AI 에이전트의 분석을 현장의 업무로 연결하려면
OpenBot 1.0으로 살펴보는 에이전트 워크스페이스

앞선 글 「AI가 시키기도 전에 일을 찾아서 한다고요?」에서는 필요한 일을 먼저 찾고 수행하는 상시 작동 에이전트를 살펴봤습니다. 이어 「AI 에이전트가 일하는 곳은 어디일까요?」에서는 에이전트가 코드를 실행하고 브라우저를 다루는 환경, 그리고 그 환경을 안전하게 운영하기 위한 구조를 이야기했습니다.
이번에는 그다음으로 가보려 합니다. 에이전트가 일할 수 있는 환경까지 갖췄다면, 현장의 담당자는 어디에서 결과를 확인하고 다음 행동을 결정해야 할까요?
제조 현장에서는 AI가 이상을 찾아내는 순간에도 여러 일이 남습니다. 해당 제품의 생산 이력을 확인해야 하고, 설비 상태와 검사 결과를 함께 봐야 합니다. 누가 점검할지 정하고, 조치가 끝났는지 확인하는 과정도 필요합니다. 분석 결과를 다른 화면으로 옮기고 담당자에게 다시 설명하는 일까지 모두 사람의 몫이라면, AI를 붙인 뒤에도 업무는 여전히 분절되어 있습니다.
2026년 11월 10일 공개된 OpenBot 1.0은 이 연결 지점을 생각해 볼 만한 사례입니다. 기존 에이전트와 모델, 업무 도구를 하나의 작업 공간에서 사용할 수 있도록 구성한 프로젝트입니다. 이번 글에서는 OpenBot의 기능을 나열하기보다, 에이전트의 분석이 사람의 판단과 후속 업무로 이어지려면 무엇이 필요한지 살펴보겠습니다. 공식 발표 (새 탭에서 열림)
AI가 분석한 뒤에 남는 일
품질 검사에서 특정 시간대의 불량 증가를 발견했다고 가정해 보겠습니다. 분석 결과만으로 바로 설비 조건을 바꾸기는 어렵습니다.
- 어떤 품목과 생산 로트에서 발생했는지 확인해야 합니다.
- 검사 기준이나 촬영 환경이 바뀐 것은 아닌지 살펴야 합니다.
- 설비의 운전 조건과 정비 이력도 함께 확인해야 합니다.
- 원인 후보를 검토한 뒤 점검 담당자와 우선순위를 정해야 합니다.
이때 현장 담당자가 필요로 하는 것은 긴 분석 보고서 한 장만이 아닙니다. 근거를 확인하고, 모르는 부분을 구분하고, 다음 할 일을 선택할 수 있는 화면이 필요합니다.
그래서 에이전트 개발에는 모델과 실행환경 외에 한 가지가 더 필요합니다. 사람과 에이전트가 같은 업무를 보면서 진행 상황을 확인하는 공간입니다. 여기서 말하는 ‘워크스페이스’는 그 공간을 뜻합니다.
OpenBot은 무엇을 연결할까요?
OpenBot은 CopilotKit이 공개한 모듈형 에이전트 워크스페이스입니다. 기본 제공 Bot을 사용할 수도 있고, 이미 운영하는 에이전트를 연결할 수도 있습니다. 모델, 에이전트, 도구, 실행 인프라를 각각 선택할 수 있도록 구성되어 있습니다. 공식 저장소 (새 탭에서 열림)
구조를 이해할 때는 세 층으로 나누면 편합니다.
첫 번째는 사람이 사용하는 화면입니다. 대화, 작업 결과, 에이전트의 컴퓨터 화면과 승인 요청을 확인합니다. Desktop 앱과 기업용 환경은 제공 범위가 다르므로, 모든 기능이 모든 화면에서 동일하게 제공된다고 보아서는 안 됩니다.
두 번째는 에이전트와 도구를 연결하는 백엔드입니다. 누가 어떤 Bot에게 일을 맡겼는지 확인하고, 필요한 도구와 실행환경을 연결합니다. 도구 호출의 권한과 정책을 확인하고 실행 기록도 남깁니다.
