원프레딕트 윤병동 대표는 지난 9월 1일 서울 서초구 사무실에서 공장 자동화와 자율화의 차이를 설명했습니다. 그는 제품 검사처럼 정해진 절차를 기계가 수행하는 자동화만으로는 공장 업무가 처음부터 끝까지 이어지지 않는다고 말했습니다. 자율화는 AI가 검사 뒤 위험을 따져 생산 라인을 멈출지 결정하고, 필요한 조치를 거쳐 다시 가동한 뒤 보고서를 작성하는 과정까지 판단하고 실행하는 방식입니다. 세탁기 제조사가 제품 소리를 듣고 양품과 불량품을 가리는 AI를 쓰는 사례도 윤 대표는 자동화로 분류했습니다.

윤 대표는 서울대에서 시작한 원프레딕트가 2016년 10월 법인을 세웠으며, 직원은 현재 96명 정도라고 밝혔습니다. 초기에는 에너지·발전 분야에 집중했지만 지금은 제조 AI에 무게를 두고 있습니다. 회사가 집계한 AI 팩토리 적용 공장은 누적 250곳이 넘습니다. 원프레딕트는 품질 관리, 설비 보전·정비, 에너지·공정 최적화, 안전 등으로 AI 에이전트의 활용 분야를 넓히려 합니다. 예지보전에 강점을 가진 회사는 다음 단계로 품질 관리에 집중하고, 이후 에너지 최적화와 안전 분야로 확대할 계획입니다.

자율화 공정에서는 비전 카메라가 제품을 촬영하고 AI가 영상을 분석해 양품과 불량품을 판별합니다. 이어 숙련자의 경험에 기반한 암묵지(말로 드러나지 않는 경험 지식)를 형식화해 학습시키면, AI가 데이터를 바탕으로 의사결정과 필요한 조치를 할 수 있다고 윤 대표는 설명했습니다. 품질 검사를 맡는 사람의 역할은 품질 에이전트가 대신하게 됩니다. 기존 자동화 제어 시스템에는 추론 능력이 없어 사람이 위험도, 라인 정지 시점, 투입 인력 등을 판단하지만, 사람마다 숙련도와 상황에 따라 판단과 검사 결과가 달라질 수 있다고 덧붙였습니다.

원프레딕트의 솔루션 사이클론은 현장 데이터를 지속적으로 모으고 AI가 쓸 수 있게 가공하는 데이터옵스(데이터 운영 관리)를 지원합니다. 사람이 매번 전처리하지 않아도 데이터 파이프라인이 활용 가능한 데이터를 만들도록 하는 것이 역할입니다. 사이클론에는 AI 모델 운영을 관리하는 엠엘옵스 기능도 포함돼 있습니다. 설비 정비 뒤 특성이 바뀌면 모델 성능이 달라질 수 있어, 변화를 판단하고 모델을 재학습시키는 등 수명 주기를 관리합니다. 회사는 원래 pdx에 사이클론을 포함했으나, 자체 모델을 만들려는 대학·연구소 고객 수요에 맞춰 데이터 파이프라인 기능을 별도 제품으로 제공한다고 밝혔습니다.

제조 설비마다 센서를 설치하면 비용이 들기 때문에, 원프레딕트는 최소 센서로 많은 정보를 얻을 수 있도록 측정 항목과 설치 위치를 정하는 기술이 중요하다고 설명했습니다. 기존 공장의 레거시 데이터를 활용하고, 필요한 센서를 추가해 설비 예지보전과 품질 예측, 에너지 최적화에 필요한 정보를 더 정밀하게 파악한다는 접근입니다. 센서 위치를 정할 때는 주변 설비 상태와 물리적 지식도 고려해야 합니다.

윤 대표는 제조 데이터의 병목으로 AI 레디 데이터 부족을 꼽았습니다. 예를 들어 ‘87.5’라는 측정값만으로는 온도·압력·진동 중 무엇인지 알 수 없으므로, 측정 시각과 공장, 라인 번호, 항목을 설명하는 메타데이터와 제품의 양품·불량 라벨을 연결해야 AI 학습에 쓸 수 있다고 말했습니다. 산업적으로는 제조·모빌리티·방산과 기존 에너지·발전 분야를 보고 있으며, 사업 매출의 약 90%가 제품에서 나옵니다. 전체 매출 중 pdx가 약 80%, 별도 판매한 사이클론이 약 10%이고, 컨설팅 등 용역 매출이 나머지 약 10%입니다.

해외 진출보다 당분간 국내 시장에 집중하는 것이 윤 대표의 계획입니다. 그는 국내 대기업과 중견기업의 디지털화, 숙련공의 암묵지, 정부 지원을 시장 여건의 강점으로 들었습니다. 국내 적용 사례를 쌓아 글로벌 표준으로 만들고 세계 시장을 선점할 수 있다고 봤습니다. 한국과 중국의 디지털화 속도가 빠르며, 과거 스마트공장 사업을 둘러싸고 실효성 논란이 있었지만 ERP, MES, PLC 등 시스템과 장치가 도입돼 디지털 데이터를 쌓을 기반이 마련됐다고 설명했습니다. 중국은 공장과 데이터가 많아 빠르게 성장하고, 미국은 AI 기술은 우수하지만 제조 데이터 확보에 한계가 있다는 견해도 밝혔습니다. 한국은 자원이 한정돼 있어 중국과 경쟁하려면 대한민국 12대 주력 산업에 선택과 집중을 해야 하며, 미국 공급망 안에서 경쟁력을 확보하는 데 주력해야 한다고 말했습니다. 회사의 로드맵은 AI 네이티브 팩토리 운영체제를 개발하고 에이전트 활용 분야를 넓히는 것입니다.

