[PoC 사례] 롯데웰푸드 DARVIS - AI(온톨로지) 기반 운영 지표 분석

제조업이 AI 도입을 검토할 때 가장 자주 부딪히는 어려움은 무엇일까요?

복잡한 기술 이해, 의사결정의 과정 등이 아닙니다. ‘어디서부터 시작해야 할지’에 대한 답이 잘 떠오르지 않는다는 점입니다. 

한 번에 큰 솔루션을 도입하면 위험 부담이 크고 도입 효과를 체감하기까지 오래 걸립니다. 그렇다고 너무 작게 시작하면 의미 있는 결과가 나오지 않습니다. AI가 우리 회사 업무에 어떻게 작동할지, 도입 후에 사람과 어떻게 분담할지 미리 가늠하기도 쉽지 않습니다.

롯데웰푸드는 이 고민에 분명한 접근 방식을 갖고 있었습니다.

롯데웰푸드는 막연한 기술 이야기가 아니라 실제로 풀 만한 운영 과제를 정해두고 디피니트와 DARVIS PoC를 시작했습니다. 초기 미팅에서 범위와 기준을 정리하고 이후 업무 시나리오를 기반으로 검증했습니다.

이번 PoC는 데이터를 보여주는 단계 이후 원인 추적과 다음 행동 제안까지 시스템이 어디까지 다룰 수 있는지를 검증하는 것이 주제였습니다.

이 주제가 중요한 이유가 있습니다. BI 도구를 도입한 조직에는 비슷한 패턴이 있습니다. 데이터는 화면에 잘 정리되지만 그 다음 단계의 판단은 여전히 사람의 일이라는 점입니다. 이상치를 발견하는 단계까지는 시스템이 처리하지만 그 원인을 추적하고 다음 행동을 정하는 일은 여전히 사람이 하고 있습니다.

데이터를 보는 일과 의사결정 사이는 생각보다 멉니다. 화면에 표시된 숫자에서 의사결정까지 도달하려면 여러 부서가 자료를 모으고 여러 자료를 맞춰봐야 합니다. 운영 데이터가 제법 잘 정리된 조직에서도 이 간극은 줄어들지 않습니다.

PoC의 시작, 기술보다 중요한 의사결정 안전성

디피니트와 롯데웰푸드의 첫 만남은 CES 2026 라스베이거스 부스에서 시작됐고 두 차례 미팅을 거쳐 PoC로 이어졌습니다. 이번 PoC의 시작 단계에서 가장 자주 다뤄진 것은 기술 사양보다 의사결정 안전성이었습니다.

큰 조직에서의 AI 도입은 단순한 기술 검토에 그치지 않습니다. 자동화된 시스템이 잘못된 답을 내놓으면 그 결과에 기반한 의사결정 자체가 위험해집니다. PoC 결과가 조직 안에서 어떤 근거로 다음 단계까지 이어질 수 있는지, 본격 도입을 결정할 때 의사결정자가 어떤 자료를 제시할 수 있는지가 함께 합의되어야 했습니다. 그래서 디피니트는 첫 미팅부터 기술 데모를 앞세우지 않고 세 가지 메시지를 먼저 강조했습니다.

• 할루시네이션을 구조적으로 막는다: 생성형 AI의 가장 큰 우려를 모델 능력이 아니라 시스템 구조로 통제합니다. 답변 가능한 범위와 근거 데이터를 미리 정의해두기 때문에 AI가 자유롭게 추측하는 영역 자체가 제한됩니다.

• 시나리오를 최소화한다: 한 번에 너무 많은 것을 시도하지 않고 검증 가능한 범위에서 시작합니다. PoC 범위가 통제할 수 없을 정도로 커지는 것을 막기 위한 약속입니다.

• PoC 성공 기준을 함께 정한다: 디피니트가 일방적으로 선언하지 않고 시작 단계에서 무엇을 성공으로 볼지 합의합니다. 끝났을 때 평가가 모호해지지 않도록 시작 단계에서 기준을 정해두는 방식입니다.