세 번째는 대화와 학습 등을 지원하는 CopilotKit Intelligence입니다. OpenBot 애플리케이션과 함께 동작하지만 별도 라이선스가 적용되는 구성요소입니다. 이 구분은 실제 구축 비용과 운영 방식을 검토할 때 중요합니다. 구조 및 라이선스 안내 (새 탭에서 열림)

포인트 1. 이미 만든 에이전트를 업무 화면에 연결합니다
OpenBot에서 눈여겨볼 부분은 기존 에이전트를 가져올 수 있다는 점입니다. 연결에는 AG-UI를 사용합니다. AG-UI는 에이전트와 사용자 애플리케이션 사이에서 메시지, 실행 상태, 도구 호출 등의 이벤트를 주고받기 위한 프로토콜입니다. AG-UI 공식 문서 (새 탭에서 열림)
제조 현장을 예로 들면 품질 분석 에이전트와 매뉴얼 검색 에이전트가 서로 다른 기술로 만들어져 있을 수 있습니다. 각각을 AG-UI에 대응하도록 구성하면, 사용자는 하나의 업무 공간에서 이들을 만나는 방식을 설계할 수 있습니다.
다만 API 주소가 있다는 이유만으로 아무 모델이나 바로 등록되는 것은 아닙니다. AG-UI에 맞는 엔드포인트나 어댑터가 필요합니다. 불량 탐지 모델 자체가 있다면, 그 모델을 호출하고 결과를 설명하는 에이전트와 데이터 접근 도구를 별도로 구성해야 합니다.
이 구분은 중요합니다. OpenBot을 검토한다고 기존 검사 모델이나 생산 시스템을 전부 교체할 필요는 없습니다. 현재 자산을 유지한 채, 그 결과를 담당자가 사용하는 화면과 어떻게 연결할지부터 살펴볼 수 있습니다.
포인트 2. 답변을 읽는 것에서 다음 행동을 고르는 것으로
업무 결과가 항상 문장일 필요는 없습니다. 품질 담당자에게는 로트별 비교표가, 보전 담당자에게는 증상과 점검 항목이 더 유용할 수 있습니다. OpenBot 1.0은 A2UI 기반의 인터페이스를 활용해 상황에 맞는 결과 화면을 구성하는 기능을 소개합니다. OpenBot 1.0 기능 소개 (새 탭에서 열림)
제조 업무에 적용한다면 화면에는 다음 정보가 함께 있어야 합니다.
- 관찰된 사실: 어떤 데이터에서 무엇이 달라졌는가.
- 분석 근거: 어떤 시간대, 품목, 설비 기록을 참조했는가.
- 확인하지 못한 내용: 데이터가 없거나 판단이 어려운 부분은 무엇인가.
- 다음 행동: 추가 조회, 현장 점검, 담당자 검토 중 무엇이 필요한가.
‘원인은 설비 마모입니다’라는 한 문장보다, 원인 후보와 반대 근거를 나란히 보여 주고 점검 요청 초안을 검토하게 하는 쪽이 실제 업무에 도움이 됩니다. 물론 이 화면과 판단 기준은 제조 업무에 맞춰 설계해야 합니다. 제품을 설치한다고 자동으로 생기는 기능은 아닙니다.
포인트 3. 행동할 때의 권한과 기록을 함께 다룹니다
분석 결과를 보여 주는 것과 업무 시스템에 변경을 남기는 것은 책임의 범위가 다릅니다. OpenBot의 공식 아키텍처에서는 브라우저와 도구의 실행 요청을 서버 측 관문에서 검사하고, 정책에 따른 결정과 실행 기록을 남깁니다. 공식 아키텍처 문서 (새 탭에서 열림)
제조 업무에서도 조회와 변경을 구분해야 합니다. 승인된 품질 데이터를 조회하고 점검안을 준비하는 단계와, MES에 작업지시를 등록하거나 생산 조건을 바꾸는 단계에 같은 권한을 줄 이유는 없습니다.
예를 들어 ‘점검 요청을 준비해 줘’라는 요청은 다음처럼 나눌 수 있습니다.
- 에이전트가 관련 데이터와 근거를 모읍니다.
- 요청 대상 설비, 점검 항목, 담당자가 포함된 초안을 만듭니다.
- 사람이 내용을 확인하고 승인합니다.
- 승인된 범위의 요청을 등록하고 처리 결과를 확인합니다.
여기서 승인 버튼이 있다는 사실만으로 안전한 운영이 보장되지는 않습니다. 공식 문서에 따르면 정책 엔진은 잘못된 정책을 차단하지만, 배포 기본 행동 정책은 명시적인 전체 허용값으로 시작할 수 있습니다. 사용자 승인 기능과 조직의 금지 정책도 서로 다른 층입니다. 어떤 행동을 허용하고 금지할지 실제 구성으로 확인하고 시험해야 합니다.

