[Insight] 씨메스로보틱스가 영업 단계부터 엔지니어가 직접 현장에 동행해 환경을 분석하고 컨설팅을 병행하는 이유도 여기에 있습니다. 표준화된 솔루션만큼이나 중요한 것은 '이 현장이 정말로 필요로 하는 것'을 정확히 읽어내는 일입니다. 화려한 데모가 아니라 현장의 진짜 니즈에서 출발해야, 자동화가 비로소 현장에 뿌리내릴 수 있기 때문입니다.
[산업 인터뷰] SKT AI 분야 공학 박사가 바라보는 실제 현장의 제조 AI
건축학도에서 AI 전문가로, 그리고 국산 독자파운데이션모델의 현장 적용을 이끄는 SKT AI 분야 공학 박사님을 만나 인터뷰를 진행했습니다. 제조 현장 AI의 현실과 3단계 진화, 그리고 물리 세계의 AI를 다룬 이번 인터뷰를 지금 바로 확인해 보세요.
Jun 30, 2026
![[산업 인터뷰] SKT AI 분야 공학 박사가 바라보는 실제 현장의 제조 AI](https://image.inblog.dev?url=https%3A%2F%2Fsource.inblog.dev%2Ffeatured_image%2F2026-06-17T06%3A19%3A14.346Z-62febe4a-be65-4e13-a3a8-2724efaddc65&w=3840&q=75)
기술보다 중요한 ‘현장’ 이해하기
물류·제조 현장에 AI를 도입한다는 말은 이제 낯설지 않습니다. 그러나 '좋은 모델을 들이는 것'과 '그 모델이 현장에서 실제로 쓰이는 것' 사이에는 여전히 깊은 간극이 존재합니다. 제조현장의 데이터는 아직도 서버가 아닌 누군가의 USB와 수기 노트에 흩어져 있고, 같은 제조업이라도 공장마다 쓰는 용어와 공정이 제각각이기 때문입니다.
씨메스로보틱스는 SKT에서 국산 독자 파운데이션 모델(국산 LLM)의 제조 현장 적용 사업을 이끌고 있는 김강민 공학 박사님을 만났습니다. 건축학 박사 출신으로 컨설팅과 스마트시티, 그리고 일본 제조 현장의 AI 실증을 거쳐 지금은 '토종 AI'를 실제 공장에 안착시키는 일을 맡고 있는 분입니다.
이번 인터뷰가 흥미로웠던 점은, 김강민 박사님이 강조한 키워드가 '최신 기술'이 아니라 '현장의 진짜 니즈’ 이라는 데 있습니다. 산업현장의 비정형 환경에서 매일 현장의 문제를 풀어 온 씨메스로보틱스의 고민과 정확히 맞닿았던 자세한 인터뷰 내용을 지금 바로 소개합니다.
건축학도에서 제조 AI로 - ‘니즈’를 찾는 여정
김강민 박사님의 출발점은 뜻밖에도 AI와 무관한 순수 건축학이었습니다. 일본 동경대에서 석・박사를 거치며 건축 설계와 이론 등을 연구했고, 박사 논문을 쓰며 겪었던 경험이 지금의 자리까지 이어졌다고 합니다.
“박사 시절, 일본 현지 40가구에 방문해 연구한 사례가 있습니다. 아이가 태어나면 집안의 위험 요소를 바꿔야 하는 것처럼, 현장의 불편함과 진짜 요구사항을 발견해 대안을 제시하는 일을 5년 동안 깊게 경험했습니다. 이 경험이 이후 컨설팅 및 AI 기술 개발에 큰 밑거름이 되었습니다.” — SKT 김강민 박사님
이후 대기업 컨설팅에서 7년간 스마트 빌딩·시티, 에너지, 환경 등 분야를 가리지 않는 프로젝트를 수행하며 '새 분야를 빠르게 파악하고 전략을 짜는' 요령을 체득했습니다. 현재 SKT로 자리를 옮긴 뒤에는 일본 토시바(Toshiba)와 함께 용접 소리로 불량을 판별하고, 주물 공정의 열화상으로 결함을 잡아내는 프로젝트를 맡으며 제조 AI를 본격적으로 만났습니다.
그가 일관되게 강조하는 단 하나의 기준은 분명했습니다. 기술을 만들든 투자를 하든, 가장 중요한 것은 '정말 현장이 원하는 기술인가' 라는 질문입니다. 실제로 김 박사님은 공장 제조 AI 프로젝트를 시작하며 기업 5~6곳을 먼저 미팅했고, 현장 직원뿐 아니라 경영진의 의지가 강했던 두 곳과 협업을 이어가고 있다고 말합니다. 의지가 명확한 현장일수록 만족도가 높고, 오히려 공급사에 역제안을 줄 만큼 협업이 깊어진다는 것입니다.
💡
왜 '국산 독자 파운데이션모델'인가 — 보안과 한국어 효율
해외의 뛰어난 모델이 쏟아지는데도 막대한 비용을 들여 국산 독자 모델을 만들어야 하는 이유를 묻자, 김 박사님은 두 가지 답변을 꼽았습니다.
