AI/로봇·드론/VR·AR

Nikkei Monozukuri_2026.04 (p20~22)

생성 AI를 활용한 축적 데이터 분석 기능
제조업 DX 스타트업, 도입 가속화

공정 관리나 재고 관리와 같은 제조업 DX(Digital Transformation, 디지털 전환)에 관련된 시스템 이용 서비스를 제공하는 복수의 스타트업들이 서비스에 생성 AI(인공지능)를 활용하는 데이터 분석 기능 도입을 가속화하고 있다. 서비스 도입이 궤도에 오른 유저들에게 많은 실적 데이터가 축적되고 있어, 이것을 분석해 업무 개선을 위한 힌트를 얻을 수 있도록 지원하고 있다.

-- 생산 실적 데이터를 분석해 개선점 제안 --
그 중 한 곳인 Smart Craft(도쿄)는 공정 관리 및 생산 실적 수집 클라우드 서비스인 'Smart Craft'의 옵션 'AI 어시스턴트' 제공을 2026년 1월 8일에 개시했다.

Smart Craft는 MES(Manufacturing Execution System, 제조실행시스템) 기능을 핵심으로 하는 시스템으로, 태블릿이나 스마트폰 등 모바일 기기를 사용해 작업 지시, 작업 착수 및 완료 기록, 진척 관리, 실적 데이터 집계·분석 등이 가능하다. 옵션인 AI 어시스턴트는 이 중 실적 데이터의 집계 및 분석에 대해 유저가 자연어로 대략적인 지시만 내려도 경향 파악을 위한 그래프를 작성하거나, 개선점을 제안해 준다.

Smart Craft는 2023년 6월에 정식 제공이 개시된 시스템으로, 도입한 유저에게는 각각 사용 기간 만큼의 실적 데이터가 축적되어 있다. 초기에 도입한 유저의 경우, 이미 2년 치 이상의 데이터를 보유하게 되면서, 이것을 활용하고 싶다는 요구가 강해지고 있다고 한다. Smart Craft에는 이미 데이터를 그래프로 보여주는 리포트 기능이 있었지만, 어떤 데이터를 어떤 그래프로 표현할지, 데이터를 어떻게 처리할지를 유저가 직접 설정해야만 했다.

반면, AI 어시스턴트는 예를 들어, "지난달 생산 실적을 담당자 별, 공정 별, 불량 사유 별로 포괄적으로 분석해 줘"라고 지시하면, AI 어시스턴트가 필요한 데이터를 수집해 적절한 형태의 그래프를 결정하여 리포트를 작성한다. 더 나아가 개선 방안을 제안하는 기능도 갖추고 있다. "누구나 데이터를 분석해 편견 없는 판단을 내릴 수 있게 된다"(Smart Craft의 우키베(浮部) 대표이사)라고 한다.

이 기능은 대규모언어모델(LLM)을 통해 구현된 것이다. 여러 LLM을 비교해 그래프 생성 능력이 뛰어난 모델을 채택하고 있다고 한다. 개선 방안 제안 기능의 경우, 어디까지나 판단 재료를 제공하는 것으로, "제안을 그대로 받아들일지, 혹은 조금 수정할지는 결국 사람이 판단한다"(우키베 대표이사)라는 전제하에 개발되었다.

요금은 도입 부서 한 곳당 한 달간 문의 가능한 건수에 연동되는 ‘토큰’을 기준으로 책정된다. Smart Craft 본체는 엔드 유저 수에 따라 비용이 결정되지만, AI 어시스턴트는 유저 수가 아닌 문의 건수 기반으로 요금이 결정된다. Smart Craft가 LLM 운영 업체에 지불하는 API(Application Programming Interface) 이용료가 대략 문의 건수 기반이기 때문에 해당 비용을 충당할 수 있는 체계로 했다.

2026년 1월 기준, Smart Craft의 유저는 수십 개 사에 달하며, 전체 유저의 누적 생산 활동 시간으로 1,000만 시간 이상의 데이터가 수집되었다. 착수한 생산 활동 건수는 총 30만 건으로, 유저 한 곳당 하루에 수십 건에 상당하는 규모다. Smart Craft의 유저로는 주로 조립 제품(디스크리트 계열)을 다품종 소량 생산하는 기업들이 많다고 한다.

-- 재고 수준을 생성 AI로 상시 최적화 --
Smat(도쿄)는 2025년에 자사의 재고 관리 클라우드 서비스인 'SmartMat Cloud'에 추가한 새로운 기능 '재고 최적화 AI 에이전트’를 사용해 재고 금액을 약 13% 절감한 유저 사례를 공개했다. 구체적으로는 SmartMat Cloud의 유저로, 재고 최적화 AI 에이전트를 선행 도입한 MARUWA SHOMEI(도쿄)가 2025년 5월 15일부터 9월 4일까지 약 4개월간 재고 총액을 2,360만 엔에서 2,060만 엔으로 줄였다. 관리 대상 품목이 184개로 많았다는 점이 특징이다.

SmartMat Cloud 시스템은 온라인으로 연결된 중량계를 통해 재고를 파악하는 구조를 기반으로, 보충해야 할 수량을 자동 발주하는 등의 업무 지원과 병행해 시계열로 재고 데이터를 축적한다. 이 데이터를 분석하면 결품 방지와 재고 금액 절감의 균형을 맞춘 재고 수준에 대한 정보를 알아낼 수 있다. 하지만 담당자가 많은 품목의 데이터를 하나하나 체크하는 것은 현실적으로 불가능하다.

