(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 2부
[티엠넘버스 = 김창규] brainy78@tmnumbers.com
(AI EXPO KOREA 2025 에서 얻은 통찰) 한국 제조업 AI의 미래 방향
AI EXPO KOREA 2025에서는 한국 제조업 AI의 현재와 미래를 보여주는 흥미로운 트렌드들을 확인할 수 있는 자리였습니다.
AI EXPO KOREA 2025 Artificial Room 세미나 전경 (사진: 티엠넘버스)
생성형 AI와 LLM의 확고한 자리잡기
LLM, sLLM, 생성형 AI가 이제 기본 기술로 자리매김했음이 명확하게 드러났습니다. 단순한 실험적 기술이 아닌 실제 활용 가능한 핵심 기술로 인식되고 있습니다.
실용적인 RAG 솔루션의 확산
아이크래프트, 베슬에이아이, S2W, AI3 등 여러 기업의 발표에서 기업 내부 데이터를 효과적으로 활용하기 위한 RAG 기술에 대한 강한 관심을 확인할 수 있었습니다.
아이비테크주식회사 부스사진(사진: 티엠넘버스)
MCP와 에이전틱 AI의 등장
라온피플의 MCP 관련 세미나와 아이크래프트의 에이전틱 AI 발표는 AI가 단순한 도구에서 벗어나 더욱 상호작용적이고 자율적인 존재로 발전하고 있음을 보여줍니다.
제조업 특화 AI의 구체화
에이아이비즈의 "시계열 데이터 기반 실시간 이상 탐지 및 이상 진단 AI 플랫폼"과 마키나락스의 "중견 기업도 제조 AI 도입이 가능할까?" 같은 발표는 제조업 현장의 실제 니즈에 맞춘 솔루션 개발이 활발해지고 있음을 시사합니다.
물리적 AI와 로보틱스의 융합
마음AI의 "물리적 AI" 발표는 AI가 디지털 영역을 넘어 실제 물리적 환경과 통합되는 방향으로 발전하고 있음을 보여줍니다.
인프라와 운영의 중요성 부각
LLMOps, 하이브리드 LLM 파인튜닝, AI 인프라 관련 세미나들은 AI를 실제로 운영하기 위한 견고한 백엔드 시스템의 중요성을 강조했습니다.
AI EXPO KOREA 2025 주요 참여기업의 접근 방식
AI EXPO KOREA 2025에서 확인된 가장 고무적인 변화는 한국 AI 업계가 이론적 탐구를 넘어 실제 구현과 운영에 집중하기 시작했다는 점입니다. 각 기업들은 AI 기술의 화려함보다는 현실적인 도입 과정에서 겪는 어려움과 해결책에 주목하며, 제조업 현장에서 실제로 작동하는 AI 시스템 구축에 초점을 맞추고 있었습니다.
주요 참여 기업들의 실무 중심 접근법 소개
(라온피플) "LLM에서 MCP까지의 기술적 진화"를 주제로 AI 에이전트 기능의 미래 방향을 제시하며 기술 발전의 로드맵을 제시하였습니다.
(아이크래프트) 에이전틱 AI와 RAG 구현의 현실적인 어려움을 솔직하게 다루면서, AI 프로젝트의 성공률이 낮은 이유와 데이터 플랫폼의 유연성 필요성을 역설했습니다.
(래블업) "하이브리드 LLM 파인튜닝 운영 프레임워크"를 통해 데이터 거버넌스 관점에서 접근하여, 온프레미스와 클라우드 환경에서 민감한 데이터를 다루는 제조업체들에게 실질적인 해답을 제시했습니다.
(베슬에이아이) "AI 오케스트레이션 전략"과 "LLMOps의 핵심 요소"를 발표하여 기업 환경에서 LLM을 체계적으로 관리하고 운영하는 방법을 제시했습니다.
(AI3) "기업들이 AI로 생산성을 높이는 실용적 전략"을 통해 RAG 기반 내부 챗봇을 포함한 다양한 AI 솔루션의 사용 편의성과 비용 효율성에 초점을 맞췄습니다.
(에이아이비즈와 마키나락스) 이상 감지부터 중소기업 도입 전략까지 제조 AI의 실제 적용 사례들을 구체적으로 다뤘습니다.
성숙해지는 한국 제조 AI 생태계
이번 엑스포에서 가장 인상적이었던 점은 한국 제조 AI 시장이 기초적인 AI 활용 단계를 넘어 한 단계 더 발전된 모습을 보여줬다는 것입니다. 생성형 AI, 기업 지식 활용을 위한 RAG, 그리고 에이전틱 AI와 MCP의 초기 적용까지 탐색하는 단계로 나아가고 있었습니다.
