공장 설비에 이상이 생겼을 때 매뉴얼에 없는 답을 알고 있는 사람은 오랜 경험을 쌓은 숙련 엔지니어인 경우가 많다. 같은 증상이라도 설비 상태와 운전 조건에 따라 먼저 살펴봐야 할 원인이 달라지고 점검 순서 역시 달라질 수 있기 때문이다. 문제는 숙련 인력의 세대교체가 이뤄지면서 문서로 남기 어려운 판단 기준과 문제 해결 경험도 함께 사라질 수 있다는 점이다. 인핸스와 GS칼텍스가 설비 데이터와 문서에 숙련자의 경험을 연결해 현장에서 다시 활용할 수 있는 AI 지식체계 구축에 나선다.
엔터프라이즈 에이전틱 AI 기업 인핸스(대표 이승현)는 GS칼텍스(대표 허세홍)와 제조 현장에 축적된 숙련자의 경험과 판단 기준을 데이터화하는 ‘제조 암묵지 기반 AI 모델 개발’을 진행한다.
인핸스 로고 (자료 제공: 인핸스)
이번 개발에서는 GS칼텍스가 보유한 설비 관련 정형 데이터와 비정형 문서, 정비 이력에 현장 엔지니어 인터뷰를 통해 확보한 경험을 연결한다. 대상은 설비 83만2996대와 비정형 문서 약 2900건이다.
단순히 기존 문서를 AI가 검색하도록 만드는 데 그치지 않는다. 장치·기계·전기·계기 분야 엔지니어를 인터뷰해 설비 상태를 어떤 순서로 확인하는지, 여러 가능성 가운데 원인을 어떤 기준으로 좁히는지, 예외 상황에서는 무엇을 추가로 고려하는지 등을 파악한다.
이렇게 수집한 지식은 설비와 부품, 이상 징후, 원인, 조치 등의 관계를 구조화하는 온톨로지(Ontology)에 반영한다. 서로 다른 형태로 흩어져 있던 설비 데이터와 정비 기록, 기술문서, 사람의 경험을 연결해 특정 상황에서 필요한 정보와 판단 근거를 찾을 수 있도록 만드는 방식이다.
AI가 답 대신 ‘왜 그렇게 판단하는지’ 제시…현장 엔지니어가 최종 결정
구조화된 지식은 현장에서 사용할 수 있는 ‘Guide 챗봇’으로 구현한다. 담당자가 설비 이상이나 정비 상황을 자연어로 질문하면 AI가 가능한 원인 후보와 확인해야 할 점검 순서를 제시한다.
답변의 근거도 함께 확인할 수 있도록 한다. 과거 정비 이력과 기술표준 등 AI가 판단에 참고한 원문을 연결해 현장 담당자가 직접 내용을 검토할 수 있도록 설계한다.
Guide 챗봇이 설비 상태를 대신 판단하거나 조치를 결정하는 구조는 아니다. AI는 필요한 정보와 가능한 원인, 근거를 정리해 제시하고 실제 설비 상태와 관련 자료를 확인한 현장 담당자가 최종 판단을 내리는 방식이다. 숙련자의 경험을 AI에 옮기면서도 현장 안전과 설비 운영에 관한 결정은 사람에게 남겨두는 구조다.
개발 환경은 GS칼텍스의 온프레미스 환경에 구축한다. 프로젝트에 활용되는 설비와 정비 관련 데이터 역시 GS칼텍스 내부 환경 밖으로 나가지 않도록 설계한다.
이번 연구개발은 산업통상자원부 ‘2026년도 제조암묵지기반 AI모델개발사업’의 일환으로 진행된다. 인핸스가 주관연구개발기관으로 전체 개발을 총괄하고 GS칼텍스가 수요기업으로 참여한다. 오픈그래프랩스는 비정형 문서 파싱을 맡으며 전남대학교와 GIST가 공동연구기관으로 참여한다.
이승현 인핸스 대표는 “숙련자의 경험을 단순히 문서로 남기는 것을 넘어 기업이 지속적으로 활용할 수 있는 지식으로 전환하는 것이 중요하다”며 “현장 담당자가 필요한 정보와 판단 근거를 확인하고 보다 효율적으로 문제를 해결할 수 있도록 지원하는 시스템을 구축하겠다”고 말했다.
The post 인핸스·GS칼텍스, 83만대 설비에 숙련자 노하우 연결…‘제조 암묵지 AI’ 개발 appeared first on 벤처스퀘어.