
AX 도메인 26주 ⑤ · 산업·제조·에너지
앞선 네 도메인의 결론은 한결같았습니다 — 가장 싼 개입인 관문 레이어가 이득의 대부분을 회수한다. 산업·제조의 인공지능 전환(AX)에서 그 공식이 처음 깨졌습니다. 사례 기록 89건으로 부하 지도를 그리고 가상 조직 하나를 세워 26주를 돌렸더니, 재편 계열이 관문 레이어를 시드 범위 겹침 없이 앞섰습니다. 다만 그 우위에는 조건이 하나 붙어 있었습니다.
- 제조 현장 부하의 절반이 계측입니다. 공정·설비 트랙이 수요의 53%를 차지했습니다. 그 안의 기준선 계측과 시뮬레이션 검증은 반복성이 시리즈에서 가장 높습니다. 사례 기록 89건을 업무 유형으로 펼친 결과입니다.
- 그래서 시리즈에서 유일하게 “레이어로는 부족”이 나왔습니다. 재편 계열(C3·C4)이 관문 레이어(C2)를 시드 범위가 겹치지 않게 앞섰습니다. 레이어가 회수한 이득은 78.4% — 다섯 도메인 중 최저입니다.
- 단, 갈림길의 표지판은 설비 데이터 성숙도입니다. 인공지능 이득이 절반인 세계에서는 1위가 하이브리드(2,997.9)로 뒤집힙니다. 전면 재편은 아무나 하는 것이 아니라, 계측 데이터가 이미 쌓인 조직의 특권입니다.
- 코퍼스 관측 필자의 실사례 기록에서 산업·제조·에너지로 분류된 89건의 분포값. 익명화 집계이며 개별 기업·사례명은 싣지 않습니다.
- 설계 필자가 설계한 얼개·제안. 특정 기업의 현행 제도가 아닙니다.
- 모의 가상 조직 S-Plant의 26주 모델 안에서 잰 값. 현실 실측이 아닙니다.
Part 1 · 지형사례 기록 89건이 그리는 부하 지도
조직도는 부서를 보여주지만, 부하 지도는 시간이 실제로 어디에 쓰이는지를 보여줍니다. 산업·제조·에너지로 분류된 기록 89건을 업무 유형별로 펼치면 이렇습니다 코퍼스 관측.
| 업무 유형 | 기록 수 | 비중 | 한 줄 해석 |
|---|---|---|---|
| 제조·로봇·디지털 트윈·시뮬레이션 | 47 | 53% | 제조실행시스템(MES)·설비·공정 — 이 도메인의 본진 |
| 사내 역량·교육 | 20 | 22% | 현장 인력의 디지털 역량 전환이 상시 과제 |
| 조직 설계·전환 | 13 | 15% | 생산과 개발의 협업 구조를 다시 그리는 일 |
| 프로세스 혁신 | 9 | 10% | 운영 표준과 보고 체계 |
산업·제조·에너지 도메인 슬라이스 89건의 업무 유형 분포 코퍼스 관측. 배터리·제철·전력·식품·의료기기 조직이 섞여 있고, 89건 전부가 산출물에 근거한 기록입니다.
다른 네 도메인과 뚜렷이 다른 점이 하나 있습니다. 부하의 절반이 계측 가능한 물리 세계의 데이터 업무입니다. 기준선 계측과 시뮬레이션 검증이 그 중심입니다. 원천이 보고서와 회의가 아니라 센서·로그·시뮬레이션이라는 뜻입니다. 자동화 점수 공식(부하 × 반복성 × (1 − 판단위험))이 시리즈에서 가장 높게 나오는 부하 구조입니다.
사람이 끝까지 쥐어야 하는 다섯 지점
이 시리즈가 쓰는 판별 기준은 하나입니다 — “자본·안전·계약·사람의 지위를 되돌릴 수 없게 움직이는가.” 제조 조직에서 이 기준에 걸리는 노드는 다섯 개입니다. 오른쪽 숫자는 판단위험 값입니다 설계.
제조의 관문은 자본과 안전이 축입니다. 소프트웨어에는 배포 되돌리기가 있지만 라인에는 없습니다. 대신 시뮬레이션 → 파일럿 → 현장 시험이라는 단계적 검증 사다리가 관문 앞을 지킵니다. 인공지능 전환은 바로 이 사다리를 기계 속도로 돌리는 일입니다.
