블로그 목록으로 
509
제조기업의 AI 에이전트, 왜 ‘온프레미스’여야 할까?
제조 기업이 AI 에이전트 도입을 검토할 때 가장 많이 고민하는 부분은 바로 ‘보안’입니다.
도면부터 핵심 공정 데이터, 기술 규격서, 품질 이력까지… 데이터 하나하나가 회사의 귀한 노하우를 담고 있는 기밀 자산이기 때문입니다.
따라서, 이런 데이터에 외부 LLM API를 적용하는 것은 기업 입장에서 조심스러울 수 밖에 없습니다. 그럼에도 불구하고 많은 기업이 클라우드 기반의 GPT나 Claude API를 선택했던 이유는 명확합니다. 초기 GPU 서버 구축에 들어가는 막대한 비용 부담 때문이었죠.
숨은 복병, ‘API 비용의 공포’ : “질문 한 번에 수천 원?”
하지만 최근, 이 타협점마저 뒤흔드는 복병이 나타났습니다. 바로 OpenAI와 Anthropic이 앞다투어 출시하고 있는 ‘추론형 모델’과 그로 인해 늘어나는 고가의 API 비용 부담입니다.
질문을 받으면 즉각 답을 내놓던 기존 LLM과 달리, 추론형 모델은 스스로 수백~수천 번씩 ‘생각하는 과정’을 거친 후 답변을 도출합니다. 더 똑똑해진 것은 맞지만, 이 깊은 생각의 과정에서 소비되는 엄청난 토큰(글자 처리량)이 고스란히 기업의 비용 부담으로 돌아오게 됩니다.
실제로 생산 데이터 DB와 연동되어 원인 분석, 보고서 생성, 데이터 시각화까지 스스로 처리하는 복잡한 에이전트 작업을 수행할 경우, 단 한 번의 질문에도 수천 원의 비용이 발생합니다.
과연 감당 가능한 수준일까요? 숫자로 계산해 보면 현실적인 부담이 얼마나 큰지 단번에 체감됩니다.
가성비 좋은 중국산 모델은 대안이 될까?
비용 압박이 심해지다 보니 “GLM 5.2 같은 중국산 모델은 어떨까?” 고민하는 움직임도 있습니다. 실제로 Claude Opus급 성능을 내면서 비용은 미국 모델의 5분의 1 수준이니까요.
하지만 실제 기업 현장에서는 컴플라이언스(규제 준수)라는 현실적인 장벽에 부딪히게 됩니다.
내부 IT 보안 정책상 중국산 소프트웨어를 쓸 수 없거나, 방산·공공·핵심 제조 업종처럼 공급망 감사를 엄격하게 받는 곳에서는 도입 자체가 불가능한 경우가 많습니다.
결론은 ‘하이브리드’, 핵심은’ Local LLM’의 성능
라온피플이 수많은 필드 테스트 끝에 도달한 최적의 전략은 ‘하이브리드’입니다.
- 일반 작업 (PPT 생성, 외부 정보 검색 등 민감도 낮은 업무): 외부 API 모델 활용
- 사내 데이터 작업 (기술 문서 검색 및 공정 데이터 분석 등 핵심 업무): Local LLM(온프레미스) 활용
여기서 외부 API는 GPT, Claude, Gemini 등 선택지가 넓지만 ‘어떤 Local LLM을 선택하는 게 좋을지’는 아직도 많은 기업들이 고민하는 지점입니다. 파라미터 수가 많은 고성능 모델을 도입하면 도입 비용이 너무 비싸지고, 작은 모델을 선택하자니 에이전트 성능이 부족하거나, 한국어 답변이 제대로 출력되지 않기 때문입니다.
EXAONE 4.5 : 데이터 주권과 성능을 모두 잡은 마스터키
라온피플은 2026년 6월, LG AI연구원과 공식 파트너십을 체결했습니다. 그리고 온프레미스 에이전트를 구축하려는 제조 기업에 EXAONE(엑사원) 모델을 제안하고 있습니다.
EXAONE 4.5는 2026년 4월 LG AI연구원이 공개한 최신 비전-언어 모델 (Vision Language Model, VLM)로, 실제 제조 현장에서 다음과 같은 다음과 같은 확실한 강점을 발휘합니다.
☑️ 도면도, 스캔 문서도, 표도 척척 읽는 멀티모달
계약서, 기술 도면, 재무제표처럼 텍스트와 이미지가 뒤섞인 복합 문서를 별도의 전처리 없이 문맥 그대로 이해합니다.
☑️ 두꺼운 매뉴얼도 통째로 소화
A4 용지 기준 약 600페이지 분량을 한 번에 처리합니다. 긴 기술 매뉴얼을 쪼개 읽지 않아도 되니 맥락이 끊기는 답답함이 없습니다.
