Agentic AI - 제조업의 새로운 성장 엔진

해당 아티클은 2025년 9월, 삼성SDS가 대외 고객을 대상으로 진행한 「Real Summit 2025」 세미나 중, 삼성SDS 제조컨설팅그룹 김긍환 그룹장의 ‘Agentic AI - 제조업 혁신의 새로운 성장 엔진’ 세션 내용을 기반으로 작성되었습니다.

AI 기술의 진화 속도는 우리가 상상하는 것 이상으로 빠르게 전개되고 있으며, 특히 글로벌 제조업 환경은 공급망 불안정, 인건비 상승, 기술 변화 등 다양한 도전에 직면해 있습니다. 이러한 환경 속에서 단순히 기존 공정을 자동화하는 수준을 넘어, 스스로 목표를 설정하고 판단하며 실행하는 자율 실행형 AI, 즉 ‘Agentic AI’의 도입이 제조업 혁신의 핵심 동력이 되고 있습니다. ^{[1] [2]} *Agentic AI: 스스로 목표를 설정하고, 목표를 달성하기 위한 전략을 수립하며, 실행 과정의 환경 변화에 자율적으로 대응

[그림 1] Agentic AI(출처: 세션 발료 자료)

Agentic AI 를 설명한 이미지, 정교한 추론과 반복적인 계획을 사용해 사람 개입 없이 스스로 작업을 수행하는 자율 지능형 AI 인 Agentic AI 를 간단한 그림과 텍스트로 설명하고 있다.

Agentic AI는 ‘Agent Team’과 ‘IT Resource’의 연결을 통해 복잡한 비즈니스 목표를 완성합니다. Agent Team은 하나 이상의 AI 에이전트를 하위 모듈로 구성하고, 각각의 역할을 결합하여, 목표를 달성하기 위한 전략을 수립하고 계획합니다. 각 에이전트는 역할에 따라 다양한 IT Resource(응용 시스템, 데이터베이스, 기계, 센서 등)와 연결하여 Agent Team의 계획을 실행합니다. 이러한 상호작용을 통해 Agentic AI는 행동(Act)을 수행하고 결과를 분석하며 학습(Adapt)하는 Agent Loop를 반복합니다.

Agentic AI는 인간의 개입 없이도 복잡한 미션을 수행하며, 제조업의 품질(Quality), 비용(Cost), 납기(Delivery)라는 본원적 경쟁력을 혁신하고 있습니다. 이 글에서는 Agentic AI의 발전 단계와 정의, 그리고 제조업에서의 구체적인 활용 사례 및 성공적인 도입 전략을 함께 살펴보고자 합니다.

AI는 인지 능력, 맥락 이해, 물리적 실체화 축으로 발전 중

AI 기술은 초기 규칙 기반 시스템(Rule-based)에서 출발하여, 데이터를 분석하고 추론하는 인지 능력 단계로 발전해 왔습니다. 최근 AI의 진화는 단순한 명령 수행을 넘어, 자율적인 실행으로 패러다임이 전환되고 있으며, 이는 크게 세 가지 축으로 설명됩니다.

인지 능력(Thinking AI)

대규모 데이터로부터 학습하여 지식과 추론 능력을 향상하며 인지 능력이 강화됩니다. 점점 더 인간의 사고와 행동을 닮아가며 발전하고 있습니다.

Biz. 맥락 이해(Contextual AI)

단순한 입출력을 넘어서 특정 분야 지식에서 다양한 산업의 비즈니스 영역으로 확장, 서로 다른 인공지능 에이전트와 협업으로 주어진 상황(Context)을 종합적으로 이해하도록 발전하고 있습니다.

물리적 실체(Embodied AI)

인지 및 맥락 이해를 바탕으로 일상 생활과 다양한 산업에서 물리적 실체에 탑재되어 실제로 행동하는 AI로 발전하고 있습니다.