지금 체계의 강점과 약점
- 안전 규율이 몸에 배어 있다 — 인터록·방호·작업 허가가 문화로 실재한다
- 공정 지식이 깊다 — “이 라인은 왜 서는가”를 아는 사람들이 남아 있다
- 설비 투자 의사결정에 재무 규율이 서 있다
- 계측 데이터가 부서별 사일로에 잠겨 있다 — 자동화 상성이 가장 좋은 부하인데 원천이 흩어져 있다
- 현장과 사무가 이중 조직이라, 개선 과제가 보고 체계를 오가며 지연된다
- 사고 대응이 사후적이다 — 모델에서 지금 체계의 사고 3.0건은 시리즈 최고다
Part 2 · 실험가상 조직 S-Plant의 26주
방법은 이 시리즈가 바이오·제약 편에서 쓰기 시작해 정보기술 서비스 편이 이어받은 계약 그대로입니다 설계.
무엇을 돌렸나
가상 조직 S-Plant는 스마트팩토리 전환 중인 제조 기업의 생산기술·혁신 부문입니다. 주간 기본 처리 용량은 100 공수 단위이고, 수요는 이를 넘는 150 단위입니다. 일감은 네 트랙으로 들어옵니다 — 공정·설비 53%, 역량·교육 22%, 조직 전환 15%, 프로세스 혁신 10%. 비중은 코퍼스 89건에서 파생했습니다.
산업·제조에만 넣은 수정자가 셋 있습니다 설계. 사고 비용 — 사고 1건은 18 공수 단위를 태웁니다. 라인 정지와 안전 조치의 주간 비용이며, 자동차 편(20)에 이어 시리즈 2위입니다. 현장 상한 — 파일럿과 현장 시험의 물리 슬롯은 어떤 조건에서도 자동화 배수 1.9배를 넘지 못합니다.
자산화 복리 — 계측 데이터와 시뮬레이션 모델은 쌓일수록 다음 과제를 가속합니다. 주 +0.7~0.8%로 시리즈에서 가장 큽니다. 다만 이 복리는 데이터가 정비된 조직을 가정한 값입니다. 그래서 민감도 D에서 이 가정을 꺼보았습니다.
26주 뒤 네 조직
| 지표 | C1 지금 | C2 레이어 | C3 재편 | C4 하이브리드 |
|---|---|---|---|---|
| 품질조정 산출(공수 단위) | 2,345.6 | 2,866.8 | 3,010.9 | 2,976.1 |
| 낭비(재작업+운영 수습) | 292.0 | 263.9 | 372.4 | 293.8 |
| 평균 리드타임(주) | 3.46 | 2.40 | 2.53 | 2.55 |
| 관문 1회 통과율 | 85.8% | 78.4% | 74.9% | 79.6% |
| 사고(26주) | 3.0건 | 0.0건 | 0.0건 | 0.0건 |
| 마지막 4주 처리(주당) | 80.6 | 107.7 | 114.6 | 115.2 |
| 기말 잔여 백로그 | 1,189.7 | 781.7 | 744.4 | 726.3 |
S-Plant 26주 · 시드 세 개 평균 모의. 전 파라미터가 설계 가정인 모델 내 측정입니다.
읽는 법 세 가지입니다.
품질조정 산출 비교 모의. 다른 편과 달리 첫 계단(C1→C2) 뒤에도 눈에 띄는 계단이 하나 더 남아 있습니다.
첫째, 무체계 인공지능의 대가가 시리즈에서 가장 험합니다. 26주 사고 3.0건은 다섯 도메인 중 최고입니다. 다른 편에서 무체계 조건의 청구서는 백로그로 왔습니다. 제조에서는 안전으로 옵니다.
둘째, 재편 계열(C3·C4)이 관문 레이어(C2)를 시드 범위 겹침 없이 앞섭니다. C3의 가장 낮은 시드조차 C2의 가장 높은 시드보다 높았습니다. 시리즈에서 유일한 결과입니다. 다만 C3과 C4 사이는 범위가 겹치는 동급 선두입니다.
셋째, 레이어가 회수한 이득은 78.4%로 시리즈 최저입니다. 다른 도메인의 96~98%와 대비됩니다. 부하의 절반이 자동화 상성 최고인 계측·시뮬레이션이기 때문입니다. 체계를 크게 바꾼 만큼 더 가져가는 도메인이라는 뜻입니다.
결론이 뒤집히는 조건을 찾아서
| 시나리오 | 1위 | 함의 |
|---|---|---|
| A. 인공지능 이득이 절반인 세계 | C4 2,997.9 | 순위 역전 — 이득 하방에서 재편의 정착·희석 비용이 드러난다 |
| B. 인공지능 이득이 1.5배인 세계 | C3 3,021.3 | 상방에서는 재편 우위가 그대로 유지된다 |
| C. 재편 최선 가정(희석 0) | C3 2,982.3 | 희석을 지워도 C4와 동급 선두에 머문다 |
| D. 설비 데이터 미정비(자산화 복리 0) | C3 2,965.8 | 1위는 지키나 격차가 시드 노이즈 수준으로 줄어든다 |
민감도 네 시나리오 · 품질조정 산출 기준 모의.
