HDATF
한국어
도입 상담하기
메뉴

AX 사례들

기업이 AI를 실제 업무에 어떻게 연결했는지 살펴봅니다. 사례마다 어떤 업무 문제가 있었고, 어떤 기술과 데이터로 처리 과정을 바꿨고, 결과가 무엇이었는지 정리했습니다. 최근 사례부터 보여 줍니다.

근거 확인 121추가 확인 후보 31산업 23조사 기준

AX는 AI를 실제 업무와 서비스에 연결해 일하는 방식을 바꾸는 것입니다.

검색 결과 121 (30 / 121)

2026. 09

  1. 2026-09-17자료 공개AX107운영

    물류 / 공급망 계획 미국

    Microsoft

    클라우드 공급망 계획과 조달 업무

    업무 문제
    Microsoft의 클라우드 공급망 팀은 수요 계획과 조달, 이행, 운송이 서로 얽힌 업무를 다룬다. 수요 계획이 왜 바뀌었는지 찾아내는 일에만 담당자가 닷새에서 이레를 썼다. 회사는 기존 단계에 AI를 덧붙이는 방식으로는 익숙한 일을 조금 빨리 끝낼 뿐 성과가 바뀌지는 않았다고 적었다. 잘못 짜인 과정에 에이전트를 붙이면 한 단계가 빨라진 만큼 다음 단계에 줄이 길어질 뿐이라고 설명했다.
    적용한 기술과 데이터
    공급망 전문가와 엔지니어가 함께 앉아 처음부터 끝까지의 업무 흐름을 먼저 그리고 단순하게 만들었다. 그다음 모든 에이전트가 같은 데이터를 보고 판단하도록 기준이 되는 자료를 하나로 모았다. 이 바탕 위에 계획과 조달, 이행, 운송에 쓰는 목적별 에이전트를 100개 넘게 배치했다. 에이전트는 수요 변화와 생산 능력을 조사하고 항공과 육상, 해상 운송 선택지를 비용과 시점, 탄소 영향 기준으로 비교한다. 사람이 미리 정한 권한과 승인 기준 안에서만 에이전트가 구매 주문을 고치거나 취소하는 일을 돕는다.
    성과
    Microsoft는 고른 일부 업무에서 처리 주기가 최대 75% 줄었다고 밝혔다. 각주에는 2026년 4월부터 8월까지 측정한 월 단위 계획 주기 5회에서 평균 처리 주기가 약 10 영업일에서 2.5 영업일 미만으로 줄었다고 적었다. 수요 계획이 바뀐 이유를 추적하는 일은 매달 20건이 넘는 조사에서 사람이 확인한 설명을 내놓기까지 평균 닷새에서 이레가 걸렸는데 이제 몇 시간이 채 걸리지 않고 때로는 20분이 걸리지 않는다고 설명했다. 같은 각주는 2026년 9월 기준으로 클라우드 공급망 업무에 배치된 에이전트가 111개를 넘는다고 밝혔고 이 수치들이 150명이 넘는 여러 부서 합동 팀이 2025년 9월부터 2026년 8월까지 진행한 작업을 Microsoft가 내부 분석한 결과라고 적었다. 회사는 그 덕분에 계획 주기가 돌아가는 동안 변화를 분석하고 더 많은 경우의 수를 따져 보며 대비책을 세우고 위험을 일찍 찾을 수 있게 되었다고 적었다. Microsoft는 이 결과가 해당 업무와 측정 기간에 한정된다고 밝혔다.
    한계와 남은 과제
    원문은 어떤 모델과 데이터 원천을 썼는지, 배치된 에이전트가 각각 무엇을 맡는지 밝히지 않았다. 수치는 Microsoft 내부 분석 결과이고 측정 범위는 각주에 적힌 2026년 4월부터 8월까지의 계획 주기 5회와 매달 20건이 넘는 수요 계획 조사에 한정되며, 이 범위 밖의 성과와 외부 검증 결과는 확인되지 않았다.

    출처

  2. 2026-09-17자료 공개AX103운영

    보험 / 보험 중개 독일

    MRH Trowe

    권한을 보존한 회의록 작성과 직원용 AI 운영

    업무 문제
    MRH Trowe는 직원들이 생성형 AI를 개별적으로 시험하면서 도구가 분산되고 민감한 고객과 보험 정보가 관리 밖으로 나갈 위험을 겪었다. 단순 채팅만으로는 내부 자료에 근거한 답변과 여러 단계의 업무를 처리하기 어려웠다. 직원이 직접 AI를 활용하되 접근 권한과 비용을 중앙에서 관리할 체계가 필요했다.
    적용한 기술과 데이터
    회사는 LibreChat 화면에 Strands Agents와 Amazon Bedrock AgentCore를 연결했다. 첫 운영 에이전트는 직원의 요청을 받아 Microsoft Teams 회의를 일정에서 찾고 대화록을 가져와 날짜, 참석자, 안건과 후속 작업을 정리한 회의록 초안을 만든다. Microsoft Entra ID로 확인한 직원 신원을 서버에서 전달해 해당 직원의 일정과 대화록만 접근하도록 했다. 에이전트와 모델, 데이터는 프랑크푸르트 리전에서 처리하고 세션을 격리한다.
    성과
    AWS는 운영 첫 달에 약 400명의 직원에게 접근을 제공했고 인프라와 토큰 비용은 좌석당 월 약 14달러였다고 밝혔다. 통화 뒤 수동으로 정리하던 회의록을 짧은 요청으로 만들 수 있게 됐다고 설명했다. 사용량과 비용을 추적하면서 직원이 직접 업무용 에이전트를 만들고 활용할 수 있는 공통 환경을 마련했다.
    한계와 남은 과제
    도입 시작 월과 회의록 정확도, 업무시간 절감량은 공개되지 않았다. 원문에 제시된 인프라 비용 약 40% 추가 절감은 향후 최적화 가능성이며 달성된 성과가 아니다.

    출처

  3. 2026-09-16자료 공개AX105제한 운영

    제조 / 완성차 스페인

    SEAT

    차체 판금 부품의 제조 가능성 분석

    업무 문제
    SEAT의 차체 개발은 설계와 시뮬레이션을 거쳐 마지막에 제조 가능성을 검증하는 순서였다. 전문 해석팀의 대기열을 통과하는 동안 설계 형상과 금형 관련 결정이 굳어져 뒤늦게 문제를 찾으면 수정 부담이 커졌다. 설계자가 형상을 바꿀 수 있을 때 제조 가능성을 먼저 확인할 방법이 필요했다.
    적용한 기술과 데이터
    SEAT는 Synera에서 CAD 소프트웨어와 Altair 해석 도구, 재료 데이터베이스를 연결했다. 설계자가 부품과 자연어 질문을 넣으면 감독 에이전트가 형상 추출과 성형 해석 등을 담당하는 전문 에이전트를 순서대로 호출한다. 공학 계산은 기존 규칙 기반 절차와 결정론적 시뮬레이션이 수행한다. LLM은 업무를 나누고 해석 결과를 SEAT의 공학 기준에 맞춰 설명한다. 보고 에이전트가 문제 영역을 표시한 보고서를 만들면 엔지니어가 CAD 수정과 재실행 여부를 판단한다.
    성과
    Synera는 CDFAM Barcelona 시연의 첫 벤치마크에서 기존에 4주 걸리던 제조 가능성 평가를 약 30분에 수행했다고 밝혔다. 실제 부품 분석은 2026년 4월 행사 전에 시작됐고 발표 시점에는 차체 개발 프로그램으로 적용을 확대하고 있다고 설명했다. 설계자는 전문팀의 순서를 기다리는 대신 설계 중에 결과를 받고 엔지니어는 최종 판단을 유지한다.
    한계와 남은 과제
    4주와 30분의 비교는 행사 시연의 첫 벤치마크이며 전체 부품의 평균 성과가 아니다. 최초 분석의 정확한 월과 적용 부품 수, 양산 불량 감소는 원문에 없다.