AI는 인공지능 보조 도구(AI Tool)를 넘어 인간의 행동을 모방하는 자율적인 주체로 진화하고 있습니다. Agentic AI는 자율성(Autonomy), 능동성(Active), 지속성(Persistent), 협업성(Collaborative) 등의 핵심 속성을 갖추고 있으며, 이는 단순 자동화를 넘어 복잡한 비즈니스 프로세스 전반에 걸친 지능형 운영 체제로 확장될 잠재력을 의미합니다.

글로벌 제조 경쟁력의 돌파 전략으로서 Agentic AI 활용에 주목하다

한국을 비롯한 선진 제조국들은 관세 장벽 및 무역 갈등의 심화 속에서 생산 원가 상승의 난관을 극복하고 신기술 경쟁을 지속해야 하는 상황을 직면하고 있습니다. 제조업의 도전 상황을 해결하기 위한 방향과 더불어 ‘Agentic AI’의 활용 가능성에 주목할 필요가 있겠습니다.

도전 상황: 글로벌 제조 경쟁력 하락

최근 제조업은 높은 원자재 가격, 글로벌 공급망의 불확실성, 인건비 상승 및 인구 구조 변화, ESG 규제 강화 등으로 인해 효율성이 저하되는 복합적인 도전에 직면하고 있습니다. 지정학적 갈등과 원자재 가격의 변동성은 생산 비용의 증가로 이어지고, 생산 기지를 다변화하는 과정에서 물류비용 상승과 추가적인 투자 부담이 발생하는 가운데 수익성을 확보해야 합니다. 환경(Environment), 사회(Social), 지배구조(Governance)와 관련한 세계 각국의 규제 준수 요구에도 대응해 가야 합니다. 이러한 도전 상황은 상호 연관되어 한국 제조업의 글로벌 제조 경쟁력 하락에 영향을 미치고 있습니다. 이러한 환경 변화는 기존의 단순 자동화(Automation)만으로는 극복하기 어렵습니다.

해결 방향: 제품 혁신 및 제조 혁신

제조업의 생존과 성장을 위해서는 단순 자동화를 넘어선 지능화 혁신을 생각해 보아야 합니다. Agentic AI는 이 두 가지 혁신 방향에서 중요한 역할을 할 것으로 생각합니다.

• 제품 혁신(제품·서비스 및 비즈니스모델 차별화): 단순 제품 판매를 넘어, 데이터 분석 기반의 Product-as-a-Service(PaaS) 모델로 제품을 혁신합니다. Agentic AI는 제품의 실시간 상태 데이터를 분석하여 예측 유지보수를 제공하거나, 사용자의 니즈에 맞춰 자동으로 제품 기능을 업데이트하는 등 서비스와 비즈니스 모델을 차별화할 수 있습니다.
• 제조 혁신(Quality·Cost·Delivery 제조 본원 경쟁력 강화): 제조업의 기본 경쟁력인 QCD(품질, 비용, 납기)를 강화하는 데 집중합니다. Agentic AI는 생산 과정을 실시간으로 모니터링하고 자율적인 의사결정을 수행하여, 공장 전체의 운영 효율성을 높이는 역할을 할 수 있습니다.

[그림 2] 제조업의 Agentic AI 활용(출처: 세션 발료 자료)

도전상황 - 글로벌 제조 경쟁력 하락, 생산연령인구 감소, AI 기술경쟁 심화 / 해결방향 - 제품 혁신(제품·서비스 및 비즈니스모델 차별화), 제조 혁신(Quality·Cost·Delivery) 제조 본원 경쟁력 강화 / Agentic AI 활용 - GALAXY+Gemini AI, TESLA+Grok AI

제조업의 Agentic AI 활용 사례

Agentic AI는 제조업의 다양한 밸류체인에 적용되어 구체적인 성과를 창출하고 있습니다. ^{[3] [4]}

특허·논문 동향 분석 Agent

R&D 및 제품 개발 초기 단계에서 Agentic AI는 방대한 규모의 외부 지식과 데이터를 분석하여 혁신을 가속화합니다. Agent는 내부 DB와 외부 특허 DB를 탐색하고, 최신 기술 트렌드, 경쟁사 특허 분석, 신소재 동향 등을 파악하여 사용자 감독하에 개발 기획-상품 기획-설계 검증-제품 검증 등 전체 R&D 업무 프로세스 수행을 지원합니다. Agentic AI는 R&D 기획 단계의 선행 연구(Pre-discovery) 시간을 단축할 수 있으며, 연구자가 필요한 핵심 정보를 신속하게 추출하고 보고서 초안을 자동으로 작성하는 데 도움을 줍니다.