원프레딕트 윤병동 대표는 지난 9월 1일 서울 서초구 사무실에서 공장 자동화와 자율화의 차이를 설명했습니다. 그는 제품 검사처럼 정해진 절차를 기계가 수행하는 자동화만으로는 공장 업무가 처음부터 끝까지 이어지지 않는다고 말했습니다. 자율화는 AI가 검사 뒤 위험을 따져 생산 라인을 멈출지 결정하고, 필요한 조치를 거쳐 다시 가동한 뒤 보고서를 작성하는 과정까지 판단하고 실행하는 방식입니다. 세탁기 제조사가 제품 소리를 듣고 양품과 불량품을 가리는 AI를 쓰는 사례도 윤 대표는 자동화로 분류했습니다.

윤 대표는 서울대에서 시작한 원프레딕트가 2016년 10월 법인을 세웠으며, 직원은 현재 96명 정도라고 밝혔습니다. 초기에는 에너지·발전 분야에 집중했지만 지금은 제조 AI에 무게를 두고 있습니다. 회사가 집계한 AI 팩토리 적용 공장은 누적 250곳이 넘습니다. 원프레딕트는 품질 관리, 설비 보전·정비, 에너지·공정 최적화, 안전 등으로 AI 에이전트의 활용 분야를 넓히려 합니다. 예지보전에 강점을 가진 회사는 다음 단계로 품질 관리에 집중하고, 이후 에너지 최적화와 안전 분야로 확대할 계획입니다.

자율화 공정에서는 비전 카메라가 제품을 촬영하고 AI가 영상을 분석해 양품과 불량품을 판별합니다. 이어 숙련자의 경험에 기반한 암묵지(말로 드러나지 않는 경험 지식)를 형식화해 학습시키면, AI가 데이터를 바탕으로 의사결정과 필요한 조치를 할 수 있다고 윤 대표는 설명했습니다. 품질 검사를 맡는 사람의 역할은 품질 에이전트가 대신하게 됩니다. 기존 자동화 제어 시스템에는 추론 능력이 없어 사람이 위험도, 라인 정지 시점, 투입 인력 등을 판단하지만, 사람마다 숙련도와 상황에 따라 판단과 검사 결과가 달라질 수 있다고 덧붙였습니다.

원프레딕트의 솔루션 사이클론은 현장 데이터를 지속적으로 모으고 AI가 쓸 수 있게 가공하는 데이터옵스(데이터 운영 관리)를 지원합니다. 사람이 매번 전처리하지 않아도 데이터 파이프라인이 활용 가능한 데이터를 만들도록 하는 것이 역할입니다. 사이클론에는 AI 모델 운영을 관리하는 엠엘옵스 기능도 포함돼 있습니다. 설비 정비 뒤 특성이 바뀌면 모델 성능이 달라질 수 있어, 변화를 판단하고 모델을 재학습시키는 등 수명 주기를 관리합니다. 회사는 원래 pdx에 사이클론을 포함했으나, 자체 모델을 만들려는 대학·연구소 고객 수요에 맞춰 데이터 파이프라인 기능을 별도 제품으로 제공한다고 밝혔습니다.

제조 설비마다 센서를 설치하면 비용이 들기 때문에, 원프레딕트는 최소 센서로 많은 정보를 얻을 수 있도록 측정 항목과 설치 위치를 정하는 기술이 중요하다고 설명했습니다. 기존 공장의 레거시 데이터를 활용하고, 필요한 센서를 추가해 설비 예지보전과 품질 예측, 에너지 최적화에 필요한 정보를 더 정밀하게 파악한다는 접근입니다. 센서 위치를 정할 때는 주변 설비 상태와 물리적 지식도 고려해야 합니다.

윤 대표는 제조 데이터의 병목으로 AI 레디 데이터 부족을 꼽았습니다. 예를 들어 ‘87.5’라는 측정값만으로는 온도·압력·진동 중 무엇인지 알 수 없으므로, 측정 시각과 공장, 라인 번호, 항목을 설명하는 메타데이터와 제품의 양품·불량 라벨을 연결해야 AI 학습에 쓸 수 있다고 말했습니다. 산업적으로는 제조·모빌리티·방산과 기존 에너지·발전 분야를 보고 있으며, 사업 매출의 약 90%가 제품에서 나옵니다. 전체 매출 중 pdx가 약 80%, 별도 판매한 사이클론이 약 10%이고, 컨설팅 등 용역 매출이 나머지 약 10%입니다.

해외 진출보다 당분간 국내 시장에 집중하는 것이 윤 대표의 계획입니다. 그는 국내 대기업과 중견기업의 디지털화, 숙련공의 암묵지, 정부 지원을 시장 여건의 강점으로 들었습니다. 국내 적용 사례를 쌓아 글로벌 표준으로 만들고 세계 시장을 선점할 수 있다고 봤습니다. 한국과 중국의 디지털화 속도가 빠르며, 과거 스마트공장 사업을 둘러싸고 실효성 논란이 있었지만 ERP, MES, PLC 등 시스템과 장치가 도입돼 디지털 데이터를 쌓을 기반이 마련됐다고 설명했습니다. 중국은 공장과 데이터가 많아 빠르게 성장하고, 미국은 AI 기술은 우수하지만 제조 데이터 확보에 한계가 있다는 견해도 밝혔습니다. 한국은 자원이 한정돼 있어 중국과 경쟁하려면 대한민국 12대 주력 산업에 선택과 집중을 해야 하며, 미국 공급망 안에서 경쟁력을 확보하는 데 주력해야 한다고 말했습니다. 회사의 로드맵은 AI 네이티브 팩토리 운영체제를 개발하고 에이전트 활용 분야를 넓히는 것입니다.