    출처

  4. 2026-09-15자료 공개AX104운영

    생활소비재 / 생활용품 미국

    Procter & Gamble

    고속 생산라인의 제품 외관 검사

    업무 문제
    P&G의 생활용품 생산라인에서는 소재가 빠르게 이동하면서 늘어나거나 주름지고 부품이 겹친다. 대비가 낮은 결함과 복잡한 포장 무늬도 검사하기 어렵다. 기존 규칙 기반 비전 시스템은 소재와 포장 디자인, 생산 환경이 바뀔 때마다 많은 재설정이 필요했다.
    적용한 기술과 데이터
    P&G는 자사 딥러닝 모델을 Siemens Industrial Edge와 NVIDIA GPU 기반 산업용 PC에 결합한 Visual Inspection Cockpit을 사용한다. 실시간 카메라 영상으로 라인을 지나는 제품을 검사하고 설비 가까이에서 결과를 처리한다. 결과는 생산 제어에 연결돼 경보를 내거나 불량품을 라인에서 제거한다. 공장 엔지니어는 Visual Inspection Engineering Tool로 검사 모델을 직접 설정하고 학습시키며 갱신한다. 품질 데이터는 누적 분석해 공정 변화를 찾는 데 쓴다.
    성과
    Siemens는 P&G가 이 시스템을 세계 생산시설로 확대하고 있으며 제품에 따라 폐기율이 10~20% 줄었다고 밝혔다. 재사용 가능한 Industrial Edge 애플리케이션과 기존 통합 절차를 활용해 새 배치를 가동하기까지의 속도가 기존 맞춤형 비전 시스템보다 5~10배 빠르다고 설명했다. 생산팀은 라인 속도를 유지하면서 품질을 연속 확인하는 방식으로 바뀌었다.
    한계와 남은 과제
    적용 공장 수와 도입 시작 월, 성과 측정 기간은 공개되지 않았다. 제품별 폐기율 감소의 비교 조건과 오탐률도 원문에 없다.

    출처

  5. 2026-09-08자료 공개AX106운영

    금융 / 은행 중국

    China Merchants Bank

    AI 학습과 추론의 가속기 공동 운영

    업무 문제
    China Merchants Bank은 금융 업무에 AI를 넓히면서 대형 모델 학습과 미세조정, 온라인 추론을 종류가 서로 다른 가속기 카드 약 1만 장 위에서 함께 돌려야 했다. 카드를 더 늘리는 것으로는 풀리지 않는 문제였다. 학습 작업은 필요한 작업자와 카드가 모두 준비되어야 일을 시작하기 때문에 안정된 용량이 필요하고, 온라인 추론은 요청량에 따라 빠르게 늘리고 줄여야 한다. 여러 부서가 같은 기본 모델을 미세조정할 때마다 기본 모델을 부서 수만큼 따로 올리는 낭비도 있었다.
    적용한 기술과 데이터
    이 은행은 Kubernetes 위에 하나의 관리 체계를 두고 학습과 추론의 실행 경로는 나누었다. 학습 요청은 Kueue가 대기열과 할당량을 보고 받아들일지 먼저 정한다. 그다음 Kubernetes 일정 관리와 HAMi가 카드를 나누어 주고 Fluid가 학습 데이터와 모델 가중치 읽기를 빠르게 한다. 학습은 Ray 위에서 자체 개발한 Twinkle이 맡고 온라인 추론은 vLLM이나 SGLang이 처리한다. 추론 쪽에서는 Prometheus가 초당 요청 수와 대기 길이, 응답 지연을 모으고 KEDA가 그 값으로 복제본을 늘리거나 줄인다. 학습과 추론에 서로 다른 수용 정책을 둘지는 플랫폼 담당자가 정했다.
    성과
    이 은행은 가속기 연산 자원의 99%를 이 체계로 묶었다고 밝혔다. 평균 가속기 연산 사용률은 35%에서 60% 이상으로 올랐고, 같은 모델과 서비스 조건에서 토큰 100만 개를 처리하는 추론 비용은 60% 넘게 줄었다고 설명했다. Twinkle을 쓰면 LoRA 방식으로 미세조정하는 부서 다섯 곳이 기본 모델 하나를 함께 쓴다. 기본 모델 사본이 다섯 개에서 한 개로 줄어 가속기 자원 사용이 80% 감소했고 동시에 학습할 수 있는 부서 수는 다섯 배가 되었다. 운영에서는 부서 다섯 곳을 기본값으로 쓰고 여덟 곳까지 검증했다고 적었다.
    한계와 남은 과제
    원문은 이 체계를 언제부터 운영했는지와 각 수치의 측정 기간을 밝히지 않았다. 수치는 이 은행 플랫폼 담당 조직이 개편 전후에 같은 내부 측정 방법으로 비교한 값이다.

    출처

  6. 2026-09-02자료 공개AX102운영

    의료 / 병원 네덜란드

    OLVG

    소아과 진료 대화의 의무기록 작성

    업무 문제
    암스테르담 OLVG 병원의 소아과 의사는 진료가 끝난 저녁과 주말에 기록을 작성하면서 대화 내용을 잊을 위험을 겪었다. 진료 도중 컴퓨터로 기록하면 환자와의 대화가 끊기기도 했다. 병원은 의료진이 대화에 집중하면서 기록 부담을 줄일 방법이 필요했다.
    적용한 기술과 데이터
    병원은 Epic의 Chart with Art를 네덜란드어 진료에 사용했다. AI가 진료 대화를 바탕으로 뒤에서 기록을 작성하고 처방 등 오더를 대기시켜 의료진이 다음 업무로 이어가도록 지원했다. OLVG 의료진은 Epic 개발자와 협력해 네덜란드어 사용을 조정했다. 원문에는 소음과 통역이 섞인 진료에서도 대화의 핵심을 포착했다는 담당 의사의 경험이 소개됐다.
    성과
    Epic은 OLVG 소아과의 예약당 기록 작성 시간이 31% 줄었다고 밝혔다. 전체 의료진의 예약당 차트 사용 시간도 약 17분에서 12분을 조금 넘는 수준으로 27% 감소했다고 설명했다. 병원 담당자는 초기 관찰에서 사용 의료진의 정신적 부담과 신체적 부담, 좌절감이 다소 낮아지는 양상을 보였다고 말했다.
    한계와 남은 과제
    도입 시작 월과 성과 측정 기간, 참여 의료진 수는 원문에 제시되지 않았다. 기록과 오더의 최종 승인 절차 및 임상 정확도 수치도 확인되지 않았다.

    출처

2026. 08

  1. 2026-08-27자료 공개AX111운영

    교육 / 온라인 학습 서비스 미국

    Khan Academy

    학생 AI 지도와 교사 연습문제 출제

    업무 문제
    Khan Academy는 자사 AI 지도 도구 Khanmigo의 초기 사용이 고르지 않았고 어떤 대화는 다른 대화보다 학생을 더 앞으로 나아가게 했다고 밝혔다. 이 회사는 Khanmigo를 쓸 수 있는 학생 가운데 약 15%만 실제로 쓴다고 밝히며 할 일이 더 남았다고 적었다. 이전 Khanmigo는 글로만 답할 수 있어서 수학과 과학의 어려운 개념을 눈으로 보여 주지 못했다. 교사 쪽에서는 Khanmigo로 연습문제를 만들 수는 있었지만 학생에게 나가는 문제를 골라 내거나 다듬을 방법이 없었다고 설명했다.
    적용한 기술과 데이터
    Google.org 펠로십으로 Google 엔지니어 6명이 2026년 3월부터 6개월 동안 Khan Academy의 제품과 엔지니어링 조직과 함께 일했고, 이 작업으로 Gemini 모델이 Khanmigo에 들어갔다. Khanmigo는 시각 자료가 학생에게 도움이 될 순간을 감지하면 Gemini로 그래프와 도형, 평행 좌표 그림 같은 상호작용 자료를 만든다. 학생이 그래프의 꼭짓점이나 선분을 끌면 Khanmigo가 바뀐 위치를 알아보고 설명을 거기에 맞춰 바꾼다. Google 엔지니어는 먼저 좋은 도형이 무엇인지 재는 지표를 정하고 관련성과 도움 정도, 명확성으로 그림을 평가해 학생에게 가장 도움이 되는 순간에만 나오게 했으며, 이용자 의견을 받는 기능을 Khanmigo 안에 넣었다. 교사용 Practice My Knowledge 도구에는 Gemini를 직접 연결했다. 교사는 몇 초 만에 객관식 문제를 만들고 자기 자료를 올려 Gemini가 참고하게 할 수 있다. 문제는 교사가 검토하고 고치거나 거절한 뒤에야 학생에게 나가고, 교사는 채점 여부를 정하고 결과 보고서를 받는다. Khan Academy는 Gemini가 자료를 초안으로 만들고 학생이 무엇을 볼지는 교사가 마지막으로 정한다는 원칙을 밝혔다.
    성과
    Khan Academy는 2026년 4월 자료에서 이번 학년에 평일 평균 269,000건의 Khanmigo 대화가 일어나고 2023년 공개 이후 누적 1억 800만 건을 넘었다고 밝혔다. 같은 자료에서 Khanmigo를 쓸 수 있는 학생 가운데 약 15%만 쓴다고 함께 밝혔다. 새 기능에 대해서는 학생 참여가 늘고 next item correctness가 좋아지는 예비 신호를 보고 있다고 밝혔다. next item correctness는 같은 수업 시간에 같은 기술의 바로 다음 문제를 Khanmigo 도움 없이 맞히는지를 재는 값이고, 이 회사는 이를 AI가 도와준 성적이 아니라 혼자 하는 학습으로 옮겨 갔는지를 재는 값이라고 설명했다. Google은 2026년 8월 27일 자료에서 이 도구들이 초기 시범에서 실제 교실로 넘어갔고 Khanmigo를 쓰는 교육구는 새 기능을 바로 쓸 수 있다고 밝혔다. 교사와 관리자는 이 변화 덕분에 문제 난이도를 학생에게 맞출 수 있게 되었다고 Khan Academy에 전했다.
    한계와 남은 과제
    학생 참여 증가와 next item correctness 개선은 예비 신호라고만 밝혔고 측정값이 원문에 없다. 새 기능을 쓰는 교육구 수와 학생 수도 원문에 없다. 교사가 만든 문제 가운데 얼마나 고치거나 거절하는지도 원문에 없다.

