제조 현장의 인공지능(AI) 도입 논의가 활발하다. 업계에서는 신속하게 판단을 돕고 운영 부담을 낮추는 AI에 주목하고 있다. 대시보드와 사용자 화면(UI)이 늘어나는 것만으로는 현장 대응 속도가 개선되지 않기 때문이다. 실제로 알람이 발생한 뒤 원인을 규명하고, 출동 여부를 결정하는 것. 그리고 조치 순서를 정하는 과정에서 여전히 작업자의 경험과 숙련도에 크게 의존하는 구조가 많다.

 

문제는 이러한 판단 지연이 단순한 불편에 그치지 않는다는 점이다. 초기 대응이 늦어지면 생산에 차질이 발생하고, 불필요한 출동과 점검의 반복, 부품 교체 비용 증가, 에너지 낭비까지 연쇄적으로 이어진다. 현장에서는 이미 AI 활용을 위한 데이터 부족보다 데이터를 운영 판단으로 전환하는 프로세스가 길고 분절돼 있다는 지적이 발생하는 중이다.

 

여기에 숙련 인력 감소와 지식 단절 문제가 겹치며 운영의 부담은 더욱 커졌다. 특정 설비를 오랜 기간 다뤄온 인력이 이탈하면 기존 매뉴얼만으로는 복원하기 어려운 운전 감각과 장애 대응 노하우까지 유실된다. 동일한 문제가 발생해도 대응 품질이 개인에 따라 달라지는 일이 반복되기도 한다. 제조 현장에서 산업용 AI를 바라보는 시선이 ‘운영 지식의 내재화’로 이동하는 배경이다.

 

특히 숙련 인력 이탈과 반복되는 사후 관리(AS) 및 고객 응대(CS) 이슈가 확대되고 있다. 여기에 에너지와 운영 효율에 대한 압박까지 가중되면서 현장의 고민은 깊어졌다. 결국 실제 기계·장비·설비 등 인프라 가동 효율을 높여주는 AI가 필요하다는 요구사항이 주를 이루고 있다. 이 질문에 대한 답을 ‘기계 최적화 AI’라는 형태로 제시하는 업체가 엣지크로스다.

 

 

스마트 머신 디지털 전환(DX) 및 인공지능 전환(AX) 솔루션 업체 엣지크로스는 이번 ‘제36회 스마트공장·자동화산업전(Smart Factory + Automation World 2026, 이하 AW 2026)’에서 앞선 병목을 해결하는 솔루션을 출품한다.

 

산업용 AI 에이전트 ‘머신GPT(MachineGPT)’가 그 중심이다. 기존 설비에 즉시 적용 가능한 제조 AX 접근법을 소개한다.

 

“기계를 바꾸기보다 판단 구조를 바꿔야”

 

엣지크로스가 내세우는 핵심 메시지는 AI를 도입하기 위해 새로운 설비를 들여오는 방식이 아니다. 이미 현장에 구축된 기계·장비·설비를 기존 대비 더욱 효율적으로 운영하도록 하는 도구로 접근하겠다는 것이다.

 

회사 측은 사물인터넷(IoT) 디바이스 ‘모드링크(MODLINK)’를 통해 수집된 데이터가 머신GPT의 핵심 토대가 된다고 설명한다. 머신GPT는 이러한 현장 데이터, 운영·장애 이력, 매뉴얼 등을 기반으로 다양한 인사이트를 제공한다. 현장 의사결정 및 판단을 지원하는 프로세스를 제시하는 것이다.

 

Q. 올해 AW에 참가하는 배경과 최근 집중하고 있는 사업 영역을 소개한다면.

A. 제조 현장이 AI 기반의 판단과 운영 최적화 단계인 AX로 빠르게 이동하고 있다고 판단하고 있다. 이번 전시는 이러한 흐름 속에서 기계가 스스로 말하고, 현장이 더 빠르게 대응하는 구조를 직접 증명하기 위한 자리다. 회사가 최근 가장 집중하는 영역은 기존 인프라 위에서 다양한 인사이트를 제공하는 것이다. 이 머신GPT의 주요 타깃은 기계 제조, 냉동·공조, 산업 설비, 유틸리티 설비 운영 등 생태계다. 특히 AS·CS 대응 부담이 크거나 운영 효율 개선이 필요한 기업을 중심으로 적용 사례를 확대하고 있다.

 

Q. 이번 전시에서 가장 먼저 보여주고 싶은 핵심 솔루션과 대표 시연 장면은?

A. 핵심은 머신GPT다. 우리는 머신GPT를 단순 모니터링 솔루션이 아니라, ‘기계 최적화 AI’로 규정하고 있다. 부스에서 가장 먼저 보여주고자 하는 연출은 기계가 멈춘 상황에서 참관객이 직접 ‘왜 멈췄나?’, ‘지금 뭘 점검해야 하나?’, ‘출동이 필요한 상황인가?’와 같은 질문을 입력하면 단 몇 초 안에 원인과 조치 가이드가 제시되는 시뮬레이션이다. 이를 통해 AI를 복잡한 기술이 아니라 현장 판단 속도를 높이는 도구로 보여주겠다는 계획이다. 또한 체험존은 참관객이 자사 장비 유형을 기준으로 연동 가능 여부를 즉시 상담받는 프로그램을 구성했다.