첫째는 데이터 보안과 주권입니다. 제조・금융 등 현장의 데이터에는 수율과 노하우 같은 극비 정보가 담겨 있습니다. 외산 모델을 쓰게 되면 우리의 노하우가 해외 서버로 새어 나가는 것 아니냐와 같은 반응을 보입니다. 100% 국내 기술로 만든 안전한 모델이어야만, 비로소 현장이 안심하고 데이터를 제공할 수 있습니다.
둘째는 한국어 언어 처리 효율과 비용도 무시할 수 없습니다.
"외산 모델은 한국어를 잘 모르다 보니 문장을 비효율적으로 잘게 쪼갭니다. 똑같은 질문을 해도 처리 비용이 3~4배 더 나오죠. 게다가 우리 공장은 철저히 한국어 중심이고, 예전부터 쓰던 일본어식 용어나 작업자들끼리만 통하는 은어가 많습니다. 이 맥락을 이해하면서 비용까지 아끼려면 국산 모델이 필수입니다." — SKT 김강민 박사님
💡
[Insight] 씨메스로보틱스 또한 '데이터 주권'을 매우 중요하게 바라봅니다. 국내 제조·물류 현장의 고유 데이터를 외부 유출 없이 학습하고, 이를 우리 기술 위에서 구동하는 흐름은 피지컬 AI에서도 똑같이 중요합니다. 씨메스로보틱스가 단순한 로봇 제어를 넘어 독자적인 로봇 파운데이션 모델을 직접 개발하는 이유 또한, 현장의 데이터와 판단을 외부에 의존하지 않고 우리 손으로 완성하기 위함입니다.
제조 AI의 3단계 진화 — 코파일럿(Copilot)에서 자율 제조까지
지금의 제조공장 AI가 단순 검색에만 머물러 있다는 관점에 대해, 김 박사님은 제조현장의 AI가 데이터 준비 상황에 따라 세 단계로 진화할 것이라고 정리했습니다.
1단계 - 제조 업무 비서(코파일럿) : 작업자가 질문을 하면 매뉴얼과 과거 불량 보고서를 조회해 과거 사례 및 자료를 매칭해 주는 단계입니다. 단순해 보이지만, 대다수 중소·중견 기업은 이조차 못 하고 있는 게 대한민국의 현실입니다. 품질부서는 워드로, 설비부서는 엑셀로, 혹은 수기나 개인 PC에만 데이터를 두고 있어 데이터 정제부터가 거대한 장벽입니다.
2단계 - 스스로 조치하는 에이전트 : 작업자가 상황을 설명하면 AI가 인과관계를 분석해 “과거 이력을 볼 때 이렇게 조치해야합니다” 라는 해결책까지 선제적으로 제안하는 단계입니다. 사람은 AI의 판단을 검증하고 실행에 집중하는 단계입니다.
3단계 - 자율 제조 및 피지컬 AI : AI 소프트웨어와 실제 로봇(하드웨어)이 완벽히 결합하는 단계입니다.
"사람이 목표만 던져두면, 공장의 기계와 시스템이 현장 변수와 설정 변경에 맞춰 스스로 판단하고 알아서 최종 제품을 만들어냅니다. 인적 개입이 최소화된 완전한 자율화 단계에 도달할 것이라 생각합니다." — SKT 김강민 박사님
💡
[Insight] 김 박사님이 언급한 3단계는 씨메스로보틱스가 현장에서 증명해 내고 있는 바로 그 단계입니다. AI - 두뇌, 3D 비전 - 시각, 로봇제어 - 행동이 유기적으로 결합되어 스스로 판단하고 움직일 수 있는 지능형 자동화를 완성합니다. 1·2단계의 데이터·언어 지능이 결국 3단계의 물리적 실행으로 완성된다는 점에서, 두 회사의 여정은 같은 목적지를 향하고 있습니다.
화려한 기술보다 ‘현장 적응력’, 그리고 숫자로 증명하는 ‘ROI’
AI 스타트업이 범람하는 시대에 '진짜 실력 있는 회사'를 어떻게 가려내느냐는 질문에, 김 박사님은 두 가지 핵심 조건을 꼽았습니다.
첫째는 현장 적응력입니다. 기술력은 이미 상향 평준화됐고, 데모 영상 속에서만 완벽하게 작동하는 모델은 더 이상 차별점이 되지 못합니다. 해당 기술이 복잡한 현장에 적용됐을 때도 혼동없이 작동하느냐가 첫 번째 기준이 됩니다.
그리고 이 현장 적응력은 결국 숫자로 증명하는 ROI로 이어집니다. 기술이 현장에 완벽히 녹아들었다면, 그 결과는 반드시 수치로 나타나야합니다. 특히 모든 공정이 예측 가능한 비용 범위 안에서 움직이는 제조 현장에서는 더욱 그렇습니다. 따라서 기술 도입을 통해 비용과 작업 효율을 얼마나 최적화할 수 있는지, 구체적인 수치로 솔루션을 제시할 수 있는 역량이 필수적입니다.
