2025년 4월호

세계 최대 규모의 산업 기술 전시회인 '하노버 메세(HANNOVER MESSE) 2025'가 지난 3월 31일부터 5일간 독일 하노버에서 성황리에 개최되었다. 이번 전시회에는 전 세계 60여 개국, 4,000여 개 이상의 기업이 참가해 첨단 기술과 산업 트렌드를 선보이며 제조업과 산업기술의 미래를 제시했고, 한솔PNS-IT도 산업 기술의 미래 발전 방향과 글로벌 우수 기업들의 변화 대응 방향을 파악하기 위해 전시회를 참관하였다.

올해 하노버 메세의 주제는 "Energizing a Sustainable Industry"로 산업 전반에 걸친 지속 가능성을 위해 에너지 시스템을 재편하고, 기술 혁신을 가속화하겠다는 의지를 담고 있으며, 지속 가능한 성장과 산업 혁신의 접점을 찾는 데 초점을 맞췄다.

특히 에너지 전환, AI 기반 자동화, 디지털 트윈, 탄소 회계, 지속가능성 등을 핵심 키워드로 제시하며, 글로벌 제조 산업이 나아가야할 방향을 명확히 보여주었다. 또한, 산업 전반의 디지털 전환과 지속 가능한 미래를 위한 플랫폼의 역할이 더욱 부각되었으며, 제조-IT-에너지 분야의 융합을 통한 공장 운영의 새로운 표준을 제시하는 등 지난해보다 더욱 구체적이고 실행력있는 솔루션 중심의 전시회로 평가 받았다.

△ 참가국 60여개국 / 기업 수 약 4,000개

△ AI, 에너지 솔루션, 디지털 제조, IIoT, 산업용 소프트웨어 등 집중 조명

△ Factory-X, Catena-X, Green Ledger 등 유럽연합 차원의 산업 프로젝트 강화

△ 탄소 배출 추적 기술, 디지털 트윈 기반의 시뮬레이션 통합 기술 확대 적용 사례 전시

△ Joule, Microsoft Fabric, GCP Cortex Framework 등 클라우드+AI 솔루션의 실전 도입 사례 다수 전시

[사진] HANNOVER MESSE 2025 Opening Ceremony

1. 제조 현장을 장악하는 클라우드 플랫폼의 진화

이번 전시회에서는 '클라우드 기반 제조 혁신'이 핵심 화두로 떠올랐다.이제 클라우드는 단순한 정보 저장소나 인프라 자원이 아니라, 제조 현장의 실시간 판단과 운영을 책임지는 ‘두뇌'로 진화하고 있다는 분석이다.

전시회에 참여한 글로벌 클라우드 기업들은 제조 산업의 미래를 재정의하는 플랫폼 전략을 일제히 제시하며 주목을 끌었다. 각 기업은 자사의 기술적 강점을 바탕으로 생산 현장을 지능화하는 다양한 접근을 선보였고, 그 중심에는 클라우드 기반의 전사적 통합 운영 체계가 있었다.

이번 박람회에서는 실시간 데이터 수집부터 AI 분석, 디지털 트윈 시뮬레이션, 공정 제어 및 예지 보전에 이르기까지, 생산 전 과정을 클라우드로 통제/운영하는 산업 현장의 변화가 구체적으로 구현됐다. 이러한 흐름은 클라우드가 단순한 IT 인프라를 넘어, 제조 현장의 중심 시스템으로 자리매김하고 있음을 방증한다.

특히, 올해 눈에 띈 기술 트렌드는 AI 기능이 기본 탑재된 클라우드 플랫폼의 확산이다. 이는 숙련 인력에 대한 의존도를 낮추고, 설비의 고장 예측, 품질 이상 탐지, 에너지 소비 최적화 등 고도화된 자동화 운영을 가능하게 한다. 또한, 디지털 트윈 기반의 가상공장 시뮬레이션과 같은 기술이 현실화되며, 클라우드는 공정의 시작부터 끝까지 아우르는 지능형 운영체계(Intelligent Operating System)로서의 입지를 강화하고 있다.

