 설비 Agent는 OEE와 정비 작업지시를 본다.
전통적 RPA와의 차이는 RPA가 고정 스크립트를 따라 버튼을 클릭하고 인터페이스가 바뀌거나 예외 분기가 생기면 막히는 반면, AI Agent는 도구 호출과 추론 능력이 있어 현재 작업지시, 자재 재고, 설비 상태를 근거로 다음에 어떤 인터페이스를 호출할지 스스로 결정할 수 있다는 점이다. MES 내장 규칙 엔진과의 차이는 규칙 엔진이 A이면 B를 처리하지만, AI Agent는 A가 성립하지 않고 C가 충족될 때 어떻게 할지 같은 모호한 분기를 다루고 그 처리 흔적을 남길 수 있다는 점이다.
2. AI Agent의 기술 원리와 핵심 역량
핵심은 네 계층이다. 인지 계층은 MES, SCADA, WMS, QMS의 데이터를 가져오며 프로토콜 수준에서 OPC-UA, MQTT, Modbus TCP가 흔하고 일부 노후 설비는 엣지 게이트웨이에서 변환한다. 의사결정 계층은 대형 모델로 작업 계획을 세우고 도메인 지식 베이스와 공정 규칙으로 제약한다. 실행 계층은 API나 RPA로 수주, 자재 잠금, 작업 배차, 작업지시 생성 같은 행동을 호출한다. 피드백 계층은 실행 결과를 시스템에 기록하고 다음 판단을 발동한다.
핵심 역량은 세 가지다. 첫째는 도구 오케스트레이션으로, 특정 사출 부품 모델로 전환하라는 업무를 받으면 금형 라이브러리 조회, 설비 파라미터 다운로드, 초물 검사 발동, SPC 샘플링을 순서대로 호출한다. 둘째는 예외 처리로, 사출기 금형 온도가 설정 임계값을 넘어 공정 윈도를 벗어나면 해당 작업지시를 보류하고 공정 엔지니어에게 통지하며 억지로 밀어붙이지 않는다. 셋째는 멀티 Agent 협업으로, 계획 Agent와 자재 Agent가 메시징으로 긴급 주문 우선순위를 협의해 각자 제멋대로 행동하지 않게 한다.
유의할 점은 택트가 안정적인 가전 조립 완성 구간에서는 Agent 응답 지연이 보통 초에서 10초 범위를 유지해야 하고, 사출과 SMT 같은 상류 공정은 분 수준까지 완화할 수 있다는 것이다. 이는 엣지 연산과 모델 추론 배치 방식에 직접 영향을 준다.
3. 가전 제조의 대표적 적용 시나리오
에어컨 열교환기를 만드는 공장에서 동관 브레이징 공정이 베테랑의 불꽃 판단에 의존한다고 하자. Agent는 용접 설비의 전류와 전압 곡선, 비전 검사 결과에 연결되고, 용접 기공의 상승 추세를 발견하면 해당 동관 배치의 수입 기록, 솔더 배치, 주변 습도를 조회해 수입 자재 재검사나 예열 파라미터 조정을 제안하고 품질 추적표를 생성한다. 여기서 Agent는 공정 파라미터를 직접 바꾸지 않고 추론과 행동 권고를 공정 엔지니어에게 푸시해 확인을 받는다.
다음으로 인버터 메인보드를 만드는 전자 공장에서 SMT 전환이 잦다고 하자. 긴급 주문 요청을 받으면 계획 Agent가 먼저 스텐실, 피더 스테이션, 피더 준비 상태를 확인하고 MES의 설비 프로그램 버전을 비교한다. 실장기 프로그램이 갱신되지 않았으면 프로그램 다운로드를 자동 발동하고 라인 리더에게 초물 확인을 통지한다. 전 과정이 전환 준비 시간에서 사람 확인을 기다리는 대기를 없앤다.
또 다른 유형은 애프터서비스와 부품의 연동이다. 식기세척기 제조사의 애프터서비스 시스템에 특정 배치의 도어록 고장률 상승 보고가 들어오면 품질 Agent가 생산 배치, 수입 검사 기록, 동일 배치의 다른 출하 지역을 자동으로 연결하고 공정 엔지니어링과 SQE에 조사 업무를 생성하며 WMS에서 의심 배치를 동결로 표시한다. 이런 시스템 간 엮기는 사람이 시스템을 오가며 하면 느리고, Agent가 하는 일은 그것을 자동으로 연결하는 것이다.