    출처

  2. 2026-08-19자료 공개AX113운영

    게임 / 온라인 게임 플랫폼 미국

    Roblox

    아동 위험 징후 조기 선별과 검토 우선순위 지정

    업무 문제
    Roblox에는 여러 사람이 함께 쓰는 채팅이 있고, 그 안에서 아동을 위험에 빠뜨리려는 시도가 일어난다. 문제는 이런 대화가 처음부터 노골적이지 않다는 점이다. 표현이 분명해진 뒤에야 다른 탐지 체계에 걸리는데, 그때는 이미 상황이 진행된 뒤일 수 있다. 회사는 안전이 한 회사만으로 풀 수 없는 공동의 책임이라고 적었다.
    적용한 기술과 데이터
    Roblox Sentinel은 아동 위험의 초기 신호를 잡아내도록 만든 모델이다. contrastive learning으로 만들었고, 문제가 없던 대화와 나중에 해로워진 대화의 양쪽 패턴을 함께 학습했다. 새로 들어온 대화를 이 패턴과 견주어, 상황이 커지기 전에 미묘한 경고 신호를 검토 대상으로 표시한다. Sentinel은 계정을 바로 제재하지 않는다. 사람 검토자가 먼저 볼 필요가 큰 채팅부터 보도록 순서를 정해 준다. 검토자는 문제가 확인된 계정에 조치하고 필요하면 해당 기관에 신고한다. 2판에서는 점수를 합치는 방식을 둘에서 여섯으로 늘렸고, 각 방식은 서로 다른 자료 성격에 맞춘다. 설정마다 평가 자료를 다시 계산할 필요를 없애서 설정 324가지를 3분 안에 훑는다. 예전에는 같은 작업에 한 시간 가까이 걸렸다.
    성과
    회사는 2026년 8월 7일로 끝나는 12개월 동안 탐지한 사건의 70% 가까이가 Sentinel의 조기 탐지에서 나왔다고 밝혔다. 다른 방법보다 먼저 잡아내는 일이 잦았다고 설명했다. 설정 탐색을 개선한 뒤 순위 품질을 재는 ROC-AUC는 기본 설정 0.894에서 가장 좋은 설정 0.996으로 올랐다. 회사는 이 모델들의 버전이 이미 Roblox에서 돌면서 개인정보를 묻거나 알리려는 시도를 잡고, 아동 위험의 초기 징후를 표시하고, 음성 대화를 실시간으로 검토한다고 밝혔다. 같은 자료에서 Sentinel을 포함한 안전 모델 세 종과 평가용 자료 한 벌을 ROOST Model Community에 공개했다고 알렸다.
    한계와 남은 과제
    70%는 탐지한 사건 가운데 Sentinel이 먼저 잡아낸 비율이다. 전체 아동 위험 사건 가운데 얼마나 놓쳤는지는 원문에 없다. ROC-AUC 0.894와 0.996은 모델 설정을 고르는 평가 지표이지 실제 운영 성과가 아니다. 오탐 건수, 사람 검토자 규모, Sentinel을 처음 켠 시점도 원문에 없다.

    출처

2026. 07

  1. 2026-07-22자료 공개AX082운영

    정보기술 / 기업용 소프트웨어 미국

    Salesforce

    직원 IT 문의와 분실 기기 처리

    업무 문제
    Salesforce의 사내 IT 지원 조직 TechForce는 직원 75,000명의 IT 문의를 맡는다. 분실과 도난 기기 신고는 사람이 검토하고 처리하는 데 건당 한 시간이 넘게 걸렸다. 직원들이 기기를 자연어로 제각각 적는 것도 걸림돌이었다. 누구는 phone, 누구는 iPhone, 누구는 Pixel이라고 썼다.
    적용한 기술과 데이터
    Salesforce는 Agentforce로 만든 TechForce Agent를 사내에 먼저 돌렸다. 처음에는 지식 문의 응답이라는 가장 단순한 업무로 시작했다. 분실과 도난 신고를 맡기자 상담 문구를 회사의 자산 데이터베이스와 정확히 잇지 못해 엉뚱한 기기를 잠그거나 잘못된 주소로 대체품을 보낼 위험이 생겼다. 해결책으로 일련번호와 기기 기록에 맞춰 대조하는 결정적 매칭 계층을 만들었고, 이 방식은 뒤에 Agentforce Graph 기능으로 제품에 반영됐다. 담당 팀은 Agentforce Observability로 직원이 무엇을 물었고 에이전트가 무엇을 돌려줬으며 대화가 어디서 끊겼는지를 모두 살펴 다음 개선에 쓴다. 전체 직원으로 확대하는 기준은 정확도 70%다.
    성과
    Salesforce는 사람 개입 없이 에이전트가 끝낸 문의 비율이 곧바로 30%대 초반까지 올랐다고 밝혔다. 18개월에 걸쳐 다듬는 동안 TechForce Agent의 고객만족도는 76%에서 90%로 올랐고 연말 목표는 95%다. 한 시간 넘게 걸리던 분실과 도난 처리는 약 15분이면 끝난다고 설명했다.
    한계와 남은 과제
    원문은 TechForce Agent의 처리 건수나 비용 효과를 밝히지 않았다. 만족도 95%는 목표이고 달성한 실적이 아니다.

    출처

  2. 2026-07-08자료 공개AX032운영

    건설과 부동산 / 시멘트 스위스

    Holcim

    생산 공정과 설비 운영 개선

    업무 문제
    시멘트 공장은 설비가 갑자기 멈추면 생산 계획이 통째로 흔들린다. 수요 예측이 빗나가면 재고와 유통비가 같이 늘어난다. Holcim은 생산과 물류 양쪽을 AI로 다루겠다고 밝혔다.
    적용한 기술과 데이터
    Plants of Tomorrow는 AI부터 로봇까지 기술을 묶어 전 세계 공장을 현대화하는 Industry 4.0 프로그램이다. 설비 쪽 도구는 Holcim M-Predict다. 스마트 센서와 머신러닝으로 설비 성능을 실시간으로 본다. 물류와 판매 쪽 도구는 Holcim Foresight다. 날씨, GDP 전망, 시장 동향 같은 외부 데이터 수천 개를 끌어와 판매와 재고를 예측하고 차량과 네트워크 활용을 최적화한다. 스페인에서는 메신저로 주문을 받는 AI 도우미 Holcim+를 운영한다.
    성과
    Holcim은 AI 모델이 설비 고장과 정비 필요 시점을 최대 90일 앞서 예측한다고 밝혔다. AI를 100개가 넘는 공장에 적용했다고 설명했다. 생산, 물류, 상업, 관리 네 영역에서 대규모 AI 과제 38건을 돌리고 있다고 밝혔다. Holcim Foresight는 30개가 넘는 시장에서 쓰고 있고 2026년 말까지 모든 시장으로 넓힐 계획이다. 스페인에서는 고객의 89%가 AI 도우미로 주문한다고 밝혔다.
    한계와 남은 과제
    2028년까지 AI로 연 CHF 200 M의 반복 EBIT 효과를 내겠다는 것은 목표이지 실적이 아니다. 고장 예측 정확도와 공장별 효과는 이 자료에 없다.

