AI 오케스트레이션

단일 AI의 한계

공정에 고립된 단일 AI는 전후 공정과의 인과관계를 보지 못합니다. 품질 AI는 품질만, 에너지 AI는 전력만 최적화하려 들기 때문에, 각자 최선이라고 판단한 제어 명령이 현장에서 서로 부딪힙니다. AI가 잘못 추론했을 때 설비 오작동이나 라인 셧다운을 막아 줄 통합 통제 장치도 없습니다.

AI 오케스트레이션은 이 지점을 다룹니다. 개별 설비의 최적화와 공장 전체 관점의 최적화가 충돌할 때, 그 조정을 맡는 계층입니다.

두 계층 구조

AI 오케스트레이션은 성격이 다른 두 계층으로 구성됩니다.

상위 계층 — 언어모델이 에이전트를 관리합니다. 요청이 들어오면 어떤 에이전트와 도구를, 어떤 순서로, 어디까지 쓸지 계획을 세우고, 실행 결과를 검증한 뒤 사람의 검토로 넘깁니다. 판단하는 주체가 아니라 판단을 조직하는 주체입니다.

하위 계층 — 에이전트가 설비를 다룹니다. 품질·예지보전·생산·에너지·안전 에이전트가 OPC-UA/AAS로 표준화된 설비 데이터를 읽고, 공정 조건을 바꾸거나 보전 오더를 내거나 E-Stop을 겁니다. 실제로 현장에 힘이 닿는 쪽입니다.

상위 계층이 없으면 에이전트들이 서로 부딪치고, 하위 계층이 없으면 분석에서 끝납니다. 둘이 붙어 있어야 자율제조가 됩니다.

상위 계층 — 계획 수립과 검증

요청을 받으면 Planner가 먼저 일을 나눕니다.

1. 질의 분석 — 무엇을 묻고 있는지, 어떤 도구가 필요한지 파악합니다.
2. 에이전트 선택 — 질의에 맞는 에이전트를 고릅니다.
3. 실행 순서와 종료 조건 설정 — 작업을 쪼개 어떤 에이전트와 도구를 어떤 차례로 쓸지, 어디서 멈출지 정합니다. 끝없이 도는 것을 막는 장치입니다.
4. 최종 계획 확정 — 단계별 에이전트와 파라미터, 조건을 확정해 배포하고, 온톨로지 지식 기반과 어긋나지 않는지 확인합니다.

계획이 서면 에이전트들이 실행합니다. RAG 검색으로 근거를 찾고, 문서와 DB를 조회·집계하며, 그 결과를 검증 단계가 다시 확인합니다. 근거가 상충하거나 불충분하면 여기서 걸립니다.

마지막은 사람입니다. 사용자가 “이 판단은 틀렸다”고 정정 피드백을 올리면 담당자가 검토해 승인하거나 반려하고, 승인된 내용이 온톨로지 지식 기반에 반영됩니다. 다음번 오케스트레이션의 정합성이 그만큼 올라갑니다.

하위 계층 — 에이전트 협업과 슈퍼바이저 중재

설비 이상, 에너지 불균형, 생산 차질처럼 원인이 여러 곳에 걸친 복합 상황에서 효과가 큽니다.

문제가 생기면 슈퍼바이저 에이전트가 전체 상황을 통합 관리하고, 품질·예지보전·생산·에너지 각 전문 에이전트가 실시간 데이터를 분석해 원인을 파악합니다. 에이전트 간 제어 명령이 상충하면 안전과 규정 준수를 최우선 규칙으로 두고 중재합니다. 이후 가상 시뮬레이션으로 공장 전체 운영에 미치는 영향을 따져 액션 플랜을 도출하고 실행을 지원합니다.

적용되는 에이전트는 다음과 같습니다.

• 품질 에이전트 — 와전류와 비전을 융합해 결함을 전수 검증합니다.
• 설비 예지보전 에이전트 — 진동·토크를 분석해 셧다운 이전에 보전 작업 오더를 생성합니다.
• 생산 최적화 에이전트 — 공정 조건을 동적으로 조정합니다.
• 에너지 에이전트 — 전력 부하를 분산합니다.
• 안전 비전 에이전트 — 충돌이나 화재를 탐지하면 E-Stop 신호를 냅니다.

