AI가 공장을 운영하다

삼성전자, 2030년까지 AI 자율공장 전환 추진 기사를 읽고

지난 삼일절, 삼성전자가 2030년까지 국내외 모든 생산 공장을 이른바 'AI 자율 공장', 즉 AI Driven Factory(이하 ADF)로 전환하겠다는 것이다. 이 소식을 접했을 때는 또 다른 스마트 공장 이야기인가 싶었다. 공장을 더 자동화하고 디지털화하겠다는 이야기는 사실 몇 년째 반복되어 온 주제여서 설비에 센서를 달고, 데이터를 모으고, 클라우드에 연결하는 이야기는 이제 새삼스럽지도 않았다.

그러나, 단순히 설비를 더 정교하게 자동화하겠다는 이야기가 아닌 스마트폰 안에서 작동하는 'Agentic AI'를 제조 현장에 그대로 이식하겠다는 것이었다. 여기서 Agentic AI란, 목표가 주어지면 스스로 계획을 세우고 실행하는 AI를 말한다. 우리가 스마트폰 AI 비서한테 "이번 주말여행 코스 짜줘"라고 하면 알아서 검색하고, 예약하고, 경로까지 잡아주는 것과 비슷한 방식이다. 그 AI가 이제는 공장에서 "오늘 하루 스마트폰 몇 대를 어떤 순서로 만들어야 가장 효율적인가"를 스스로 판단하고 실행까지 한다는 것이다. 단순히 '자동으로 움직이는 공장'을 넘어 '스스로 생각하고 결정하는 공장'을 만들겠다는 선언이다.

이 글에서는 삼성전자가 제시한 ADF의 개념과 구조를 살펴보고, 비슷해 보이지만 각자 다른 역할을 하는 세 가지 미래 공장 모델인 ADF, Software Defined Factory(이하 SDF), Dark Factory(이하 DF)가 서로 어떤 관계를 맺고 있는지 풀어보려 한다.

ADF란 무엇인가
ADF를 한 문장으로 정의하자면, 'AI가 공장의 두뇌 역할을 하여 생산, 품질, 물류, 안전을 스스로 계획하고 실행하며 최적화하는 공장'이다. 이 정의에서 가장 중요한 것은 '자동화'와 '자율화'의 차이다. 자동화는 사람이 미리 프로그래밍한 명령을 자동으로 수행하는 것이다. 반면 자율화는 상황을 스스로 판단하고 알아서 행동하는 것이다. 기존 스마트 공장이 자동화를 목표로 했다면, ADF는 자율화를 지향한다. 사람이 '이렇게 하라'라고 명령하는 것이 아니라, AI가 '이렇게 해야겠다'고 스스로 결정하는 것이다.

이것이 왜 중요한가. 자동화된 공장은 예상 범위 안의 상황에는 잘 작동하지만, 예상치 못한 변수가 생기면 사람이 개입해야 한다. 갑작스러운 부품 공급 차질, 예기치 않은 설비 이상, 긴급 주문 변경. 이런 일들은 현장에서 매일 일어나고, 그때마다 경험 많은 사람의 판단이 필요했다. 전통적인 공장에서 사람은 언제나 '마지막 판단자'였다. ADF는 바로 이 자리를 AI가 메우려는 시도다. 물론 처음부터 완전한 자율화가 이루어지는 것은 아니다. AI가 내린 판단을 사람이 감시하고 이상 시 개입하는 방식, 이른바 'Human-on-the-loop' 구조에서 시작해 점진적으로 자율화 수준을 높여가는 것이 현실적인 접근이다.

