에이전트를 도입한 뒤, 에이전트를 운영하는 체계가 필요해졌습니다

운영 지식이 저장소보다 사람에게 더 많이 남아 있었습니다

사업장마다 다른 MES 구성, ERP 연계, 설비 인터페이스와 오랜 벤더 커스터마이징이 함께 존재했습니다. 특정 모듈이 실제로 어떤 설비를 제어하는지, 왜 한 사업장이 다른 사업장과 다르게 동작하는지는 일부 엔지니어만 알고 있었습니다.

문서와 코드만으로는 공장의 현실을 재구성할 수 없었습니다

담당자가 없으면 장애 조사가 길어졌고 야간 활동을 아침 근무자가 다시 파악하는 데 시간이 들었습니다. 처음 목표는 AI가 오래된 시스템의 의존성, 인터페이스, 사업장별 설정과 테스트 공백을 읽도록 하는 것이었습니다.

제품을 한 번에 도입하지 않고 문제의 변화에 따라 확장했습니다

읽기 중심 분석에는 Patty Code와 PCCP로 충분했습니다. 분석이 협업 지식이 되자 Crew가 필요했고, 전문 에이전트가 열 개를 넘어서자 책임·중복·에스컬레이션·자원 사용을 관리하기 위해 Pilot을 추가했습니다.

시스템별·사업장별 작업 공간과 책임 구조를 만들었습니다

MES Core, Plant A, Plant B, Plant C, Equipment Gateway와 같은 지속 공간을 만들고 제조 시스템 책임자, 엔지니어링 매니저, 보안 책임자 아래에 관련 에이전트를 배치했습니다.

구현 과정

관찰된 변화

약 9영업일

첫 번째 유용한 시스템 지도이후 선임 엔지니어 검증 수행

90–100분 → 약 40분

중앙값 장애 분류 시간대상 사건 유형의 고객 관찰

30분 → 5–10분

아침 근무의 야간 활동 검토지속 활동 기록과 요약 사용

약 50%

회귀 테스트 준비 시간 감소참여 시스템의 근사 관찰

문서가 설명한 공장과 실제 공장은 달랐습니다

에이전트가 논리적으로 완성도 높은 설명을 만들더라도 운영자는 실제 설비가 다르게 동작한다고 지적할 수 있었습니다. AI가 만든 초기 이해를 현장 엔지니어와 운영자가 검증한 뒤 조직 지식으로 승격하는 단계를 추가했습니다.

에이전트가 있다는 것과 에이전트 운영 모델이 있다는 것은 달랐습니다

두세 개의 에이전트에는 Pilot이 필요하지 않았습니다. 여러 사업장에서 10개가 넘는 전문 에이전트가 지속적으로 일하기 시작하자 소유권, 중복, 막힘과 에스컬레이션을 다루는 조직 계층이 중요해졌습니다.