미래의 공장은 프롬프트로 작성되고 있다

물리적 객체가 어떻게 만들어지는지에 관한 한 가지 진실이 있습니다: 제조업 외부에서는 사실상 아무도 물리적 객체가 어떻게 만들어지는지 알지 못한다는 것입니다.

그들은 대략적인 흐름은 압니다. 누군가 무언가를 디자인합니다. 다른 누군가가 그것을 만듭니다. 트럭이 도착합니다. 하지만 중간 부분, 즉 개념이 사양이 되고, 사양이 조달 결정이 되고, 조달 결정이 생산 런이 되고, 생산 런이 당신이 주문한 그 제품이 되는 그 부분은 대체로 보이지 않으며, 엄청나게 복잡하고, 아주 오랫동안 거의 같은 방식으로 작동해 왔습니다.

그것이 지금 바뀌고 있습니다.

생성형 AI는 과장하기 어려울 정도로 제조 라이프사이클을 다시 쓰기 시작하고 있습니다. 정확하게 설명해 보겠습니다. 이 변화는 주로 속도에 관한 것이 아닙니다. 비록 더 빠르게 만들겠지만요. 주로 비용에 관한 것도 아닙니다. 비록 비용 구조를 크게 바꾸겠지만요. 이는 더 근본적인 것, 즉 프로세스의 어디에 지능이 적용되고, 누구에 의해, 얼마나 일찍 적용되는지에 관한 것입니다. 우리는 전기화나 컴퓨터화만큼이나 산업 경제를 재형성할 변혁의 시작점에 서 있으며, 지금, 아직 초기이고 다소 혼란스러운 시점에 이를 이해하는 기업들이 나중에 다른 모든 이들을 위한 규칙을 작성하게 될 것입니다.

제조업에서 가장 비싼 문제는 당신이 생각하는 것이 아니다

대부분의 사람들에게 제조 과정에서 무엇이 문제인지 물어보면 그들은 공장을 가리킬 것입니다. 하지만 가장 비용이 많이 드는 실패 중 일부는 훨씬 더 이른, 제품 아이디어가 일련의 요구사항으로 결정화되기 시작하는 무형의 단계에서 발생합니다. 그리고 엄청난 시간과 돈이 사라지는 곳도 바로 그곳입니다.

문제는 부조화입니다. 요구사항은 이메일, 반쯤 읽힌 문서, 그리고 합의가 이루어진 것처럼 느껴지지만 실제로는 그렇지 않은 회의를 통해 수집됩니다. 그것들은 몇 주 후에 아무도 눈치채지 못한 모호함을 내재한 채 엔지니어링 브리프로 도착합니다. 그 모호함은 프로토타입이 잘못 돌아오거나, 공급업체가 약간 맞지 않는 것을 견적 내거나, 생산 팀이 받은 디자인이 실제로 대량 생산이 불가능하다는 것을 깨달을 때만 표면화됩니다.

생성형 AI는 정확히 이 단계에 개입하고 있으며, 그 효과는 이후의 모든 과정을 통해 연쇄적으로 전파됩니다. 이러한 시스템은 방대한 비정형 입력(고객 피드백, 규제 서류, 현장 고장 데이터, 경쟁사 제품 분석)을 흡수하여 구조화되고 상호 참조된 요구사항으로 인간 팀이 관리할 수 있는 것보다 더 빠르고 더 일관성 있게 종합할 수 있습니다. 한때 시스템 엔지니어링에 몇 주가 걸리던 작업이 몇 시간 안에 초안이 작성될 수 있습니다.

요구사항이 더 일찍, 더 높은 충실도로 도착하면, 작업 인계도 바뀝니다. 조달 팀은 디자인과 병행하여 공급업체를 식별하기 시작할 수 있습니다. 생산 계획은 도면이 완성되기 전에 시작될 수 있습니다. 한때 순차적이었던 단계들이 동시에 실행되기 시작합니다.

모든 주문이 새로운 엔지니어링 문제이고 견적 속도가 종종 사업을 따내는 것과 놓치는 것의 차이가 되는 맞춤형 기계 부품을 제조하는 기업들에게 이것은 전략적 변혁입니다.

베테랑 엔지니어가 아는 것

최고의 제조 엔지니어들 내부에 존재하는 일종의 지식이 있습니다. 외부에서 설명하기 거의 불가능한 그런 지식입니다. 어떤 공차가 대규모로 달성 가능한지. 어떤 합금이 특정한 열과 응력의 조합 아래서 실패하는지. 어떤 디자인 결정이 서면으로는 우아해 보이지만 공구 팀에게 재앙을 초래하는지. 그것은 수십 년이 걸려 축적되며, 대체로 전수할 수 없고, 고급 엔지니어가 은퇴할 때마다 문을 나서 버립니다.

AI 코파일럿이 그것을 바꾸기 시작하고 있습니다. 새로운 부품 형상을 작업하는 엔지니어는 이제 대규모 생산 가능성에 대해 시스템에 질의하고, 여러 하중 시나리오에 걸친 고장 분석을 받으며, 재료 전환의 비용 영향을 평가할 수 있습니다. 이 모든 것은 물리적 프로토타입이 존재하기도 전에, 정보가 실제로 유용한 순간에, 디자인 환경 내에서 일어납니다.

분명히 하자면: 이것은 엔지니어링 판단력을 대체하는 것이 아닙니다. 맥락적 지식, 전문적 책임, 제약 조건 하의 창의적 문제 해결이 포함된 결정은 여전히 사람이 필요합니다. AI 코파일럿이 하는 일은 엔지니어가 경로를 확정하기 전에 탐색할 수 있는 솔루션 공간을 확장하고, 고급 수준의 제조 직관의 측면을 더 많은 사람들에게, 더 일찍 분배하는 것입니다. 이를 잘 도입하는 팀은 더 나은 디자인에 도달할 것입니다. 왜냐하면 그들은 생산의 물리학과 경제학이 선택지를 막기 전에 더 많은 옵션을 평가했을 것이기 때문입니다.

