Kuken Industries, OpenAI API를 활용하여 70년 된 엔지니어링 아카이브 현대화

개요

일본의 주요 냉각탑 제조업체인 Kuken Industries는 AI를 성공적으로 통합하여 70년에 걸친 엔지니어링 도면 아카이브의 검색 및 분석 과정을 간소화했습니다. AI 스타트업 Recursive와 협력하여 OpenAI의 모델을 API를 통해 구현함으로써, 엔지니어들이 과거 기록을 찾는 데 소요되는 시간을 약 90% 단축했습니다.

엔지니어링 아카이브 문제 해결

수십 년 동안 Kuken의 엔지니어들은 노후화된 인프라의 교체 부품을 찾을 때 상당한 어려움을 겪었습니다. 지난 70년간 냉각탑 사양이 고객별로 맞춤 제작되는 경우가 많았기 때문에, 올바른 과거 도면을 식별하는 것은 노동 집약적인 작업이었습니다. 이전에는 아카이브가 디지털화된 후에도 엔지니어들은 조직 내의 경험적 지식이나 수동 검색에 의존해야 했으며, 이는 반나절까지 소요될 수 있었습니다. 이는 복잡한 파일 시스템을 탐색할 경험이 부족한 신입 엔지니어들에게 병목 현상을 일으켰습니다.

구현 및 기술적 접근 방식

Kuken은 Recursive와 협력하여 맞춤형 검색 시스템과 현장 애플리케이션을 구축했습니다. 개발 과정은 다음과 같습니다:

• 모델 선택: 팀은 도면에서 기술적 세부 사항을 정확하게 추출하면서 비용 효율성을 유지할 수 있는 능력을 기준으로 여러 AI 모델을 평가했습니다. OpenAI의 모델은 이러한 영역에서의 성능을 인정받아 선택되었습니다.
• 유연한 통합: OpenAI API를 통해 팀은 검색 기능을 모바일 친화적인 현장 앱에 직접 내장할 수 있었습니다.
• 멀티모달 입력: 이 애플리케이션은 부품 번호 수동 입력뿐만 아니라 도면 및 부품 목록의 PDF나 스크린샷 업로드 등 다양한 검색 방식을 지원합니다. 이를 통해 현장 엔지니어들의 수동 데이터 입력 필요성이 제거되었습니다.

운영상의 영향

이 구현은 Kuken 엔지니어링 직원의 일상 업무 흐름을 세 가지 주요 방식으로 변화시켰습니다:

• 효율성 향상: 회사는 연간 검색 시간을 약 90% 단축할 것으로 기대하고 있습니다.
• 독립성 증대: 신입 엔지니어들이 이제 독립적으로 검색을 수행할 수 있게 되어, 지도를 받기 위해 베테랑 직원에게 의존하는 비중이 줄었습니다.
• 멘토링 및 혁신: 이전에 행정적인 검색 작업에 소비되던 시간을 확보함으로써, 숙련된 엔지니어들은 이제 주니어 직원을 멘토링하고 시간 제약으로 인해 소홀히 했던 설계 개선을 추구하는 데 집중할 수 있게 되었습니다.

향후 방향: 자동화된 도면 검토

검색 도구의 성공을 바탕으로, Kuken은 현재 외부 파트너가 준비한 도면을 감사하기 위한 AI 기반 시스템을 프로토타이핑하고 있습니다. 목표는 프로젝트 사양과 도면을 비교하여 불일치를 식별하는 과정을 자동화하는 것입니다. 초기 테스트에서 이 시스템은 약 90%의 사례에서 실제 문제를 성공적으로 찾아냈습니다. Kuken은 이 도구가 품질 관리에 소요되는 시간을 더욱 단축하고 검토 과정에서 발생할 수 있는 인적 오류를 방지하는 데 도움이 될 것으로 기대하고 있습니다.

Kuken Industries의 이사이자 공장장인 Takatsugu Naraki는 다음과 같이 언급했습니다:

“저는 OpenAI의 기술이 우리와 같은 제조업체들이 다음 세대에 기술을 전수하는 데 도움을 줄 수 있다고 믿습니다. 그것은 오랫동안 우리에게 어려운 과제였습니다.” — @handle