2차 미팅에서는 온톨로지(현장의 판단 기준과 데이터 관계를 구조화한 지식 체계)를 중심으로 DARVIS의 구조를 설명했습니다. 단순한 AI가 아니라 구조를 갖춘 시스템이라는 점이 잘 받아들여졌고 이 인식 위에서 PoC가 진행됐습니다.

다음 행동을 어디까지 제안할 것인가

재고 관리 시나리오는 익숙한 기능 구성에서 출발합니다. 재고 상태를 자동으로 분류하고 채널별 납품 가능성을 판정하고 품목 상세를 차트로 보여주는 기능들입니다. 이 정도까지는 BI 도구로도 구현 가능합니다. 데이터를 보여주는 단계까지는 이제 어느 솔루션이나 합니다.

차이는 그 다음 단계에서 나타납니다. 재고 화면을 만드는 이유는 결국 다음 행동을 결정하기 위해서입니다. 재고 상태를 확인하고 나면 다음 행동을 결정해야 하는데 이 판단은 늘 시스템 밖에서 이뤄지는 일이었습니다.

DARVIS는 이 판단을 시스템 안으로 들여왔습니다. 상황에 따라 권장 액션을 제안하고 일정 기준을 넘으면 자동으로 알림을 보냅니다. 대시보드는 사람이 화면을 열어야 정보가 전달됩니다.

DARVIS는 사람이 화면을 열기 전에 알림을 먼저 보내고 다음 행동을 미리 제안해둡니다. 화면이 데이터를 보여주는 단계에서 멈추지 않고 행동을 제안하는 단계까지 이어진다는 것이 첫 번째 차이입니다.

원인을 어디까지 추적할 것인가

손익 변동은 항상 그 원인이 무엇인지에 대한 질문으로 이어집니다.

이번 달 이익률이 떨어졌다는 사실을 확인하는 것까지는 어렵지 않습니다. 어떤 회사든 월간 손익 리포트가 정기적으로 작성되고 화면을 띄우면 추세는 바로 보입니다. 본격적인 작업은 그다음에 시작됩니다. 왜 떨어졌는지 어디서부터 대응해야 하는지를 찾아내는 일입니다.

이 작업이 한 부서의 일이었다면 단순할 텐데 실제로는 그렇지 않습니다. 손익 변동 하나의 원인을 끝까지 따라가려면 여러 부서의 자료가 한자리에 모여야 합니다. 자료가 모이는 데만 며칠이 걸리고 모인 자료를 맞춰보는 데 다시 며칠이 걸립니다. 의사결정자가 변동 원인 보고를 받을 시점에는 이미 다음 달에 들어선 경우도 흔합니다.

BI 도구가 풀 수 있는 영역은 이 흐름의 앞단까지입니다. 이익률이 어떻게 변했는지 큰 항목 단위로 어디서 변화가 있었는지를 보여주는 단계입니다. 여기까지는 시스템이 처리합니다. 그러나 그 변화가 어디에서 비롯됐는지 원인을 더 깊이 따라가려면 다시 사람의 일로 넘어옵니다. 시스템과 사람의 경계선이 바로 이 지점에 그어져 있는 셈입니다.

DARVIS가 PoC에서 검증한 것은 이 경계선을 시스템 쪽으로 옮기는 일이었습니다.

BI 도구가 큰 항목 단위까지 보여주고 멈추는 자리에서 DARVIS는 그 원인을 한 단계 더 따라 들어갑니다. 큰 항목의 변화를 더 작은 단위로 분해하고 어디에서 변화가 가장 크게 일어났는지를 시스템이 정리해 보여줍니다. 기존에는 여러 부서가 자료를 주고받으며 사람이 직접 맞춰보던 작업입니다.

BI 도구가 여기서 멈추는 것은 기능이 부족해서가 아닙니다. 그 다음 단계부터는 단순히 데이터를 보여주는 일이 아니라 결과의 원인을 어디서 찾을지를 판단하는 일이기 때문입니다. 어디부터 들여다볼지를 정하는 것은 사람의 판단이고 BI 도구는 그 판단을 받아 다시 화면을 그려주는 역할까지가 영역이었습니다.