    출처

2026. 06

  1. 2026-06-25자료 공개AX025실증

    제조 / 완성차 독일

    BMW

    생산 현장 휴머노이드 로봇

    업무 문제
    BMW Group의 생산 현장에는 단조롭거나 인체공학적으로 부담이 크고 안전이 중요한 작업이 남아 있다. 차체공장에서 용접 공정에 쓸 판금 부품을 제자리에 놓는 일이 그런 예다. 이 작업은 속도와 정확도를 함께 요구하면서 몸에도 부담을 준다.
    적용한 기술과 데이터
    BMW Group은 Figure AI와 함께 미국 Spartanburg 공장에 휴머노이드 로봇 Figure 02를 투입해 차체공장에서 용접용 판금 부품을 위치시켰다. 다음 단계로 후속 모델 Figure 03을 물류의 시퀀싱 작업에 투입한다고 밝혔다. 시퀀싱에서는 큰 용기에 뒤섞여 들어온 부품을 로봇이 집어 시퀀싱 대차에 정리한다. 대차는 정해진 집결 지점으로 옮겨지고 자동 견인차나 Smart Transport Robot이 조립 위치로 나르며, 조립 담당 직원은 부품을 순서대로 받는다. Figure 03에는 안전을 위한 무른 부품, 무선 충전, speech-to-speech 음성 기능, 손바닥에 촉각 센서와 카메라를 넣은 손이 들어갔다.
    성과
    BMW Group은 2025년 Spartanburg에서 Figure 02가 열 달 동안 BMW X3 30,000대 이상의 생산을 도왔다고 밝혔다. 회사는 이 협업으로 휴머노이드 로봇이 실제 생산 조건에서 정밀하고 반복되는 작업을 안전하게 해낼 수 있음을 확인했다고 설명했다. Figure AI 창업자 Brett Adcock은 열한 달간의 Figure 02 운용으로 휴머노이드가 더는 실험실 실험이 아님을 입증했다고 말했다.
    한계와 남은 과제
    Figure 03의 시퀀싱 작업은 이제 시작하는 단계다. 원문에는 시퀀싱 작업의 처리량이나 품질 수치가 없다.

    출처

  2. 2026-06-03자료 공개AX023실증

    광업 / 구리 호주

    BHP

    구리 침출용 물질 탐색

    업무 문제
    구리 침출은 복잡한 공정이다. BHP는 광석에서 구리를 더 잘 회수하는 방법을 찾는 일이 느린 수작업 시행착오에 기대 왔다고 설명했다. 침출을 개선할 만한 분자는 이미 알려진 것과 아직 발견되지 않은 것을 합쳐 수백만 가지다. 실험실에서 하나씩 시험하면 수년, 길게는 수십 년이 걸린다.
    적용한 기술과 데이터
    BHP는 Microsoft, 계산화학 기업 Prescience Insilico와 함께 Microsoft Discovery를 썼다. 고성능 컴퓨팅과 특화된 AI 에이전트로 과학 연구개발을 앞당기는 플랫폼이다. 팀은 구리를 더 효율적으로 뽑아낼 만한 분자를 백만 개의 절반 넘게 훑었다. 수만 건의 양자화학 계산과 시뮬레이션을 돌려 후보를 좁혔다. 모델은 BHP 구리 사업장 광석의 실제 조건에 맞췄다. 좁혀진 분자는 호주 실험실에서 과학자가 직접 시험한다.
    성과
    BHP는 거의 무한한 후보군을 언젠가 글로벌 구리 사업장에 쓸 만한 소수의 선택지로 좁혔다고 밝혔다. 후보는 자사 광체와 운영 제약 조건에 맞춰 시험한다. 실제로 통할 것을 푼다는 뜻이라고 설명했다. 속도와 효율 말고도 독성을 낮추고 환경 영향을 줄이는 목표, 회수율 향상과 비용 절감을 함께 노린다. 혁신 담당 부사장 Jessica Farrell은 이 협업이 장기 구리 성장 목표에 기여할 수 있다고 말했다.
    한계와 남은 과제
    아직 실험실 시험 단계다. 상업 생산에서 구리 회수율이 올랐다는 결과는 원문에 없다. 어떤 분자가 선정됐는지도 공개되지 않았다.

    출처

2026. 05

  1. 2026-05-28자료 공개AX096도입 발표

    제조 / 항공우주 다국가

    Airbus

    기술 문서와 설계 업무용 AI 확대

    업무 문제
    Airbus는 민항기, 헬리콥터, 방위, 우주 사업 전반으로 AI 사용을 넓히려 한다. 다만 기밀도가 높고 군용까지 포함된 분야여서 보안과 주권 요건이 엄격하다. 기술 문서 제작처럼 손이 많이 가는 업무도 그대로 남아 있다.
    적용한 기술과 데이터
    Airbus는 Mistral AI와 파트너십 계약을 맺었다. 계약으로 Mistral AI 제품군 전체의 라이선스를 확보해 모델을 사내 설비나 신뢰할 수 있는 클라우드 등 필요한 곳에 배치한다. 협력 분야는 네 갈래로 정리했다. 산업 운영에서는 민항기와 헬리콥터의 기술 문서 제작 자동화를 다룬다. 엔지니어링과 설계에서는 항공기 부품 최적화 같은 AI 기반 시뮬레이션으로 개발 주기를 당기고 개발과 시험, 인증 단계의 엔지니어를 돕는다. 차세대 제품에서는 항공기와 우주선에 모델을 싣는 edge AI로 자동 물체 인식을 살피고, 방위 분야에서는 사내 설비 배치로 사이버 조사와 코딩 보조를 지원한다.
    성과
    Airbus는 정리한 협력 분야 가운데 일부는 이미 시작했다고 밝혔다. 회사는 이 계약으로 Mistral AI의 주요 연구진에 접근하고 AI 제품 로드맵에 영향력을 갖게 된다고 설명했다. Airbus 디지털 담당 부사장은 현재와 미래의 제품과 서비스를 뒷받침할 토대를 만드는 단계라고 말했다.
    한계와 남은 과제
    어느 업무가 정식 운영으로 들어갔는지, 사용자 수와 성과가 얼마인지는 발표에 없다. 쓰기로 한 Mistral 모델의 이름도 밝히지 않았다.

    출처

2026. 04

  1. 2026-04-23자료 공개AX093제한 운영

    제조 / 철강 한국

    포스코

    제철 설비 이상 경보

    업무 문제
    제철소는 고온의 열기와 복잡한 설비 구조 때문에 육안으로 확인하기 어려운 미세한 이상 징후가 있었다. 가열로는 내부 온도가 매우 높아 작업자가 가까이 가서 밸브가 잘 작동하는지 보기 어려웠다. 기름 탱크의 미세한 누유도 작업자가 바로 알아차리기 어려웠다.
    적용한 기술과 데이터
    포항제철소 EIC기술부 현장 엔지니어들이 예지정비 로직을 직접 개발했다. 3고로 노체설비의 풍구에는 전자유량계와 온도 데이터를 실시간으로 분석해 이상 수치가 일정 시간 이어지면 즉시 알람을 울리는 로직을 만들었다. 가열로에서는 밸브가 열리는 정도와 실제 흐르는 가스의 양을 비교해 그래프로 보여준다. 그래프 기울기가 평소와 다르면 밸브 안 부품이 망가졌는지 공기가 부족한지 바로 알아채고 수리한다. 기름 탱크는 시프트 레지스터 기술로 24시간 자동 감시한다. 전날보다 기름 양이 비정상으로 줄면 시스템이 즉시 감지하고 엔지니어가 현장 점검에 나선다.
    성과
    포항제철소는 발표 시점 기준 지난해 5월에 두 차례의 센서 알람만으로 잠재적 장애 요인을 조기에 발견해 정비를 실시했다고 밝혔다. 가열로 밸브 감시에서는 안전과 작업 효율을 함께 잡았다는 평가를 받았다. 개발을 맡은 EIC기술부 관계자들은 복잡한 현장 데이터를 누구나 이해하기 쉬운 그래프와 알람 체계로 바꾼 것이 핵심이라고 말했다. 회사는 자체 개발한 스마트 정비 로직을 다른 설비로도 계속 넓혀 예방 정비 문화를 퍼뜨릴 계획이라고 했다.
    한계와 남은 과제
    회사는 AI 기반이라고 소개하지만 원문에 적힌 로직은 이상 수치의 지속 시간, 개도 대비 가스량 비교, 전일 대비 감소 감지로 설명된다. 학습 모델이 어떤 역할을 했는지는 확인되지 않는다.