제품 수명 주기가 짧고, 부품 수가 수백에서 수천 가지에 달하며, 소비자가 직접 사용하는 제품을 생산하는 공장은 품질 기준이 극도로 엄격하다. 게다가 해외 여러 공장을 동일한 품질과 효율로 운영해야 한다. 이런 환경에서 ADF는 단순한 공장 업그레이드가 아니라, 공장 운영 패러다임 자체를 바꾸는 것이다. AI가 글로벌 공장을 하나의 통합된 두뇌로 연결하고, 수요 변화나 공급망 이슈, 품질 이상 신호에 실시간으로 반응하는 제조 생태계. 그것이 ADF가 궁극적으로 지향하는 모습이다.

ADF를 구성하는 네 가지 핵심 요소
ADF는 하드웨어, 소프트웨어, AI, 로봇이 유기적으로 결합된 복합 시스템이다. 크게 네 가지 핵심 요소로 나눠본다.

첫 번째는 Agentic AI, 이른바 공장의 두뇌다. 목표가 주어지면 스스로 계획을 세우고, 상황 변화에 따라 조정하며, 결과를 평가해 다음 행동을 결정하는 AI다. 이것을 하나의 만능 AI가 아닌 여러 개의 전문 AI 에이전트로 나눠 운영한다는 것이 핵심이다. 생산 계획을 최적화하는 생산 에이전트, 설비 성능 저하를 미리 감지하는 설비 에이전트, 비전 AI로 제품 불량을 잡아내는 품질 에이전트, 자재 입고부터 출하까지 물류 흐름을 관리하는 물류 에이전트, 설비 고장을 사전에 예측하는 유지보수 에이전트, 불량 원인을 추적하고 재발을 방지하는 수리 에이전트, 그리고 작업자의 위험 행동을 실시간으로 감지하는 안전 에이전트까지. 이 전문가 AI들이 서로 데이터를 주고받으며 협력하여 공장 전체를 운영한다.

두 번째는 Digital Twin, 공장의 가상 복제본이다. 물리적인 공장을 가상공간에 그대로 복사해 두는 기술이다. 현실의 공장에서 온도가 오르고, 설비가 진동하고, 제품이 라인을 따라 이동하는 모든 것이 가상공간에서도 동시에 재현된다. 실제 생산 라인을 바꾸기 전에 먼저 가상에서 시뮬레이션해 보고, 문제가 없으면 현실에 적용한다. 신제품을 투입하기 전에 공정 흐름을 미리 검증하고, 설비 배치를 최적화하며, 물류 병목을 예방하는 데 활용된다. 가상공간에서 먼저 실패하고 배울 수 있다는 것, 그 학습을 현실의 비용 없이 반복할 수 있다는 것이 디지털 트윈의 핵심 가치다.

세 번째는 제조 데이터 플랫폼, 공장의 혈맥이다. 수백에서 수천 대의 설비와 센서, 생산관리 시스템에서 쏟아지는 데이터를 하나의 플랫폼에 통합하는 인프라다. 이것이 없으면 AI 에이전트는 판단할 재료가 없고, 디지털 트윈도 현실과 동기화되지 않는다. 서로 다른 제조사의 장비들이 공통의 언어로 데이터를 주고받을 수 있게 해주는 산업용 표준 통신 규격이 이 플랫폼의 근간이다.

네 번째는 제조 로봇, 공장의 손발이다. AI가 아무리 좋은 결정을 내려도 실제로 움직이는 것은 로봇이다. 생산 라인과 설비를 운영하는 오퍼레이팅 봇, 자재를 공정 사이에서 나르는 물류 봇, 정밀 조립을 담당하는 조립 봇, 위험 환경을 감시하는 환경안전 봇으로 구분된다. 여기에 더해 기사에서는 인간형 로봇, 즉 휴머노이드도 단계적으로 제조 현장에 투입해 복잡하고 위험한 작업을 대체할 계획으로 되어 있다.

공장 안을 흐르는 일곱 개의 층
ADF의 기술 구조를 좀 더 구체적으로 살펴보면, 물리 공장에서 AI 자율 제어까지 일곱 개의 층으로 나눠볼 수 있다. 마치 건물의 층처럼, 아래층에서 만들어진 데이터가 위로 올라가며 AI의 판단 재료가 되고, 위에서 내려진 결정은 다시 아래층의 설비를 움직인다.

