제조·설계 조직의 자동화 문의를 받아보면, 업무 이름은 회사마다 달라도 패턴은 비슷합니다. 치수만 다른 도면을 주문이 들어올 때마다 새로 그리고 있고, 설비에서 나온 데이터를 매일 엑셀로 옮겨 집계하고 있고, 설비에 문제가 생기면 매뉴얼과 과거 정비 기록을 뒤지느라 시간을 씁니다. 이 글은 그중 자동화가 먼저 통하는 세 가지 업무인 반복 도면 작성, 공정 데이터 수작업 집계, 설비 매뉴얼·정비 이력 검색을 골라, 각각 어떤 접근이 맞고 도입 전에 무엇을 확인해야 하는지 정리한 실무 가이드입니다.
왜 이 세 가지가 1순위인가
자동화가 잘 되는 업무의 조건은 업종과 무관하게 같습니다. 반복되고, 규칙을 말로 설명할 수 있고, 결과를 검증할 기준이 있는 업무입니다. 제조 현장에는 이 조건을 채우는 업무가 유난히 많습니다. 도면에는 설계 표준이 있고, 공정 데이터에는 집계 규칙이 있고, 설비 매뉴얼은 이미 문서로 존재합니다. '사람이 판단하는 일'처럼 보이는 업무의 상당 부분이 실제로는 '정해진 규칙을 적용하는 일'입니다. 다만 세 업무는 성격이 달라서, 같은 기술로 접근하면 안 됩니다.
1. 치수만 다른 유사 도면은 파라메트릭 규칙 엔진으로
브래킷, 플랜지, 금형 부품처럼 형상은 같고 치수·재질·홀 위치만 달라지는 도면을 매번 새로 작성하는 조직이 많습니다. 설계자는 기존 도면을 열어 복사하고, 치수를 고치고, 표제란을 바꾸고, 간섭이 없는지 확인합니다. 한 장의 작업 시간 자체는 길지 않지만 건수가 쌓이면, 설계 인력의 상당 시간이 '새 설계'가 아니라 '기존 설계의 변형'에 쓰이게 됩니다.
이 업무에 맞는 접근은 LLM에게 도면을 그리게 하는 것이 아니라 파라메트릭 규칙 엔진입니다. '이 치수가 이 범위이면 홀 간격은 이렇게, 판 두께는 저렇게'라는 설계 규칙을 코드로 옮기고, CAD의 API나 템플릿 기능으로 입력값에 따라 도면을 생성하는 방식입니다. 같은 입력에는 항상 같은 결과가 나와야 하고 왜 그 값이 나왔는지 추적할 수 있어야 하는 영역이라, 생성형 AI보다 결정적으로 동작하는 규칙 엔진이 맞습니다. LLM을 쓴다면 주문서·사양서에서 파라미터를 읽어내는 입구 단계에 쓰는 것이 안전합니다.
가장 먼저 확인할 것은 설계 규칙이 문서로 존재하는가입니다. 규칙이 베테랑 설계자의 머릿속에만 있다면, 자동화 이전에 규칙을 끄집어내 문서화하는 작업이 프로젝트의 절반입니다. 이 문서화는 자동화와 무관하게라도 조직에 남는 자산이 됩니다.
2. 공정 데이터 수작업 집계는 데이터 파이프라인과 자동 리포트로
설비 로그, 검사 결과, 생산 실적이 서로 다른 시스템(혹은 서로 다른 엑셀 파일)에 흩어져 있고, 담당자가 매일 아침 이를 모아 수율·가동률 리포트를 만드는 패턴입니다. 집계 규칙 자체는 명확합니다. 어느 파일의 어느 값을 가져와 어떻게 계산하는지 담당자는 설명할 수 있습니다. 문제는 그 명확한 규칙을 사람 손이 매일 실행하고 있다는 것입니다.
