2025년 10월호

한솔PNS가 자회사인 코에버와 손잡고 "새로운 디지털 전환의 경험"을 주제로 열리는 제7회 스마트공장 구축 및 생산 자동화전(SMATEC 2025)에 참가합니다. 이번 전시회에서는 한솔PNS의 MES를 필두로 하는 설비, 안전관리 및 AI 등 I'MFACTO 솔루션과 코에버의 자동화 로봇 간 결합 전문성을 강조하여 실질적인 영업 상담이 이루어지도록 할 계획입니다.

[전시회 부스]	[팔레타이징 로봇 체험]

1) SMATEC 2025 : Smart Factory & Automation Technology Fair 2025

지난 3월에 진행된 "AW2025²⁾"가 광범위한 분야 산업 자동화 전시회로, 산업 전반의 포괄적인 트렌드와 기술을 조망하기에 적합했다면, 이번 "SMATEC2025"는 스마트공장 구축 및 생산 자동화에 초점을 맞춘 전시회로 실무 솔루션에 집중하여 정보를 얻고자 할 때 더 유용합니다.

1. 전시회 정보

전시회명	제7회 스마트공장구축 및 생산자동화전 (약칭 SMATEC 2025)
부제	"새로운 디지털 전환의 경험"
전시기간	2025. 11. 5(수) ~ 7(금), 3일간
전시장소	수원컨벤션센터
전시규모	150업체, 340부스
홈페이지	http://www.smatec.or.kr/main/main.php ※ 참관객은 온라인 사전등록을 통해 무료 입장 가능합니다.

2) AW2025 : 올해 3월 코엑스에서 개최한 아시아 대표 스마트공장·자동화산업전으로 한솔PNS도 참가했으며 관련 내용은 2월, 3월 CIO레터 참조 바랍니다.

'AI x Industry Week 2025', 자율형 에이전트 중심 산업혁신 가속

(관련기사) AWS "스스로 추론하는 에이전트 AI, 산업혁신 가속한다"

아마존웹서비스(AWS)가 10월 14일부터 16일까지 코엑스에서 열린 'AWS Al x Industry Week 2025'에서 자율형 AI(Agentic Al)를 중심으로 산업 협업 구조의 대전환을 선언했다. 이번 행사에서는 AI가 단순한 도구를 넘어 목표를 이해하고 스스로 판단하는 '디지털 팀원(Digital Teammate)'으로 진화했음을 강조했다.

벤 카바나스(Ben Cabanas) AWS 아태지역 기술디렉터는 "AI는 더 이상 지시를 수행하는 도구가 아니라 목표를 이해하고 실행하는 자율적 시스템" 이라며 "산업의 작동 방식이 완전히 새로워질 것"이라고 말했다.

AWS는 이 자리에서 ▲통합 AI 플랫폼 'Bedrock AgentCore' ▲자연어 기반 업무 자동화 솔루션 'Quick Suite' ▲AI 개발환경 'Kiro IDE' 등을 공개했다. 이를 통해 기업은 AI 애플리케이션을 실제 개발 및 생산 환경에서 안전하게 운영하고, 생성형 AI 기반 워크플로 자동화를 구현할 수 있다.

※ 용어 정리
- Agentic Al : 스스로 사고·판단·행동하는 자율형 AI로, 단순한 챗봇을 넘어 목표 수행형 에이전트를 의미.
- Bedrock AgentCore : AWS의 엔터프라이즈급 AI 에이전트 플랫폼으로, 런타임·메모리·보안·통합 모듈을 포함.
- Quick Suite : 자연어 기반 문서 작성, 데이터 분석, 워크플로 자동화 기능을 제공하는 통합형 업무 플랫폼.
- Kiro : AWS의 AI 기반 디지털 어시스턴트 혹은 가상 비서형 인터페이스.
- Guardrails: Al 모델의 출력 오류를 검증하고 보안을 강화하는 AWS의 AI 신뢰성 프레임워크.

(출처 : IT DAILY)

AI가 산업 현장 전반으로 확산되며, 국내 주요 기업들도 AWS Agentic Al 생태계를 실질 비즈니스에 적용하고 있다.