글로벌 클라우드 기업들은 ERP, MES, PLM, 설비 센서 데이터 등 제조 시스템 전반을 자사 클라우드 플랫폼에 연동시켜 IT기술 생태계를 생산 현장으로 확산하고 있으며, AI를 활용해 현장의 문제를 해결하는 등 제조 산업 혁신의 핵심 동력으로 부상하고 있다.

[사진] 글로벌 클라우드 기업 AWS 부스 전경

2. 디지털 트윈, 설계부터 안전까지 실시간 판단하는 스마트 공정의 핵심

디지털 트윈(Digital Twin)은 전통적인 시뮬레이션 개념을 넘어, 생산 설비와 공장 전체를 디지털로 복제하고, 실시간으로 상황을 반영·예측·제어하는 AI 기반 운영 시스템으로 진화하고 있다. 이번 전시회에서는 디지털 트윈 기반의 생산 의사결정이 여러 글로벌 기업의 핵심 메시지로 등장했다.

AWS는 Siemens 및 다양한 파트너사와의 협력을 통해 OT 데이터의 수집부터 비전 AI를 통한 결함 감지 및 생성형 AI 어시스턴트를 통한 장비에 대한 문제 진단 및 해결 방안을 제공해주는 기술 등이 융합된 eBike Smart Factory 디지털 트윈을 구현하고 전시하였다.

[사진] AWS eBike Smart Factory 디지털 트윈

3. AI기반 예지보전을 통한 최적화 전략

AI 기반 예지보전(Predictive Maintenance)은 주요 제조 기술 트렌드 중 하나로 부각되었다. 고장 발생 이전의 상태를 진단하고, 운영 효율을 높이며 유지보수 비용을 절감할 수 있는 이 기술은 여러 기업이 각기 다른 방식으로 접근하고 있었다. 진동 및 온도 센서를 활용한 이상 감지, AI를 통한 상태 분석, 클라우드 기반 데이터 수집 및 MQTT 통신 등 기술 요소들이 복합적으로 활용되고 있었다.

4. 로봇 자동화, AI와 업종 특화 로봇의 융합 가속화

산업 현장에서 로봇 자동화 기술이 고도화되고 있다. 비전 AI와 업종 특화 로봇의 융합이 산업별 요구에 맞춘 정밀 자동화를 이끌고 있으며, 주요 기업들의 협업 사례가 그 가능성을 입증했다.

Keyence와 IBG의 협업 사례는 고정밀 비전 인식과 유연한 작업 제어의 결합을 보여주었고, Maple Advanced Robotics는 AI 기반 힘 제어 기술로 복잡한 환경에서도 정교한 작업이 가능함을 시연했다.

독일의 로봇 생태계는 HW 및 PLC 기반의 2단계 구조를 중심으로 정밀성과 확장성을 동시에 확보하며, 글로벌 제조 자동화의 기준을 다시 한 번 제시했다. 반면, 중국은 제어 및 패키징 부문에서 가격 경쟁력을 앞세워 ROKAE의 25kg 팔레타이징 로봇 등 실용적인 제품을 다수 전시하며 저가-고성능 전략을 이어갔다.

이번 전시회는 로봇 자동화 기술이 산업 현장에 실질적 가치로 연결되고 있다는 점에서, 기술 중심 전시회 이상의 의미를 지녔다.

△ Keyence: 일본의 고정밀 비전 센서, 측정 시스템 및 자동화 장비 전문 기업. 품질 검사 및 생산 라인 자동화에 강점

△ IBG Automation: 독일의 시스템 통합 업체로, 고객 맞춤형 자동화 설비 제공. 자동차, 항공 등 다양한 산업군 대상.

△ Maple Advanced Robotics: 캐나다 기반 로봇 기업으로, AI 기반 힘 제어 기술이 특징. 복잡한 작업 환경에 특화.

[사진] IBG의 자동차 산업 특화 자율 로봇 시스템

[사진] Maple Advanced Robotics의 AI 기반 자율 로봇 시스템 AARS(Autonomous Adaptable Robot System)

5. 세계 최대 규모 산업 박람회를 통한 시사점

하노버 메세 박람회를 통해 산업 전반의 큰 방향성과 변화를 확인 할 수 있었으며, 글로벌 기업들이 지속 가능성 확보를 위한 변화 대응 방향을 참고 할 수 있었다. 이를 참고하여 한솔그룹도 지속 가능한 경영과 미래를 향한 도약을 함께 준비해 나가야겠다.

