- 해리슨 매뉴팩처링(Harrison Manufacturing)에서 2년 넘게 AI를 적용해 온 줄리 해리슨 CEO는 핵심적인 질문을 던집니다. ‘지능’의 어느 부분을 기계에 맡기고 어느 부분을 인간이 보유해야 하는가. 실제 경험에 따르면 AI는 매우 구체적인 작업에서 가장 잘 작동하며, 거창한 선전의 상당 부분은 마케팅에 불과했습니다.
- 정밀한 배합이 필요한 윤활유 제조 공정에서 AI는 온도, 압력 등 복잡한 시스템의 생산량과 정확도를 최적화하는 데 도움을 줍니다.
- 마이크로소프트 코파일럿 도입을 시작으로 재무, 공급망, 채무 관리 등 백오피스 업무에서 뚜렷한 효율성을 확인했습니다.
- 핵심 원칙은 ‘가비지 인, 가비지 아웃(Garbage in, garbage out)’입니다. 데이터가 부실하면 AI는 잘못된 결과를 냅니다. 따라서 전 가치 사슬을 데이터 표준화에 맞춰 재설계해야 했습니다.
- 노후 장비(Legacy system)는 AI의 처리 속도를 따라가지 못해 병목 현상을 일으킬 수 있으므로, 기술 동기화가 선행되어야 합니다.
- 생산 라인의 AI 적용은 인간의 훈련과 검증이 필수적입니다. 인간의 호기심, 회의론, 경험은 기계가 완전히 대체할 수 없습니다.
- 숙련된 엔지니어가 압력계를 보고 느끼는 ‘위질감’과 같은 지혜는 AI가 계산할 수 없는 가치입니다.
- AI는 직원을 대체하는 것이 아니라 생산성을 높여주는 도구입니다. 전문가가 AI의 역할을 명확히 규정할 때 최선의 결과가 나옵니다.
- 반대로 AI에 과도하게 의존하여 경계심을 잃는 것이 가장 위험합니다. 제조업에서는 작은 실수 하나가 전체 로트를 망칠 수 있습니다.
- R&D 분야에서 AI는 내부 데이터를 기반으로 수식과 시나리오를 전통적 방식보다 훨씬 빠르게 실행하는 기회를 제공합니다. 📌 결론: 해리슨 매뉴팩처링은 2년간의 적용 끝에 AI가 공정 최적화와 재무 등 특정 업무에 매우 효과적임을 확인했습니다. 다만, 성패는 데이터 품질과 인간의 감독에 달려 있습니다. AI는 속도와 R&D를 지원하지만, 인간의 경험과 의구심을 대신할 수 없습니다.
