AI 시대, 제조IT 전략의 새로운패러다임

오토데스크코리아

송문배상무

2

30,000,000,000,000,000

AI 경제효과 by 2030

Why AI?

4

이세돌 vs 알파고

5

AI로인한바둑대국에서의변화

패턴 (정석) 이해및

변화에대한암기 승률관리바둑

▪ 승률이어떻게흘러갈지감으로

읽어내는능력이중요해짐 -. 기존의악수→필살기

-. 무리한공격급감

-. 집요한수비 및끝내기강화

▪ 준비의중요성증가

: 초반부터승률변화분석

바둑패러다임전환

Perception AI

6

AI Maturity Model

Agentic AIGenerative AI Physical AI

디지털정보로바꾸는 AI

- 비전검사 - 설비이상탐지 - 음성로그

새로운콘텐츠생성하는 AI

- 보고서초안 - 디자인컨셉 - 시나리오생성

목표를받아서스스로계획/실행

주간판매데이터분석 → 이상 원인파악 → PPT 요약

현실에서직접작업하는 AI

Perception + Agentic + 제어 기술이물리세계에붙은형태

Task + Workflow +

System

Task

Workflow

System

Next AI : AGI (Artificial General Intelligence) 사람처럼거의모든지적작업을이해하고, 학습하고, 스스로새로운문제에적용할수있는인공지능

알파고

AI Agent 등장 (2025년)

AI Agent 이후AI Agent 이전

문서번역 보고서 작성

자료조사 마케팅 HR 재무

특정 Task 중심의 AI 활용한자동화 업무영역(기능조직)의업무방식을 AI Agent들과결합하여재구성

전통방식의업무절차 → 완전히새로운절차/방식으로전환

8

AI 성숙도에따른구분

▪ AI 미래지향 (Future-built):

최상위 4~5%, 전사적으로 AI를핵심역량으로만든그룹

▪ AI 스케일링 (Scaling):

이미꽤많은 AI를실제비즈니스에적용해가치창출중인그룹

▪ AI 이머징 (Emerging):

PoC/파일럿은많은데, 스케일링과가치화가안되는그룹

▪ AI 정체 (Stagnating):

아직본격적인 AI 활용 및역량이없는그룹

AI 성숙도와성과

AI 리더

9

AI 성숙도에따른구분

▪ AI 미래지향 (Future-built): 최상위 4~5%, 전사적으로 AI를핵심역량으로만든그룹

▪ AI 스케일링 (Scaling): 이미꽤많은 AI를실제비즈니스에적용해가치창출중인그룹

▪ AI 이머징 (Emerging): PoC/파일럿은많은데, 스케일링과가치화가안되는그룹

▪ AI 정체 (Stagnating): 아직본격적인 AI 활용 및역량이없는그룹

AI 성숙도와성과

0.00

2.00

1.75

1.50

1.25

1.00

0.75

0.50

0.25

기타기업

AI 리더

매출성장률 (3년평균)

총주주수익률 (TSR, 3년)

투자자본수익률 (ROIC, 3년)

영업이익률 (EBIT Margin)

특허수

AI 리더 vs 기타기업

AI 리더

* Source : BCG 컨설팅 (2025)

10

전사 AI 플랫폼Virtual Factory (Digital Twin)

iFACTORY (실제공장)

AI 리더사례 – BMW

AI를공장자동화가아니라, iFACTORY(실제공장) + Virtual Factory(Digital Twin) + 전사 AI 플랫폼으로접근

•독일, 헝가리, 중국, 미국등글로벌 공장에서다음분야에 AI 활용

−품질검사(AIQX)

−예지정비

−물류·AGV

−에너지최적화

•모든공장을 3D 디지털트윈으로 구현하고 다음을 AI 시뮬레이션후

최적화하여실공장반영

−생산레이아웃

−로봇동선

−물류시나리오

•노코드/ 로코드로 AI 모델구성하여 다음부서업무에활용

−생산

−개발

−구매

−고객경험

−Etc.

Agent AI를활용한구매업무활용: 공급업체프로파일링, 소통및견적요청/가격비교

➔ 2% 원가절감

11

AI 리더가되기위한핵심원칙 – 10, 20, 70% 원칙

10%

20%

70%

사람, 프로세스(People & Processes, 변화관리)

1. 업무재설계(Process Reimagination)

2. 조직 및역할재정의

3. 변화관리

기술·데이터(Tech & Data, 인프라)

1. 데이터레이크·웨어하우스, 피쳐스토어, MLOps 플랫폼구축

2. 데이터품질관리(정합성·결측·표준코드등)

3. API, 마이크로서비스, 보안·접근권한, 모니터링

4. LLM 접근방식(전사플랫폼 vs 전용모델) 설계

알고리즘(Algorithm, 모델)

1. 어떤 AI 기법을쓸지결정 (예측/추천/최적화/GenAI 등)

2. 피처엔지니어링, 모델선택, 튜닝

3. 실험설계(A/B test)와모델성능검증

AI 성패의 70%는 ‘사람과일하는방식’을바꾸는데달려있고,알고리즘과기술은겨우 30% 따라서, AI 프로젝트는 IT 프로젝트가아니라조직변화프로젝트다

* Source : BCG 컨설팅 (2025)

12

AI로인한조직, 프로세스변화 – 마이크로소프트

No 년도 AI로인한직원감원수 총직원

1 2021 181,000

2 2022 221,000

3 2023 10,000 221,000

4 2024 1,900 228,000

5 2025 15,000 228,000

AI 중심 조직, 프로세스

재구성

AI 도입으로인한중복업무를수행하는인원의감원이크게있었으나, AI관련업무증가로인한인원 충원으로전체인력은동일또는증가하고있음→ 조직, 프로세스재구성

13

AI 기반일하는방식재설계, Autodesk Design & Make Platform

PRODUCTION

ENGINEERING

CONCEPT

OPERATION SALES

Autodesk Platform Services(APS) Layer

▪ 데이터에접근하고, 자동화하고, 통합·확장하기위해쓰는 표준, API 제공 → 고객·파트너가자기만의앱, 대시보드, 디지털트윈, 커넥터, AI 서비스를만들수있는개발플랫폼

Data Model Layer

▪ 한플랫폼에서이해가능한공통언어→ Granular data 설계, 제조, 시공데이터및각회사의 legacy data에대한 공통언어구조정의

Industry Cloud Layer

▪ 제조, AEC, M&E industry별워크플로우, UI, AI 기능을제공

설계/제조, 건설/시공/운영데이터를하나로묶는 Design & Make 플랫폼(APS + Forma/Fusion/Flow)을 만들고있고, 그위에 Autodesk AI를발전시켜나가고있습니다

Korea Debrief 슬라이드 1 슬라이드 2 슬라이드 3 슬라이드 4 슬라이드 5 슬라이드 6 슬라이드 7 슬라이드 8 슬라이드 9 슬라이드 10 슬라이드 11 슬라이드 12 슬라이드 13 슬라이드 14