DARVIS는 이 판단 흐름을 시나리오 단위로 시스템에 내장하는 방식으로 설계했습니다. 손익 변동이 감지되면 어떤 순서로 어디까지 들여다볼지가 미리 짜여 있고 그 안에서 자동으로 흐름이 진행됩니다.

화면을 보여주는 시스템에서 판단의 일부를 갖고 있는 시스템으로, 이번 PoC에서 검증한 변화가 여기에 있습니다. 이 흐름 위에 자연어 질의가 얹혀 있습니다.

원인을 따라가다가 추가 조건을 걸고 싶을 때 별도의 필터 화면으로 빠지지 않고 자연어로 요청할 수 있습니다. 기존 BI 도구에서는 추가 조건을 걸기 위해 화면을 옮기고 필터 옵션을 찾고 새 차트를 띄워야 했습니다. 자료를 보다 떠오른 질문이 화면을 옮기는 사이에 잊히는 일도 자주 있습니다. 

DARVIS에서는 추적하던 흐름을 끊지 않고 그 자리에서 질문을 이어갈 수 있고 이어진 질문의 결과가 같은 흐름 안에서 정리됩니다. 마지막에는 이 추적 과정 전체가 PDF 리포트로 자동 정리됩니다.

이번 PoC에서는 이 흐름이 실제로 작동하는 것이 확인됐습니다.

데이터가 외부로 나가지 않는 구조

지금까지의 흐름이 작동하려면 한 가지 조건이 더 따라옵니다. 데이터 보안입니다. 운영 데이터를 다루는 시나리오에서 데이터가 외부로 전송되는 구조라면 도입 검토 단계에서부터 진행되기 어렵습니다.

DARVIS는 고객사의 보안 요건을 고려한 통제된 환경에서 검증했습니다. 운영 데이터가 외부로 노출되지 않도록 보안 요건을 반영했습니다. 자연어 질의도 원인 추적도 액션 제안도 모두 이 보안 경계 안에서 작동합니다. 의사결정에 안전한 구조라는 초기 합의가 기술 설계에 반영된 결과입니다.

조회를 넘어 판단까지

데이터를 화면에 잘 보여주는 것은 더 이상 차별점이 아닙니다.

화면에 표시된 다음 단계, 즉 원인 추적과 다음 행동 제안을 시스템이 어디까지 다룰 수 있는지가 진짜 차별점입니다. 재고 관리 시나리오는 화면이 행동 제안으로 이어지는 지점에서, 손익 분석 시나리오는 시스템의 영역이 원인 추적까지 확장되는 지점에서 그 차이를 보여줍니다.

이번 PoC에서 확인된 것은 그 흐름이 실제로 작동한다는 사실입니다. 도입 후 운영 환경에서의 정착이나 정량적 효과는 다음 단계의 일입니다. PoC가 끝난 후 롯데웰푸드와는 본계약 논의 단계로 전환됐고 현업 피드백을 반영한 개선이 진행 중입니다.

BI 도구를 도입한 조직이라면 한 번쯤 스스로의 시스템이 어디까지 보여주고 어디서부터 사람의 일로 넘어가는지 돌아볼 만합니다. 어떤 결과를 받았을 때 그다음 단계가 여전히 사람의 일로 남아 있다면 그 경계선이 어디에 그어져 있는지 그리고 어디까지 시스템 쪽으로 옮길 수 있는지가 다음 검토의 출발점이 됩니다.

디피니트는 제조업의 운영 문제를 AI로 해결하는 회사입니다. 기존 시스템을 교체하는 대신 그 위에 운영 기준과 데이터 연결을 더해 조회를 넘어 판단까지 이어지는 구조를 만듭니다. DARVIS가 어떻게 동작하는지 더 알고 싶다면 아래 서비스 소개서에서 확인할 수 있습니다.