    출처

  2. 2026-04-22자료 공개AX095제한 운영

    식품과 음료 / 커피 원료 공급망 다국가

    JDE Peet’s와 Airbus

    위성 영상으로 커피 농장과 산림 위험 파악

    업무 문제
    커피 공급망에서 산림 훼손을 막으려는 시도는 회사마다 따로 흩어져 있었다. 개별 공급망만 들여다보면 커피 재배 지역 전체를 지킬 수 없다. 어느 땅이 커피 농장인지 폭넓게 담은 공개 지도도 없었다.
    적용한 기술과 데이터
    Airbus Defence and Space가 Coffee Canopy Partnership의 기술 파트너로 뽑혔다. 이 협력은 JDE Peet's가 이끌고 Louis Dreyfus Company, Sucden, Neumann Kaffee Gruppe, Touton, Sucafina, Tchibo가 함께하며 영국 FCDO와 UN 식량농업기구가 지원한다. Airbus는 해상도 50cm의 Pléiades 위성과 30cm의 Pléiades Neo 위성 영상을 쓴다. 여기에 대용량 데이터로 학습시킨 AI 모델을 붙여 커피 농장을 우주에서 식별하고 관찰한다. 만들어진 지도는 정부와 지역 공동체, 커피 업계가 산림 훼손 위험을 찾고 경관 복원을 지원하며 소농의 생계를 지키는 데 쓴다.
    성과
    Airbus는 이 모델을 동아프리카 여러 나라에 적용했다고 밝혔다. 적용 면적은 그늘 재배지와 혼농임업 지대를 포함해 120만 제곱킬로미터가 넘는다. 회사는 초기 결과가 농업 관측에서 새 기준이 될 만한 정밀도와 확장성을 보여줬다고 설명했다.
    한계와 남은 과제
    전 세계 커피 산지를 2027년까지 모두 담겠다는 것은 목표이며 업계와 기관의 추가 공동 투자가 전제다. 발표에는 산림 훼손이 실제로 얼마나 줄었는지에 대한 수치가 없다.

    출처

  3. 2026-04-17자료 공개AX109운영

    유통 / 귀금속 소매 다국가

    Chow Tai Fook

    매장 직원과 관리자를 위한 업무 에이전트

    업무 문제
    Chow Tai Fook은 금과 보석 소매에서 상품이 표준화되어 있지 않고 세공과 고객 신뢰, 오랜 현장 경험에 기대는 판매 방식 때문에 큰 규모의 디지털 전환이 오랫동안 매우 어려웠다고 밝혔다. 여러 시장에 걸친 넓은 매장망도 같은 방식을 한꺼번에 퍼뜨리기 어렵게 만들었다. 매장 직원은 재고 시스템과 가격 규칙, 실시간 금 시세, 복잡한 준수 지침을 서로 다른 화면에서 번갈아 확인해야 했고, 화면을 옮기는 사이 고객의 짧은 구매 흐름이 끊길 위험이 있었다.
    적용한 기술과 데이터
    이 회사는 Microsoft와 손잡고 Microsoft 365 E5로 업무 환경을 하나로 모으고, Microsoft Purview로 누가 어떤 정보를 볼 수 있는지와 민감한 자료의 흐름을 관리한 뒤 AI를 넓혔다. 매장용으로는 Microsoft Foundry 위에 AI Fook이라는 에이전트 묶음을 만들었다. 직원이 Microsoft Teams에서 평상시 쓰는 말로 물으면 상품의 제작 이야기와 실시간 재고, 손님에 맞춘 연출 제안을 대화를 끊지 않고 바로 받는다. 관리자용 AI Insights Platform은 소비자 행동과 입점한 쇼핑몰의 상황, 오르내리는 금 시세를 실시간으로 묶어 자연어 질문에 답한다. 승인 업무는 두 갈래로 나누어 일상 거래는 AI가 몇 초 만에 처리하고, 복잡한 건은 자동 위험 점검을 거쳐 사람이 판단한다. 디자인에서는 Azure OpenAI로 3차원 시안을 만들고 장인은 예술적 판단에 집중한다.
    성과
    Chow Tai Fook은 맞춤 제작한 AI 에이전트를 400개 넘게 배치해 직원 24,000명 이상이 쓰고 있다고 밝혔다. 매달 수백만 건의 AI 대화가 오가고 핵심 업무 절차의 효율은 70% 넘게 올랐다고 설명했다. 이 회사는 몰입형 AI 역할극으로 직원이 여러 고객 상황을 미리 연습하게 하고, 매장 기기로 잘한 응대 방식을 모아 전사 표준 절차로 다듬는다고 밝혔다. 디지털 연습과 현장 실행을 이렇게 묶은 결과 판매 전환이 최대 57%까지 올랐다고 설명했다.
    한계와 남은 과제
    원문은 이 체계를 언제부터 운영했는지와 효율 70%, 판매 전환 57%를 어떤 기간에 무엇과 비교해 측정했는지 밝히지 않았다. 에이전트 400여 개가 각각 어떤 업무를 맡는지도 적혀 있지 않다.

    출처

  4. 2026-04-14자료 공개C036운영

    배달과 이동 / 차량 호출과 배달 미국

    Uber

    음식 배달 검색 고도화

    업무 문제
    Uber Eats에서 검색은 주문으로 가는 주된 통로다. 글자를 맞춰 보는 기존 방식은 같은 뜻의 다른 말, 오타, 줄임말, 여러 언어가 섞인 질의, 뜻이 여럿인 단어에서 무너진다. 원문은 글자 기반 방법이 문자열을 볼 뿐 뜻을 보지 못한다고 적었다. 그래서 질의와 문서를 벡터로 바꿔 뜻으로 찾는 구조가 필요했다.
    적용한 기술과 데이터
    질의와 문서를 따로 인코딩하는 two-tower 구조다. 질의 임베딩은 온라인 서비스가 실시간으로 만들고, 문서 임베딩은 예약된 batch 작업이 미리 만든다. 바탕 모델은 Qwen 계열이며 Uber Eats 내부 데이터로 추가 학습했다. 한 모델이 모든 업종과 시장을 함께 맡는다. MRL 기반 infoNCE 손실로 학습해 한 모델이 여러 크기의 임베딩을 낸다. 색인은 Apache Lucene Plus의 HNSW 그래프이며 float32와 int8 벡터를 함께 담는다. 지역, 도시, 문서 종류, 배송 방식 같은 조건으로 먼저 걸러낸 뒤 근사 최근접 검색을 돌린다. 2주마다 다시 학습하고 색인을 다시 만드는데, 색인을 따로 두지 않고 한 색인 안에서 열 단위로 blue와 green을 나눠 바꾼다. 배포 전에는 문서 수 대조, 바뀌지 않아야 할 열의 바이트 단위 일치, 실제 질의를 재생해 얻은 재현율 비교를 통과해야 한다. 운영 중에는 표본 요청으로 질의 모델과 색인 열의 모델 번호가 맞는지 확인하고, 어긋남이 이어지면 모델 배포를 자동으로 되돌린다.
    성과
    원문은 조각별 후보 수를 1,200에서 200 수준으로 낮춰 지연을 34% 줄이고 CPU를 17% 아꼈으며 재현율 영향은 거의 없었다고 밝혔다. int7 스칼라 양자화는 fp32 대비 지연을 50% 넘게 줄이면서 재현율 0.95 이상을 지켰다. 임베딩을 256차원으로 잘라 쓰면 영어와 스페인어에서 품질 손실이 0.3% 아래였고 저장 공간은 약 50% 줄었다. 회사는 이 구조가 식당, 식료품, 소매 검색을 함께 담당하며 예약된 갱신이 실제 이용자 요청을 끊지 않고 돈다고 밝혔다.
    한계와 남은 과제
    원문에 실제 이용자를 나눠 비교한 실험 결과가 없다. 주문 전환이나 클릭 변화 같은 사업 지표는 밝히지 않았다. 제시된 수치는 오프라인 평가와 기반 구조 성능 측정값이다. 도입을 시작한 시점도 원문에 없다.

    출처

2026. 03

  1. 2026-03-26도입 시점AX041운영

    유통 / 식품 소매 프랑스

    Carrefour

    대화형 장보기

    업무 문제
    Carrefour는 2023년부터 자사 이커머스 사이트에서 Hopla라는 대화형 챗봇을 돌렸다. 식단 제약이나 예산에 맞춰 장바구니를 만들어 주는 도구였다. 다만 고객이 Carrefour 화면 안으로 들어와야만 쓸 수 있었다.
    적용한 기술과 데이터
    2025년에는 Hopla+가 Hopla를 대체했다. Hopla+는 고객의 구매 이력을 보고 장바구니를 제안한다. 보도자료 발표 당일부터는 ChatGPT를 떠나지 않고 Carrefour의 상품과 서비스에 바로 닿게 했다. 이용자는 ChatGPT와 대화하며 레시피 아이디어를 얻고, 매장 진열 상품의 재고를 확인하고, 필요에 맞춰 장바구니를 꾸리고 배송 방식을 고른다. 주문 확정과 결제는 Carrefour.fr에서 한다. ChatGPT 첫 화면의 앱 목록에서 Carrefour를 찾으면 된다. 2026년 초에는 Google의 Universal Commerce Protocol을 지지한다고 밝혔다.
    성과
    Carrefour는 유럽 유통사 가운데 처음으로 ChatGPT에서 장보기를 제공한다고 발표했다. 프랑스의 ChatGPT 이용자 수천만 명에게 닿는 것이 이번 출시의 목표라고 밝혔다. 그룹 Supply Chain과 E-commerce, Data, 디지털 전환 총괄 Emmanuel Grenier는 ChatGPT 이용자에게 새로운 장보기 방식과 단순하고 매끄러운 구매 여정을 제공한다고 말했다.
    한계와 남은 과제
    원문이 밝힌 범위는 프랑스 이용자와 Carrefour.fr 결제다. 다른 나라에서 같은 기능을 쓸 수 있다는 설명은 없다. 이용자 수나 매출 성과도 아직 공개되지 않았다.