💡
[Insight] 화려한 기술이 현장에서 완벽히 작동하느냐, 그리고 그 결과를 숫자로 증명하느냐 — 이 두 조건은 씨메스로보틱스가 가장 중요하게 여겨 온 원칙이기도 합니다. 비정형 환경에서 매일 마주하는 변수들을 견뎌내며 축적한 실증 데이터와 검증된 적용 사례는, 곧 '실험실이 아닌 진짜 현장에서 작동한다'는 증거입니다. 자동화는 화려한 약속이 아니라, 처리량·불량률·운영 지속성이라는 구체적인 숫자로 증명되어야 한다는 원칙을 우리는 현장에서 실천하고 있습니다.
물리 세계의 AI - 실시간성과 새로운 가치 창출
이어서, 김 박사님은 AI가 물리 세계에 적용되고 있는 지금, 가장 중요한 핵심으로 바로 ‘실시간성’을 꼽았습니다.
"산업 현장은 0.1초의 제어 지연이 대형 사고나 치명적인 금전적 손실을 초래하는 복잡한 환경입니다. 일례로 연속 공정 기반의 철강 공장은 AI의 명령 하달이 미세하게만 늦어져도 전체 라인이 중단되며, 프로세스 내의 원재료를 전량 폐기 및 재용해해야 하는 리스크를 안고 있습니다. 따라서 현장의 역동적인 변화에 실시간으로 대응하는 '초저지연 제어'가 불가능하다면, 물리 세계와 상호작용하는 진정한 피지컬 AI로서의 가치를 인정받기 어렵습니다.” — SKT 김강민 박사님
그리고 그는 자동화의 의미를 이렇게 정리했습니다. AI가 사람의 밥그릇을 빼앗는 것이 아니라 위험하고 힘든 일을 대신할 뿐, 사람은 검증 업무로 옮겨가고 기업은 잉여 자금으로 공장을 늘려 새로운 고용을 창출하는 선순환으로 가야 한다는 것입니다.
미래의 국내 제조 AI - 중견・중소 기업으로의 대이동
김강민 박사님은 제조 AI의 전망에 대해 ‘중견·중소 기업으로의 대이동’을 예고했습니다. 이미 자본과 기술을 갖춘 대기업(시장의 약 40%)은 저만치 앞서가 있지만, 나머지 60%를 차지하는 중소·중견 기업에 AI가 보편적으로 적용되기 시작하면 국내 제조 인프라의 판도가 완전히 바뀔 것이라는 분석입니다.
아울러, 이 변화에서 살아남는 공급 기업의 핵심 조건으로 ‘현장 전문가의 노하우 흡수’를 언급했습니다. 매뉴얼의 뻔한 내용만 학습한 챗봇은 현장에서 외면받기 쉽습니다. 손때 묻은 수기 기록이나 망치 두드리는 소리만으로 문제를 알아채는 베테랑의 암묵지를 모델에 녹여내야 비로소 진정한 제조 AI를 실현할 수 있다고 강조했습니다.
💡
[Insight] '현장의 암묵지를 흡수해야 한다'는 김 박사님의 진단은, 씨메스로보틱스가 비정형 환경에서 매일 마주해 온 과제와 정확히 맞닿아 있습니다. 공장마다 데이터와 설비는 제각각이지만, 그 안에서 반복적으로 검증된 현장의 경험을 데이터로 축적하고 모델에 담아내는 일이야말로 진짜 현장에서 작동하는 AI의 출발점입니다. 매뉴얼이 아닌 '현장'을 아는 기술 — 그것이 씨메스로보틱스가 수많은 적용 사례를 통해 쌓아 온 자산입니다.
인터뷰를 마치며 — '현장을 아는 AI'가 산업을 바꾼다
김강민 박사님과의 대화는 씨메스로보틱스에게도 깊은 공감의 시간이었습니다. 솔루션을 확장할 때 마주하는 오너와 현장의 의견 조율, 공장마다 다른 데이터의 표준화라는 난제 — 우리가 매일 부딪히는 고민을, 현장을 누구보다 잘 아는 전문가의 목소리로 다시 확인할 수 있었기 때문입니다.
결국 SKT와 씨메스로보틱스가 도달한 결론은 같았습니다. AI는 화려한 기술 경쟁이 아니라 '현장의 진짜 요구사항'에서 출발해야 한다는 것, 그리고 언어와 데이터의 지능은 결국 로봇이라는 물리적 실체와 만날 때 비로소 완성된다는 것입니다. 보안과 주권을 지키는 국산 모델, 숫자로 증명하는 신뢰, 실시간성 — 이 모든 조건이 모이는 지점에 피지컬 AI의 미래가 있습니다.
씨메스로보틱스는 방대한 실증 데이터와 수많은 현장 적용 사례를 바탕으로, 산업 현장의 문제를 가장 효율적으로 해결하는 '실전형 피지컬 AI 솔루션'을 만들어 가고 있습니다. 가상의 지능이 물리적 현실로 거듭나는 이 변화의 한가운데서, 씨메스로보틱스는 현장을 가장 잘 이해하는 파트너로서 제조·물류의 다음 장을 함께 써 내려가겠습니다.
Share article