특히 주목할 점은 실질적인 배포와 운영상의 문제 해결에 대한 강한 관심이었습니다. LLMOps, 하이브리드 환경에서의 데이터 거버넌스, 특화된 산업 AI 플랫폼 등에 대한 다양한 솔루션이 제시된 것은 초기 도입 기업들이 실제로 이런 문제들에 직면하고 있음을 보여줍니다.
(이론에서 실무로의 전환) 제조 가치 사슬 전반의 혁신
LLM, RAG, MCP의 결합은 제조업 전반에 걸쳐 혁신적인 변화를 만들어낼 수 있는 조합으로 큰 관심을 갖기 시작했습니다.
개별 솔루션을 넘어선 통합적 접근
이 세 기술의 진정한 힘은 각각을 따로 사용하는 것이 아니라 함께 활용할 때 나타납니다. 초기 제품 설계부터 최종 납품, 그리고 판매 후 서비스에 이르기까지 전체 제조 가치 사슬에 걸쳐 시스템적인 개선을 이끌어낼 수 있기 때문입니다.
사일로화된 AI에서 통합된 AI로
전통적으로 제조 분야의 AI 적용은 각 부서나 기능별로 분리되어 있었습니다. 품질 관리를 위한 컴퓨터 비전 시스템, 설비 유지보수를 위한 예측 모델 등이 각각 독립적으로 운영되는 방식이 그 예입니다. 하지만 LLM, RAG, MCP의 조합은 이런 한계를 극복할 수 있습니다.
(LLM) 모든 시스템이 소통할 수 있는 공통 언어 인터페이스를 제공합니다. 복잡한 기술적 내용도 자연스러운 언어로 처리할 수 있어 부서 간 소통의 벽을 허물어줍니다.
(RAG) 각 부서에 흩어져 있는 다양한 데이터 소스들을 연결해줍니다. 설계팀의 CAD 데이터, 생산팀의 공정 데이터, 품질팀의 검사 결과[그림 3], 유지보수팀의 장비 이력 등을 통합적으로 활용할 수 있게 됩니다.
(MCP) 이렇게 통합된 지능이 실제 운영 시스템들과 상호작용할 수 있도록 해줍니다. ERP, MES, SCADA 등 서로 다른 시스템들이 하나의 통합된 AI 플랫폼을 통해 협력할 수 있게 됩니다.
그림. 품질관리를 위한 비전 시스템(출처: AI3 발표자료 2페이지)
포괄적 관점의 중요성
이러한 상호 연결성은 기존의 데이터와 프로세스 사일로를 허물어뜨려 최적화와 자동화에 대한 훨씬 포괄적 접근을 가능하게 합니다.
예를 들어, 설계 단계에서 생산성과 품질을 동시에 고려한 최적화가 가능해지고, 생산 중 발생하는 문제를 실시간으로 감지해 즉시 대응하며, 이런 경험들이 다시 설계 개선에 반영되는 선순환 구조를 만들 수 있습니다.
제조업체를 위한 전략적 시사점
따라서 제조업체들이 AI 도입 전략을 수립할 때는 단순히 개별 부서의 문제를 해결하는 것을 넘어서야 합니다. 이 세 기술이 운영의 서로 다른 부분들을 어떻게 통합하여 복합적인 이익을 창출할 수 있는지에 대한 포괄적 관점을 가져야 합니다.
이는 AI가 단순한 효율성 도구가 아닌, 제조업 운영 방식 자체를 근본적으로 재구성할 수 있는 변혁적 기술임을 의미합니다. 성공적인 AI 도입을 위해서는 기술적 역량뿐만 아니라 조직 전체의 통합적 사고와 접근이 필요합니다.
*본 연재는 총 3부에 걸쳐 작성될 예정입니다. 전체 보고서를 희망하실 경우 티엠넘버스 대표 이메일(contact@tmnumbers.com)이나, 작성자(김창규, brainy78@tmnumbers.com)에게 문의 바랍니다.
(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 1부 보러가기
(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 3부 보러가기
#AIEXPO2025 #생성형AI #LLM #sLLM #RAG기술 #MCP #에이전틱AI #LLMOps #하이브리드LLM #AI오케스트레이션 #제조업AI #스마트팩토리 #산업AI #한국AI #AI생태계 #디지털전환 #AI인프라 #데이터거버넌스 #온프레미스 #클라우드AI #AI기술도입 #AI기반제조 #시계열AI #이상탐지AI #로보틱스융합 #물리적AI #AI운영전략 #기업AI솔루션 #AI통합플랫폼 #제조AI전략
(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 2부
[티엠넘버스 = 김창규] brainy78@tmnumbers.com
(AI EXPO KOREA 2025 에서 얻은 통찰) 한국 제조업 AI의 미래 방향
AI EXPO KOREA 2025에서는 한국 제조업 AI의 현재와 미래를 보여주는 흥미로운 트렌드들을 확인할 수 있는 자리였습니다.
