우리 회사 공장도 AI로 문제를 미리 알아채고 손실을 줄일 수 있을까? 제조 현장에서 일하는 관리자나 엔지니어라면 누구나 한 번쯤 던져봤을 질문입니다. 공장 생산 라인이 예상치 못하게 멈추면 하루에만 수억 원, 많게는 수십억 원의 손실이 발생합니다. 하지만 정작 AI를 도입하려 하면 "우리 공장 데이터는 너무 복잡하고 정리가 안 되어 있어서 불가능하다"는 답변만 돌아오기 일쑤입니다. 글로벌 산업용 AI 기업 코그나이트(Cognite)가 최근 서울에 법인을 설립하고 거점을 마련한 이유는 바로 이 지점, 즉 한국 제조업의 '정리되지 않은 데이터'라는 고질적인 비용 문제를 현지에서 직접 해결하기 위해서입니다.
제조 AI 회사 코그나이트는 왜 지금 서울에 왔을까
글로벌 산업용 AI 플랫폼 기업인 코그나이트가 2026년 5월 24일 서울투자진흥재단(Invest Seoul)과 업무협약(MOU)을 체결하고 서울 법인 설립을 공식화했습니다. 미국 템피와 노르웨이에 본사를 둔 이들이 일본과 인도에 이어 서울을 선택한 것은 단순한 시장 확장이 아닙니다. 한국은 정유, 화학, 조선 등 이른바 '중후장대' 산업의 세계적 거점이지만, 역설적으로 이들 현장의 디지털 전환 속도는 데이터의 파편화로 인해 정체되어 있기 때문입니다.
이전 글에서 한국이 AI 특허에서 '인구당' 세계 1위라는데, 정말 AI 강국일까?라는 질문을 던진 바 있습니다. 특허 수는 많지만, 실제 제조 현장에서 AI가 실질적인 돈을 벌어다 주거나 비용을 획기적으로 줄여주는 사례는 드뭅니다. 코그나이트는 한국 제조사들이 가진 방대한 데이터를 '쓸모 있는 형태'로 바꾸는 과정이 원격으로는 불가능하다고 판단했습니다. 현장에 직접 들어가 엔지니어들과 소통하며 데이터를 다듬어야만 AI가 제대로 작동한다는 사실을 수년간의 글로벌 프로젝트로 체득했기 때문입니다.
코그나이트가 주력으로 내세우는 산업용 AI(Industrial AI)는 우리가 흔히 아는 챗GPT 같은 챗봇과는 다릅니다. 일반적인 AI가 텍스트나 이미지를 학습한다면, 산업용 AI는 제조 현장의 물리적 법칙과 기계의 진동, 압력, 온도 데이터를 학습해 기계의 고장을 예측하거나 생산 효율을 극대화하는 데 특화되어 있습니다. 이들은 서울을 거점으로 삼아 고숙련 데이터 엔지니어를 대거 채용하고, 한국 제조 기업들의 AX(AI 전환)를 밀착 지원할 계획입니다.
한국 공장 데이터는 왜 정리가 어려울까
한국 공장의 데이터가 유독 다루기 힘든 이유는 '파편화'에 있습니다. 수십 년간 운영된 공장 내부를 들여다보면, A사에서 만든 구형 펌프와 B사에서 만든 최신 센서, 그리고 C사에서 구축한 관리 시스템이 뒤섞여 있습니다. 이들은 서로 다른 언어로 신호를 보냅니다. 예를 들어, 1번 라인의 센서가 보내는 '70'이라는 숫자가 온도를 뜻하는지, 압력을 뜻하는지, 혹은 단순한 오류 코드인지 AI가 스스로 알아채기는 매우 어렵습니다.
여기서 코그나이트의 핵심 기술인 데이터 맥락화(Data Contextualization)가 등장합니다. 데이터 맥락화란 서로 다른 기계들이 쏟아내는 파편화된 데이터에 '이것이 어떤 공정의 어떤 부품 신호인지' 의미를 부여해 AI가 이해할 수 있는 언어로 번역하는 과정을 말합니다. 단순히 데이터를 모으는 것을 넘어, 데이터 사이의 논리적 관계를 연결해주는 작업입니다.
한국 제조업은 숙련된 현장 노동자의 '감'에 의존하는 경향이 강합니다. 노련한 반장님은 기계 소리만 듣고도 고장을 맞추지만, 이를 데이터로 남기지는 않습니다. 코그나이트는 이러한 현장의 암묵지를 데이터 맥락화 기술을 통해 디지털 자산으로 바꾸려 합니다. 서울 거점 설립은 한국 공장 특유의 복잡한 설비 구조와 운영 방식을 이해하는 현지 인력을 확보해, 이 '번역 작업'의 정확도를 높이려는 전략적인 선택입니다.
데이터센터 대신 공장에 필요한 것
많은 기업이 AI 도입을 위해 거대한 클라우드 데이터센터에 투자하지만, 제조 현장의 요구는 조금 다릅니다. 공장에서는 0.1초의 판단 지연이 대형 사고로 이어질 수 있습니다. 모든 데이터를 클라우드로 보내 분석하고 다시 결과를 받는 방식은 속도 면에서 한계가 있습니다. 또한, 공정의 핵심 노하우가 담긴 데이터가 외부로 유출되는 것에 대한 보안 우려도 큽니다.