공정 변수 자동 제어

현장에서는 숙련 작업자의 경험으로 공정 변수를 조정하는 일이 많습니다. 사람이 바뀌면 기준도 바뀌고, 그 차이가 품질 편차로 이어집니다.

AI가 공정 변수를 자동 제어하면 이 편차를 줄일 수 있습니다. 어떤 조건에서 어떤 결과가 나왔는지가 데이터로 남기 때문에, 설비 세팅값과 품질 데이터가 끊기지 않고 연결됩니다.

승인 체계

고위험 명령은 자동으로 실행되지 않습니다. 승인 대기 큐에 쌓이고, 관리자가 확인한 뒤에야 반영됩니다. 모든 제어 이력은 변경할 수 없는 감사 로그로 남습니다. 무인 자율화 공정을 운영하더라도 사람이 마지막 판단을 쥐고 있는 구조입니다.

실행 트레이스

Planner가 무엇을 결정했는지, 어떤 도구를 호출했는지, 근거가 무엇이었는지, 검증기가 어떻게 판정했는지가 하나의 실행 트레이스로 남습니다.

설비를 제어하는 시스템이므로 판단 경로를 사후에 추적할 수 있어야 합니다. 승인·수정·반려 이력과 온톨로지 변경 이력도 함께 보존됩니다.

도입 요건

배포와 서버 — 보안 정책에 따라 온프레미스 또는 Private Cloud에 구축합니다. LLM·임베딩·검색 모델 구동용 GPU 서버와 에이전트·API 서버, 벡터DB·트레이스 저장소를 위한 인프라가 필요합니다. 내부 업무 시스템과 DB, API에 닿는 망 구성이 있어야 하고, 폐쇄망이면 모델·패키지 반입과 갱신 절차를 따로 정해 두셔야 합니다. 배포는 고객 전용 클라우드(VPC·Dedicated) 또는 온프레미스 중에서 선택하며, ISO/IEC 27001과 GS인증 1등급을 보유하고 있습니다.

데이터 준비 — 에이전트가 쓸 사내 문서, 업무 DB, API 데이터와 검색용 지식베이스가 있어야 하고 문서·레코드별 식별자와 메타데이터가 유지돼야 합니다. 본문·표·구조화 정보가 검색 가능한 형태로 추출돼 있어야 합니다. 온톨로지를 쓴다면 핵심 용어와 엔티티, 관계, 업무 규칙의 초기 정의가 필요하며, 이후 운영하면서 사람 검토를 거쳐 계속 보완합니다.

연동 — 업무 시스템과 사내 DB, 벡터DB, 문서 저장소, 업무 API에 REST API·DB 커넥터·검색 API로 붙습니다. 외부 시스템에 데이터를 만들거나 바꾸는 기능은 읽기 전용 기능과 권한을 분리해서 설정해야 합니다. 설비 쪽은 MES·ERP·QMS·WMS·FEMS·SCADA·PLC와 연계하며, 레거시·신규 설비의 OPC-UA 데이터와 비전 이미지, 진동·토크 센서, 정형 생산·품질 데이터를 받습니다.

권한과 운영 — 일반 사용자, 운영 관리자, 도메인 검토자로 역할을 나눕니다. 조회와 검색은 권한 범위 안에서 자동으로 수행하되, 외부 시스템 변경, 중요 의사결정, 근거가 상충하거나 불충분한 경우, 사용자 정정 피드백은 사람 승인 대상으로 운영합니다.

현재 단계

AI 오케스트레이션은 내부 테스트와 PoC를 진행 중인 출시 예정 제품입니다. 자동차 부품·제약·식품·화장품 제조기업을 대상으로 실증을 수행하고 있습니다.

사업 수행 과정에서 생산량·불량 검출 정확도 등의 지표를 측정하고 있으나 아직 확정 전 수치입니다. 확정되기 전까지는 이 페이지에 싣지 않습니다. 도입을 검토 중이시라면 문의해 주시면 현재 진행 상황을 그대로 공유하겠습니다.