제조 현장에서는 이렇게 시작할 수 있습니다
아래는 OpenBot의 공개 구조를 바탕으로 구성한 가상의 품질 이상 대응 예시입니다. 포인랩의 실제 OpenBot 구축 사례나 OpenBot의 기본 제조 기능을 설명하는 것은 아닙니다.
1. 이상을 발견합니다
기존 검사 모델이 불량 후보를 찾습니다. 에이전트는 승인된 인터페이스를 통해 검사 결과를 받아 특정 품목과 시간대에 변화가 있었는지 정리합니다. 이미지 판정은 기존 검사 모델이 담당하고, 에이전트는 이후 확인 업무를 돕도록 역할을 나눕니다.
2. 서로 떨어진 기록을 함께 확인합니다
생산 이력, 설비 로그, 점검 기록을 조회합니다. 이때 제품·로트·설비 식별자와 시간 기준이 맞아야 합니다. 시간이 비슷하다는 이유만으로 다른 제품의 검사 결과와 설비 기록을 묶으면 그럴듯하지만 잘못된 설명이 나올 수 있습니다.
워크스페이스는 결과를 모아 보여 주는 역할을 할 수 있지만, 데이터의 대응 관계와 품질까지 대신 보장하지는 않습니다. 이 부분은 현장 데이터 설계와 검증의 몫입니다.
3. 담당자가 원인 후보와 점검안을 검토합니다
에이전트는 확인한 사실과 추정을 구분해 정리합니다. 담당자는 ‘분석 결과 채택’ 하나만 누르는 대신, 추가 데이터 조회나 현장 확인을 선택할 수 있어야 합니다. 데이터가 부족할 때 멈추거나 사람에게 넘기는 것도 정상적인 처리입니다.
4. 승인된 후속 업무를 실행합니다
첫 적용 범위는 점검 요청 초안, 인수인계 자료, 승인된 업무 시스템의 요청 등록 정도로 제한할 수 있습니다. 이를 위해서는 시스템별 API나 커넥터, 사용자 권한, 중복 등록 방지와 실패 복구 절차를 별도로 마련해야 합니다.
설비 제어값 변경이나 안전 제어는 별도 검증 체계가 필요한 영역입니다. 일반적인 업무 에이전트의 브라우저 시연만으로 그 준비가 됐다고 판단해서는 안 됩니다.
5. 처리 결과를 남깁니다
누가 어떤 근거를 보고 무엇을 승인했는지, 요청이 실제로 접수됐는지, 현장에서 어떻게 조치했는지를 남깁니다. ‘요청을 보냈다’와 ‘점검이 끝났다’를 구분해야 같은 일을 두 번 시키거나 처리되지 않은 일을 완료로 오해하지 않습니다.
이렇게 범위를 잡으면 성과도 구체적으로 확인할 수 있습니다. 관련 이력을 찾는 시간, 담당자가 내용을 수정한 비율, 잘못된 설비·로트 연결 건수, 중복 요청 건수, 점검 요청까지 걸린 시간을 비교해 볼 수 있습니다. 이는 이 글에서 제안하는 평가 항목이며, OpenBot의 검증된 제조 성과 수치는 아닙니다.
직접 사용해 보려면
처음부터 공장 전체를 연결하기보다, 민감정보를 제거한 샘플 자료로 한 가지 업무를 시험하는 것이 좋습니다. 제품을 체험하는 단계와 팀의 운영 시스템을 구성하는 단계도 나눠 보겠습니다.
먼저 Desktop에서 업무 흐름을 확인합니다
- 공식 저장소의 Getting started (새 탭에서 열림)에서 Mac 또는 Windows용 설치 경로를 확인합니다. Desktop 앱은 프런트엔드와 Docker 기반 백엔드를 함께 구성하는 방식입니다.
- 앱의 안내에 따라 모델 제공자나 지원되는 연결 방식을 선택합니다. 모델 사용 비용과 데이터가 전송되는 서비스를 함께 확인합니다.
- 첫 Bot에 역할과 작업 범위를 지정합니다. 초기 시험에는 연결 앱을 최소화하고, 샘플 파일이나 읽기 전용 자료만 사용합니다.
