클라우드 AI 서비스가 빠르게 확산되고 있습니다. 기업들은 별도 인프라 없이 API 하나로 AI를 붙이고, 비용도 사용한 만큼만 냅니다. 그런데 제조업 현장을 들여다보면 이야기가 달라집니다. 클라우드 대신 온프레미스를 선택하는 제조 기업이 여전히 많습니다.
단순히 "IT 담당자가 보수적이어서"가 아닙니다. 제조 현장에는 클라우드 AI가 쉽게 해결하지 못하는 조건들이 있습니다. 공정 조건, 설비 데이터, 품질 노하우가 외부로 나가도 괜찮을까요? 이 글은 제조업이 공장 데이터를 안에 두려는 이유와, 온프레미스 AI가 현장에서 어떻게 작동하는지를 살펴봅니다.
제조업 데이터가 유독 민감한 이유
제조 현장에서 생성되는 데이터는 일반 사무 데이터와 성격이 다릅니다. 공정 온도·압력·속도 같은 설비 조건, 불량 발생 패턴과 원인 이력, 원자재 배합 비율, 원가 구조까지 포함됩니다. 이 데이터는 수십 년에 걸쳐 현장에서 축적된 핵심 노하우입니다.
이런 데이터가 외부 클라우드 서버로 전송되면 어떤 일이 생길까요? 전송 과정에서의 탈취 위험은 물론, 클라우드 벤더 측 서버에 데이터가 남는 구조 자체가 문제가 됩니다. 경쟁사와 동일한 클라우드 서비스를 쓴다면, 데이터가 어떻게 처리되는지 완전히 통제하기 어렵습니다. 제조업에서 기술 유출이 곧 경쟁력 손실로 이어지는 이유가 여기에 있습니다.
제조업이 온프레미스 AI를 선택하는 다섯 가지 이유
1. 보안과 기술 유출 방지
가장 직접적인 이유입니다. 데이터를 외부로 내보내지 않으면 유출 경로 자체가 줄어듭니다. 온프레미스는 데이터가 공장 내부 서버에만 머무르기 때문에, 외부 네트워크를 타는 구간이 없습니다. 내부 접근 권한도 직접 설정하고 통제할 수 있습니다.
2. 데이터 주권과 규제 대응
데이터가 어디에 저장되고 누가 접근하는지를 기업이 직접 관리해야 하는 경우가 있습니다. 국내 망 분리 규정을 적용받는 산업군이나, 고객사 보안 요건이 엄격한 협력사라면 데이터가 조직 밖으로 나가지 않는 구조가 필수입니다. 클라우드는 이 조건을 충족하기 어렵습니다.
3. 네트워크 환경 제약
공장은 외부 인터넷이 불안정하거나 아예 차단된 에어갭 환경인 경우가 있습니다. 클라우드 AI는 외부 서버에 요청을 보내고 응답을 받는 구조라, 네트워크가 끊기면 작동하지 않습니다. 온프레미스는 내부 서버에서 모든 처리가 이루어지기 때문에 외부 네트워크 품질에 영향을 받지 않습니다.
4. 실시간 대응
불량 검출, 설비 이상 감지, 제어 시스템 연동처럼 지연이 곧 손실로 이어지는 업무가 있습니다. 외부 클라우드에 요청을 보내고 응답을 받는 과정에는 왕복 지연이 생깁니다. 온프레미스는 로컬에서 바로 추론하기 때문에 이 지연을 없앨 수 있습니다. 초단위 대응이 필요한 현장일수록 온프레미스가 유리합니다.
5. 레거시 시스템 연동
제조 현장에는 MES, ERP, SCADA, PLC 같은 기존 시스템이 복잡하게 얽혀 있습니다. 클라우드 AI를 이 시스템들과 연결하려면 데이터를 외부로 내보내는 파이프라인을 따로 구성해야 합니다. 온프레미스는 내부 네트워크 안에서 기존 시스템과 직접 연결할 수 있어, 맞춤형 통합이 더 수월합니다.