• • HD현대인프라코어
  

  Amazon SageMaker 기반의 MLOps 환경을 구축해 건설장비 이상 탐지와 예지정비를 자동화, 운영 효율성을 극대화

• • GC녹십자
  

  Bedrock과 Kiro IDE를 활용해 GMP 기반 APQR 보고서 자동화 시스템을 구축, 검토 시간을 90% 이상 단축

• • 두산전자
  

  Quick Suite를 적용해 글로벌 협업 데이터 환경을 표준화하고, AI 문서 요약·분석 기능으로 의사결정 속도를 향상

• • 삼성물산
  

  Bedrock AgentCore 기반 공급망 데이터 연동 모델을 운영하며, 실시간 위험 감지 및 자재 수급 시뮬레이션을 자동화

• • 포스코DX
  

  Bedrock 기반 설계 검증 및 제조 데이터 최적화 모델을 도입해 설비 효율성과 품질 안정성을 강화

• • SK하이닉스
  

  AWS Al Compute기반으로 반도체 공정 데이터 분석 자동화를 추진, 수율 예측 정확도를 향상

이들 기업의 공통점은 PoC 수준을 넘어 실제 생산 및 운영 단계에서 AI를 운영하고 있다는 점이다. 이는 AWS의 Bedrock AgentCore와 SageMaker가 제공하는 보안·확장성·지속성을 기반으로, AI를 "조직의 디지털 동료"로 내재화하고 있음을 보여준다.

※ 용어 정리
- Mlops : 머신러닝 모델의 학습·배포·운영을 자동화·표준화 하는 관리 체계
- APQR (Annual Product Quality Review): 제약 및 바이오 산업에서 사용되는 품질관리 문서
- GMP (Good Manufacturing Practice) : 제약·식품 산업에서의 품질 보증 및 제조 표준 규정
- LLM (Large Language Model) : 대규모 언어모델로, 자연어 이해 및 생성에 특화된 AI 모델

AI는 산업의 효율을 넘어 의사결정 구조와 가치사슬 전체를 재정의하는 전환점에 도달했다.
AWS가 제시한 산업별 인사이트를 통해, 산업의 본질적 혁신 방향을 엿붙 수 있다.

1. 제조 산업

AI는 생산 현장을 '예측 중심'에서 '자율 운영 중심'으로 이동시키고 있다.
데이터 기반 설비 진단과 공정 제어의 자동화는 예지정비와 품질 관리의 정밀도를 높이고, 공장 전체가 하나의 지능형 시스템으로 작동하는 완전 자동화형 스마트팩토리로 발전하고 있다.
이를 통해 기업은 생산 효율을 극대화하고 에너지 낭비를 줄이며, 운영비 절감과 지속 가능성을 동시에 달성하고 있다.

2. 제약·바이오 산업

AI는 규제 중심의 산업 구조에 디지털 신뢰성과 속도를 동시에 불어넣고 있다.
문서 관리와 품질 검토 절차에 자동화를 도입함으로써 GMP(우수제조관리기준)를 보다 체계적으로 준수할 수 있게 되었으며, AI가 품질 검증과 데이터 분석을 대신함으로써 오류를 줄이고 의사결정 속도를 높이고 있다.
이는 제약·바이오 산업이 '품질 보증 중심의 산업'에서 '데이터 검증 중심의 산업'으로 재편되고 있다.

3. 물류·서비스 산업

AI는 물류와 서비스 산업의 운영 방식을 ‘반응형'에서 '예측형'으로 변화시키고 있다.
수요 예측, 재고 관리, 운송 경로 최적화 등 공급망의 모든 단계에서 AI가 실시간으로 의사결정을 내리며, 고객 응대 부문에서는 AI 컨택센터와 대화형 에이전트가 24시간 개인화 서비스를 제공하고 있다.
이는 제약·바이오 산업이 '품질 보증 중심의 산업'에서 '데이터 검증 중심의 산업'으로 재편되고 있다.

1. Pilot에서 Production으로의 전환 장벽 해소 필요

• • 글로벌 통계에 따르면 AI 도입 기업의 90% 이상이 PoC(Pilot) 단계에 머물고, 실제 운영(Production) 단계로의 확장에 실패함.
• • 주요 원인은 ▲보안 및 거버넌스 부족 ▲데이터 일관성 문제 ▲운영환경 통합 미비 ▲ROI 측정 어려움 등.
• • AWS는 Al Agent 플랫폼을 통해 운영 수준 보안·메모리 관리·통합 게이트웨이를 제공하여 이러한 전환 장벽을 제거.

