딥파인, 방산·자동차 물류 현장에 산업용 AI 에이전트 깐다

• 딥파인이 산업부와 한국산업기술진흥원(KIAT)이 추진하는 산업 AI 에이전트 개발 사업의 주관기관으로 선정됨

  • 사업명은 '산업 현장 문제해결형 산업 AI 에이전트 기술 개발 사업'
  • 올해부터 내년까지 총 사업비 40억원이 투입됨
  • 목표는 방산·자동차 제조 현장의 물류 작업을 AI 에이전트로 최적화하는 것임

• 참여 조합이 꽤 현장형임

  • 딥파인이 산업용 AI 에이전트 기술 개발을 총괄함
  • 구미전자정보기술원, 한화시스템, SM남선알미늄 자동차사업부문이 함께 참여함
  • 실증 장소도 연구실이 아니라 한화시스템 방산 제조 현장과 SM남선알미늄 자동차 제조 물류 현장임

• 딥파인이 만들려는 시스템은 스마트 글래스, 비전 AI, 대규모 언어 모델(LLM), 엣지 컴퓨팅을 한데 묶은 형태임

  • 작업자는 스마트 글래스로 출고해야 할 자재, 수량, 작업 순서를 실시간 안내받음
  • 비전 AI는 자재를 인식해서 작업자가 맞는 자재를 골랐는지 확인함
  • 잘못 고르면 즉시 알려줘서 오피킹률을 줄이는 구조임

• 대규모 언어 모델(LLM)은 현장 작업자의 '음성 질의응답' 쪽에 붙음

  • 작업자가 작업 중에 질문하면 AI가 현장 데이터와 작업 정보를 바탕으로 답변함
  • 별도 단말기를 들여다보거나 작업을 멈춰서 정보를 찾는 흐름을 줄이려는 것임
  • 제조 현장에서는 이 작은 중단 시간이 누적되면 꽤 큰 병목이 되기 때문에 실용성이 있음

• 보안 때문에 엣지 컴퓨팅을 전면에 둔 것도 중요함

  • 현장에서 생성되는 영상과 작업 데이터를 외부 클라우드로 보내지 않는 방향임
  • 특히 외부 네트워크 연결이 제한된 작업장 내부에서도 AI를 쓸 수 있게 만드는 게 목표임
  • 방산 제조 현장이라면 이 조건은 선택지가 아니라 거의 필수에 가까움

• 한화시스템 현장에서는 방산 부품 물류 최적화가 핵심 실증 과제임

  • AI가 출고 데이터를 분석해 자주 출고되는 부품과 함께 나가는 부품을 파악함
  • 자동화 창고 시스템과 연동해 부품을 최적 위치에 배치하는 방식으로 효율을 높임
  • 작업자가 AI 글래스를 착용하면 피킹 시간 단축과 오피킹률 감소를 기대할 수 있음

• SM남선알미늄 자동차사업부문에서는 랙(rack) 추적과 재고 관리 정확도를 검증함

  • 작업자가 스마트 글래스로 랙을 스캔하면 QR코드가 자동 생성됨
  • 이 정보를 제조실행시스템(MES)과 교차 검증해 수기 입력 오류를 줄임
  • 실시간 위치 추적으로 재고 파악 속도도 높이는 구상임

• 딥파인은 생산계획 연동 시뮬레이션 에이전트 AI도 개발하겠다고 밝힘

  • 단순히 '작업자에게 안내하는 AI'에서 끝나는 게 아니라 생산 시스템 효율화까지 보겠다는 의미임
  • 물류, 재고, 생산계획이 연결되면 현장 AI의 영향 범위가 꽤 커짐

• 딥파인은 이미 은평성모병원과 스마트 글래스 기반 비임상 연구지원 AI 에이전트도 추진 중임

  • 이번 과제로 방산의 보안 요건과 자동차 제조의 빠른 생산 환경을 모두 경험하려는 그림임
  • 성공하면 제조, 조선·중공업 등 산업 물류 전반으로 확장하겠다는 계획임

---

기술 맥락

• 여기서 선택된 기술 조합은 꽤 현실적이에요. 제조 물류 현장은 손이 바쁘고 이동이 많아서, 키보드나 태블릿 중심 UI만으로는 작업 흐름을 끊기 쉽거든요. 그래서 스마트 글래스로 눈앞에 지시를 띄우고, 비전 AI로 실제 자재를 확인하는 방식이 맞아떨어져요.

• 대규모 언어 모델(LLM)을 붙이는 이유도 단순 챗봇 유행 때문은 아니에요. 작업자가 매뉴얼이나 시스템 화면을 뒤지는 순간 작업이 멈추니까, 음성 질문으로 바로 답을 받게 만들면 현장 생산성에 직접 영향을 줄 수 있어요.

• 엣지 컴퓨팅은 이 사업에서 특히 중요해요. 방산 제조 현장은 영상과 작업 데이터를 외부 클라우드로 보내기 어려운 경우가 많고, 네트워크 연결도 제한될 수 있거든요. 그래서 AI를 현장 내부에서 돌리는 구조가 보안과 운영 조건을 동시에 맞추는 선택이 돼요.

• MES와 자동화 창고 시스템 연동까지 들어가는 점도 눈여겨볼 만해요. AI가 따로 노는 도구가 아니라 기존 생산·물류 시스템의 데이터와 맞물려야 피킹 오류, 재고 불일치, 위치 최적화 같은 문제가 실제로 줄어들기 때문이에요.