이 실험이 말할 수 없는 것
- 전 파라미터가 설계 가정인 모델 내 측정입니다. 업종(배터리·제철·식품)별 공정 특성은 평균화했습니다.
- 노사 관계·교대 근무 같은 현장 조직의 제약은 모델 밖입니다.
- 코퍼스 89건 중 공정·설비 47건은 특정 업종(배터리 계열) 비중이 높아, 다른 업종으로 일반화할 때 주의가 필요합니다 코퍼스 관측.
Part 3 · 제안조직도를 그리기 전에 계측 데이터를 정비하십시오
제조의 결론은 조건부입니다 설계. 그래서 운영 모델도 층으로 세우되, 층의 순서가 곧 투자의 순서가 됩니다.
90일 도입 순서
결정 체크리스트 — 제조·혁신 리더용
- 핵심 공정의 계측 데이터 정합성을 점수로 말할 수 있는가 — 조직 개편안보다 먼저.
- 설비 투자·안전 인터록·양산 가동 개시·보직 발령 — 네 관문이 문서로 존재하는가.
- 시뮬레이션 검증이 현장 시험 앞에 의무 단계로 서 있는가.
- 무체계 인공지능의 대가가 이 도메인에서는 백로그가 아니라 사고임을 경영진이 아는가.
- 재편을 검토한다면 — “인공지능 이득이 절반인 세계”에서도 그 안이 성립하는가.
마치며계측이 절반인 조직의 순서
산업·제조는 시리즈에서 유일하게 관문 레이어만으로 부족했던 도메인입니다. 부하의 절반이 계측이라, 체계를 크게 바꾼 만큼 더 가져갑니다. 다만 그 이득은 데이터가 쌓인 조직에만 열립니다.
- X-1 AI/AX 2030 전략: McKinsey, BCG, Accenture, Deloitte, Gartner 교차 분석
- X-2 빅테크 리더십 격변과 AX 전략
- X-3 2026년 GitHub에서 주목할 프로젝트와 AI 전환 신호
- X-4 AI 에이전트 2026 상반기 대해부 — 지금 무슨 일이, 리더는 무엇을
- E-1 AI 네이티브 기업 전환 — CHO·PMO 재정의
- E-2 한국 기업 AX 2030 (Capstone)
- E-3 NH농협은행 SAFe 애자일 3년 — 페이스메이킹의 기록
- E-4 하나은행 × BCG 애자일 전환 — 두 개의 리듬으로
- E-5 네이버랩스 AKI — 하이브리드 애자일 PMO로 7개 제품을 한 박자로
- E-6 일곱 도메인 업무 흐름 지도 — 내 도메인의 게이트는 어디에 걸려 있나
- EO-1 우리 회사 업무, 어디까지 Agent에 맡길까
- EO-2 사내 RAG의 진짜 테스트: 부서 이동과 문서 개정을 견디는가
- EO-3 회의록에서 업무 등록까지: 중복 실행을 막는 Agent
- EO-4 Agent 성적표: 답변·업무 완료·재작업을 함께 재기
- EO-5 전문가의 지식은 어떻게 다음 프로젝트의 근거가 되는가
- EO-6 Agent 도입 30일, PMO는 무엇을 보고 계속할지 결정할까
- EO-7 Sillok × Astra/ultra: 시너지를 판정하는 업무 실험
- EO-8 공공 SI와 제조 SCM, 같은 Agent에서 달라지는 경계
- K-1 Agentic 시대, PM의 온톨로지맵 — Obsidian을 통해 나만의 RAG를 만드는 법
- K-2 Karpathy의 LLM과 Obsidian 지식 결합
- K-3 Karpathy의 autoresearch: PM에서의 적용 사례
- K-5 Karpathy LLM OS 시각으로 본 AX PM/PL 역량 — Claude Code 소스 교차 분석
- K-6 30시간 RAG 실측 — Karpathy llm-wiki vs obsidian-vault 양강 비교
- K-7 구글 OKF·Obsidian Vault·llm-wiki — 무엇을 어떻게 시작할까
- K-8 Obsidian × LLM 4만 노트 — 개인 RAG 최종 아키텍처 5층
- K-9 PM 온톨로지맵 템플릿 배포판 — 30분에 채우는 5칸
- G-1 삼성전자 GAUSS PM Agent: 효과적 설계로 주니어 PM 지원하기
- G-2 주니어 PM 위한 AI 하네스 구축 가이드
- G-4 삼성 DX 엔지니어를 위한 Codex 온보딩 — 하네스 & 개인 RAG
- G-5 나의 Agent 비서, 블록 12개로 조립한다 — 재사용 블록과 77%의 법칙
- G-6 내 업무를 맡길 AI 에이전트 — 6블록 설계와 PROFILE BIND
- CC-4 내 노트 4만 개 검색 — LLM 직접 읽기 vs 전용 CLI, 하이브리드 5.5배