가장 아래인 1층은 공장 바닥 그 자체다. 생산 설비, 온도 및 진동 센서, 로봇, 자율 이동 운반 로봇 등이 데이터를 만들어내고 물리적 작업을 실행한다. 2층은 현장에 가까운 서버에서 밀리초 단위의 초고속 연산을 처리하는 엣지 컴퓨팅 계층이다. 카메라로 제품 표면을 실시간 검사하는 비전 AI가 여기서 작동한다. 3층은 모든 데이터를 통합하고 관리하는 제조 데이터 플랫폼이다. 4층은 물리 공장을 가상으로 복제하고 시뮬레이션하는 디지털 트윈 계층이다. 5층은 딥러닝과 Agentic AI가 예측, 최적화, 의사결정을 담당하는 AI 지능화 계층이다. 6층은 AI의 판단을 실제 설비에 전달하고 공정 변수를 실시간으로 보정하는 자율 제어 계층이다. 가장 위인 7층은 기업 자원관리 시스템(ERP)이나 공급망 관리 시스템(SCM)과 연결되어 경영 의사결정을 지원하는 비즈니스 전략 계층이다.

이 일곱 층이 끊임없이 데이터와 명령을 주고받으며 순환할 때 비로소 ADF는 제대로 작동한다. 1층과 2층에서 생성된 현장 데이터는 위로 올라가 AI의 학습과 판단 재료가 되고, 6층과 7층의 AI 결정은 아래로 흘러 물리 설비를 제어한다. 이 순환이 단 한 번이라도 끊기면 AI의 두뇌는 현실과 괴리되고, 공장은 다시 사람의 직관과 판단에 의존해야 한다.

ADF는 현장에서 무엇을 바꾸는가
스마트폰 공장을 생각해 보자. 연간 수억 대를 생산하고, 수백 개의 부품이 들어가며, 수십 가지 모델이 같은 라인에서 돌아간다. 신모델이 양산에 들어가기 전, 디지털 트윈에서 공정 시뮬레이션을 먼저 완료해 실제 라인 전환 시간을 대폭 줄인다. 특정 부품 공급이 지연된다는 신호가 감지되면 AI 공급망 에이전트가 자동으로 대체 부품과 공급선을 찾고 생산 스케줄을 재조정한다.

TV 공장에서는 대형 패널 취급과 다양한 크기의 혼합 생산이 필요하다. 마이크로 LED 패널의 화소 불량을 비전 AI가 실시간으로 잡아내고, 불량 패턴을 분석해 공정 설정값을 자동으로 보정한다. 다양한 인치의 TV가 같은 라인에서 생산하도록 설비 간격과 로봇 동선을 자동으로 재설정한다.

세 개의 미래 공장, 각자의 자리
몇 년 전부터 미래 공장 이야기가 나올 때마다 자주 등장하던 개념이 두 가지 있다. SDF(Software Defined Factory)와 DF(Dark Factory)다. 이 둘과 ADF는 서로 경쟁하는 개념이 아니다. 각각 공장의 서로 다른 측면, 즉 구조, 지능, 운영 상태를 나타내는 개념으로 이해하면 훨씬 명확해진다.

SDF는 공장의 구조에 관한 개념이다. "공장을 얼마나 빠르게 바꿀 수 있는가?"라는 질문에 답한다. 소프트웨어 명령만으로 생산 라인을 재구성할 수 있는 유연한 공장이다. 예를 들어, 스마트폰 조립 라인을 내일부터 태블릿 라인으로 바꿔야 한다고 해보자. 기존 공장이라면 설비를 분해하고 재조립하는 데 며칠이 걸렸을 것이다. SDF에서는 소프트웨어 설정을 바꾸고 로봇의 이동 경로를 재프로그래밍하는 것만으로 전환이 완료된다. 모듈화 된 설비가 소프트웨어 지시에 따라 유기적으로 재배치되는 것이다. 다품종 소량 생산과 잦은 라인 전환이 필요한 시대에 최적화된 개념이다.