1) 지속가능한 디지털 전환 중심의 사업 전략 수립

에너지 절감, 자원 최적화, ESG 실현을 위해 그룹의 제조, 물류, 소재, 정보 부문 전반에 디지털 기술 기반의 운영 혁신 전략이 요구되며, 이를 위해 데이터 기반의 전사 운영 체계 고도화와 분산된 시스템의 클라우드 전환이 핵심 전략으로 떠오르고 있다.

2) 제조·물류·IT 전반의 통합적 접근

이번 전시에서는 제조와 IT, 물류의 경계를 허무는 플랫폼 전략이 부각되었으며, 한솔그룹도 계열사 간 데이터를 연결하고 통합 관리할 수 있는 운영 체계를 구축하여 그룹 시너지를 높이는 방향이 필요하다.

3) AI 및 시뮬레이션 기반의 경영 판단 체계 도입

디지털 트원과 예측 기반 운영은 글로벌 제조기업의 공통 전략으로 자리잡고 있으며, 그룹 차원에서도 AI를 기반으로 한 경영 시뮬레이션, 수요 예측, 생산 계획 수립 등 AI를 통한 업무 혁신이 필요하다.

데이터가 기업의 핵심 자산이자 경쟁력이라고 얘기한지 수년이 지났으나 여전히 데이터는 우리가 찾지 못한 가능성을 갖고서 해결해야 할 과제로 남아 있다. 그동안 우리는 각 회사별 여건에 따라 개별적으로 산발적인 접근을 하는데 그쳤으나, 이제는 모든 계열사가 역량의 편차 없이 데이터를 모으고 활용할 수 있는 그룹 공통 데이터 분석 플랫폼을 구축하고 이를 이용한 AI 서비스까지 가능하도록 할 계획이다. 이에 따라 국내 각 기업에서는 어떻게 데이터를 활용하고 있는지 현황을 파악하여 우리의 위치도 파악하고 향후 데이터 활용에 있어 참고하고자 한다.
(출처. IT World, IDG Korea. 국내 기업 임직원 423명 대상 조사, 2024)

1. 데이터에 대한 관심과 투자 증가

데이터 관련 프로젝트에 대한 설문에 대해 현재 진행 중이거나 2년 내 추진 계획이라는 응답이 각각 30%, 27%로 이미 구축했다는 10%까지 감안시 거의 70%에 달하는 기업이 구체적인 실행 단계에 있음을 알 수 있다. 국내 제조업의 경우, 최근 2년 내 데이터 프로젝트를 수행한 비율이 전체 평균 대비 낮은 50% 미만 수준에 머물고 있습니다.

이는 제조업 특성상 노후 설비가 많고, 데이터 수집을 위한 추가 투자와 기술적 장치가 필수이기 때문에, 다른 산업 대비 진입 장벽과 투자 부담이 큰 구조로 볼 수 있습니다. 반면, 글로벌 제조 기업들은 디지털 트윈과 AI 자동화 기반으로 데이터 생성과 활용을 고도화하고 있으며, 국내 제조업 역시 스마트팩토리 등 데이터 기반 인프라 확보에 보다 적극적인 접근이 필요합니다.

2. 데이터 수집 목적 및 성격의 변화

기존에 인프라를 구축한 기업과 현재 진행중이거나 계획중인 기업의 도입 목적과 주요하게 수집하고 활용하는 데이터에도 변화가 있었다. 양쪽 모두 주된 목적으로 내부 프로세스 개선은 유사했으나, 기존 구축 기업이 고객 분석에 중점을 두었다면 현재는 고객 서비스를 개선하는데 더 중점을 두고 있으며 특이사항으로 데이터 자체를 매출원으로 하는 데이터 수익화 목적 응답도 단계적으로 증가하였다.

주요하게 활용하는 데이터의 종류는 ① 고객 데이터, ② 트랜잭션 데이터(업무처리), ③ 업무 문서 순으로 비정형 데이터의 비중이 높음을 볼 수 있으며, 이 중 업무 문서 데이터의 활용도가 지속적으로 증가하는 추세를 보였다.