☑️ 한국 제조 현장의 ‘진짜 언어’를 이해
글로벌 모델과 달리 국내 산업 현장의 맥락을 깊게 학습했습니다. 국내 기업의 KPI 보고서, 품질 기준서, 내부 규정집을 가장 정확하게 파악합니다.
☑️ 글로벌 탑티어 모델과 견주는 Vision 분야 성능
STEM(과학·기술·공학·수학) MathVision 75.2, WeMath 79.1, LogicVista 73.8을 기록하며, GPT-5 mini 대비 3개 분야 모두에서 더 높은 성능을 보였습니다. 사내망 내에 안전하게 구축된 LLM이지만 글로벌 상용 API 모델과 동등하거나 그 이상의 성능을 냅니다.
☑️ 에이전트 환경 최적화
단순한 챗봇을 넘어 스스로 도구(Tool)를 선택하고 복잡한 업무 흐름을 자율적으로 수행하도록 설계되어, 에이전트로 쓸 때 시너지가 극대화됩니다.
HI FENN WORKS : 제조 기업을 위한 맞춤형 에이전트 플랫폼
아무리 성능 좋은 엔진(LLM)이 있어도, 그 성능을 온전히 쏟아낼 차체(플랫폼)가 없다면 달릴 수 없겠죠. 라온피플의 ‘HI FENN WORKS’는 바로 이 EXAONE 모델의 잠재력을 200%까지 이끌어내는 제조 기업 맞춤형 AI 에이전트 플랫폼입니다.
그렇다면 HI FENN WORKS가 제조 현장에서 발휘하는 핵심 강점은 무엇일까요? 크게 두 가지로 정리할 수 있습니다.
☑️ 비정형 문서 파싱의 치트키, DEEPSCAN
제조 문서에는 정형화된 틀이 없습니다. 스캔본, 복잡한 표, 수식이 뒤섞여 있죠. 일반적인 AI 검색(RAG) 엔진은 여기서 막힙니다. HI FENN WORKS의 DEEPSCAN 엔진은 복잡한 비정형 문서의 구조를 정밀하게 파싱하고 임베딩합니다. 단순 키워드 매칭을 넘어, 문서의 ‘구조’를 이해하고 답하기 때문에 오답률이 혁신적으로 줄어듭니다.
☑️ 쉽고 빠른 데이터 분석 : 생산실적 미달 원인부터 비용까지
기존의 대시보드 툴은 “이번 달 생산 실적이 미달했습니다”라는 사후 결과만 보여주는 데 그쳤습니다. 하지만 HI FENN WORKS의 데이터 분석 에이전트는 다릅니다. “왜 미달이 발생했고, 앞으로 어떻게 대응해야 하는지”를 스스로 추론하며, 나아가 사용자가 원하는 보고서 형태로 데이터까지 추출해 줍니다.
실전 상황을 예로 들면, 에이전트가 아래와 같은 복합적인 분석 과정을 스스로 수행합니다.
- 원인 추적:
설비 가동률, 모델 전환(Changeover) 시간 등 연관된 방대한 데이터를 자동으로 탐색해 진짜 원인을 찾아냅니다. - 영향도 분석:
이번 생산 미달이 최종 납기(Delivery) 일정에 미칠 리스크를 정확하게 계산합니다. - 비용 산정:
미달로 인한 예상 손실 금액(Cost)을 추정하고, 이 모든 분석 내용을 담은 엑셀 보고서까지 자동으로 생성합니다.
이제, 전사 AX를 현실로 만들 시간
진정한 AI 전환은 일부 임원이나 특정 부서만 쓰는 프리미엄 도구가 아니라, 모든 임직원이 일상적으로 사용하는 핵심 인프라가 될 때 완성됩니다. 보안과 비용, 그리고 성능이라는 세 마리 토끼를 모두 잡을 수 있는 최선의 답안지. 지금 바로 HI FENN WORKS와 EXAONE 의 조합으로 시작해 보세요!
- 철저한 보안성:
사내 데이터는 외부로 전혀 나가지 않습니다. (온프레미스 Local LLM) - 제조 특화 모델:
국내 제조 현장의 언어와 기술 문서를 가장 잘 이해하는 모델을 씁니다. - 올인원 플랫폼:
문서 검색(RAG)부터 데이터 분석까지, 제조 기업에게 필요한 모든 기능을 제공합니다. - 신뢰할 수 있는 파트너:
LG AI연구원의 공식 파트너사 라온피플이 안정적인 온보딩부터 밀착 운영까지 전 과정을 함께합니다
우리 공장, 우리 기업의 맞춤형 AI 전환은 어디서부터 시작해야 할까요?
글로벌 탑티어 엔진과 제조 기업 맞춤형 에이전트 플랫폼이 만드는 시너지를 확인해 보세요.
