제조 AI가 현장에서 멈추는 이유, HD솔루션즈가 공급하는 AI 솔루션은 어떻게 다른가

투자는 느는데 왜 현장은 그대로인가

맥킨지는 2025년 1월 보고서에서 조사 대상 기업의 92%가 향후 3년간 AI 투자를 늘리겠다고 답했지만, 스스로를 AI 성숙 단계로 평가한 기업은 단 1%에 불과했다고 밝혔다.[1] 투자와 실제 정착 사이의 간극이 크다는 뜻이다. 국내 제조 현장에서도 사정은 다르지 않다. AI 도입을 검토하는 기업은 늘고 있지만, 예측 결과를 대시보드에 띄우는 수준에서 멈추고 실제 설비를 움직이거나 문서를 자동 생성하는 단계까지 가는 사례는 많지 않다.

가트너 역시 2025년 말까지 생성형 AI 프로젝트의 30%가 PoC(개념 증명) 단계 이후 폐기될 것으로 전망했다.[2] 데이터 품질 미흡과 현장 적용 실패가 주된 이유로 꼽힌다. 두 조사가 공통적으로 가리키는 지점은 같다. AI 모델 자체의 성능은 이미 상당한 수준에 도달했지만, 그 모델을 실제 운영 환경에 이식하고 정착시키는 역량은 여전히 부족하다는 것이다. 특히 제조 현장처럼 설비·공정·품질 데이터가 복잡하게 얽혀 있는 환경에서는, 범용 AI 모델을 그대로 가져다 쓰는 방식으로는 이 간극을 메우기 어렵다.

이런 흐름 속에서 HD솔루션즈는 다른 접근을 택했다. 30년간 쌓아온 제조 현장의 도메인 지식을 바탕으로, 예측값만 던지는 반쪽짜리 AI가 아니라 현장 시스템과 결합해 기계를 움직이고 서류를 쓰고 결정까지 내리는 AI 엔진을 공급하기로 한 것이다. 이 글은 그 배경과 설계 철학을 다룬다.

30년 산업 SW DNA에서 출발한 AI 전환

HD솔루션즈는 1990년 한국 최초의 CAD/CAM 전문 기업으로 출발했다. 2010년대에는 MES와 공정 모니터링 솔루션을 공급하며 제조 자동화를 선도했고, 2020년대 들어 도메인 지식 기반 AI 솔루션의 공급에 나섰다. 그 결과, 2025년부터 차세대 산업 AI 솔루션을 국내 제조 시장에 본격적으로 선보이게 되었다. 30년이 넘는 기간 동안 회사의 업태 자체는 CAD/CAM 소프트웨어 공급에서 스마트팩토리 구축, 그리고 AI 솔루션 공급으로 계속 확장돼 왔지만, 그 바탕에는 항상 제조 현장의 실제 데이터와 공정을 이해하는 조직이라는 정체성이 있었다.

이 여정을 숫자로 보면 다음과 같다.

 

 

이 숫자가 중요한 이유는 단순하다. 30년간 도메인 지식을 내재화한 조직만이 현장 인프라에 대한 이해도를 갖출 수 있기 때문이다. 새로 생긴 AI 스타트업이 아무리 뛰어난 모델을 만들어도, 사출성형·CNC·품질관리 현장의 실제 변수와 제약을 이해하지 못하면 결국 데모용 AI에 머무른다. HD솔루션즈는 이 문제를 30년의 현장 경험으로 우회한다.

도메인 전문가와 글로벌 AI/ML 인력이 함께 만드는 팀

HD솔루션즈가 공급하는 AI 솔루션의  리더십 구성은 이 조직이 왜 다른지를 보여주는 또 하나의 근거다.

● 양승일 대표: 서울대학교 경영학과를 졸업하고 회계사·변호사로 활동했으며, HD솔루션즈 대표이사로서 한국 최대 CAD/CAM 기업을 36년간 경영해 왔다. 산업 소프트웨어의 기획·경영·시장 확장 전 과정을 직접 경험했다.