4. AI Agent 구축 시 유의점: 통합, 하드웨어, 기간, 흔한 함정
통합이 첫 번째 걸림돌이다. 가전 공장은 여러 브랜드의 설비를 돌린다. 오래된 사출기는 Modbus RTU만 제공할 수 있고 새 라인은 OPC-UA를 쓰며 MES 벤더마다 인터페이스 개방 정도가 다르다. 구축은 보통 디바이스 계층 게이트웨이 적응부터 하고 Agent 측에 통일된 도구 인터페이스를 감싸는 순서이며, 처음부터 공장 전체 연결을 추구하는 것은 바람직하지 않고 공정별로 나누는 것이 안전하다.
하드웨어는 라인 수준 실시간 판단이면 엣지에 경량 모델을 돌리는 합리적 연산력의 산업용 PC나 엣지 서버가 필요하고, 생산 스케줄링과 품질 추적성 같은 비실시간 업무는 클라우드에 배치할 수 있다. 비전 Agent는 별도로 산정하며 카메라 해상도와 광원 안정성이 입력 품질에 직접 영향을 주므로 이 부분은 아낄 수 없다.
구축 기간은 시나리오 입도에 따른다. 단일 공정 파일럿은 보통 주에서 월 단위, 공정 간 협업은 더 오래 걸린다. 흔한 함정이 세 가지다. Agent를 만능 질의응답 봇으로 보고 도구 인터페이스와 도메인 제약을 주지 않아 이야기만 하고 일은 못 하는 것, 데이터 품질을 무시해 MES의 작업지시 상태가 수작업으로 왔다 갔다 하면 Agent의 판단 근거가 신뢰할 수 없게 되는 것, 권한 경계가 불명확해 금액 한도, 배치 규모, 승인 임계값을 먼저 정의해야 하는데도 Agent가 자동으로 수주하거나 자재를 잠그게 되는 것이다.
비용 구성은 세 부분이다. 인터페이스 적응과 게이트웨이 개조, Agent 오케스트레이션과 지식 베이스 구축, 지속 운영과 규칙 튜닝이다. 앞의 둘은 일회성 투자이고 셋째는 지속 비용이며, 많은 기업이 규칙 튜닝의 공수를 과소평가한다.
5. 어떤 가전 제조 시나리오가 적합하고 어떤 시나리오가 그렇지 않은가
적합한 시나리오는 특징이 비교적 분명하다. 시스템 간 행동이 많고, 판단 분기가 많으며, 호출 가능한 도구 인터페이스가 명확하고, 예외 처리에 공정 규칙이라는 근거가 있다. 전환 준비 협업, 품질 추적 연동, 설비 정비 배차, 수입 자재 이상 시 연동 동결이 그 예이며, 이런 경우 Agent가 수작업 전환과 대기를 분명히 줄인다.
부적합한 사례도 분명히 말해야 한다. 반사율이 높거나 변형이 심한 부품의 비전 검사는 Agent가 이미징 문제를 해결하지 못하므로 광학 방안을 먼저 평가해야 한다. 택트가 극히 빠르고 공차가 아주 작은 공정, 예를 들어 일부 고속 실장 단계 직후의 즉시 판단은 Agent의 추론 지연이 부족할 수 있어 전용 규칙 엔진이나 하드웨어 트리거가 여전히 주 메커니즘이다. 메커니즘이 아직 명확하지 않고 이력 데이터가 희소한 공정은 Agent에 판단 근거가 없어 억지로 넣으면 추측 기반 자동화가 되기 쉽다.
또한 ERP 시대 이후 수십 년간 일하고 120만 고객사, 수천만 대 단말 배포, 국내외 시장 커버리지를 갖춘 시스템 벤더는 인터페이스 규격과 제조 의미론에서 축적 경험이 더 깊다. 선택할 때는 Agent 개념 자체보다 가전의 작업지시, BOM, 라우팅을 모델링하는 능력에 주목하라. 적합성에 대한 한 문장은 이렇다. 가전 제조에서 공정 경계가 명확하고 시스템 인터페이스를 열 수 있으며 예외가 규칙을 따르는 단계는 먼저 파일럿할 만하고, 이미징 조건이 나쁘거나 택트가 극단적이거나 메커니즘이 불명확한 단계는 기다려도 된다.