제조 공정 모니터링 및 불량 분석 Agent

제조 현장의 실시간 데이터를 기반으로 품질 관리 및 설비 유지보수 과정을 자율적으로 수행합니다. 예측 유지보수(Predictive Maintenance) 활동을 위한 Agent는 설비의 온도, 진동, 전류 등 센서 데이터를 실시간으로 분석하여 고장 징후나 이상 상태를 감지하고, 고장 발생 이전에 필요한 예방 조치(예: 부품 자동 주문)를 계획하고 실행합니다. 단순 알림을 넘어, 다음 행동을 결정하고 실행한다는 점에서 기존 시스템과 차별화됩니다. 품질 검사 및 불량 분석 활동을 담당하는 Agent는 카메라 이미지와 비전 AI를 활용하여 생산품의 미세한 불량을 실시간으로 검사합니다. 불량 발생 시 원인을 파악하고, 공정 파라미터를 조정하거나 재작업을 지시하는 등 즉각적인 조치를 취함으로써 불량률을 줄일 수 있습니다.

소통·협업 자동화 Agent

소통·협업을 지원하는 Agent는 부서 간, 시스템 간 복잡한 상호작용을 자동화하고, 문제 발생 시 신속하게 대응하여 업무 효율성을 높입니다. 프로세스 자동화 영역에서 재무, 물류, 인사 등 백오피스 업무 요청 및 승인 과정을 자동화하며, 여러 시스템(MES, ERP 등)과의 연동을 통해 필요한 정보를 수집하고 의사결정합니다. 메일, 일정 관리, 컨플루언스 등 다양한 협업 도구를 MCP Server로 등록하여 실시간 상황 대응 및 협업을 지원합니다. 제조 공정에 이상이 감지되면, Agent는 관련 부서(생산, 품질, 설비 담당)에 자동으로 알림을 보내고, 문제 해결을 위한 조치 계획을 제안하며, 심지어 필요한 조치를 실행하도록 지원합니다. 이는 채팅 인터페이스를 통해 자동화된 운영 환경을 구현하는 ChatOps 형태로도 발전하고 있습니다. *MCP(Model Context Protocol): AI의 외부 지식 확장을 위해 Anthropic에서 제안한 개방형 표준 프로토콜

AI 성공적 도입 방안

Agentic AI의 성공적인 도입은 단순한 기술 구현을 넘어, 조직의 준비 상태와 체계적인 단계별 전략이 필요합니다. AI 도입 프로젝트의 대다수가 실패로 끝나는 만큼, 다음과 같은 성공 요인을 고려해야 합니다. ^{[5] [6]}

준비 단계: Use Case 및 시나리오 상세 설계

AI 도입의 첫 단추는 'AI가 어떤 비즈니스 문제를 해결해야 하는가'에 대한 명확한 정의에서 시작됩니다.

• Use Case 및 시나리오 명확화: 해결하고자 하는 문제(예: 재고 수준 최적화, 불량 감소)를 정의하고, ROI(투자수익률) 분석과 위험 분석을 통해 유효성을 검증해야 합니다.
• PoC를 넘어 PoV로: 단순한 기술 구현 가능성(PoC, Proof of Concept)을 확인하는 것을 넘어, 비즈니스 성과와 가치 창출을 입증하는 가치 증명(PoV, Proof of Value) 중심의 프로젝트 접근이 필수적입니다.
• 시나리오 중심 설계: Agentic AI는 여러 에이전트와 시스템이 상호작용하는 Agent Collaboration을 기반으로 작동하므로, 목표 달성을 위한 단계별 시나리오를 상세하게 설계해야 합니다.

