시장에서 퇴출되는 제조 기업? ‘일 잘하는 제조 AI’가 없는 기업

시장에서 퇴출되는 제조 기업?

‘일 잘하는 제조 AI’가 없는 기업

“AI로 다시 제조업을 일으키지 못하면 10년 후, 한국 제조업의 거의 상당 부분이 시장에서 퇴출당한다.” - SK그룹 최태원 회장

그렇습니다. 이제 한국 제조 기업들은 ‘제조’를 잘 하는 기업을 넘어, ‘제조 AI’를 잘 하는 기업으로 변화해야 합니다. 

‘일 잘하는 제조 AI’가 되려면, 제조 AI에게 지식을 심어주어야 합니다. 

그 정체는 바로 품질 높은 데이터죠!

오늘은 페블러스의 실제 대기업 사례를 통해 마주한 세 가지 문제,

합성데이터로 이를 어떻게 돌파했는지를 말씀드릴게요.

모 대기업의 재활용 AI 사례 속 치명적인 문제점?

페블러스가 모 대기업의 PoC를 지원한 사례입니다. 

코로나 이후 재활용 선별 현장의 100% 수작업 운영이 한계에 달했어요.

폐플라스틱에 대한 AI 자동화를 도입했으나, 막상 현장에서 문제가 터졌습니다.

• 플라스틱의 깔끔한 형태는 인식하지만…
• 실제 선별장 속 불규칙한 형태는 인식하지 못했던 것이죠. 

재활용 AI 사례지만, 제조 AI를 개발 중인 기업, 개발하신 기업에서 많이 공감되시는 문제죠?

지금까지는 제조 AI가 완벽한 모습의 외형만 보고 판단했지만, 

이제는 속성, 맥락에 따라 판단할 수 있는 AI가 되어야 합니다. 

1. 재질이 8가지, 경우의 수는 수천 가지?

• PET(생수병) 
• HDPE(샴푸통)
• ECAL(우유팩)
• PET 오일(식용유 병)
• 혼합 연질(비닐봉지)
• 혼합 경질(장난감)
• 판지(택배 박스)
• 금속(캔)

사례 속 쓰레기들은 모두 플라스틱 소재로 이루어져 있으나…

분류는 그렇게 간단하지 않습니다. 

🔸플라스틱 뿐만 아니라 또다른 소재가 섞인 복합 재질까지 다양합니다. 

🔸여기에 색상(투명/흰색/검정), 표면 상태(도장 유무, 오염 여부)까지 달라지기도 하고요.

👉 현장에서는 이 모든 경우의 수가 섞인 쓰레기들이 쏟아집니다. 

그러나 실제 데이터에서는 이 조합들이 고르게 존재하지 않습니다.  

특정 조합은 현저히 부족하고, 수집하려면 수개월이 걸립니다. 

👉 결국 AI는 편향에 빠져버리고 맙니다. 

흔한 조합은 잘 인식하지만, 희귀한 조합 앞에서는 오류를 내는 것이죠. 

2. 투명하거나 반짝이는 플라스틱, AI는 인식 자체를 못합니다. 

투명한 플라스틱

• 투명 PET병 위에 투명 비닐이 겹쳐 있는 경우 AI가 명확하게 인식하지 못하고 있었습니다. 
• 쓰레기가 아니라 아예 배경으로 인식하는 것이죠. 
• AI는 쓰레기를 분류하지 않고 그냥 넘겨버립니다. 

반짝이는 재질

• 재질 특성 상 표면이 일부 반짝이는 플라스틱은 주변 환경이 그대로 반사됩니다.
• AI는 이 반사광 때문에 경계를 제대로 잡아내지 못하고, 오류를 냅니다.

다양한 변수까지 완벽 대비한 해결책은?

1. 수많은 재질, 다양한 조합을 의도적으로 대량 생성했습니다. 

재질, 오염 여부가 모두 반영된 데이터를, 그것도 충분한 양을 수집해야 합니다.

하지만 현실에서 그때까지 기다리기란 시간이 매우 오래 걸립니다.

페블러스는 재질, 색상, 오염 상태를 설정값으로 조절하여 현실에서 100장 모으기도 어려운 조합을 합성데이터로 수천 장 확보했어요.

그런데 여기서 핵심은 ‘복합 재질’입니다. 

복합 재질은 사람 눈에도 구분하기 어렵습니다.

그럼에도 불구하고 AI가 명확하게 구분하게 하려면 어떻게 해야 할까요?

🔸합성데이터 생성 시 ‘겉은 PE, 안은 복합재’라는 정보를 처음부터 내장한 상태로 세부 라벨링해야 합니다.

🔸합성데이터를 AI가 반복적으로 학습시켜, 복합 재질마저 구분하는 AI가 만들어졌습니다. 

2. 투명한 물체, 반짝이는 물체는? 물리 기반 렌더링(PBR)으로 정밀 구현

인간은 투명한 페트병을 보고 페트병이라는 걸 바로 인식하지만, 

AI는 모르는 이유가 무엇일까요?

🔸인간은 반사, 굴절, 흡수 등 물리적인 법칙 속에서 자연스럽게 살아왔습니다. 

🔸그래서 직관적으로 투명 페트병이라는 사실을 알아챌 수 있어요.

페블러스는 이 원리를 AI에게 그대로 적용했습니다.

영화 CG에도 쓰이는 PBR 기술로 반사, 굴절, 흡수를 물리 법칙 그대로 시뮬레이션하는 것이죠!

👉 여기서 한 단계 더 들어가볼까요?

투명 PET와 PS, 육안으로 봐도 구분하기 어렵습니다. 

NIR, 하이퍼스펙트럴, X-ray를 융합한 멀티센서 접근으로, 

겉보기엔 같아 보이는 투명 PET와 PS를 화학 성분 수준에서 구별해냅니다.

미래에 제조 AI가 발전해야 할 방향

'현실과 99% 유사한 피지컬 AI를 위한, 피지컬 AI 데이터 전략' 웨비나 개최!

• 오작동 없이 안전하게 일하는 제조 AI를 만들고 싶으신가요?
• 제조 AI를 개발하는 과정에서, 이론이 아니라 ‘실전’ 기반 해결책이 궁금하신가요?

그래서 페블러스 이정원 부대표님과 다임리서치 장영재 교수님이 웨비나를 준비했습니다. 

제조 AI 전문가들은 문제를 인식하는 관점부터 다릅니다. 

여러분이 미처 놓치고 있었던 심화 해결책까지 전달드립니다. 

블로그, 뉴스레터 등 콘텐츠에서는 공개하지 않은 사례, 웨비나에서만 공개합니다.

• 비현실적인 데이터는 그만, Sim-to-Real Gap(심투리얼 격차)를 극복하는 전략
• 현실에서 보기 어려운 엣지 케이스마저도 현실적인 데이터로 대비하는 비결
• 놓치면 과태료 및 벌금 발생, 민감한 규제까지 대응하는 방법 

일시: 2026년 4월 30일 목요일 15:00~16:00

오직 웨비나 참여자 분들만을 위한 혜택도 준비되어 있습니다. 

아래 버튼을 눌러 지금 바로 신청해 보세요!

본 내용은 페블러스의 기획 하에 AI를 보조적으로 활용하여 작성되었으며, 페블러스의 엄밀한 감수를 거쳐 출간되었습니다.