두 종류의 AI가 융합하고 있으며, 공장은 결코 예전과 같지 않을 것이다

여기 매우 중요한 구분이 있습니다. 디지털 AI가 있습니다. 디자인, 문서화, 조달 분석, 의사 결정 지원을 돕는 생성형 시스템들입니다. 이것들은 정보를 다룹니다. 그리고 물리적 AI가 있습니다. 산업용 로봇, 자율 물류, 적응형 제조 장비를 구동하는 인지, 계획, 제어 시스템들입니다. 이것들은 물질을 다룹니다. 그들은 세계를 감지하고, 행동을 계획하며, 물건을 움직입니다.

지난 10년간 대부분의 시간 동안 이 두 범주는 거의 완전히 분리된 세계에서 발전해 왔습니다. 하지만 이제 생성형 모델이 점점 더 물리적 시스템을 프로그래밍하고, 지시하고, 해석하는 데 사용되고 있습니다. 로봇은 자연어 지시를 받아 그것을 동작 시퀀스로 번역할 수 있습니다. 비전-언어 모델은 검사 시스템이 인간이 조치를 취할 수 있는 용어로 관찰한 것을 설명할 수 있게 합니다. 생성형 디자인 도구는 CNC 머신과 적층 제조 시스템에 직접 연결되어, 모델이 디자인한 것을 공장이 제조할 수 있게 합니다.

기후 기술에 대한 함의는 놀랍습니다. 생성형 AI는 재료 발견을 가속화하고, 더 나은 배터리 화학 물질, 더 효율적인 촉매, 산업 탄소 강도를 줄이는 구조 재료를 찾고 있습니다. 제조업 전반에 대해, 이 융합은 공장이 진정한 적응형 시스템이 되어, 수요 변화나 공급 차질에 거의 실시간으로 대응해 재구성할 수 있게 됨을 의미합니다. 공장의 디지털 모델과 물리적 플랜트 사이의 경계가 사라지고 있습니다. 그것을 대체하는 것은 학습하고, 적응하며, 이전에는 불가능했던 방식으로 디자인과 생산 사이의 루프를 닫는 산업 인프라입니다.

인력 문제

AI와 제조업에 관한 어떤 정직한 글에서도 언젠가는 사람들에 대해 이야기해야 합니다. 기술 글쓰기에서 일종의 의례적 면죄부가 되어 버린 “새 일자리가 생겨날 것이다”라는 평범한 위로와 함께가 아니라. 실제로 그것에 대해 이야기해야 합니다.

불안감은 현실이며 근거가 없지 않습니다. 제조업 고용은 이미 40년에 걸쳐 고통스러운 격변을 겪었습니다. AI 주도의 또 다른 변혁은 이 산업에서 일하는 사람들에게는 추상적인 개념이 아닙니다.

초기 데이터가 보여주는 것은 가장 중요한 단기적 효과는 대체가 아니라 고양이라는 것입니다. AI 코파일럿을 사용하는 엔지니어들은 더 중요한 엔지니어링을 하고 있으며, 일상적인 문서 작업에 더 적은 시간을 쓰고 제품의 성패를 결정하는 판단을 내리는 데 더 많은 시간을 쓰고 있습니다. 공급망 관리자는 더 나은 정보로 더 많은 복잡성을 헤쳐 나가고 있습니다. 운영 리더들은 책임이 확고하게 인간에게 남아 있는 환경에 AI 생성 통찰력을 적용하고 있습니다.

주로 일상적인 데이터 처리, 반복적인 조정 작업, 또는 현재 로봇 공학의 능력 범위 내에 드는 육체적 작업으로 정의된 역할은 실제적인 압력에 직면할 것입니다. 이는 기업과 기관의 정직한 관심이 필요합니다.

다음 10년의 제조업 인력은 AI와 효과적으로 협업하는 능력으로 정의될 것입니다. 그 출력을 이해하고, 그 가정을 질문하며, 그 권고사항을 인간의 판단이 필요한 결정에 적용하는 능력 말입니다. 그것은 제조업이 구축되었던 기술 프로필과는 다른 것입니다. 그것을 대규모로, 공정하게, 시의적절하게 구축하는 것은 현재 시점의 진정한 어려운 문제 중 하나입니다.

기회의 창

제조업은 단일체가 아닙니다. 항공우주 분야의 AI 도입은 소비자 전자제품과 다르고, 맞춤형 산업 부품과 다르며, 의료 기기와 다릅니다. 변화의 속도는 데이터 인프라, 규제 환경, 조직 역량에 따라 엄청나게 다양합니다.

하지만 방향은 모호하지 않습니다. 제조 라이프사이클은 모든 노드에서 AI에 의해 재구성되고 있습니다. 데이터 인프라, AI 증강 엔지니어링 워크플로우, 인력 역량, 고위험 의사 결정을 위한 거버넌스 시스템에 투자하는 기업들이 10년 후 첨단 제조업의 모습을 정의할 것입니다.

미래의 공장은 모델에 의해 형성되고, 프롬프트로 작성되며, 이 산업이 이제 막 이해하기 시작한 인간-기계 협업을 통해 정제될 것입니다. 그것이 무엇을 생산해낼지는 지금 이 순간, 아직 어떤 질문을 해야 할지 알아가고 있는 기업들 내에서 이루어지고 있는 선택에 달려 있습니다.

의미 있는 우위를 구축할 기회의 창이 열려 있습니다. 그것은 무기한 열려 있지 않을 것입니다.