맞는 접근은 수집→정규화→집계→리포트 생성을 잇는 데이터 파이프라인입니다. 여기서도 관건은 기술이 아니라 검증 설계입니다. 지금까지 사람이 만들어 온 리포트가 그대로 정답지가 되므로, 파이프라인이 만든 값과 기존 수기 리포트의 값이 일치하는지 몇 주치 데이터로 대조한 뒤에 전환해야 합니다. 저희가 해운사의 정산 검토 업무를 자동화할 때도 기존 수기 집계와 값이 일치하는지부터 검증하고 정식 구축으로 넘어갔습니다. 다루는 대상이 서류냐 공정 데이터냐의 차이일 뿐, 구조는 같습니다. 그리고 시스템이 확신하지 못하는 값은 추정해서 채우지 않고 '확인 필요'로 표시해 사람에게 넘기는 원칙도 동일하게 적용됩니다.
3. 설비 매뉴얼·정비 이력 검색은 RAG로
설비에 이상이 생기면 담당자는 두꺼운 매뉴얼 PDF를 뒤지거나, 비슷한 고장을 겪은 동료를 찾거나, 과거 정비 일지를 넘겨봅니다. 필요한 정보가 어딘가에 적혀 있는데 찾는 데 시간이 걸리는, 전형적인 검색 문제입니다. '문서 어딘가에 답이 적혀 있는 질문'에 답하는 일은 RAG(검색 증강 생성)가 잘하는 영역이고, 정비 노하우가 특정 담당자에게만 쌓이는 문제를 완화하는 효과도 있습니다.
다만 조건이 있습니다. 답의 출처(매뉴얼 몇 페이지, 어느 정비 기록)를 반드시 함께 보여줘야 하고, 근거를 찾지 못한 질문에는 지어내지 않고 '해당 내용을 찾지 못했다'고 답하도록 설계해야 합니다. 설비 대응은 틀린 답의 비용이 큰 영역이라, 이 두 가지가 없는 검색 시스템은 현장의 신뢰를 얻지 못합니다. 매뉴얼이 스캔본이거나 핵심 정보가 도면·회로도 안에 들어 있다면 전처리 난이도가 올라가므로, 시작 전에 문서 상태부터 확인해야 합니다.
도입 전 확인할 것 3가지
- 설계 규칙의 문서화 여부. 신입에게 인수인계 문서로 넘길 수 있는 수준이면 자동화 가능성이 높다. 머릿속에만 있다면 규칙 정리가 먼저다
- 데이터 접근 권한. 설비 로그·MES·PLM 같은 시스템에서 데이터를 꺼낼 수 있는가. 벤더 협조와 보안 승인에 걸리는 시간이 개발보다 오래 걸리는 경우가 많다
- 검증 기준. 지금까지 사람이 만들어 온 도면·리포트·정비 기록이 곧 정답지다. 자동화 결과와 비교할 기준 산출물을 2~3개월치 제공할 수 있는가
요약 · 업무별로 맞는 접근이 다르다
| 업무 | 맞는 접근 | 도입 전 확인할 것 |
|---|---|---|
| 치수만 다른 유사 도면 | 파라메트릭 규칙 엔진 (CAD API·템플릿) | 설계 규칙의 문서화 여부 |
| 공정 데이터 수작업 집계 | 데이터 파이프라인 + 자동 리포트 | 데이터 접근 권한, 기존 리포트와의 값 대조 |
| 설비 매뉴얼·정비 이력 검색 | RAG (출처 표시 + '모름' 응답 설계) | 문서 품질, 스캔본 비중 |
세 업무의 공통점은 '이미 사람이 해 온 결과물이 검증 기준이 된다'는 것입니다. 실제 도면 몇 장, 몇 주치 리포트, 매뉴얼 일부만 있으면 자동화 가능성은 짧은 검증으로 판단할 수 있습니다. Plan AI는 2주 파일럿(PoC)으로 실제 데이터를 가지고 기존 산출물과의 일치 여부를 검증한 뒤에 본 구축을 제안합니다. 자동화하고 싶은 업무를 남겨주시면 1영업일 내 검토 회신드립니다.