    출처

  2. 2026-03-10자료 공개AX053운영

    에너지 / 석유와 가스 사우디아라비아

    Aramco

    AI 기반 운영 개선 포트폴리오

    업무 문제
    Aramco는 탐사와 시추, 생산, 정유를 아우르는 큰 설비를 운영한다. 이런 사업에서는 새로 넣은 기술이 실제로 돈이 됐는지 가리기가 어렵다. 회사는 자사 기술이 운영에 배치된 뒤 만들어낸 가치를 따로 재기로 하고 이 지표를 Technology Realized Value, 줄여서 TRV라고 부른다.
    적용한 기술과 데이터
    TRV는 자본이나 운영 비용을 피한 금액, 또는 배치된 기술로 늘어난 매출을 사업 기준선 대비 증가분으로 계산한다. 이 지표는 외부 기관의 검증을 받는다. AI를 쓴 대표 사례는 Aramco Intelligent Live Earth Model이다. 이 모델은 유정 위치를 최적화하고 지오스티어링 작업에서 저류층 접촉을 넓힌다. PE.AI는 합성 유정 검층 자료를 만드는 AI 기반 플랫폼이다. 회사는 AI 연산 능력도 크게 늘려 실시간 자문 시스템과 고급 분석을 돌린다고 설명했다.
    성과
    Aramco는 2025년 TRV로 53억 달러를 냈다고 공시했다. 이 가운데 AI 기반 솔루션에서 나온 몫이 26억 달러이고 AI가 아닌 기술에서 나온 몫이 27억 달러다. 2023년 이후 누적 TRV는 113억 달러라고 밝혔다. Aramco Intelligent Live Earth Model은 저류층 접촉을 약 10% 늘리고 유정당 평균 시추 기간을 이틀 줄였다고 했다. AI 반정밀도 연산 능력은 570 PetaFLOPs를 넘어 전년 대비 열 배가 됐다고 밝혔다.
    한계와 남은 과제
    TRV는 회사가 산정하고 외부 기관이 검증한 가치이며 회계상 순이익과 다르다. 53억 달러 전체를 AI 성과로 읽으면 잘못이다.

    출처

  3. 2026-03-10자료 공개AX112운영

    의료 / 의료 네트워크 미국

    Summit Health

    약제 사전승인 서류 작성과 제출

    업무 문제
    Epic 자료는 사전승인이 환자와 임상의 모두에게 오래 걸리던 절차였다고 밝혔다. 약을 처방하려면 보험사가 요구하는 서류를 채워 보내고 회신을 기다려야 한다. 이 일은 진료 흐름을 끊고 임상의에게 행정 부담을 남긴다. Epic은 이 절차의 복잡함을 줄이려고 임상의용 AI인 Art와 수익 주기 및 운영용 AI인 Penny를 맞물려 쓰는 방식을 만들었다고 설명했다.
    적용한 기술과 데이터
    Art는 임상의 쪽 업무를, Penny는 수익 주기와 운영 쪽 업무를 맡는다. 두 AI가 함께 움직여 사전승인에 필요한 내용을 모으고 제출 서류의 응답 초안을 만든다. 담당자는 그 초안을 확인한 뒤 그대로 보내거나 고쳐서 보낸다. Summit Health는 이 방식을 약제 사전승인 제출에 적용했다. Epic은 Penny가 앞으로 각 기관이 정한 통제 범위 안에서 코딩 작업과 이의신청 제출을 스스로 끝내게 될 것이라고 밝혔다.
    성과
    Epic은 Summit Health에서 Penny가 약제 사전승인 제출 시간을 42% 줄였다고 밝혔다. AI가 만든 응답의 92%는 수정 없이 채택됐다고 설명했다. Penny를 가장 적극적으로 쓰는 기관들에서는 코딩 관련 거부가 20% 넘게 줄었고, 거부에 대한 이의신청서 작성은 23% 빨라졌다고 덧붙였다. Epic은 환자가 답을 더 빨리 받고 임상의가 겪는 행정 마찰이 줄었다고 정리했다.
    한계와 남은 과제
    원문은 Summit Health가 이 기능을 언제 켰는지, 대상 약제와 보험사 범위가 어디까지인지, 처리 건수가 얼마인지 밝히지 않았다. 42%와 92%는 Epic이 제시한 수치다. 코딩 거부 20% 이상 감소와 이의신청서 23% 단축은 Penny를 가장 적극적으로 쓰는 기관들을 묶은 값이라 Summit Health 한 곳의 성과로 볼 수 없다.

    출처

  4. 2026-03-10자료 공개AX110운영

    의료 / 의료 네트워크 미국

    The Christ Hospital

    영상 판독문에 묻힌 폐결절 발견과 추적

    업무 문제
    Epic 자료는 폐암이 전 세계에서 암 사망의 가장 큰 원인이고 2020년 미국에서 국소 단계에 발견된 폐암은 16%에 그쳤다고 밝혔다. 폐결절은 외상이나 심장 증상처럼 다른 이유로 찍은 영상에서 우연히 보이는데, 방사선의는 이 소견을 판독문의 자유 기술 안에 적는다. 소견이 긴 글 안에 묻히다 보니 어떤 환자를 추적 관찰에 넣어야 하는지 가려내기 어렵고 후속 조치가 들쭉날쭉했다. 같은 자료가 인용한 연구에서는 4기 폐암 환자 가운데 36%가 판독문에 결절이 적혀 있었는데도 적절한 후속 조치를 받지 못했다. The Christ Hospital의 최고정보디지털전환책임자 Joy Oh는 이전 방식이 방사선의가 특정 항목에 특정 표현을 적어 넣는 데 기대고 있었고 의사마다 쓰는 방식이 달라 놓치는 일이 생겼다고 밝혔다.
    적용한 기술과 데이터
    방사선의가 판독을 확정하면 소견과 서술이 Epic의 AI 추출 소견 모델로 넘어간다. 모델은 판독문에서 폐결절과 폐 종괴 언급을 뽑아 매일 한 번 보고서로 돌려준다. 보고서에는 소견의 앞뒤 문맥, 추가 촬영이나 조직 검사나 의뢰 같은 방사선의의 후속 권고, 방사선의가 적은 기한이 함께 담긴다. 간호 내비게이터 3명이 추출된 소견과 권고를 읽고 판독 소견과 맞는지 확인한 뒤 환자 차트를 열어 권고가 적절한지 판단한다. 내비게이터가 확인을 마치면 그 소견이 차트 안의 개별 데이터로 바뀐다. 내비게이터는 이 데이터로 현재 등록 환자와 등록 대상, 아직 검토하지 않은 결과, 예정된 진료, 자기가 할 일을 한 화면에서 본다. 환자는 의뢰 없이도 폐결절 클리닉에서 진료받을 수 있어 대부분 보고서에 뜬 뒤 3일 안에 진료를 받는다. 전문간호사 Ashley Campbell이 추가 검사를 지시하거나 돌아가며 진료하는 호흡기내과 의사 10명 가운데 한 명에게 환자를 넘긴다. 이 기능을 처음 켰을 때는 앞선 90일 치 판독문을 모델에 통과시켰고 개별 데이터로 남아 있지 않던 결절 2,000건 이상이 드러났다. 이후에는 종양내과나 호흡기내과가 지시한 검사에는 이미 후속 조치가 있다는 것을 확인하고 그 판독문을 모델에 넣지 않기로 해서, 놓치기 쉬운 1차 진료와 응급실 지시 검사에 사람을 집중시켰다.
    성과
    The Christ Hospital은 추적하는 폐결절 수가 6배로 늘었고 프로그램 첫 6개월에 폐암 23건을 진단해 2023년 한 해 진단 수를 절반 기간에 따라잡았다고 밝혔다. 첫 8개월에는 64명이 추가로 암 치료를 시작했다고 설명했다. Ashley Campbell은 이 기능 덕분에 폐암의 70% 가까이를 1기나 2기에 진단하게 되었고 이는 전국 평균 약 50%를 크게 넘는 수준이라고 밝혔다. 같은 병원의 최고의료책임자 Marcus Romanello는 이 일이 사망률에 영향을 주고 있다고 밝혔다. Epic은 2026년 3월 자료에서 이 병원의 폐암 조기 발견율을 69%, 전국 평균을 46%로 제시했다. Epic은 같은 자료의 요약에서 내비게이터가 폐결절 약 5,000건을 추가로 확인했고 그 결과 이 병원 network 전체에서 암 116건이 추가로 발견되었다고 밝혔다.
    한계와 남은 과제
    원문은 모델이 결절 언급을 얼마나 정확히 뽑아내는지, 잘못 뽑아낸 건수가 얼마인지 밝히지 않았다. 프로그램을 시작한 월도 원문에 없다. 조기 발견율은 자료마다 달라서 2025년 6월 자료는 약 70%와 전국 평균 약 50%, 2026년 3월 자료는 69%와 46%를 제시했다.

