지난 아티클에서는 대부분의 AI 도입 프로젝트가 PoC에서 멈추는 이유를 살펴봤습니다. 그 원인을 Enhans는 고객사 현장에서 직접 찾아 문제를 진단하고 해결하고 있습니다.
이번 아티클은 더 자세한 현장의 이야기를 다룹니다. FDE(Forward Deployed Engineer, 전방 배치 엔지니어)가 처음 고객사의 요청을 받았을 때 실제로 가장 먼저 하는 일이 무엇인지, 프로젝트 초기에 반드시 정의해야 하는 것이 무엇인지, 그리고 실행 가능한 AI는 어떻게 구현되는지.
지난 6월 24일 진행되었던 웨비나에서 Enhans FDE 3인이 현장에서 직접 다룬 내용을 바탕으로 그 과정을 보여드립니다. Enhans FDE가 고객 현장에서 일하는 방식을 한 문장으로 요약하면 다음과 같습니다. Define First, Build Later.
문제 정의를 통해 실제 병목이 발생하는 부분을 진단합니다
어느 한 기업이 Enhans에 요청했습니다. "생산 스케줄을 자동으로 짜주는 AI를 만들어 주세요."
명확한 요청처럼 보입니다. 생산 계획 데이터가 있고, 라인 현황도 있고, 자재 정보도 있습니다. 하지만 Enhans FDE는 바로 기술 개발에 들어가지 않습니다. 먼저 고객 현장에 들어가 업무 흐름을 보고, 실무 담당자와 인터뷰하며, 실제 병목이 어디에서 반복되는지 확인합니다.
인터뷰를 통해 문제는 더 선명해집니다. 겉으로는 생산 스케줄링 자동화가 필요해 보였지만, 실제 병목은 자재 지연이 발생할 때마다 이미 짜놓은 스케줄이 계속 틀어지는 데 있었습니다. 이 경우 자동 스케줄러를 먼저 만드는 것보다, 자재 지연 위험을 미리 감지하고 담당자에게 시그널을 주는 것이 더 큰 임팩트를 만들 수 있습니다.
요청을 받는 것과 문제를 정의하는 것은 다릅니다. FDE는 고객과 함께 진짜 풀어야 할 문제를 먼저 정의합니다. 요구사항을 받아 구현하는 역할보다 한 단계 앞에서 일하는 사람입니다.
AI 도입 프로젝트 초기에 반드시 정의해야 하는 것
문제가 구체화되면, 그 다음은 프로젝트의 기준을 합의하는 일입니다. Enhans FDE는 초기에 다음의 여섯 가지를 명확히 정리합니다. 해결할 문제, 성공 기준(KPI), 측정 방식, 결과물 형태, 자동화 범위, 제외 영역입니다.
이 합의가 중요한 이유는 AI 프로젝트의 성공이 "잘 동작한다"는 모호한 내용만으로 평가될 수 없기 때문입니다. 어떤 업무에서, 어떤 기준으로, 어느 수준까지 자동화되면 성공인지가 정해져야 합니다. 동시에 사람이 반드시 판단해야 하는 지점과 이번 과제에서 하지 않을 일도 분명해야 합니다.
무엇을 할지뿐 아니라 무엇을 하지 않을지까지 정해야 프로젝트 범위가 흔들리지 않습니다. 이것이 바로 운영 가능한 AI 프로젝트의 출발점입니다.
정의된 문제 위에 온톨로지 레이어를 구축합니다
문제가 정의되고 기준이 합의되면, 본격적인 구축이 시작됩니다. Enhans의 AgentOS 프로젝트는 네 단계로 진행됩니다. 앞에서 다룬 문제 정의와 도메인 해석을 거친 뒤, 구축의 핵심은 여기서부터입니다. 인터뷰에서 파악한 업무 흐름과 실제 데이터, 현장의 암묵지를 모두 끌어내 온톨로지 레이어로 구성합니다.
순서는 다음과 같습니다. 먼저 흩어진 시스템의 데이터를 한곳으로 연결합니다. 그다음 제각각인 형식·단위·용어를 정규화합니다. 같은 거래처를 시스템마다 다르게 부르는 경우처럼, 동일한 의미의 데이터가 다른 이름으로 흩어져 있는 것들을 통일된 형태로 정리합니다. 마지막으로 그 데이터에 업무적 의미와 관계를 입히는 것, 이것이 온톨로지입니다.
온톨로지를 구성하는 요소는 네 가지입니다. 자재·거래처·생산 라인처럼 판단의 대상이 되는 업무 객체(Object), 예상 도착일·지연 이력 같은 속성(Property), 자재와 라인·거래처 사이의 의미적 연결(Link), 그리고 "특정 계절에는 이 거래처가 평균 이틀 늦는다"처럼 현장의 암묵지와 예외 규칙(Knowledge)입니다.
이 구조가 갖춰질 때 AI는 비슷한 문서를 검색하는 수준을 넘어, 실제 업무 상황에서 무엇을 봐야 하고 어떤 위험을 알려야 하는지 판단할 수 있게 됩니다.
AI Agent는 온톨로지 위에서 실행됩니다
온톨로지 레이어 위에서 실제 업무를 수행하는 AI Agent를 만듭니다. 에이전트가 판단한 결과를 담당자가 확인하고 결정할 수 있는 대시보드와 뷰도 함께 구성합니다. AI가 실행하고, 사람이 최종 판단합니다.
구축 후에는 실제 업무 데이터로 정확도와 효용성을 검증합니다. 운영하면서 에이전트의 판단이 맞는지 확인하고, 개선이 필요하면 온톨로지와 에이전트를 함께 수정합니다. 이 검증 과정을 거친 뒤 반복 작업을 자동화하고, 실제 업무 프로세스로 도입하는 운영 전환까지 이어집니다.
실행하는 엔터프라이즈 AI, FDE가 결정적인 이유
앞선 기업의 사례로 다시 돌아가 보겠습니다. 자재 지연 문제가 정확히 정의되고, 관련 데이터와 지식이 온톨로지로 구성되면 에이전트가 하는 일도 달라집니다. 매일 아침 에이전트는 입고 예정 물품과 지연 이력을 확인하고, 특정 생산 라인에 자재 지연 위험이 높다면 담당자에게 먼저 알립니다. 담당자는 대시보드에서 근거를 확인하고, 추가 조치를 취할지 계속 모니터링할지 최종 판단합니다.
AI가 사람을 대체하는 구조가 아닙니다. 사람이 더 빠르고 정확하게 판단할 수 있도록, 적절한 시점에 필요한 정보와 실행 단서를 제공하는 구조입니다.
Enhans FDE가 만드는 AI Agent는 데모에서 끝나지 않습니다. FDE가 구축한 기업의 지식 자산을 바탕으로 실제 업무 안에서 검증되고, 운영으로 전환됩니다. Define First, Build Later. 이것이 바로 Enhans가 AI를 실제 엔터프라이즈 환경에 안착시키기 위한 방법입니다.
in solving your problems with Enhans!
We'll contact you shortly!