3. 데이터와 AI 활용 사례

이렇게 모아진 데이터들은 데이터 기반 경영에 활용되고, AI를 접목하여 업무 혁신 및 사업 경쟁력 강화에 활용된다.

4. 데이터, 문서, 그리고 AI: 새로운 업무 혁신의 시작

기존에는 기업이 주로 트랜잭션 데이터와 재무 데이터를 활용했지만, 생성형 AI의 급속한 발전으로 데이터 기술이 진화하면서 데이터 활용 방식에도 변화가 나타나고 있다. 기업들은 이제 고객에 대한 정형 데이터뿐만 아니라 고객과의 인터랙션 데이터를 주목하고 있으며, 처리하기 어려웠던 방대한 업무 문서도 중요한 데이터 자산으로 인식하고 있다.

우리 그룹도 계열사가 공통으로 사용할 데이터 분석 플랫폼 구축을 계획하고 있다. 내부의 업무 데이터 뿐만 아니라 외부의 정보가 하나의 플랫폼에 축적되어 분석에 활용되고, 업무에 적용될 것이며, 그와 더불어 그동안 축적해 온 고품질의 문서 자산을 데이터로 활용할 수 있도록 문서 관리 체계와 보안 기술에 대해서도 개선이 필요한 시점이다.

우리가 보유하고 있는 내부 데이터와 고품질의 문서 자산, 여기에 외부의 정보까지 AI 기술과 결합되면, 업무 수행에 실질적인 도움이 되고, 일하는 방식에서도 긍정적인 변화를 가져올 수 있을 것으로 기대한다.

1. AI 기술이 협업하는 새로운 변화

2025년 4월, 구글은 AI끼리 협업할 수 있도록 도와주는 새로운 기술 표준인 A2A(Agent-to-Agent, 에이전트 간 통신 규약)를 공개했다. 요즘 AI는 단순히 질문에 답하거나 요약만 하는 단계를 넘어서, 여러 역할을 동시에 수행하고, 다른 시스템과 협력하는 방향으로 발전하고 있다. (예를 들어, 한 AI가 이메일을 작성하고, 다른 AI가 일정 조율을 하고, 또 다른 AI가 그 결과를 보고서로 만드는 방식) 이런 AI간 협력이 가능하려면, 서로 정보를 주고받고, 역할을 나누는 방식, 즉 "상호 운용성(interoperability)"이 필요하며, 이러한 상호 운용성을 가능하게 하는 두가지 핵심 기술이 MCP(Model Context Protocol)와 A2A (Agent-to-Agent) 이다.

▷ MCP (Model Context Protocol): AI가 외부 도구나 데이터를 통합하는 기술로 AI기업 Antropic이 주도

▷ A2A (Agent-to-Agent): AI끼리 협업할 수 있게 해주는 기술로 구글이 주도

[사진 : 구글] AI 개방형 프로토콜 발표, 모든 Al Agent를 엮어 협업 AI간 협업을 가능하게 하는 기술

2. MCP란 : AI와 외부 도구, 데이터를 연결

AI기업 Antropic이 주도하는 MCP는 AI 모델이 ERP, MES등 IT시스템의 정보, 외부 데이터등 다양한 데이터 소스를 연결하여 AI가 다양한 정보를 활용할 수 있도록 하는 통신 프로토콜로 사실상의 표준 기술로 자리 잡았다. 또한, 보안성과 확장성을 갖추고 있어 실시간 데이터 연동및 내부 데이터-외부 정보 간 통합 분석이 가능하게 하여 여러 AI기업의 AI모델(GPT, Claude, Mistral 등)이 MCP를 채택하고 있다.

