윤성호 마키나락스 대표 “AI 벤치마크, 기업 생산성과 무관…답은 현장에” 작성일 09-03 37 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">현장 데이터·업무 절차 모르면 설비 제어·예외 대응 한계 <br>FDE·AI 운영체제 ‘런웨이’로 제조·국방 AI 적용</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="0Sm8YOJ6Mw"> <p contents-hash="30dd67c0b21f2e28f80ba578be9f675c244941a557f1b170f976e318bf3d27fb" dmcf-pid="pvs6GIiPRD" dmcf-ptype="general">"인공지능(AI) 프런티어 기업들은 벤치마크 지표에 집착하지만, 높은 벤치마크 성능은 기업의 AI 생산성과 아무런 관련이 없습니다. 현장 데이터가 없고 업무 방식도 알지 못하기 때문에 현장의 문제를 해결하지 못합니다. 마키나락스는 거칠고 예측 불가능한 현장에서 동작하는 AI를 만드는 데 집중해 왔습니다."</p> <div contents-hash="3120ebbbd66bf44452f9741b1760e71d0de4732b3e0881df4dcacbb10913194a" dmcf-pid="UTOPHCnQME" dmcf-ptype="general"> 윤성호 마키나락스 대표는 3일 서울 강남구 웨스틴 서울 파르나스에서 열린 '어텐션 2026(ATTENTION 2026)'에서 최첨단 AI 모델의 성능 향상이 기업 생산성으로 곧바로 이어지지 않는 이유가 현장 지식 부족에 있다며 이 같이 말했다. 공개된 데이터로 학습한 범용 AI가 일반적인 문제는 해결해도 기업 고유의 데이터와 업무 절차, 숙련자의 판단이 필요한 예외 상황에는 제대로 대응하기 어렵다는 게 그의 설명이다. </div> <figure class="figure_frm origin_fig" contents-hash="bd348ee7b955d2e5e6f11661bb080696c4770c31de376249c528f64caa8583c5" data-idxno="451727" data-type="photo" dmcf-pid="uhHg7ZwaJk" dmcf-ptype="figure"> <p class="link_figure"><img alt="윤성호 마키나락스 대표가 어텐션 2026에서 발표하고 있다. / 정종길 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/03/552810-SDi8XcZ/20260903174828901ehkp.jpg" data-org-width="1280" dmcf-mid="f0axfuSrng" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/03/552810-SDi8XcZ/20260903174828901ehkp.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 윤성호 마키나락스 대표가 어텐션 2026에서 발표하고 있다. / 정종길 기자 </figcaption> </figure> <p contents-hash="5427859b187c6fb120b2545b8d5cfc9f95ee95aee7e905ed97de030d2808121b" dmcf-pid="7lXaz5rNec" dmcf-ptype="general">윤성호 대표는 현장 문제를 자주 발생하는 비교적 단순한 80%와, 빈도는 낮지만 복잡한 '마지막 20%'로 구분했다. 범용 AI가 단순하고 반복적인 업무는 처리해도 다양한 예외 상황까지 해결하지 못하면 현장에 적용하기 어렵다는 설명이다. 이처럼 발생 빈도는 낮지만 종류가 많고 해결하기 어려운 문제를 '롱테일(Long-tail)'이라고 부른다.</p> <p contents-hash="4e2250a3da6addb19933e5cf9070301c831276e2578401804d898b6e605a5f70" dmcf-pid="zSZNq1mjMA" dmcf-ptype="general">예를 들어 AI는 설비의 센서값을 분석해 추세선을 그릴 수 있다. 그러나 특정 값을 넘었을 때 설비를 멈춰야 하는지, 담당자를 호출해야 하는지 등은 현장 데이터에 따른 판단 기준을 모르면 결정하기 어렵다. 실제 설비를 제어하거나 사내 시스템과 연결해 후속 조치를 수행하는 과정도 필요하다.</p> <p contents-hash="ec298f8e9617489c291352b047153f3422a5cee10942f042ce4e92546196bd7d" dmcf-pid="qv5jBtsAMj" dmcf-ptype="general">윤 대표는 맥도날드가 2021년부터 미국 드라이브스루 매장에 AI 주문 시스템을 시범 적용했다가 2024년 중단한 사례도 예로 들었다. 맥도날드의 AI 시스템은 대부분의 기본적 주문은 처리할 수 있었지만, 주변 소음이 섞이거나 고객이 복잡한 요구를 하면 품목과 수량을 잘못 인식했다. 하지만 제조공장이나 전장에서는 생산 차질이나 안전 문제로 이어질 수 있기 때문에 '대부분 처리'하는 것보다는 훨씬 더 높은 신뢰성이 요구된다.</p> <p contents-hash="c02e32f3f3fcc959aaa2f94a6dbc556f291f53240bf1eef9f795b7474f8318aa" dmcf-pid="BT1AbFOcMN" dmcf-ptype="general">윤성호 대표는 마키나락스가 현장의 문제를 해결하는 방법으로 전방 배치 엔지니어(FDE·Forward Deployed Engineer)를 활용해왔다고 설명했다. 