    출처

  5. 2026-03-09자료 공개AX055운영

    금융 / 기업금융 싱가포르

    DBS

    기업 고객 상담

    업무 문제
    DBS는 기업 고객과 중소기업 고객의 문의를 받는 창구를 운영한다. 은행은 AI를 대규모로 쓰는 은행이 되겠다는 목표를 세웠다. 그러려면 여러 팀이 생성형 AI 응용을 책임 있게 만들고 넓힐 공통 기준이 필요했다.
    적용한 기술과 데이터
    바탕은 전사 데이터 분석 플랫폼 ADA다. 이 플랫폼은 통제와 보안을 갖춘 데이터 이용 환경을 제공한다. 은행은 그 위에 생성형 AI 프레임워크를 얹었다. 재사용 구성요소, 통제 장치, 업무 흐름 기능, 프롬프트 작성 기준을 표준으로 정했다. 이 기준 위에서 기업금융 챗봇 DBS Joy를 만들었다. DBS Joy는 기업과 중소기업 고객을 대상으로 24시간 응답한다.
    성과
    DBS는 DBS Joy가 기업과 중소기업 고객에게 24시간 상담을 제공한다고 밝혔다. 같은 서한에서 은행은 ADA를 통해 2,000개가 넘는 AI 모델을 430개가 넘는 과제에 적용했다고 밝혔다. 2025년 데이터 분석과 AI 활동이 만든 경제적 가치는 약 10억 싱가포르달러라고 적었다. 이 금액은 은행 전체 활동의 합계이며 챗봇 하나의 성과가 아니다.
    한계와 남은 과제
    원문은 DBS Joy를 한 문장으로만 설명한다. 응답 정확도, 처리 건수, 사람 상담으로 넘긴 비율은 없다.

    출처

  6. 2026-03-09자료 공개AX056운영

    금융 / 은행 싱가포르

    DBS

    부정적 뉴스 검토

    업무 문제
    DBS는 고객과 관련한 부정적 뉴스를 살피는 심사 업무를 운영한다. 은행은 이 업무를 생성형 AI로 생산성을 올릴 대상으로 꼽았다. 그 전에 팀마다 제각각인 개발 방식을 정리할 기준이 필요했다.
    적용한 기술과 데이터
    은행은 먼저 생성형 AI 프레임워크를 만들었다. 재사용 구성요소, 통제 장치, 업무 흐름 기능, 프롬프트 작성 기준을 표준으로 정했다. 이 기준 위에서 부정적 뉴스 심사 도구를 생성형 AI로 만들었다. 데이터는 전사 데이터 분석 플랫폼 ADA가 다룬다. 은행은 이 플랫폼으로 코드 배포 시간을 25% 줄이고 모델 배포 주기를 10주 안쪽으로 줄였다고 밝혔다.
    성과
    DBS는 이 도구가 부정적 뉴스 심사의 생산성을 높인다고 밝혔다. 2025년 실적을 담은 CIO 서한에 운영 중인 생성형 AI 사례로 적혔다. 같은 서한은 ADA를 통해 2,000개가 넘는 AI 모델을 430개가 넘는 과제에 적용했다고 밝혔다. 심사 업무만 떼어낸 성과 수치는 적지 않았다.
    한계와 남은 과제
    원문은 이 도구를 한 문장으로만 언급한다. 심사 정확도, 처리 시간, 사람이 다시 본 비율은 없다.

    출처

2026. 02

  1. 2026-02-26자료 공개AX061운영

    통신 / 유무선 통신 독일

    Deutsche Telekom

    고객 문의와 설치 예약

    업무 문제
    통신사 고객센터는 상담사에게 몰리는 전화가 많다. 기존 시나리오가 없는 문의나 표현이 불분명하고 문법이 어긋난 문의는 자동 응답으로 처리하기 어려웠다.
    적용한 기술과 데이터
    Deutsche Telekom은 Frag Magenta 챗봇에 생성형 AI를 붙였다. 정해진 시나리오가 없는 문의, 표현이 불분명하거나 문법이 어긋난 문의도 처리하게 했다. 음성과 채팅 두 경로에 함께 쓴다. 상담사 쪽에는 자동 사전 브리핑, 상담사용 챗봇 askT, 통화 요약을 묶은 AI 도구를 배포하고 있다. 독일에서는 광케이블 설치 예약도 음성 봇이 받는다.
    성과
    Deutsche Telekom은 2025년 Frag Magenta의 음성과 채팅이 340만 통의 전화를 상담사 대신 처리했다고 밝혔다. 이는 3분기 누계보다 90만 통 많은 값이다. 독일에서는 고객 챗봇이 완전히 LLM 기반으로 바뀌어 해결률 55%를 기록했고 서비스 접촉 건수가 10% 줄었다고 적었다. 4분기에는 광케이블 설치 예약의 40%를 음성 봇이 받았다. 12월 기준 상담사 1,400명 이상이 AI 도구를 쓴다.
    한계와 남은 과제
    340만 통은 상담사에게 가지 않은 통화 수이고 해결 품질이나 고객 만족도를 나타내는 값이 아니다.

    출처

  2. 2026-02-26자료 공개AX045운영

    여행과 숙박 / 호텔 영국

    IHG

    호텔 수익과 객실 수요 관리

    업무 문제
    IHG는 고객 경험, 고객 확보, 호텔 실적 세 곳에서 성과를 끌어올려야 한다고 봤다. 호텔 실적은 객실 수요를 얼마나 정확히 읽고 값을 정하느냐에 달려 있다. 이 보고서는 도입 전 수익관리가 어떻게 돌아갔는지는 따로 설명하지 않는다.
    적용한 기술과 데이터
    수익관리 시스템에 데이터 사이언스와 머신러닝, 예측 도구를 넣었다. 이 시스템은 고급 분석 결과와 추천을 만들어 낸다. IHG는 이것을 전사에 걸친 AI 활용의 한 예로 들었다. 같은 흐름의 다른 예로 IHG One Rewards 모바일 앱 개선을 들었다. 보고서는 시스템 이름이나 연결한 데이터 종류, 호텔 운영자가 추천을 어떻게 받아들이는지는 밝히지 않는다.
    성과
    IHG는 이 기술이 브랜드 충성도를 깊게 하고 경쟁 우위를 날카롭게 만든다고 밝혔다. 호텔 소유주 항목에는 수요를 잡고 매출을 올리고 운영을 최적화하기 위해 기술 적용 범위를 넓혔다고 적었다. 손님 항목에는 AI 기반 기술로 고객 경험을 끌어올렸다고 적었다. 수익관리 시스템이 객실당 매출에 얼마나 기여했는지는 따로 밝히지 않았다.
    한계와 남은 과제
    AI 기여분을 분리한 수치가 없다. 도입 시점과 적용 호텔 수도 이 문서에 없다.

    출처

  3. 2026-02-19자료 공개AX002운영

    제조 / 반도체 한국

    SK하이닉스

    공정 가상 계측과 이상 원인 분석

    업무 문제
    반도체 공정은 결과를 측정해 제대로 진행됐는지 확인하는 계측을 거친다. 계측률이 낮으면 같은 공정을 돌린 장비 사이의 성능 차이를 가려내기 어려웠다. 포토 공정의 오버레이 예측 모델도 정확도를 높이는 데만 집중해, 각 입력변수가 결과에 어떻게 영향을 줬는지 설명하기 어려웠다.
    적용한 기술과 데이터
    SK하이닉스는 산업용 AI 스타트업 가우스랩스와 함께 AI 기반 가상 계측 설루션 Panoptes VM을 쓴다. 2022년부터 생산 현장에서 활용하고 있다. 가상 계측은 직접 재지 않은 공정 결과를 예측하는 방식이다. 두 회사는 Panoptes VM 운용 데이터로 장비 간 성능 매칭 프레임워크를 만들어, 장비 이상을 조기에 탐지하고 원인을 빠르게 진단하는 방안을 함께 제시한다. 오버레이 쪽에는 경사하강법 기반 프레임워크 GRACE를 붙였다. GRACE는 입력변수가 예측 결과에 미치는 영향을 정량화해 모델 성능을 설명할 지표를 준다. SK하이닉스는 발표 직전 해부터 GRACE를 생산 현장에 적용해 공정 이상을 적시에 파악하고 원인을 찾는 데 쓰고 있다.
    성과
    두 회사는 SPIE Advanced Lithography + Patterning 2026에서 구두 발표와 포스터 세션에 각 1편씩 논문 2편을 낸다. 논문에는 실제 SK하이닉스 생산 현장에서 Panoptes VM을 운용한 데이터를 바탕으로 한 공동 연구 성과가 담겼다. 낮은 계측률 탓에 분석이 어려웠던 장비 간 성능 차이를 효과적으로 식별할 수 있다는 점을 데이터로 입증한다고 밝혔다. 가우스랩스 김영한 대표는 설루션 도입 뒤에도 제조 현장에서 활용 사례를 계속 발굴해 얻은 성과라고 말했다.
    한계와 남은 과제
    원문에 수율이나 계측 비용 개선 수치는 없다. GRACE의 현장 적용 범위와 효과를 나타내는 지표도 공개하지 않았다.