▶ MCP 활용 예:
AI 리서치 도우미가 주식 정보를 분석하려고 할 때, MCP를 통해 실시간 주식 뉴스, 내부 재무 DB, 분석 도구 등에 자동으로 접근할 수 있어 기업 내부용 챗봇, 내부 정보 분석 도우미, 코드 어시스턴스등 보안이 필요한 AI 서비스 구현에 활용

3. A2A란? - AI끼리 협력하는 방법

MCP가 AI와 IT시스템/외부데이터와의 연결을 통한 협업을 가능하게 한다면, 이번에 발표된 구글의 A2A는 AI끼리 서로 협업할 수 있도록 만들어진 새로운 '공통 언어'이다. AI 에이전트가 서로를 인식하고, 작업을 공유하고, 협업할 수 있도록 만든 구조로 에이전트 카드(Agent Card)를 통해 메시지를 교환한다. 이러한 구조를 기반으로 OpenAPI 기반의 인증·보안 체계를 제공하고, HTTP외 다양한 통신 방식도 지원한다. SAP, Salesforce, ServiceNow 등 글로벌 기업이 이미 기술을 사용 중이며, 향후 기업용 멀티 에이전트 표준으로 발전할 가능성이 높다.

▶ A2A 활용 예:
입사자 온보딩 자동화 시, HR 담당 AI가 채용 정보를 정리하고, 교육 담당 AI가 교육 일정 안내하고, IT 담당 AI가 계정 생성하는 일련의 절차를 AI Agent가 역할을 나눠서 처리하게 한다.

4. MCP와 A2A 어떻게 활용할 것인가?

MCP는 단일 AI모델(예:LLM)이 외부 리소스를 활용하는 데 강점을 갖고 있는 반면, A2A는 서로 다른 AI에이전트간 유연한 작업 분배와 연결, 비동기 협업에 유리하다. 두 프로토콜은 경쟁 관계라기보다 상호 보완적인 기술이며, 실제 기업 환경에서는 둘을 함께 활용하는 하이브리드 방식이 늘어나고 있다.

▶ 실제 활용 사례 :

① 금융회사: AI가 MCP로 실시간 금융 뉴스를 분석하고, A2A를 통해 보고서 작성 AI에게 전달
→ 자동 리서치 리포트 완성

② 입사자 온보딩 자동화: A2A로 HR/재무/IT 부서용 AI가 협력
→ MCP를 통해 인사 및 일정 시스템에 자동 등록

③ 고객 지원 서비스: 고객 응대 AI가 MCP로 고객정보 확인
→ A2A로 물류, 결제 담당 AI와 협력해 문제 해결

[그림] AI와 데이터 소스간, AI와 AI간 협업하는 기술 표준 (A2A, MCP)

5. AI 생태계 변화가 비즈니스 전략 관점에서 시사하는 점

Al 도입이 단순 자동화를 넘어 조직 전반의 운영,업무 방식을 바꾸고 있는 지금, AI를 활용하여 혁신을 하기 위해 다음을 고려해야 한다.

① AI 협업 조직 모델 구상 : AI 기반 프로젝트 매니저, 분석가, 고객상담원 등 역할별 AI 구성

② 하이브리드 AI 아키텍처 설계 : MCP로 IT시스템과 연결하고, A2A로 업무 중심의 워크플로우 구축

③ 보안과 거버넌스 체계 정비 : 여러 AI가 협업하는 만큼 권한 관리, 감사 추적, 인증 체계 재정의 필요

특히, 한솔이 영위하는 제조, 물류, B2B 비즈니스에서 MCP와 A2A를 활용한 AI와 내부 IT시스템&외부 정보간 통합과 AI간 협업할 수 있는 AI생태계를 구성하는 것이 업무 혁신의 핵심 경쟁력이 될 것이다.

6. 한솔의 AI 환경은?

A2A와 MCP는 단순히 기업내 AI생태계를 구축하는 기술이 아닌 전통적인 업무 방식과 비효율적인 협업 구조 자체를 변화 시킬 수 있는 패러다임이다.

우리 그룹도 전체 계열사가 공통으로 사용할 AI환경 구축을 계획하고 있으며, A2A, MCP처럼 발전하는 AI기술을 활용하여 한솔에 맞는 AI생태계를 구축하는 것이 목표다.

데이터 분석 및 AI 환경 구축과 병행하여, 그룹의 조직원들은 AI를 활용하여 업무를 개선하고 비효율을 줄이고, 주도적으로 업무에 적용하고 혁신할 수 있는 역량을 키워 나아가야 할때다.

TOP