실제 제조 현장 도입 사례
다비스(DARVIS)는 온프레미스 방식으로 현장 데이터를 연결해 운영 문제를 해결한 사례가 138건에 달합니다.
정밀 부품을 제조하는 H사는 30년 경력의 공장장도 찾지 못하던 불량 원인을 3시간 안에 찾아냈습니다. 기존에 원인 파악에 30일이 걸리던 것을 90% 단축한 결과입니다. 불량 재발률도 90% 감소했습니다. 더 나아가 다음과 같은 사례도 있습니다.
반도체 제조 현장(직원 30~50명 규모)에서는 불량률이 7.2%에서 1.8%로 낮아지며 월 손실 2,500만 원이 줄었습니다.
자동차 부품 제조사(50~100명 규모)는 재작업 건수가 120건에서 30건으로 감소하고 생산성이 8% 향상됐습니다.
식품 제조 현장(100~200명 규모)에서는 품질 편차가 60% 줄고 고객 클레임이 12건에서 2건으로 떨어졌습니다.
세 사례의 공통점은 기존 ERP·MES를 교체하지 않고, 온프레미스로 데이터를 연결해 원인을 찾는 방식에서 성과가 나왔다는 점입니다. 도입 기업이 연평균 발굴하는 손실 절감액은 3~5억 원 수준입니다.
도입 전 확인해야 할 현실적인 조건
온프레미스 AI는 보안과 데이터 통제 측면에서 강점이 있지만, 준비해야 할 것도 많습니다.
첫번째로는 인프라입니다. GPU 서버, 스토리지, 전력, 냉각 설비를 직접 갖춰야 합니다. 공장 전산실이 AI 서버의 발열과 전력 소모를 감당하지 못하면 장비를 구입해도 바로 운영하기 어렵습니다. 초기 투자 규모가 클 수 있어 파일럿 라인부터 검증하는 방식이 현실적입니다.
운영 인력도 필요합니다. 온프레미스 AI는 구축 후에도 보안 패치, 장애 대응, 버전 관리를 지속적으로 해야 합니다. 제조업에서는 여기에 MES·ERP 연동 역량까지 더해져, 단순 AI 개발자만으로는 운영이 어렵습니다.
처음부터 전사 도입을 목표로 하기보다, 보안이 중요한 데이터만 내부에 두고 나머지는 단계적으로 확장하는 방식이 실패를 줄입니다.
기존 시스템 그대로, 온프레미스로 시작하는 방법
다비스(DARVIS)는 온프레미스 방식으로 설치해 데이터가 외부로 나가지 않는 구조를 기본으로 합니다. 기존 ERP·MES를 수정하거나 교체할 필요 없이, 읽기 전용으로 연결해 데이터 주권을 유지합니다. TLS 1.3 전송, AES-256 저장, ISO 27001 인증을 통해 은행 수준의 보안 체계를 그대로 적용합니다.
공장 건강검진 서비스인 다비오(DARVIO)는 흩어진 현장 데이터를 연결해 불량·납기 지연·공정 이상의 근본 원인을 찾고 조치 방향을 제시합니다. 도입까지 걸리는 시간은 5주, 기존 시스템 변경은 0건입니다. 공장 데이터를 안에 두면서 AI를 시작하고 싶다면, 인프라 구축부터 고민하지 않아도 됩니다.
실용적인 AI 활용 인사이트 및 최신 트렌드를 알아보고 싶으시다면 디피니트 다비스(DARVIS) 블로그를 구독해 보세요. 제조 현장의 실제 문제 해결 사례와 AI 활용 노하우를 공유합니다.
더 많은 제조 AI 인사이트를 보고 싶으시다면 'AI 인사이트 더 보러가기'를 통해 둘러보시면 도움이 되실 겁니다. 감사합니다.