이번 새로운 기능은 수많은 품목에 대해 과거의 축적 데이터를 기계학습하고, 이를 바탕으로 현재의 재고 수준이 적정한지 여부를 판단한다. 판단 결과, 향후 결품 우려가 있거나 재고 금액이 지나치게 많을 경우에는 재고 수준 수정안을 수치로 제시한다. 재고 수준이 적정 범위 안에 있을 때에는 수정안을 제시하지 않는다. 이를 통해 담당자는 모든 품목의 데이터를 체크할 필요 없이 AI가 수정안을 제시한 품목에 대해서만 채택 여부를 검토하면 된다.

만약 담당자가 AI의 수정안을 채택하지 않을 경우, 그 이유를 화면에 입력해야 한다. 예를 들어, "한 달 뒤부터 반년 정도 대규모 수주가 지속될 것으로 예측되기 때문에 재고를 여유 있게 유지하고 싶다" 등의 내용을 자연어로 입력한다. 그러면 재고 최적화 AI 에이전트는 이 정보를 이후의 판단에 반영한다.

재고 최적화 AI 에이전트는 생성 AI를 통해 실현했다. "현장 담당자가 자신의 재고 관리의 노하우를 입력함으로써 시스템을 향상시켜 나갈 수 있다는 점이 생성 AI를 사용한 이유"(Smat의 마쓰이케(松生) 대표이사)라고 한다. 재고 데이터는 수치이지만, 노하우의 정성적(定性的)인 표현도 취급할 필요가 있다고 판단한 것이다.

또한 ‘현장 담당자가 사용하기 편한 시스템 구축’도 생성 AI를 도입한 이유이다. 생성 AI보다 정밀한 예측 방식이나 정교한 기계학습을 사용하는 방법도 있지만, 그것을 도입할 경우, 재고 수준 산출 근거가 복잡해져 시스템이 블랙박스화 될 위험이 있다. 정확도보다 담당자가 이해하기 쉬운 안을 산출하는 것을 우선시한 것이다. 마쓰이케 대표이사는 "하지만 생성 AI의 예측도 많은 품목을 대상으로 할 때 사람이 예측하는 것보다 확실히 정확도가 높다"라고 말한다. 앞서 소개한 MARUWA SHOMEI는 "AI의 재고 감축 제안이 각하된 적은 한 번도 없다. 현장 담당자가 충분히 납득할 수 있는 수준의 제안이었다"라고 설명한다.

재고 최적화 AI 에이전트는 옵션이 아니기 때문에 서비스 이용료 외의 추가 요금을 받지 않는다. Smat는 향후, 종합건강검진과 같이 기업의 재고 상황을 평가하는 기능을 개발해 2026년 3월에 공개할 예정이다. 또한 재고 데이터뿐만 아니라 향후의 수주 예측이나 영업 진척 상황 등의 정보까지 종합적으로 고려해 예측 정밀도를 높이고, 조달 계획 제안 기능도 개발하여 2026년 여름까지 구체적 형태로 구현할 계획이다.

 -- 끝 --

Copyright © 2026 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.

Nikkei Monozukuri_2026.04_목차

도전자
AI와 DX로 신제품 개발, 세포·반도체에 주력
클라레의 오마쓰 연구개발본부 담당 상무

심층 뉴스
“전문 지식의 장벽은 소멸된다” 협동 로봇 대기업 산하의 UR, 휴머노이드 로봇에 회의적
자동차·제조업에서 실증이 진행 중인 CAE×AI, RICOS의 CEO “설계의 타협을 없앤다”
생성 AI를 활용한 축적 데이터 분석 기능, 제조업 DX 스타트업들이 도입 가속화

REPORT
혼다의 신형 전동 이륜차 저코스트 전략, 중국 부품을 활용해 세금 포함 22만 엔이라도 이익
디젤특급 ‘소야’의 엔진 부품 탈락, 제어 회로의 납땜 균열로 과회전 발생
잠재 시장 규모는 ‘자동차 이상’, 중국 AGIBOT이 휴머노이드 로봇으로 일본 진출
스기노 머신 등이 초전도 코일 제조 장비 개발, 헬리컬 방식의 핵융합 실증용으로

특집
공장 자동화(FA)에 밀려드는 소프트웨어 정의의 물결
Part 1. 총론
AI·데이터 활용 기반 ‘SDA’, 서비스로 맞서는 일본의 FA
Part 2. 선도하고 있는 유럽과 미국
기계 판매에서 AI 서비스 과금으로, 사업 구조 전환을 서두르는 해외 대기업 3사
Part 3. 일본 제조사의 전략
하드웨어의 강점을 살려 데이터 비즈니스 추진
Part 4. 모노즈쿠리 조사 랩
제어 AI 미도입 비율 54%, 자동화를 가로막는 코스트와 인재 부족

세계 최대 규모의 수지 전시회 ‘K2025’
닛세이수지와 이탈리아의 네그리보시, 큐브 금형으로 2색 성형 및 금형 내 조립 선보여
제1회 사출 성형 기술

IHI ‘암모니아 연소’ 개발 이야기
열망하던 혼합 연소율 20% 달성, 세계 최초의 쾌거에 눈물
최종 회

사고는 말한다
수심 3363m에서 내파된 잠수정 ‘타이탄’, 내압 케이스에 사용되어서는 안 되는 CFRP 채택

PICK UP
카이로 로켓이 발사 1분 정도 만에 비행 중단, 세 번째도 성공하지 못해

공급망의 새로운 상식 걸작선
대활약하고 있는 AI 에이전트, 하지만 메모리 부족의 원인이기도 해
제12회

도요타 방식 인재 양성, 당신의 고민에 답하다
제142회: 경영 판단의 실수를 줄이려면

EDITORS' ROOM
MOF에 기대

편집부가 추천하는 책 한권
AI 시대에 일본 제조업은 살아남을 수 있을까?

 -- 끝 --

Copyright © 2026 [Nikkei Monozukuri] / Nikkei Business Publications, Inc. All rights reserved.