Perspective: 제조 데이터는 번역 문제다

핵심 주장

한국 제조기업들이 AI를 통해 공장 데이터를 활용할 수 있게 된 이유는 데이터 수집 기술 때문이 아니라, 각 산업의 고유한 설비와 프로세스에 맞게 원시 데이터를 "의미 있는" 형태로 번역해주는 도메인 특화 플랫폼이 나타났기 때문이다.

근거

• 코그나이트는 정유·가스·조선 같은 산업별로 별도의 데이터 맥락화 모듈을 운영하며, 한화오션·LG화학·롯데케미칼 등 이미 데이터를 보유한 대형 제조기업들과의 협력으로 성장했다는 점은 '데이터가 있으면 충분'한 게 아니라는 증거다.
• 제조업 현장 데이터(센서 신호, 생산 로그, 설비 상태)는 기술별·설비별·공정별로 문법이 완전히 다르다. 예를 들어 조선소의 용접 데이터와 화학 공장의 온도·압력 데이터는 같은 AI 모델로 처리할 수 없으며, 이를 표준화하려면 각 산업의 엔지니어링 지식이 필수다.
• 한국의 대형 제조기업들이 이제 와서 AI 도입을 검토하는 배경에는 1) 과거 20~30년간 축적된 방대한 운영 데이터, 2) 불량률 감소나 효율 개선 같은 명확한 비즈니스 목표, 3) 데이터 인프라 성숙도가 동시에 갖춰진 것이 있다. 즉 '도구'가 아니라 '수요 조건'이 충족된 것이다.

반론

• AI 플랫폼 도입이 늘어날수록 라이선스 비용, 데이터 보안(산업 기밀) 부담, 시스템 통합 난제가 기하급수적으로 증가하는데, 한국 중소 제조기업(매출 100억~500억 대)의 대다수는 도메인 AI 플랫폼을 감당할 자본 여력이 없다. 결국 대형 기업만 편익을 누리는 양극화를 초래한다.
• 제조기업이 정말로 필요한 것이 고급 AI 모델인지 여부가 불명확한 경우가 많다. 기존 MES(생산 관리 시스템)의 데이터 수집 정확도를 높이거나, 현장 엔지니어의 노하우를 체계화하는 것이 AI 도입보다 ROI가 높을 수도 있다.
• 코그나이트 같은 미국 기업 중심의 플랫폼 의존도가 높아지면, 한국의 제조 데이터 표준화 권한과 알고리즘 자산이 외국 기업에 귀속될 위험이 있다. 장기적으로는 '데이터 주권' 문제가 대두될 수 있다.

적용 조건

• 이 주장은 이미 디지털 인프라(센서, 데이터 저장소, 네트워크)가 갖춰진 대형 제조기업(정유, 화학, 조선, 자동차)에만 적용된다. 아직 레이블링이나 수작업 기록에 의존하는 소규모 공장에서는 해당 없음.
• 제조기업이 보유한 데이터의 규모와 정제 수준이 충분하지 않으면(일일 데이터 포인트 1억 개 미만, 결측률 30% 이상) 도메인 AI 플랫폼의 정확도가 급격히 떨어지므로, 이 경우 투자 타당성이 낮아진다.
• 산업 규제(반도체 생산 기준, 식품 위생 기준 등)가 매우 엄격한 분야에서는 AI 예측보다 규제 준수 로그가 더 중요하므로, 순수 최적화 중심의 AI 수요가 제한된다.

한국 독자 의미

undefined

이 관점을 쓰는 글

• content/briefs/제조-데이터-ai-기업-서울로-코그나이트-한국-시장-거점-구축-속도.md

마지막 검토

2026-05-25