AI EXPO KOREA 2025 Artificial Room 세미나 전경 (사진: 티엠넘버스)
생성형 AI와 LLM의 확고한 자리잡기
LLM, sLLM, 생성형 AI가 이제 기본 기술로 자리매김했음이 명확하게 드러났습니다. 단순한 실험적 기술이 아닌 실제 활용 가능한 핵심 기술로 인식되고 있습니다.
실용적인 RAG 솔루션의 확산
아이크래프트, 베슬에이아이, S2W, AI3 등 여러 기업의 발표에서 기업 내부 데이터를 효과적으로 활용하기 위한 RAG 기술에 대한 강한 관심을 확인할 수 있었습니다.
아이비테크주식회사 부스사진(사진: 티엠넘버스)
MCP와 에이전틱 AI의 등장
라온피플의 MCP 관련 세미나와 아이크래프트의 에이전틱 AI 발표는 AI가 단순한 도구에서 벗어나 더욱 상호작용적이고 자율적인 존재로 발전하고 있음을 보여줍니다.
제조업 특화 AI의 구체화
에이아이비즈의 "시계열 데이터 기반 실시간 이상 탐지 및 이상 진단 AI 플랫폼"과 마키나락스의 "중견 기업도 제조 AI 도입이 가능할까?" 같은 발표는 제조업 현장의 실제 니즈에 맞춘 솔루션 개발이 활발해지고 있음을 시사합니다.
물리적 AI와 로보틱스의 융합
마음AI의 "물리적 AI" 발표는 AI가 디지털 영역을 넘어 실제 물리적 환경과 통합되는 방향으로 발전하고 있음을 보여줍니다.
인프라와 운영의 중요성 부각
LLMOps, 하이브리드 LLM 파인튜닝, AI 인프라 관련 세미나들은 AI를 실제로 운영하기 위한 견고한 백엔드 시스템의 중요성을 강조했습니다.
AI EXPO KOREA 2025 주요 참여기업의 접근 방식
AI EXPO KOREA 2025에서 확인된 가장 고무적인 변화는 한국 AI 업계가 이론적 탐구를 넘어 실제 구현과 운영에 집중하기 시작했다는 점입니다. 각 기업들은 AI 기술의 화려함보다는 현실적인 도입 과정에서 겪는 어려움과 해결책에 주목하며, 제조업 현장에서 실제로 작동하는 AI 시스템 구축에 초점을 맞추고 있었습니다.
주요 참여 기업들의 실무 중심 접근법 소개
(라온피플) "LLM에서 MCP까지의 기술적 진화"를 주제로 AI 에이전트 기능의 미래 방향을 제시하며 기술 발전의 로드맵을 제시하였습니다.
(아이크래프트) 에이전틱 AI와 RAG 구현의 현실적인 어려움을 솔직하게 다루면서, AI 프로젝트의 성공률이 낮은 이유와 데이터 플랫폼의 유연성 필요성을 역설했습니다.
(래블업) "하이브리드 LLM 파인튜닝 운영 프레임워크"를 통해 데이터 거버넌스 관점에서 접근하여, 온프레미스와 클라우드 환경에서 민감한 데이터를 다루는 제조업체들에게 실질적인 해답을 제시했습니다.
(베슬에이아이) "AI 오케스트레이션 전략"과 "LLMOps의 핵심 요소"를 발표하여 기업 환경에서 LLM을 체계적으로 관리하고 운영하는 방법을 제시했습니다.
(AI3) "기업들이 AI로 생산성을 높이는 실용적 전략"을 통해 RAG 기반 내부 챗봇을 포함한 다양한 AI 솔루션의 사용 편의성과 비용 효율성에 초점을 맞췄습니다.
(에이아이비즈와 마키나락스) 이상 감지부터 중소기업 도입 전략까지 제조 AI의 실제 적용 사례들을 구체적으로 다뤘습니다.
성숙해지는 한국 제조 AI 생태계
이번 엑스포에서 가장 인상적이었던 점은 한국 제조 AI 시장이 기초적인 AI 활용 단계를 넘어 한 단계 더 발전된 모습을 보여줬다는 것입니다. 생성형 AI, 기업 지식 활용을 위한 RAG, 그리고 에이전틱 AI와 MCP의 초기 적용까지 탐색하는 단계로 나아가고 있었습니다.
