폭스바겐 사례: 공장 8곳에 유지보수 AI를 3주 만에 확산한 설계

제조 현장에서 AI를 도입할 때 자주 나오는 장면이 있습니다. 한 공장의 매뉴얼과 숙련자 경험을 모아 답변 도구를 만들었는데, 다른 공장에 가면 설비·용어·책임 체계가 달라 그대로 쓸 수 없는 경우입니다. 이때 필요한 것은 더 긴 프롬프트가 아니라, 무엇을 공통으로 유지하고 무엇을 현장에 맡길지 정하는 운영 설계입니다.

AWS가 공개한 Volkswagen Group 생산 부문 사례는 유지보수 챗봇과 중앙 생성형 AI 플랫폼 Genius를 소개합니다. 사례에 따르면 챗봇은 기술 데이터를 빠르게 찾아 기술자의 진단을 돕고, 이 팀은 3주 동안 8개 공장에 유지보수 챗봇을 배포했습니다. 이 수치와 배포 사례는 Volkswagen/AWS의 공개 설명이며, 아래의 확산 표는 LeanX의 해석과 제안입니다.

이 사례가 보여 주는 것은 ‘현장에 AI를 준다’는 방식입니다

기사의 핵심은 단일 챗봇 기능이 아닙니다. Volkswagen은 생산·물류에서 사람이 지능형 도우미를 만들고 사용할 수 있게 하려는 중앙 플랫폼 관점을 설명합니다. 플랫폼은 통제된 환경에서 모델을 시험하고, 신뢰할 수 있는 데이터 흐름을 연결하는 기반으로 제시됩니다.

제조 AX 관점에서 읽으면 다음의 순서가 보입니다. 첫째, 유지보수처럼 기술자가 매뉴얼·이력·설비 정보를 찾아야 하는 반복 문제를 정합니다. 둘째, 답변이 참조할 수 있는 기술 데이터를 제한합니다. 셋째, 같은 답변 틀은 여러 공장에 공유하되, 설비와 안전 기준은 현장별로 분리합니다. 넷째, 불확실한 답은 멈추고 현장 담당자에게 넘깁니다.

공통 기반과 현장 맥락을 나누는 표

공통 기반은 ‘모두 같은 답을 한다’는 뜻이 아닙니다. 어떤 질문에 어느 근거를 보여 줄지, 정보가 부족할 때 어떻게 보류할지를 같게 하는 것입니다. 현장 맥락은 설비·작업 절차·안전 기준처럼 한 곳의 내용을 다른 곳에 그대로 적용하면 위험한 정보입니다.

첫 파일럿은 고장 수리가 아니라 지식 찾기부터

처음에는 설비를 제어하거나 정비 지시를 내리는 AI로 시작하지 마세요. 최근 한 달에 많이 받은 질문 열 가지를 고르고, 관련 매뉴얼이나 이력을 찾아 인용과 함께 답하도록 합니다. “어떤 증상에서 어떤 점검 항목을 먼저 보는가”처럼 숙련자의 지식은 필요하지만, 결과를 사람이 검증할 수 있는 범위가 좋습니다.

답변 화면에는 원문 문서명·페이지·갱신일을 표시하고, 근거가 없으면 답변을 만들지 않도록 합니다. AI가 자신 있게 틀린 절차를 말하는 것보다 “현재 등록된 자료만으로는 확인할 수 없습니다”라고 멈추는 편이 현장에서는 더 유용할 수 있습니다.

현장 지식 카드 한 장으로 시작하세요

질문 또는 증상:
대상 설비·공정·현장:
참조 허용 문서와 최신 확인일:
AI가 보여 줄 결과: 점검 후보 / 근거 / 보류 사유
절대 제안하지 않을 행동:
근거 부족 시 넘길 담당자:
검수자가 볼 대표 사례:
문서 갱신 책임자와 주기:

이 카드는 정비팀만의 문서가 아닙니다. 생산, 품질, 안전 담당자가 함께 보고 승인 범위를 맞춰야 합니다. 카드가 없는 상태에서 매뉴얼을 대량으로 넣으면, 누가 언제 바꾼 자료를 답에 쓰는지 알기 어렵습니다.

확산 전에 확인할 네 가지

첫 공장에서 도구가 쓰인다고 다른 현장으로 바로 넓히지 마세요. 질문에 근거가 표시되는지, 보류 문구가 실제로 작동하는지, 문서 갱신 담당자가 정해졌는지, 현장별 위험 규칙이 분리되었는지 확인합니다. 이 네 가지가 없으면 사용자 수를 늘릴수록 잘못된 정보도 더 멀리 퍼질 수 있습니다.

현장의 반복 업무와 지식 흐름을 먼저 정리하려면 AX 자가진단에서 후보를 작게 나눠 볼 수 있습니다. 설비·문서·승인 체계까지 포함해 파일럿을 설계하려면 제조 AX 컨설팅이 다음 단계가 될 수 있습니다.

자주 묻는 질문

공장마다 매뉴얼이 다르면 공통 AI를 만들기 어렵지 않나요? 공통으로 묻는 문제 유형과 답변 형식을 먼저 맞추고, 설비·공정·안전 규칙은 현장 지식으로 분리하면 됩니다.

언제 다른 공장으로 확산해야 하나요? 한 현장에서 대표 질문, 근거 표시, 보류 규칙, 문서 갱신 책임자가 안정된 뒤입니다. 사용자 수보다 복제 가능한 운영 기준이 먼저입니다.

출처: AWS, “Using generative AI to transform production with Volkswagen Group and AWS”를 2026년 9월 21일 확인했습니다. 페이지에 게시일은 표시되지 않았습니다. 8개 공장·3주 배포와 플랫폼 설명은 Volkswagen/AWS가 공개한 사례이며, 공통·현장 분리 표와 지식 카드는 LeanX의 제안입니다.