2. 프로덕션 단계 성공을 위한 3대 조건

• • 신뢰성 확보 : AI 출력 오류 자동 검증 및 AI 응답의 정확도 보장(최대 99%)
• • 운영 효율성 : 클라우드 환경 + 장기 세션으로 비용 대비 효율 극대화
• • 확장성 : 다양한 모델과 외부 시스템 연결 및 통합으로 다중 에이전트 운영 가능

3. ROI 중심 Use Case 도입 전략

단순 PoC 성과보다 실제 업무 감소·품질 개선·비용 절감 KPI를 중심으로 정의 필요.
→ 안전문서 검토 자동화, ERP·MES 질의형 Agent, 컨택센터 요약, 디지털 어시스턴스 기반 코드 자동화 등.

4. Hansol 그룹 시사점

그룹 차원에서 구축 진행 중인 빅데이터 플랫폼을 기반으로 Al Agent를 실무에 연결하면, Pilot 수준에서 실 운영 수준으로 확장 가능. 이를 위해 사별 AI Agent 과제 발굴 및 내재화 로드맵 추진 필요.

No	용어	정의 및 설명
1	Agentic Al	스스로 사고·판단하여 목표를 수행하는 자율형 인공지능. 기존 챗봇을 넘어 '디지털 팀원(Digital Teammate)' 수준의 판단 및 실행 능력을 갖춤.
2	Bedrock AgentCore	AWS의 엔터프라이즈급 AI 에이전트 플랫폼. 런타임·메모리·보안·통합 게이트웨이 등 7개 핵심 모듈로 구성되어 있음.
3	Quick Suite	자연어 기반으로 문서 작성·데이터 분석·워크플로 자동화를 지원하는 AWS 통합 업무 플랫폼.
4	Kiro	생성형 AI 통합 개발환경(IDE)으로, 프롬프트를 코드 스펙으로 전환하고 테스트 및 개선을 자동화함.
5	Guardrails	AI 출력 오류를 최소화하고 보안·정확성을 자동 검증하는 AWS의 품질·신뢰성 관리 프레임워크.
6	Flexible/OSS (Strands Agents)	AWS 생태계 내 Flexible/OSS(Open Source Software) 기반의 에이전트 프레임워크로, 커스터마이징과 멀티에이전트 오케스트레이션에 최적화된 유연한 개발 환경을 제공.
7	Amazon SageMaker	ML 모델의 구성, 학습, 배포, MLOps 및 거버넌스를 지원하는 AWS 대표 AI 서비스.
8	Al Compute (Trainium / Inferentia / GPUs)	AWS의 고성능 AI 연산 인프라 구성요소. • Trainium. 학습용 칩셋, 비용 효율적 대규모 학습 지원 • Inferentia. 추론용 칩셋, 실행 성능 최적화 • GPUs. 범용 고성능 연산 인스턴스
9	MCP (Model Context Protocol)	AI 모델 간 데이터·명령 교환을 표준화하는 프로토콜로, 상호운용성을 보장함.
10	A2A (Agent-to-Agent)	여러 AI 에이전트가 상호 협력해 공통 목표를 수행하는 멀티에이전트 협업 구조.
11	MLOps	머신러닝 모델의 학습·배포·운영을 자동화·표준화 하는 관리 체계.
12	APQR (Annual Product Quality Review)	제약 및 바이오 산업에서 사용되는 품질관리 문서로, 연간 제품 품질 데이터를 종합·분석하여 생산공정의 일관성과 품질 개선사항을 검토하기 위한 보고서.
13	GMP (Good Manufacturing Practice)	의약품·식품·화장품 등의 제조 과정에서 품질을 보장하기 위한 국제적 표준 규정으로, 위생·공정·품질관리 기준을 명문화한 제조 및 품질관리기준.
14	LLM (Large Language Model)	대규모 언어모델로, 자연어 이해 및 생성에 특화된 AI 모델.

TOP