● 정현수 CTO: KAIST 전기공학, MIT 시스템공학, NYU 응용머신러닝을 거쳐 나스닥에서 시니어 디렉터로 AI/ML 연구소를 창설·리드했다. 2025년 나스닥 AI 액셀러레이터 어워드를 수상했고 미국 특허를 다수 보유하고 있으며, 사출·CNC 등 제조 특화 AI 솔루션 개발을 이끌고 있다.

● 정희석 Team Lead: 노스웨스턴대에서 통계학을 전공했다. 시카고 소재 리테일 데이터 분석 기업 Circana에서 20,000개 이상 SKU 수요 예측 시스템을 구축했고, 미국 인구조사국과 협업해 거시 지표 산출 엔진을 개발한 경력을 갖고 있다.

● 조병진 Team Lead: 국민대학교에서 학·석사를 마치고 성창오토텍에서 자동차 내·외장 파트 설계와 성형 해석을 담당했다. HD솔루션즈에서는 Moldflow 성형 해석 기술지원과 자동화 프로그램 HDMFlow 개발을 거쳐, 현재 성형 해석과 사출기 AI 기능 설계 프로젝트를 이끌고 있다.

이 팀 구성이 말해주는 것은 명확하다. 제조현장 도메인 지식과 글로벌 AI/ML 엔지니어링이 한 조직 안에 공존한다는 점이다. CAD/CAM 업계에서 30년 넘게 경영을 이끌어온 인물과, 나스닥에서 AI 연구소를 이끈 인물, 그리고 실제 사출 현장에서 성형 해석을 담당해 온 엔지니어가 같은 팀에서 일한다는 것은, 도메인 지식이 없는 AI 스타트업이 쉽게 흉내 낼 수 없는 조합이다.

특히 조병진 Team Lead의 이력은 이 조직의 성격을 압축해서 보여준다. 자동차 부품 제조 현장에서 직접 설계와 성형 해석을 담당했던 엔지니어가, HD솔루션즈 내부에서 자동화 프로그램을 개발하고, 다시 AI 기능 설계로 이어지는 경로를 밟았다는 것은, 이 조직의 AI 기술이 외부에서 사온 것이 아니라 현장 실무에서부터 축적돼 올라온 것이라는 근거가 된다. 반대로 정현수 CTO와 정희석 Team Lead는 나스닥과 미국 리테일 데이터 분석 기업이라는, 국내 제조 현장과는 전혀 다른 환경에서 최신 AI/ML 방법론을 다뤄온 인력이다. 이 두 축이 하나의 조직에서 만난다는 것이, HD솔루션즈가 스스로를 '도메인 전문가와 글로벌 AI/ML 인력이 함께 만드는 팀'이라고 설명하는 이유다.

숫자만 보여주는 AI가 아니다 — 4대 설계 원칙

HD솔루션즈가 공급하는 AI 솔루션은 왜 기존 AI와 다른지를 네 가지 원칙으로 설명할 수 있다. 예측값만 던져주는 반쪽짜리 AI가 아니라, 현장 시스템과 결합해 기계를 움직이고 서류를 쓰고 결정까지 직접 내리는 완결형 AI 엔진이라는 것이다. 이 네 가지 원칙은 추상적인 슬로건이 아니라, 앞서 언급한 국내외 조사에서 드러난 AI 도입 실패 원인에 하나씩 대응하는 설계 기준이다.

 

이 네 원칙 중에서도 특히 Explainable AI와 On-Premise Ready는 제조 현장에서 실질적인 의미를 갖는다. 현장 엔지니어는 '이 조건이 최적'이라는 결과만으로는 움직이지 않는다. 왜 그 조건이 최적인지 물리적 근거가 있어야 실제로 설비에 적용한다. 또한 설계 도면과 공정 데이터는 기업의 핵심 기밀이기 때문에, 클라우드로 데이터를 보내는 구조는 애초에 검토 대상에서 제외되는 경우가 많다. HD솔루션즈가 공급하는 AI 솔루션은 이 두 가지 현장의 현실적 제약을 설계 원칙 단계에서부터 반영했다.