- 같은 자료로 여러 차례 작업해 결과가 일관적인지, 근거가 없는 추정을 하는지, 자료가 없을 때 멈추는지 확인합니다.
- 결과를 확인한 뒤 필요한 앱을 하나씩 연결합니다. 조회 권한부터 시작하고 변경 권한은 별도로 검토합니다.
첫 요청은 다음처럼 구체적으로 작성할 수 있습니다.
첨부한 샘플 검사 결과와 생산 이력을 로트 ID 기준으로 비교해 주세요. 불량이 증가한 구간과 근거가 되는 행을 제시하고, 기록이 맞지 않거나 빠진 부분은 별도로 표시해 주세요. 원인은 확정하지 말고 확인할 항목을 정리해 주세요. 외부 전송이나 시스템 변경 없이 보고서 초안만 작성해 주세요.
이 요청문은 제품에 내장된 제조 템플릿이 아니라 시험을 위한 예시입니다. 연결한 자료의 형식과 Bot이 가진 도구에 따라 처리 가능 범위는 달라집니다.
기존 에이전트가 있다면 AG-UI로 연결합니다
공식 Bring your own agent 안내 (새 탭에서 열림)에 따라 Bot 생성 화면에서 이름과 지침, 공개 범위를 정하고 AG-UI 엔드포인트를 등록할 수 있습니다. 필요한 경우 인증 헤더를 설정합니다.
연결하기 전에 에이전트가 AG-UI 형식으로 응답하는지, 어떤 사용자의 권한으로 데이터에 접근하는지, 오류와 대기 상태를 화면에서 구분할 수 있는지 확인해야 합니다. 사설 주소의 에이전트에는 별도의 허용 호스트 구성이 필요할 수 있으며, 이것이 브라우저의 사내망 접근 권한까지 부여하는 것은 아닙니다.
MES·ERP·검사 시스템은 주소 하나를 입력한다고 자동으로 연결되지 않습니다. 해당 시스템의 API, 인증, 데이터 형식과 업무 권한에 맞는 도구를 만들어 붙이는 작업이 남습니다.
팀 운영으로 옮길 때는 구성이 달라집니다
OpenBot for Business는 회사 계정 로그인, 조직 차원의 도구 권한, 승인과 감사 기능을 다룹니다. 자체 Kubernetes 환경에 배포하는 경로도 제공하지만, 인증·TLS·비밀정보 관리·저장소·백업·네트워크 정책을 갖춰야 합니다. 로컬 평가용 단일 사용자 설정을 그대로 공유 운영에 사용해서는 안 됩니다. 공식 배포 가이드 (새 탭에서 열림)
사용법을 익힌다는 말도 구분해서 봐야 합니다
OpenBot에는 브라우저에서 작업을 시연해 스킬을 제안받는 ‘Teach a Bot’과 Automatic Learning이 있습니다. 여기서 살펴볼 것은 거대 모델의 가중치를 다시 학습하는 과정이 아니라, 작업 기록을 바탕으로 다음 수행에 활용할 지침을 만드는 방식입니다. 공식 Automatic Learning 문서 (새 탭에서 열림)
제조 현장에서는 특정 담당자의 편법이나 오래된 절차가 그대로 반복되면 문제가 됩니다. 따라서 어떤 기록을 학습 대상으로 삼고, 누가 지침을 검토하며, 어느 Bot에게 공유할지 정해야 합니다.
에디션별 기본값에도 차이가 있습니다. 공식 문서상 팀 에디션에서는 검토와 게시 절차를 거치지만, 개인 에디션에는 새 스킬 자동 승인 옵션이 기본으로 켜져 있습니다. 업무 시험 전 자동 승인과 공유 범위를 확인해야 합니다. ‘사람이 한 번 보여 줬으니 이제 믿고 맡겨도 된다’고 보기보다는, 배운 지침과 실제 실행을 따로 검증하는 편이 맞습니다.
도입 전에 꼭 확인할 세 가지
오픈소스의 범위입니다. OpenBot 애플리케이션 템플릿은 MIT 라이선스입니다. 함께 사용하는 CopilotKit Intelligence는 별도 라이선스가 적용되며, 개인 로컬 실험·Kubernetes 평가·운영 배포의 조건이 다릅니다. ‘전체 기업용 구성이 무료 MIT’라고 이해하면 안 됩니다. 공식 라이선스 안내 (새 탭에서 열림)
데이터가 이동하는 경로입니다. 자체 서버에서 실행해도 외부 모델이나 연결 앱을 사용하면 해당 서비스로 요청이 나갑니다. 로컬 모델을 쓰는 구성 역시 최초 다운로드, 로그인, 라이선스 갱신 등 인터넷이 필요한 절차가 있습니다. 어떤 정보가 어디에 저장되고 전송되는지 실제 구성으로 확인해야 합니다.
