CES 2026에서 가장 많이 받은 질문

2026년 1월, CES 2026에 참가해 AXIN과 제조 AI 솔루션을 소개했습니다.

전시를 준비하면서 기술 질문을 예상했습니다. 모델 구조, 정확도, 처리 속도 같은 것들입니다. 실제로 부스에서 나흘 동안 받은 질문은 거의 그런 것이 아니었습니다. 산업도 규모도 나라도 달랐지만 질문은 세 가지로 모였고, 셋 다 기술이 아니라 도입과 운영에 관한 것이었습니다.

#"우리 공장에서도 되나요"

가장 많이 받은 질문입니다. 그리고 이 질문 뒤에는 거의 항상 같은 세 가지 걱정이 붙어 있었습니다. 데이터가 정리되어 있지 않다, 설비가 오래됐다, 다룰 사람이 부족하다.

우리가 드린 답도 매번 비슷했습니다.

데이터가 정리된 공장은 없습니다. 우리가 들어간 어떤 현장도 그렇지 않았습니다. 정리된 다음에 시작하겠다고 하면 시작하는 날은 오지 않습니다. 순서가 반대입니다. 무엇을 풀 것인지를 먼저 정하고, 그 질문에 답하는 데 필요한 데이터만 먼저 정리하면 됩니다.

설비가 오래된 것도 대체로 문제가 되지 않았습니다. 20년 된 설비도 PLC는 신호를 내보내고 있고, 신호가 없으면 카메라를 붙이면 됩니다. 오히려 최신 설비가 폐쇄적인 프로토콜을 쓰는 경우도 있습니다.

사람 문제는 진짜 문제입니다. 그래서 두 번째 질문이 나옵니다.

#"모델은 누가 관리하나요"

도입은 어떻게든 하겠는데 그다음이 걱정이라는 이야기였습니다. 이 질문을 하는 분들은 대개 AI를 한 번 도입해 본 경험이 있었습니다. 처음 몇 달은 잘 되다가 조용히 안 쓰게 되었다는 이야기를 여러 번 들었습니다.

이 질문이 나오면 4I-MLOps 화면을 보여드렸습니다. 데이터 분포가 어긋나는 것을 감지하면 재학습을 시작하고, 클릭 한 번으로 엣지 장비에 배포하는 흐름입니다.

여기서 중요한 것은 자동화의 정도가 아니라 누가 그 화면 앞에 앉는가라고 생각합니다. 재학습이 자동이어도 그 결과를 확인하고 배포를 결정하는 일은 남습니다. 그 일을 데이터 사이언티스트만 할 수 있게 만들면, 그 사람이 없는 공장에서는 결국 멈춥니다. 코딩 없이 현장 엔지니어가 다룰 수 있어야 한다는 기준은 그래서 생겼습니다.

#"에이전트가 정말 판단을 하나요"

AXIN의 에이전트 맵을 보고 나온 질문입니다. 어조가 두 가지로 갈렸습니다. 기대하는 쪽과 의심하는 쪽이었는데, 답은 같았습니다.

판단은 합니다. 실행은 사람이 합니다.

지금 단계에서 에이전트의 역할은 흩어진 데이터를 이해하고, 사람이 결정할 수 있는 형태로 정리하는 것입니다. 사람의 개입 없이 돌아가는 공장은 우리의 목적지이지 오늘 팔고 있는 제품이 아닙니다.

이 구분을 흐리면 단기적으로는 더 인상적으로 들립니다. 하지만 제조 현장에서 한 번 어긋난 신뢰는 회복하기 어렵습니다. 할 수 있는 것과 하려는 것을 나누어 말하는 편이 결국 빠르다고 생각합니다.

#돌아와서

전시가 끝나고 남은 것은 새로운 기술 과제가 아니라 오래된 질문이었습니다. "우리 공장에서도 되나요"에 더 구체적으로 답하는 것. 지금은 사례와 화면으로 답하고 있지만, 결국은 첫 달에 무엇이 어떻게 달라지는지를 보여줄 수 있어야 한다고 봅니다. 올해의 과제입니다.