- CC-5 Obsidian 노트를 앱 없이 검색 — 오픈소스 byeori(벼리)
- CC-6 사내 지식을 RAG로 — 망분리·토큰0 6단계
- G-8 4.5TB 클라우드 단일화 — Mac × 클라우드 × Agentic 업무환경
- A-5 Fable 5와 보낸 첫 하루 — 모델 × 하네스 × RAG 실측 회고
- A-6 맥은 이미 AI 워크스테이션 — 사진·노트·인박스 0원 정리
- A-7 Mac@Work 2026 — 맥 20년차의 도구 모음과 Agentic 카테고리
- A-8 좋은 엔진은 없다, 맞는 엔진이 있다 — Codex/Sol vs Claude/Fable 5대 실전 비교
- CC-3 Opus xhigh 솔로 vs ultracode 멀티에이전트 — 작업유형별 A/B 실측
- G-3 대기업 직장인을 위한 AI Agent & Skill 추천 가이드 2026
- G-7 녹취 엔진 두 레인 — SpeechAnalyzer와 Alt, 코칭·컨설팅 6장면 판단표
- CC-7 Claude Code × GPT-5.6 Sol — CCR vs 순정 Codex 7시나리오 실측
- P-0 7인의 사고 체계 종합 프레임워크
- P-1 PM 코치가 바라보는 AI 전문가 탐구 1편: Andrej Karpathy
- P-2 Sutskever: 압축이 곧 지능이다
- P-3 Hassabis: 제1원리 분해
- P-4 LeCun: 세계 모델 + 예측
- P-5 Hinton: 거버넌스 + 자기부정
- P-6 Ng: AI 전환 플레이북
- P-7 Fei-Fei Li: 인간중심 설계
- P-8 Builders 종합: Boris·Cat·Truell·Masad·Murati·Brockman
- P-9 Operators 종합: Altman·Amodei·Nadella·Pichai·Zuckerberg·Suleyman
- P-10 Hardware 양강: Jensen Huang · Lisa Su
- P-11 DeepSeek 량원펑 — 연속 학습의 공백과 하네스
- S-1 Agentic PM의 시대가 열리다 — LG전자 SW PM 워크숍을 마치며
- S-2 삼성전자 PMC: AI와 함께하는 PM 교육 혁신
- S-3 SKT Agent 도출을 위한 AI 퍼실리테이션 기법
- S-4 리스크는 그릇이었다 — LG전자 SW공학연구소 GenAI RISK 워크숍
- S-5 코드 한 줄 없이 손익관리팀이 만든 에이전트 — 신한EZ손해보험
- S-6 “어디까지 입력해도 되나요?” — 삼성 구매 현장의 Agentic 각성
- S-8 ‘바이브 프로젝트 매니징’을 스스로 이름 붙였습니다 — 현대모비스 편
- S-9 “대충 시키면 다 해줄 줄 알았는데” — SK쉴더스 보안 PM들의 이틀
- S-16 “완료했습니다”가 서로 다른 뜻이었다 — 다섯 차수 종료 회고 NEW
- PS-2 공공 PM이 ‘AI 이용자’에서 ‘AI 활용자’로 — 아이티센 편
- M-1 Agentic PM 시리즈 진입 가이드 — 전체를 한 장으로
- Z-1 실록(Sillok) — 5세기 Audit-Grade 거버넌스를 LLM 운영에 빌려온 한국형 LLMOS 하네스
- Z-2 실록(Sillok) 2026 상반기 결산 — RAG·고객사·지능화 루프·오픈소스
- Z-3 하네스×RAG 기업 컨설팅 — 네 현장·환각 방지·TOP10 자가진단·진화 루프
- Z-4 하네스 엔지니어링 백서 — Weng 하네스론×실록 구조 매핑·자기개선 루프·정직한 결산
- Z-5 에이전트 스킬 수명주기 백서 — Dynamic Agent Skills 8단×실록 매핑(7 온전+1 갭)·분기 12문항 레퍼런스·PO/PM/PL 컨설팅 직역
- Z-6 AX 시리즈 100편 기념 특집 — 실록·3층 RAG 운영 실측: 대시보드 5장 해설·구조 도식 2장·지식 구조 7층·강의/프로젝트/발행 3사례·응용분야·정지 사고 공개
- W-1 Agentic 월간 관전포인트 2026-05 — 가우스+빅테크 듀얼 모델 시대
- W-2 Agentic 2026 상반기 총결산 — 다섯 축 6개월
- Z-7 100편 기념 특집 2편 — 배치 사다리 6단·수명주기 22일/90일·계측 3지표 (팩 119 중 16개가 라우팅 80% 실측)
- Z-8 100편 기념 특집 3편 — 위임 경계=비가역성·88스텝 중 45개(51%) 사람 확정·비가역 6갈래·4칸 표 템플릿