업무가 실패했을 때의 처리입니다. 모델의 답변 오류 외에도 데이터 지연, 로그인 만료, API 장애, 중복 실행이 생길 수 있습니다. 실패를 완료로 표시하지 않는지, 재시도해도 업무가 중복되지 않는지, 사람이 이어받을 수 있는지를 확인해야 합니다. 에이전트가 매끄럽게 움직이는 시연과 현장의 안정적인 운영 사이에는 이 검증이 있습니다.
포인랩이 이 흐름을 주목하는 이유
포인랩은 공정·설비·품질 데이터를 연결하고 AI의 판단이 실제 의사결정으로 이어지도록 하는 제조 AI 플랫폼을 지향합니다. AXIN 소개 (새 탭에서 열림)
이 관점에서 OpenBot이 던지는 질문은 익숙합니다. 분석 모델의 성능이 좋아졌을 때, 그 결과를 현장 담당자가 이해하고 다음 업무에 사용할 수 있는가 하는 질문입니다. 데이터와 모델을 연결하는 기술에 더해, 근거를 보여 주는 화면과 역할별 권한, 처리 결과를 남기는 구조가 필요합니다.
OpenBot을 그대로 채택해야 한다는 결론은 아닙니다. 현장의 시스템과 보안 조건에 따라 적절한 구성은 달라집니다. 다만 기존 에이전트를 유지하면서 사람과 도구를 연결하는 방식을 공개된 코드와 구조로 살펴볼 수 있다는 점은 의미가 있습니다.
앞선 글에서 에이전트가 일할 수 있는 환경을 살펴봤다면, 이번에는 그 일이 현장의 업무로 이어지는 과정을 살펴봤습니다. 제조 AI의 확장은 모델을 하나 더 추가하는 순간뿐 아니라, 이미 나온 분석 결과가 담당자의 판단과 다음 조치로 이어지는 순간에도 일어납니다.
이 글은 2026년 11월 12일 확인한 공식 발표와 문서를 기준으로 작성했습니다. 제조 적용 부분은 공개 기술을 바탕으로 제안한 가상 예시이며, 포인랩의 OpenBot 도입·제휴 또는 검증된 성과를 의미하지 않습니다. 기능과 기본값, 라이선스 조건은 사용 시점의 공식 문서를 다시 확인해 주세요.
공식 이미지 출처와 라이선스 고지
CopilotKit OpenBot 라이선스 전문
MIT License
Copyright (c) 2026 CopilotKit
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
Tabler Icons 라이선스 전문
Tabler Icons, https://tabler.io/icons MIT License
Copyright (c) 2020-2026 Paweł Kuna
Permission is hereby granted, free of charge, to any person obtaining a copy of this software and associated documentation files (the "Software"), to deal in the Software without restriction, including without limitation the rights to use, copy, modify, merge, publish, distribute, sublicense, and/or sell copies of the Software, and to permit persons to whom the Software is furnished to do so, subject to the following conditions:
The above copyright notice and this permission notice shall be included in all copies or substantial portions of the Software.
THE SOFTWARE IS PROVIDED "AS IS", WITHOUT WARRANTY OF ANY KIND, EXPRESS OR IMPLIED, INCLUDING BUT NOT LIMITED TO THE WARRANTIES OF MERCHANTABILITY, FITNESS FOR A PARTICULAR PURPOSE AND NONINFRINGEMENT. IN NO EVENT SHALL THE AUTHORS OR COPYRIGHT HOLDERS BE LIABLE FOR ANY CLAIM, DAMAGES OR OTHER LIABILITY, WHETHER IN AN ACTION OF CONTRACT, TORT OR OTHERWISE, ARISING FROM, OUT OF OR IN CONNECTION WITH THE SOFTWARE OR THE USE OR OTHER DEALINGS IN THE SOFTWARE.
우리 산업 현장에도 AI를 적용할 수 있을까요?
어디서 시작할지 고민이라면, 포인랩과 산업 AI 전환의 첫걸음을 함께 찾아보세요.




