2026년 4월, Bosch 밤베르크 공장. 80년 된 이 공장에서 점화플러그와 분사시스템이 멈췄다. 작업자가 태블릿을 꺼내 AI 에이전트를 실행했다. 12개 시스템의 데이터를 분석해 고장 원인을 진단하고, 해결책을 제시하고, 교대일지까지 자동으로 작성하는 데 걸린 시간은 단 몇 초. 이 공장 하나에서 연간 €850,000(약 12억 7천만원)이 절감됐다.

SICK AG의 놀라운 실험: AI가 경력자를 추월하다

독일의 센서 솔루션 기업 SICK AG(직원 10,000명+, 1946년 설립)는 Bosch의 AI 에이전트를 두 가지 버전으로 도입했다. Equipment Ticket Agent는 정밀한 오류 티켓을 생성하고, Service & Support Agent는 맥락 기반의 해결책을 제시한다.

결과는 충격적이었다. 도입 2일차에 AI가 숙련 전문가 수준에 도달했다. 기계 고장 해결 속도는 최대 10배 빨라졌다.

Bosch Connected Industry CEO Norbert Jung은 이렇게 말한다. "지난 5년간 AI를 협소한 작업 자동화 도구로 써왔다면, Agentic AI는 전체 프로세스를 조율(Orchestrate)한다."

하지만 그는 분명한 선을 긋는다. "최종 책임은 절대 기계에 위임하지 않는다." AI는 제안만 하고, 결정은 사람이 내린다. Bosch는 240개 자사 공장에 먼저 배포한 후에야 외부 고객에게 판매하기 시작했다. "팔기 전에 내가 먼저 써본다"는 철학이 SICK AG 같은 고객의 신뢰를 이끌어냈다.

숫자로 보는 Bosch AI 에이전트의 효과

Bosch Manufacturing Co-Intelligence®는 3대 기술 빌딩블록 위에 세워졌다. 시맨틱 데이터 관리 → 도메인 특화 AI 에이전트 시스템 → 현장 솔루션. 이 기반 위에서 다음과 같은 정량적 효과가 검증됐다.

  • 생산성 5~15% 향상
  • 목표 영역 비용 10~30% 절감
  • 운영 이슈 해결 속도 최대 50% 단축
  • 공장당 연간 €850,000 절감

Bosch가 쌓아온 데이터 자산은 후발주자가 쉽게 따라잡을 수 없는 해자(Moat)다. 1886년부터 축적된 제조 데이터, 13억 개의 시맨틱 기술 제품, 7억 개 이상의 디지털 트윈. Norbert Jung은 "시맨틱 데이터 레이어는 협상 불가능한 기초다. 없으면 모래 위에 집 짓는 것"이라고 단언한다.

한국 제조 현장도 움직이고 있다

글로벌 트렌드만 있는 게 아니다. 국내 대기업들도 에이전틱 AI를 제조 현장에 접목하기 시작했다.

SK그룹은 Bosch Rexroth와 손잡고 'LMS 코그니티브 에이전트'를 개발 중이다. SK AX(AI전환 전문 조직)가 Bosch Rexroth와 공동 개발한 이 시스템은 SK하이닉스, SK온, SKC, SK실트론 등 4대 제조 거점에서 실증 중이다.

LMS(Linear Motion System)는 반도체·배터리 공정에서 웨이퍼와 소재를 정밀하게 이송하는 장치다. 문제는 연간 가동시간의 약 10%가 다운타임으로 사라진다는 점. LMS 코그니티브 에이전트는 4단계 구조로 이 문제를 해결한다. Supervisor가 전체 레일 상태를 감시하고, Analysis가 데이터 이상을 판별하며, RAG가 매뉴얼·과거 사례를 교차 검증한 뒤, Decision이 최종 판단을 내린다. SK텔레콤의 sLLM을 탑재해 저사양 엣지 디바이스에서도 구동된다. 2027년 상용화가 목표다.

포스코도 결실을 보고 있다. 포항제철소는 AI·데이터 기반 사고 예방으로 후판공장에서 65억원의 효과를 입증했다.

시맨틱 데이터가 진짜 무기다

두 사례에서 공통적으로 드러나는 핵심은 데이터다. Bosch는 1886년부터 쌓아온 데이터를 시맨틱 레이어로 구조화했다. SK는 LMS의 전류 변화, 진동, 온도 등 시계열 데이터를 실시간으로 확보한다.

여기에 기존에 다뤘던 Nodeblue의 사례를 더하면 그림이 선명해진다. 독일 스타트업 Nodeblue는 공장 설비의 고장 진단 시간을 40분에서 28초로 단축했다. 전통적인 진단 방식으로 40분 걸리던 작업을 AI 에이전트가 28초 만에 처리한 것이다.

Bosch €85만 → SICK 10배 속도 → SK LMS 100% 가동률 → Nodeblue 28초 진단. 숫자가 말해주는 방향은 하나다. 제조 현장의 AI 에이전트는 더 이상 실험실의 개념 증명(PoC)이 아니라, 현장에서 ROI를 증명하는 단계에 진입했다.

우리 공장의 첫 AI 에이전트는 어디에 둘 것인가

Bosch의 사례에서 가장 주목할 점은 Human-in-the-loop 원칙이다. AI가 모든 것을 대체하는 무인 공장(Lights-out factory)이 목표가 아니다. 인간 전문가의 판단을 AI가 보조하고, 반복적인 진단·문서화 작업에서 해방시키는 것. Bosch CEO의 표현을 빌리자면 "인간 전문가 + 기계 지능의 시너지"다.

당신의 공장에서 가장 많은 다운타임이 발생하는 공정은 어디인가. 그 공정의 데이터는 확보되고 있는가. Bosch가 10년 전 Industry 4.0에 €4억을 투자해 오늘의 AI 에이전트 기반을 닦았듯, 지금 데이터 파이프라인을 구축하지 않으면 3년 후 AI 에이전트는 그림의 떡이다.

"시맨틱 데이터 레이어는 협상 불가능한 기초다." — Norbert Jung, Bosch Connected Industry CEO