    출처

  4. 2026-02-17자료 공개AX059운영

    제약과 바이오 / 제약 프랑스

    Sanofi

    경영과 연구 의사결정 지원

    업무 문제
    Sanofi는 연구와 개발, 생산과 공급, 상업 부문에 데이터가 부서별로 나뉘어 있었다. 임상시험 설계나 포트폴리오 판단처럼 부서를 가로지르는 결정에는 모아 놓은 자료가 필요했다.
    적용한 기술과 데이터
    Sanofi는 Aily Labs GmbH와 함께 사내 앱 Plai를 도입했다. Plai는 모든 부서의 사내 데이터를 모아 실시간으로 조회할 수 있게 하고 회사 활동 전반을 한 화면에서 보여준다. AI로 시의성 있는 통찰과 개인별 what if 개발 시나리오를 만들어 판단을 돕는다. 임상 운영 팀은 임상시험 모집 단계에서 Plai로 참여자 구성이 충분히 다양한지 확인한다. 포트폴리오 전략 팀은 어떤 치료제에 집중할지 정할 때 Plai의 예측과 권고를 쓴다. 생산과 공급 팀도 Plai를 재고 계획에 쓴다.
    성과
    Sanofi는 공식 페이지에서 매일 20,000명의 직원이 plai를 쓴다고 밝혔다. 2025년 Form 20-F에는 22,000명이 넘는 직원이 일상 판단에 Plai를 쓴다고 적었다. 회사는 생산과 공급 부문에서 확률 기반 계획으로 재고 차질의 80%를 예측하고 위험의 65%를 근본 원인과 연결했다고 설명했다.
    한계와 남은 과제
    두 자료의 사용자 수가 20,000명과 22,000명으로 다르다. 공식 페이지에는 게시일이 없어 어느 시점 기준인지 확인되지 않는다.

    출처

  5. 2026-02-12자료 공개AX097운영

    에너지 / 전력과 가스 공급 미국

    Duke Energy

    고객을 노린 사칭 광고 탐지

    업무 문제
    Duke Energy 고객을 노린 사기가 이어졌다. 회사는 2025년 서비스 지역 전체에서 수천 건의 사기 신고를 받았다고 밝혔다. 요금 지원을 찾는 고객이 몰리는 2월에 신고가 특히 늘었다. 사기범은 가짜 광고와 사칭 상담 번호로 고객에게 접근했다.
    적용한 기술과 데이터
    Duke Energy는 인공지능으로 웹사이트, 사회관계망, 유료 광고를 훑는다. 공개된 자료에서 드러나는 사회공학 위협을 찾는 것이 목적이다. 가짜 광고와 사칭 상담 번호가 주된 탐지 대상이다. 찾아낸 항목은 해당 플랫폼에 삭제를 요청한다. 회사는 자체 사기 신고 도구를 함께 운영해 고객이 의심 사례를 직접 알리도록 했다. 고객에게는 결제 요구가 급하거나 위협적이면 속도를 늦추고, 청구서에 적힌 공식 번호나 웹사이트로만 확인하라고 안내한다.
    성과
    회사는 최근 삭제 사례로 Duke Energy를 사칭하고 가짜 고객센터 번호를 실은 유료 검색광고를 들었다. 또 Piedmont Natural Gas, Better Business Bureau를 비롯한 다른 유틸리티 회사와 함께 11월에 열린 제10회 Utility Scam Awareness Day에 참여했다고 밝혔다. Jessica Bishop 고객서비스운영 수석부사장은 사기범이 정교해지는 만큼 회사가 선제적으로 고객을 보호하고 있다고 말했다. 회사는 선불카드나 암호화폐 결제를 받지 않으며 즉시 단전을 위협하지 않는다는 점도 함께 알렸다.
    한계와 남은 과제
    탐지에 쓴 모델과 오탐 비율, 삭제 요청 건수는 원문에 없다. 사람이 어느 단계에서 검토하고 승인하는지도 밝히지 않았다.

    출처

  6. 2026-02-12자료 공개AX049운영

    농림수산 / 산림 관리 핀란드

    Stora Enso

    산림 경영과 생물다양성 예측

    업무 문제
    산림 경영은 목재 생산과 생물다양성 보전을 함께 맞춰야 한다. 어떤 관리 행위가 희귀종에 어떤 영향을 주는지 미리 알기 어려웠다. 여러 보전 조치 가운데 무엇을 먼저 해야 하는지 정하는 기준도 필요했다.
    적용한 기술과 데이터
    Stora Enso는 북유럽 산림 전체를 디지털 트윈으로 만들어 데이터 분석에 쓴다. 이 디지털 산림 트윈으로 산림 관리 행위를 모의하고 희귀종에 미치는 영향을 예측한다. 2024년 초 시작한 국제자연보전연맹(IUCN)과의 공동 프로젝트는 2025년에 끝났다. 이 프로젝트에서 IUCN이 만든 STAR 생물다양성 지표를 Stora Enso의 산림 계획 시스템에 붙이는 개념 검증을 했다. 이 틀로 산림 경관 전반에서 어떤 보전 조치를 먼저 할지 정한다.
    성과
    Stora Enso는 2025년 연차보고서에서 AI와 다른 기술을 써서 생물다양성과 목재 생산을 더 잘 통합하는 쪽으로 나아갔다고 밝혔다. 회사는 이 틀이 가장 급한 위협부터 가장 효과적인 방법으로 다루게 하면서 목재 생산에 미치는 부정적 영향을 최소화한다고 설명했다. 결과는 학술지 게재를 목표로 정리했고 2025년 IUCN 세계자연보전총회에서 발표했다.
    한계와 남은 과제
    STAR 지표 연계는 개념 검증 단계의 결과다. 원문에는 예측 정확도나 적용 면적 같은 수치가 없다.

    출처

  7. 2026-02-03자료 공개AX092제한 운영

    제조 / 철강 한국

    포스코

    철광석 소결 공정 제어

    업무 문제
    소결 공정은 가루 형태의 철광석을 고로에 넣기 좋은 덩어리로 만드는 핵심 과정이다. 소결기 운전은 현장 작업자가 단순 반복으로 다뤄야 하는 일이었다. 포항제철소는 개별 설비 자동화를 넘어 제어 기술들을 하나로 엮는 것을 과제로 삼았다.
    적용한 기술과 데이터
    포항제철소는 소결 공정에 AI 기반 스마트 제어 시스템을 넣었다. 센서를 써서 원료가 쌓이는 장입선을 미세하게 제어한다. 배가스 온도 설정값을 따라가도록 대차 속도를 자동으로 제어한다. 이 기술은 포항제철소 제선부와 기술연구원 공정DX연구소가 함께 개발했다. 개발을 이끈 제선부 김영현 차장은 포항제철소 숙련공들의 노하우를 AI로 로직화해 누구나 최상의 품질을 낼 수 있는 표준을 만들고 싶었다고 말했다.
    성과
    포항제철소는 이번 개선으로 조업 가동률 99%, 적중률 97%를 기록하며 조업 편차를 크게 줄였다고 밝혔다. 고품질 소결광이 안정적으로 공급되면서 후공정인 고로의 노황 안정에도 기여했다고 설명했다. 3소결에서 검증한 이 모델은 2소결과 4소결 등 다른 공정으로 확대 적용을 진행 중이다. 소결기 운전 자동화로 현장 작업자가 단순 반복 업무에서 벗어나 고부가가치 업무에 집중할 환경을 만들었다는 평가도 함께 냈다.
    한계와 남은 과제
    원문은 적중률의 정의와 비교 기준을 밝히지 않았다. 개선 전 가동률도 제시하지 않아 상승 폭은 알 수 없다.

    출처

전체 자료 받기 (JSON)