따라서 최근에는 온디바이스 배포(On-device Deployment) 기술이 주목받고 있습니다. 이는 데이터를 외부 클라우드로 보내지 않고 공장 내부의 서버나 기기 안에서 AI를 직접 구동해 보안과 속도를 높이는 방식입니다. 코그나이트가 서울에서 추진하는 협력 모델 역시 이러한 현장 밀착형 인프라 구축에 방점이 찍혀 있습니다.
실제로 제조 현장에서는 회사 고객 질문에 AI 챗봇을 쓰면 답장 시간이 얼마나 줄까?와 같은 일반적인 업무 효율화보다, "이 밸브를 지금 잠그지 않으면 1시간 뒤에 폭발할 확률이 몇 퍼센트인가?"라는 질문에 실시간으로 답하는 능력이 훨씬 중요합니다. 코그나이트의 '데이터 퓨전(CDF)' 플랫폼은 현장의 물리적 모델과 AI 모델을 결합해, 단순한 통계적 예측을 넘어 물리 법칙에 근거한 정확한 의사결정을 지원합니다. 이는 데이터센터의 계산 능력보다 공장 설비에 대한 깊은 이해가 선행되어야 가능한 영역입니다.
어떤 회사들이 이미 써보고 있나
코그나이트는 이미 한국의 대표적인 제조 리더들과 손을 잡고 실질적인 성과를 내고 있습니다. 한화오션, LG화학, 롯데케미칼 등이 대표적인 파트너입니다. 이들은 이미 자동화 기술에 막대한 투자를 해온 기업들이지만, 개별적으로 구축된 시스템들이 서로 소통하지 못하는 '데이터 사일로(Data Silo)' 현상 때문에 AI 활용에 어려움을 겪어왔습니다.
예를 들어 조선업체인 한화오션의 경우, 거대한 선박을 건조하는 과정에서 발생하는 수만 개의 설계 도면과 실시간 건조 데이터를 통합 관리하는 것이 핵심입니다. 코그나이트는 이를 맥락화하여 엔지니어가 필요한 정보를 즉각적으로 찾아내고 공정 지연을 방지할 수 있도록 돕습니다. 화학 기업인 LG화학이나 롯데케미칼 역시 복잡한 화학 반응 공정에서 발생하는 변수들을 실시간으로 분석해 에너지 소비를 줄이고 불량률을 낮추는 데 AI를 활용하고 있습니다.
이러한 협력은 지역 경제에도 긍정적인 영향을 미칩니다. 울산 청년이 지역 문제 푸는데 AI 써보는 것, 왜 가치 있을까?라는 사례처럼, 글로벌 기업의 기술이 국내 제조 거점 도시에 이식되면 지역 인재들이 첨단 산업 AI 전문가로 성장할 기회가 열립니다. 서울투자진흥재단이 코그나이트 유치에 공을 들인 이유도 서울의 우수한 R&D 인력과 울산, 여수, 거제 등지의 제조 현장을 잇는 'AX 허브'로서의 가치를 높게 평가했기 때문입니다.
제조업 직장인을 위한 AI 도입 판단 체크포인트
이제 제조·화학·조선 등 산업 현장에서 일하는 직장인들은 AI를 '먼 미래의 이야기'가 아닌 '내 업무의 도구'로 바라봐야 합니다. 코그나이트의 서울 진출은 한국 제조업의 AI 전환이 실험 단계를 넘어 본격적인 인프라 구축 단계로 접어들었음을 시사합니다. 만약 당신의 회사가 AI 도입을 검토 중이라면, 다음 세 가지 체크포인트를 반드시 확인해야 합니다.
첫째, "우리 회사의 데이터는 맥락화되어 있는가?"를 물어야 합니다. 단순히 서버에 데이터가 쌓여 있는 것과, 그 데이터가 무엇을 의미하는지 AI가 이해할 수 있는 형태로 연결되어 있는 것은 천지차이입니다. 데이터 정리 없는 AI 도입은 밑 빠진 독에 물 붓기와 같습니다.
둘째, "현장 밀착형 지원이 가능한 파트너인가?"를 따져봐야 합니다. 제조 AI는 소프트웨어만 사서 설치한다고 끝나는 것이 아닙니다. 우리 공장의 특수한 설비 환경을 이해하고, 현장 엔지니어와 소통하며 모델을 튜닝할 수 있는 현지 법인이나 기술팀이 있는지 확인하는 것이 프로젝트 성공의 핵심입니다.
셋째, "보안과 속도를 보장하는 배포 방식인가?"를 검토하십시오. 핵심 공정 데이터가 외부로 나가는 것이 부담스럽다면 온디바이스 배포나 하이브리드 클라우드 방식을 지원하는지 확인해야 합니다. 원문 보도에 따르면 코그나이트 역시 서울 거점을 통해 국내 제조 기업들에 맞춤형 인센티브와 네트워킹을 제공하며 이러한 현장 요구에 대응할 예정입니다.
결국 제조업 AI의 성패는 화려한 알고리즘이 아니라, 기름때 묻은 현장의 데이터를 얼마나 정확하게 디지털로 번역해내느냐에 달려 있습니다. 코그나이트의 서울 상륙은 그 번역 작업이 이제 한국어와 한국 제조 문화에 맞춰 본격적으로 시작된다는 신호탄입니다.