MI(Machine Intelligence)팀은 생산 설비를 지능화하는 역할을 한다. 가전제품의 상태나 부품 수명을 휴대전화로 바로 확인하듯, 생산 설비도 실시간으로 데이터를 내보내 상태를 파악할 수 있도록 만드는 것이 지능화다. 이를 통해 설비이상을 사전에 감지하고 불량률을 줄이며 생산성을 높이는 것이 우리의 목표이다. 현재는 지금의 공장을 그대로 옮긴 3D 가상공간, ‘디지털 팩토리 트윈(Digital Factory Twin)’ 구축을 준비하고 있다. 이를 통해 공장 운영이나 투자 시뮬레이션을 사전에 진행해, 보다 정확하고 효율적인 의사결정을 지원할 수 있게 될 것이다.

올해 2월부터 JJ에서 ‘BTX(Bottom Excellence)’ 프로젝트를 진행 중이다. 핵심은 바텀 설비를 지능화해, 문제를 ‘발생 후’가 아닌 ‘징후 단계’에서 대응하는 것이다. 기존에는 제품 불량이나 설비 고장이 발생한 뒤에야 원인을 거꾸로 추적했지만, 이제는 실시간으로 수집되는 설비 데이터를 기반으로 문제의 징후를 미리 감지하고, 예상되는 이슈를 사전에 담당자에게 알림으로 전달하는 선제적 대응이 가능한 환경을 구축하고 있다. 첫 단계로 아웃솔 원재료를 섞는 Intensive Mixer와 미드솔 설비인 IP, Phylon의 지능화 작업을 하고 있다. 품질과 설비 고장에 영향을 주는 주요 요소를 중심으로 센서 종류를 확정하고, 센서 위치를 수차례 옮겨가며 테스트를 반복해 가장 신뢰도 높은 데이터를 확보했다. 현재는 한 설비에 최대 12개의 센서를 부착해 온도와 압력, 진동 등 설비의 상태를 실시간으로 진단하고 있으며 이 데이터가 지속적으로 축적되고 있다.

앞으로는 데이터를 활용 가능한 형태로 만드는 데 집중할 계획이다. 현재 JJ 바텀 설비에서 축적되고 있는 데이터의 패턴을 학습해, 신뢰도가 낮은 값을 자동으로 걸러내는 정밀 식별 알고리즘을 개발 중이다. 이 정제된 데이터는 통합 모니터링 시스템과 연동되어, 10월 말 첫 결과를 공개할 예정이다.

또한 생산 설비 데이터를 클라우드 기반으로 통합해, 임직원이 실시간으로 데이터를 조회·분석할 수 있는 새로운 플랫폼을 구축 중이다. 지금까지는 각 하드웨어에 데이터가 저장되어 실시간 공유에 한계가 있었지만, 앞으로는 법인 간 설비 데이터를 하나로 연결해 실시간 분석이 가능해질 것이다. 이를 위해 지난 6개월간 유관 부서와 협업하며 수십 개의 체크리스트를 검토했고, 플랫폼 설계 구조를 매주 재검토하며 완성도를 높였다. 현재는 실제 구축 단계에 들어섰으며, 12월 오픈을 목표로 하고 있다.

데이터의 신뢰성을 높여 실질적인 가치를 발휘하기 위해 가장 중요한 것은 실제 사용자의 참여와 지속적인 데이터 축적이다. 오는 12월 오픈할 플랫폼이 우리 회사에서 실질적인 가치를 만들어갈 수 있도록 많은 관심과 적극적인 활용 부탁드린다.

IPA(Intelligent Process Automation)팀은 업무의 자동화와 지능화를 통해, 일하는 방식을 혁신하는 팀이다. RPA(Robotic Process Automation)를 활용해 엑셀 수기 입력 등 단순하고 반복적인 업무를 자동화하고 AI 챗봇 QRC(Quick Response Center)를 통해 사내 지식과 정보를 쉽고 빠르게 찾을 수 있는 환경을 제공한다. 이처럼 규칙적이지만 루틴한 업무를 줄이고 효율성을 높여, 임직원들이 보다 창의적이고 고부가가치 있는 일에 집중할 수 있도록 돕는 것이 IPA팀이 추구하는 핵심 목표다.

QRC는 3년간의 검증과 2차례의 시범 운영을 거쳐 완성됐다. 당연히 그 과정은 결코 순탄하지 않았다. 업계 최초의 시도였기 때문에 참고할 사례가 없었고, 신발 개발 정보의 특성상 데이터 구조가 복잡하고 비정형적이라 기성 프로그램만으로는 원하는 결과를 얻기 어려웠다. 게다가 제한된 개발기간 안에 핵심 기능을 모두 구현해야 하는 압박도 컸다. 각 기능을 개발할 때마다 단순히 코드를 추가하는 수준이 아니라, 검색 로직 설계와 구현 방식, 응답 정확도까지 세밀하게 검토해야 했다. 그만큼 팀 내부의 긴장감도 높았다. 그 모든 과정을 거쳐 지난해 9월 베타 버전, 12월에는 정식 오픈을 성공적으로 마쳤다. 창신 전사에서 활용할 수 있는 첫 AI 챗봇을 자체 구축했다는 성취감, 그 순간의 전율은 지금도 잊히지 않는다.

QRC를 통해 가장 크게 배운 것은 AI 기술의 내재화였다. 단순히 프로그램을 도입해 사용하는 것만으로는 원하는 기능을 구현하는 데 한계가 있었기 때문이다. 그래서 필요한 기능을 직접 설계하고 발전시켜 나가야 했다. 이를 위해 데이터베이스 구조부터 AI 기술의 기본 원리까지 폭넓게 학습했고, 온라인 강의와 자료를 활용해 팀 전체가 학습과 적용을 반복하며 역량을 쌓았다. 그 결과, 지금은 외부에 의존하지 않고도 임직원들의 요청을 내부에서 직접 반영하고 발전시킬 수 있는 IPA팀만의 전문성을 확보했다. 단순히 하나의 시스템을 만든 것을 넘어, 앞으로는 AI와 자동화 분야에서 자체적으로 대응하고, 성장할 수 있는 팀으로 자리 잡았다는 점에서 큰 의미가 있다고 생각한다.

현재 QRC를 ‘AI Agent’ 단계로 발전시키는 것이 목표다. 지금은 QRC에 연차를 물어보면 관련 규정을 찾아주는 수준이지만, AI Agent 단계에서는 남은 연차를 자동으로 계산하고 기안까지 스스로 올려주는 것이 가능해진다. 단순히 답변을 제공하는 것을 넘어, AI가 질문자의 의도를 이해하고 실제 실행까지 수행하는 지능형 비서로 진화하는 것이다. 아직은 가능성을 검토하는 단계지만 QRC 구축을 통해 쌓은 경험과 지식을 바탕으로 한 단계 더 발전된 시스템을 만들어낼 수 있다고 믿는다.

신입 팀원들과 함께한 지 1년이 되는 해다. 입사 직후부터 익혀야 할 기술과 과제가 많아 쉽지 않았을 텐데, 묵묵히 따라와 준 동료들에게 늘 고맙고 든든한 마음이다. 앞으로도 후배들이 안정적으로 성장할 수 있도록 곁에서 적극적으로 지원하며, 함께 배우고 발전하는 팀으로 만들어가고 싶다.