 

Q. 머신GPT가 겨냥하는 현장 과제는 뭔지. 그리고 실제 적용 시나리오가 있나?

A. 우리가 주목하는 병목은 세 가지다. 첫째는 인력 부족과 숙련도 격차다. 초기 설계 및 튜닝을 담당했던 인력이 이탈하면 이와 관련한 현장 지식이 유실되고 대응 속도가 저하된다. 머신GPT는 숙련자 경험을 데이터 기반으로 지식을 구조화해, 신규 인력도 신속하게 이슈를 대응하도록 설계됐다. 둘째는 AS·CS 대응 지연과 반복 비용 문제다. 알람 발생 시마다 현장 출동 여부를 판단하는 과정에서 운영 부담이 커지는데, 머신GPT가 원인 진단과 조치 가능성을 빠르게 제시해 대응 효율을 높인다. 셋째는 운영 최적화와 에너지 효율 개선이다. 일부 현장에서 운영 관리 업무 부담이 최대 80%까지 개선된 사례가 확인됐다. 예컨대, 한 냉각기 장비 제조사는 반복적인 AS 대응 지연 문제를 우려했는데, 전시 현장에서는 이에 대한 현실적인 기술 적용 방향을 참관객에게 선보일 예정이다.

 

Q. 경쟁 솔루션과 비교했을 때 엣지크로스의 차별점이 궁금하다.

A. 머신GPT는 세 가지 경쟁력을 갖추고 있다. 먼저 ‘각 현장 특화 인프라 전용 AI’라는 점이다. 웹(Web) 정보를 검색하는 범용 GPT가 아니라 매뉴얼, 설정값, AS 이력, 실시간 운전 데이터 등 설비 관련 정보 중심으로 판단하도록 설계됐다. 두 번째는 통합 편의성과 도입 장벽 측면이다. 대다수 AI 솔루션이 설비 도입이나 대규모 시스템통합(SI)을 전제로 하지만, 이 솔루션은 모드링크를 기반으로 한다. 기존 PLC(Programmable Logic Controller) 및 컨트롤러 환경에서도 연동 가능해 설비 교체 없이 활용 가능하다. 이러한 구조가 도입 장벽과 총소유비용(TCO) 부담을 낮추는 핵심 포인트다. 세 번째는 현장 중심 서비스 체계다. AI 모델 제공에 그치지 않고 고객 설비에 적합한 데이터 구조 설계, 적용 시나리오 도출, 운영 개선 지표 설정까지 함께 진행해 ‘운영 개선 결과’까지 연결하는 것을 목표로 한다.

 

 

Q. AW 2026 슬로건인 ‘자율성, 지속가능성의 동력’과 연결했을 때 솔루션의 핵심 가치는?

A. 엣지크로스는 자율성을 ‘설비가 스스로 판단을 보조하는 구조’로 정의한다. 머신GPT는 알람 원인 분석, 조치 가이드 제시, 최적 운전 조건 제안까지 수행하면서 기존 작업자가 반복하던 판단 과정을 AI가 보조하는 ‘반자율(Assistive Autonomy)’ 단계로 전환할 수 있음을 시사하는 기술이다. 지속가능성 측면에서는 운영 최적화가 에너지 절감, 불량률 감소, 반복 출동 감소로 이어진다. 이는 비용 절감뿐만 아니라 탄소 배출 저감과 자원 효율성 향상 등 ESG 가치로 확장된다.

 

Q. 중장기 전략은?

A. 엣지크로스는 세 가지 변화에 주목하고 있다. 첫째는 DX에서 AX로의 전환 가속화다. 데이터 수집 자체보다 데이터를 활용해 실제 운영 판단과 최적화를 구현하는 단계가 중요해지고 있다. 둘째는 숙련 인력 감소와 지식 단절 문제의 심화다. 우리는 이를 글로벌 제조 산업 전반의 구조적 변화로 보고, AI 기반의 지식 내재화를 필수 요소로 제시한다. 셋째는 에너지 및 운영 효율에 대한 압박 강화다. 탄소 규제와 비용 압박 속에서 설비 효율 개선이 경쟁력의 핵심이 되는 만큼, 머신GPT 고도화와 함께 설비 최적화, 에너지 관리, 유지보수 예측까지 확장 가능한 AX 플랫폼으로 발전시킬 계획이다. 해외 제조 현장으로의 확장도 중장기 전략의 한 축이다.

 

 Q. AW 2026 현장에서 참관객이 특별히 확인해볼 만한 상담 포인트는 뭔지.

A. 자사 인프라에도 연동 가능한지, 실제로 운영이 얼마나 개선되는지와 같은 질문을 가진 실무자라면 현장 상담에서 구체적인 답을 얻을 수 있다. 기계를 더 잘 활용하게 만드는 도구로 AI를 낙점한 엣지크로스의 기술 철학을 엿보게 될 것이다. 데이터 기반 질문을 통해 원인 분석과 조치 가이드를 직접 확인하는 체험이 핵심 포인트다.

 

헬로티 최재규 기자 |