Domain-Knowledge-based AI와 Modular Engine Architecture는 확장성 측면에서 특히 중요하다. 공정의 물리 법칙을 알고리즘에 내재화한다는 것은, 데이터가 충분히 쌓이지 않은 신규 공정이나 신규 산업에도 즉시 적용할 수 있다는 뜻이다. 실제로 사출성형 해석 엔진은 프레스·다이캐스팅·주조는 물론, 반도체 열관리, 자동차·항공 공기역학, 풍력·HVAC 설계, 바이오 의료기기, 데이터센터 냉각·건축 풍하중 CFD까지 확장 가능한 것으로 설계됐다. 하나의 산업에서 검증된 물리 기반 로직이 다른 산업으로 옮겨갈 수 있다는 것은, 일반적인 데이터 학습 기반 AI로는 쉽게 흉내 낼 수 없는 구조적 장점이다.

여덟 개 솔루션, 하나의 목표

HD솔루션즈가 공급하는 AI 솔루션 라인업은 설계, 제조, 품질, 공급망 예측에 걸쳐 있다. 각 솔루션은 독립적으로 작동하지만, 모두 같은 철학 위에 서 있다.

● 시뮬레이션 자동화(Janus AI): 모든 해석 솔루션의 해석 기간을 대폭 줄인다. 방치되던 해석 데이터를 지식 자산으로 전환한다.

● 실시간 제조 공정 최적화(Proteus AI): 도메인 지식을 기반으로 몇 가지 파라미터 입력만으로 최적 공정 조건을 찾아준다.

● 시계열 예측 모델: 다중 옵션 하이브리드 모델로 퀀트 수준의 모델링을 수행해, 예측을 실전 의사결정 시그널로 전환한다.

● LLM 기반 문서 업무 자동화(규제 준수): 규칙을 기반으로 Hallucination을 완전 차단한다. 제품 코드 기준으로 문서 패키지를 자동 생성하고 근거를 추적한다.

● Vision AI 기반 검사 프로세스 자동화: 난반사가 심한 정밀 금속 부품을 무인으로 자동 판정한다.

● 생성형 LLM 어시스턴트: 방대한 표준작업지침을 자연어로 즉시 검색해 현장 작업가이드를 제시한다. 숙련공 노하우를 데이터화하여 작업자 간 숙련도 격차와 현장 대응 시간을 대폭 줄인다.

● 예측 유지보수(이상치 탐지): 실시간 센서와 시계열 데이터를 분석해 설비 고장의 미세한 징후를 사전 탐지한다. 돌발 정지 리스크를 차단하고 설비 가동률을 극대화한다.

● 2D 도면 기반 3D 형상 변환 엔진: 도면 근거를 기반으로 3D CAD/STEP 형상을 복원해, 레거시 도면 자산을 3D로 전환한다(R&D 진행 중).

이 여덟 개 솔루션은 서로 다른 산업, 서로 다른 문제를 다루지만 모두 하나의 모듈러 아키텍처에서 조합됐다는 공통점을 갖는다. 이는 개별 솔루션의 우연한 성공이 아니라, 재현 가능한 기술 기반이 있다는 뜻이다. 각 솔루션이 다루는 산업 범위도 처음부터 하나로 국한되지 않는다. 실시간 제조 공정 최적화 솔루션은 프레스·다이캐스팅·주조·반도체·항공·풍력·바이오 의료기기까지, 시계열 예측 모델은 전력·원자재·에너지 가격·금융 트레이딩 시그널까지, LLM 기반 문서 업무 자동화는 제약·화장품·식품 GMP와 인증·규제 대응 문서까지 넓어질 수 있도록 설계됐다. 이는 솔루션을 하나씩 개발한 것이 아니라, 애초에 여러 산업에 이식 가능한 구조로 설계했다는 뜻이다.