구현 단계: 디지털 전환(DX)과 AI 전환(AX)을 연계한 고품질 데이터 확보

Agentic AI의 핵심인 맥락 이해 및 자율적 행동 능력은 고품질 데이터의 확보 없이는 불가능합니다.

• 고품질 데이터 확보: Agentic AI가 엔터프라이즈 환경에서 제대로 작동하려면, MES, ERP, PLM 등 사일로화된 시스템의 데이터를 표준화하고 통합하는 DX(Digital Transformation)가 선행되어야 합니다.
• AI 인프라 구축: AI가 실시간으로 의사결정을 내릴 수 있도록 데이터 레이크(Data Lake), 엣지 AI(Edge AI), API 게이트웨이 등의 인프라를 구축해야 합니다.
• 투명성 및 통제: 초기 구현 단계에서는 AI의 의사결정 과정을 추적하고 검증하기 위해 설명 가능한 AI(Explainable AI) 및 Human-in-the-loop(HITL) 방식, 즉 인간 감독 절차를 마련해야 합니다.

확산 단계: 과감한 확산 및 변화 관리

Agentic AI는 조직 문화와 업무 방식을 근본적으로 변화시키므로, 기술 확산과 동시에 체계적인 변화 관리와 거버넌스 체계를 구축해야 합니다. 전 직원이 자신의 업무에 댜양한 Use Case를 가급적 많이 도출하고 적용해 볼 수 있도록 과감한 확산을 시도해 보야야 합니다.

• 변화 관리(Change Management): 직원들이 AI를 '대체재'가 아닌 '협력자'로 인식하도록 문화적 인식을 전환해야 합니다. AI가 반복적인 업무를 처리함에 따라, 직원들의 직무를 재설계(Job Redesign)하여 창의적이고 전략적인 업무에 집중하도록 유도해야 합니다.
• AI 거버넌스 체계: AI의 오작동, 편향, 목표 이탈(Objective drift) 등 위험을 관리하기 위해 강력한 거버넌스 체계가 필수적입니다. 의사결정 이력 기록, 서킷 브레이커, 지속적인 모니터링을 통해 AI의 신뢰성, 안전성, 컴플라이언스를 보장해야 합니다.
• 반복적 확장: 소규모 파일럿(Pilot)에서 확인된 가치(PoV)를 바탕으로, 전사적 Agentic AI 플랫폼 구축으로 과감하게 확장해야 합니다.

맺음말

Agentic AI는 더 이상 먼 미래의 기술이 아닙니다. 이미 글로벌 제조업 현장에서 비용 절감, 품질 향상, 납기 개선 등 구체적인 성과를 내며 새로운 성장 엔진으로 자리 잡고 있습니다. Agentic AI의 성공적인 도입은 명확한 비즈니스 목표 설정, 고품질 데이터 기반의 구현, 그리고 조직의 변화 관리라는 세 가지 핵심 성공 요인을 균형 있게 갖추는 데 달려 있습니다. 삼성SDS는 다양한 제조업 고객 사례와 자체적인 실증 경험을 통해 축적한 노하우를 바탕으로 실질적인 해법과 인사이트를 제공할 수 있습니다.

References

• IBM. "What is agentic AI?", https://www.ibm.com/think/topics/agentic-ai
• 삼성SDS. "Agentic AI란 무엇인가?", https://www.samsungsds.com/kr/insights/agentic-ai-the-autonomous-era-of-artificial-intelligence.html
• Mckinsey(2025.9.8.). "Empowering advanced industries with agentic AI”
• The Manufacturer(2025.4.3.). "Agentic AI: the next level of artificial intelligence capability”
• 삼성SDS. "성공적인 에이전틱 AI 구축을 위한 핵심 전략과 고려 사항", https://www.samsungsds.com/kr/insights/how-to-build-agentic-ai.html
• ZDNet Korea(2025.3.7.). "AI 투자 26%만 성공…성패 가른 두 가지 요인”