최근 관심이 높아지고 있는 FDE를 마키나락스는 초기부터 활용해왔으며, 고객 사업장에 투입돼 설비 데이터와 업무 절차, 현장 전문가의 판단 기준을 파악하고 이를 AI 시스템에 반영한다. 마키나락스 FDE 엔지니어들은 5개국 32개 도시의 80여개 사업장을 7만시간 동안 지원했다. 산업 현장에 배포한 AI 모델은 6000건 이상이다.</p> <div contents-hash="7633ab2ef17d5d5eed67b7c6570c7d0b708c9612f116d5d593757438e6844909" dmcf-pid="bytcK3Ikea" dmcf-ptype="general"> 이렇게 개발한 AI를 배포하고 관리하는 기반은 마키나락스의 AI 운영체제(OS) '런웨이(Runway)'가 담당한다. 데이터센터와 공장 서버, 생산설비 가까이에서 데이터를 처리하는 엣지 장비를 연결해 AI 모델과 에이전트의 개발·배포·운영 과정을 함께 관리한다. 인터넷과 분리된 폐쇄망에서도 사용할 수 있으며, AI가 어떤 데이터에 접근해 무슨 작업을 수행했는지 기록하고 이용자별 권한을 통제한다. </div> <figure class="figure_frm origin_fig" contents-hash="db139e34f7e79ab195f4b6e7f65a682f8fbcfc201edb3ca3c184b94442d2fbbe" data-idxno="451730" data-type="photo" dmcf-pid="KWFk90CEig" dmcf-ptype="figure"> <p class="link_figure"><img alt="윤성호 마키나락스 대표 / 마키나락스" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202609/03/552810-SDi8XcZ/20260903175128393pyei.jpg" data-org-width="1280" dmcf-mid="3u1AbFOcLr" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202609/03/552810-SDi8XcZ/20260903175128393pyei.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 윤성호 마키나락스 대표 / 마키나락스 </figcaption> </figure> <p contents-hash="4886b78895a99f84e0351ddba24ee719b7aa63b2f3c9ec54054dd73e49ea3de5" dmcf-pid="9Y3E2phDdo" dmcf-ptype="general">윤 대표는 FDE와 런웨이 기반의 AX로 '기업 AI 주권(Enterprise AI Sovereignty)'을 확보할 수 있다고 강조했다. 기업이 고유 데이터와 업무 지식, AI 개발 결과물을 내부 자산으로 보유함으로써 특정 AI 모델이나 그래픽처리장치(GPU), 클라우드 사업자에 종속되지 않을 수 있다는 것이다. AI의 판단과 실행 과정, 사용 비용도 기업이 직접 관리 가능하다.</p> <p contents-hash="41eda03e5b35dd8c2e7bbf4161e022a4ba2f3e48cb8cd97198da151edb1bf056" dmcf-pid="2G0DVUlwML" dmcf-ptype="general">이어 윤 대표는 설계도서 변경 검토에 AI를 적용해 연간 1000시간 이상의 검토 시간을 줄이고 있다고 소개했다. 국내외 6개 자동차 생산공장에서는 로봇 1400대 이상에 AI를 적용했다. 최근 한미연합훈련(UFS)에 자료 검색과 작전보고서 작성, 장비 장애 복구 판단을 지원하는 AI 기술을 시범 적용하기도 했다.</p> <p contents-hash="408c85ffd1183fd48e09be1916ffe08d4b68833727d4aa19f76ccd0bfb08b30b" dmcf-pid="VHpwfuSrMn" dmcf-ptype="general">마키나락스는 전동 액추에이터 기업 에너토크와 완전 자율공장 구축도 추진하고 있다. 양사는 사무와 생산 영역에서 80개 이상의 AI 전환 과제를 발굴했다. 올해 공장 상태를 파악하는 '보이는 공장'을 시작으로 2027년 설비와 시스템을 연결하고, 2028년에는 AI가 공장 운영을 지원하는 자율화 단계에 도달한다는 계획이다.</p> <p contents-hash="c76721201f2fb2d083dbbe9a3f98473d6bfc81f087358b6eed8fc8f8eee25a7c" dmcf-pid="fXUr47vmdi" dmcf-ptype="general">윤성호 대표는 "공장부터 전장까지 가장 거칠고 예측하기 어려운 환경에서 동작하는 AI를 만들겠다"며 "이를 통해 완전 자율 제조와 초생산성을 달성하겠다"고 말했다.</p> <p contents-hash="03b751f4741d34336cca6f3a06c629fd19079623a361ee545d1d38f9d3b43b8a" dmcf-pid="4Zum8zTsLJ" dmcf-ptype="general">정종길 기자<br>jk2@chosunbiz.com</p> </section> </div> <p class="" data-translation="true">Copyright © IT조선. 무단전재 및 재배포 금지.</p> 관련자료 이전 “짝퉁·기술침해 꼼짝마!” 대한민국 IP 지킬 드림팀 뜬다[지식재산의 날] 09-03 다음 내년 7월 'K미토스' 개발…네이버, 韓 보안 AI 생태계 만든다 09-03 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