스마트팩토리아 파트너십이 갖는 의미

스마트팩토리아는 HD솔루션즈를 공식 파트너사로 선정했다. 이는 단순한 제휴 이상의 의미를 갖는다. 스마트팩토리아가 고객사에 AI 솔루션을 매칭할 때, 검증되지 않은 벤더가 아니라 30년 업력과 실제 대기업 도입 실적을 갖춘 파트너를 우선 연결한다는 뜻이기 때문이다.

이 파트너십이 고객사에게 갖는 실질적 의미는 세 가지로 정리할 수 있다.

● 검증 비용의 절감: 스마트팩토리아를 통해 연결되는 순간, 고객사는 벤더의 업력·기술력·실적을 처음부터 다시 검증할 필요가 없다.

● 리스크 분산: 이미 자동차·해운·바이오·부품 제조 등 서로 다른 산업에서 검증되고 있는 모듈을 가져다 쓰기 때문에, 신규 벤더의 첫 고객이 되는 리스크를 지지 않아도 된다.

● 확장 경로의 확보: 하나의 모듈로 시작해도, 필요에 따라 다른 레이어의 모듈을 추가로 조합할 수 있는 구조이기 때문에 향후 AX 전환 로드맵을 단계적으로 설계할 수 있다.

HD솔루션즈가 공급하는 AI 솔루션은 이미 자동차, 해운, 바이오·헬스, 부품 제조 등 서로 다른 산업의 기업들과 함께 검증되는 단계에 있다. 스마트팩토리아를 통해 이 검증된 모듈러 아키텍처에 접근할 수 있다는 것은, 제조기업 입장에서 AI 도입 과정의 리스크를 크게 줄일 수 있다는 의미다. 다음 글에서는 이 아키텍처가 실제로 어떻게 적용됐는지, 다섯 개 산업의 구체적 사례를 통해 살펴본다.

맺으며 — 완결형 AI가 필요한 이유

제조 현장에 필요한 것은 예측값을 보여주는 AI가 아니라, 현장을 실제로 움직이는 AI다. HD솔루션즈는 30년간 축적한 제조 도메인 지식과 글로벌 AI/ML 인력을 결합해, 도메인 지식 기반·설명 가능·온프레미스·모듈형이라는 네 가지 원칙 위에 이 완결형 AI를 구축하고 있다. 30년 CAD/CAM 기업의 현장 이해도와, 나스닥 AI 연구소를 이끈 인재의 최신 기술이 한 조직 안에서 만난다는 것은, 어느 한쪽만으로는 만들 수 없는 조합이다.

제조기업 실무자에게 남는 실질적 제언은 하나다. AI 솔루션을 검토할 때는 예측 정확도만이 아니라, 그 예측이 실제로 현장 실행까지 이어지는 구조인지를 확인해야 한다. 그것이 데모용 AI와 완결형 AI를 가르는 기준이다. 다음 글에서 다룰 다섯 개 산업의 실제 사례는 이 기준을 구체적인 숫자로 확인시켜 줄 것이다.

참고문헌

[1] McKinsey & Company. "Superagency in the Workplace: Empowering People to Unlock AI's Full Potential." McKinsey & Company. January 28, 2025. https://www.mckinsey.com/capabilities/tech-and-ai/our-insights/superagency-in-the-workplace-empowering-people-to-unlock-ais-full-potential-at-work

[2] Gartner, Inc. "Gartner Predicts 30% of Generative AI Projects Will Be Abandoned After Proof of Concept By End of 2025." Gartner Newsroom. July 2024. https://www.gartner.com/en/newsroom/press-releases/2024-07-29-gartner-predicts-30-percent-of-generative-ai-projects-will-be-abandoned-after-proof-of-concept-by-end-of-2025

※ 본 콘텐츠는 스마트팩토리아 파트너사인 HD솔루션즈가 제공한 공식 자료를 바탕으로 작성되었습니다. 콘텐츠 내 제품, 기술 및 솔루션 관련 정보는 HD솔루션즈의 자료를 기준으로 작성되었음을 알려드리며, 인용 시 출처를 명확히 밝혀주시기 바랍니다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다.