ADF는 공장의 지능에 관한 개념이다. "AI가 얼마나 잘 판단하는가?"라는 질문에 답한다. 공장의 일상적인 의사결정을 AI 에이전트가 담당한다. 오늘 스마트폰 라인에 어떤 공정 설정값을 적용할지, 어느 설비가 세 시간 후 고장 날 가능성이 높은지, 내일 TV 라인을 어떻게 재배치하는 것이 최적인지. 이런 수많은 판단을 AI가 내린다. 사람은 AI의 결정 결과를 감시하고 이상 시 개입하지만, 일상적인 운영 판단은 AI가 담당한다. 지금까지 숙련된 관리자의 머릿속에만 존재했던 '최적화된 판단'이 AI 시스템에 축적되고 학습되어 누구나 꺼내 쓸 수 있는 자산이 되는 것이다.

DF는 공장의 운영 상태에 관한 개념이다. "사람 없이 얼마나 오래 돌아가는가?"라는 질문에 답한다. 조명을 켤 필요조차 없이 24시간 무인으로 운영되는 공장, 그래서 '어두운 공장'이라는 이름이 붙었다. 고온, 고소음, 위험물을 다루는 공정이 DF화의 우선 대상이 될 것이다. DF는 SDF의 유연한 구조와 ADF의 AI 판단력이 완벽하게 결합되었을 때 비로소 완성되는 결과물이다.

이 세 개념의 관계를 한 줄로 정리하면 이렇다. SDF가 공장이 유연하게 변할 수 있는 '몸'을 만들고, ADF가 그 몸을 최적으로 움직이는 '뇌'를 제공하면, 사람의 상시 개입이 필요 없는 DF가 완성된다. 기본 자동화에서 출발해, 소프트웨어로 공장 구조를 정의하는 SDF 단계를 거치고, AI 에이전트가 운영을 맡는 ADF 단계를 지나면, 마침내 완전 자율 운영의 DF에 도달하는 것이다.

공장의 미래, AI가 스스로 만든다
이번 삼성전자의 ADF 선언은 단순한 공장 업그레이드 계획이 아닌 스마트폰에서 시작된 Agentic AI를 제조 현장 전체로 확장하는 생태계 전략으로 보인다.

SDF, ADF, DF. 이 세 개념은 서로 다른 방향을 가리키는 것이 아니라, 미래 공장으로 나아가는 하나의 여정 위에 놓인 이정표들이다. 공장을 소프트웨어로 유연하게 정의하고(SDF), AI로 지능적으로 운영하며(ADF), 마침내 사람의 상시 개입 없이도 돌아가는 공장을 완성한다(DF). 구조와 지능이 더해져 결과가 만들어지는 것이다.

공장은 오랫동안 사람의 손과 눈과 판단으로 돌아가는 곳이었다. 불량품을 가려내는 것도, 설비가 이상하다는 것을 감지하는 것도, 오늘 어떤 제품을 얼마나 만들어야 할지 결정하는 것도 결국 사람의 몫이었다. ADF는 그 역할을 AI와 로봇이 나눠 맡는 시대로의 전환이다. 사람은 점차 '공장 안에서 직접 일하는 사람'에서 'AI가 운영하는 공장을 설계하고 감독하는 사람'으로 변해갈 것이다.

2030년, AI 에이전트가 오늘의 생산 계획을 세우고, 디지털 트윈이 내일의 라인 배치를 미리 시뮬레이션하며, 로봇이 새벽에도 멈추지 않고 제품을 만드는 공장. 그 미래가 현실이 되기를 기대한다.