특히 주목할 점은 실질적인 배포와 운영상의 문제 해결에 대한 강한 관심이었습니다. LLMOps, 하이브리드 환경에서의 데이터 거버넌스, 특화된 산업 AI 플랫폼 등에 대한 다양한 솔루션이 제시된 것은 초기 도입 기업들이 실제로 이런 문제들에 직면하고 있음을 보여줍니다.
(이론에서 실무로의 전환) 제조 가치 사슬 전반의 혁신
LLM, RAG, MCP의 결합은 제조업 전반에 걸쳐 혁신적인 변화를 만들어낼 수 있는 조합으로 큰 관심을 갖기 시작했습니다.
개별 솔루션을 넘어선 통합적 접근
이 세 기술의 진정한 힘은 각각을 따로 사용하는 것이 아니라 함께 활용할 때 나타납니다. 초기 제품 설계부터 최종 납품, 그리고 판매 후 서비스에 이르기까지 전체 제조 가치 사슬에 걸쳐 시스템적인 개선을 이끌어낼 수 있기 때문입니다.
사일로화된 AI에서 통합된 AI로
전통적으로 제조 분야의 AI 적용은 각 부서나 기능별로 분리되어 있었습니다. 품질 관리를 위한 컴퓨터 비전 시스템, 설비 유지보수를 위한 예측 모델 등이 각각 독립적으로 운영되는 방식이 그 예입니다. 하지만 LLM, RAG, MCP의 조합은 이런 한계를 극복할 수 있습니다.
(LLM) 모든 시스템이 소통할 수 있는 공통 언어 인터페이스를 제공합니다. 복잡한 기술적 내용도 자연스러운 언어로 처리할 수 있어 부서 간 소통의 벽을 허물어줍니다.
(RAG) 각 부서에 흩어져 있는 다양한 데이터 소스들을 연결해줍니다. 설계팀의 CAD 데이터, 생산팀의 공정 데이터, 품질팀의 검사 결과[그림 3], 유지보수팀의 장비 이력 등을 통합적으로 활용할 수 있게 됩니다.
(MCP) 이렇게 통합된 지능이 실제 운영 시스템들과 상호작용할 수 있도록 해줍니다. ERP, MES, SCADA 등 서로 다른 시스템들이 하나의 통합된 AI 플랫폼을 통해 협력할 수 있게 됩니다.
그림. 품질관리를 위한 비전 시스템(출처: AI3 발표자료 2페이지)
포괄적 관점의 중요성
이러한 상호 연결성은 기존의 데이터와 프로세스 사일로를 허물어뜨려 최적화와 자동화에 대한 훨씬 포괄적 접근을 가능하게 합니다.
예를 들어, 설계 단계에서 생산성과 품질을 동시에 고려한 최적화가 가능해지고, 생산 중 발생하는 문제를 실시간으로 감지해 즉시 대응하며, 이런 경험들이 다시 설계 개선에 반영되는 선순환 구조를 만들 수 있습니다.
제조업체를 위한 전략적 시사점
따라서 제조업체들이 AI 도입 전략을 수립할 때는 단순히 개별 부서의 문제를 해결하는 것을 넘어서야 합니다. 이 세 기술이 운영의 서로 다른 부분들을 어떻게 통합하여 복합적인 이익을 창출할 수 있는지에 대한 포괄적 관점을 가져야 합니다.
이는 AI가 단순한 효율성 도구가 아닌, 제조업 운영 방식 자체를 근본적으로 재구성할 수 있는 변혁적 기술임을 의미합니다. 성공적인 AI 도입을 위해서는 기술적 역량뿐만 아니라 조직 전체의 통합적 사고와 접근이 필요합니다.
*본 연재는 총 3부에 걸쳐 작성될 예정입니다. 전체 보고서를 희망하실 경우 티엠넘버스 대표 이메일(contact@tmnumbers.com)이나, 작성자(김창규, brainy78@tmnumbers.com)에게 문의 바랍니다.
(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 1부 보러가기
(연재)[AI EXPO KOREA 2025] 차세대 제조산업 AI를 위한 LLM, RAG, MCP 기술 - 3부 보러가기
#AIEXPO2025 #생성형AI #LLM #sLLM #RAG기술 #MCP #에이전틱AI #LLMOps #하이브리드LLM #AI오케스트레이션 #제조업AI #스마트팩토리 #산업AI #한국AI #AI생태계 #디지털전환 #AI인프라 #데이터거버넌스 #온프레미스 #클라우드AI #AI기술도입 #AI기반제조 #시계열AI #이상탐지AI #로보틱스융합 #물리적AI #AI운영전략 #기업AI솔루션 #AI통합플랫폼 #제조AI전략