포장 공장의 AI는 현장 숙련자의 경험을 이어받을 수 있어야 한다

포장 공장이 AI를 도입할 때 첫 단계는 현장 지식을 검색 가능하고, 교육 가능하고, 추적 가능한 업무 역량으로 정리하는 것이다. MINDS (MS)는 이를 단순히 채팅 도구 하나를 더하는 일이 아니라, 후계 운영 관리와 납기 관리의 문제로 본다

포장 전문 매체 Packaging Insights는 EPS가 CommandCore를 업데이트해 AI로 포장 공장의 지식 이전과 현장 업무를 지원한다고 보도했다. 이 신호는 꽤 현실적이다. 포장 공장이 매일 다루는 것은 단일 문제가 아니라, 하나의 작업 지시서가 견적, 디자인, 프리프레스, 칼선, 인쇄, 후가공, 품질검사, 출고까지 여러 지점을 통과하는 흐름이기 때문이다

현장에서 내가 본 가장 골치 아픈 단절 지점은 보통 기계가 아예 돌아가지 않는 상황이 아니다. 신입은 숙련자가 왜 그때 그렇게 조정했는지 모르고, 영업은 프리프레스에서 왜 파일을 반려했는지 모르며, 고객지원은 클레임을 받을 때 어떤 핵심 질문 3가지를 물어야 하는지 모른다. 결국 모두가 가장 잘 아는 그 한 사람이 답장을 보내기만 기다린다

지식 이전: 숙련자의 판단, 설비 설정, 이상 대응, 작업 지시서 맥락을 신입이 찾아볼 수 있고, 관리자가 추적할 수 있으며, 시스템이 알려줄 수 있고, 현장에서 인수인계할 수 있는 업무 지식으로 정리하는 일

CommandCore 같은 도구가 주는 메시지는 분명하다. 포장 공장의 AI가 질문에 답만 한다면 가치는 제한적이다. 작업 지시서의 맥락, 설비 지식, 이상 대응 흐름까지 받아낼 수 있어야 재작업과 대기 시간을 실제로 줄일 수 있다

EPS, 포장 공장의 AI 도입을 지원하도록 CommandCore 업데이트의 핵심은 AI를 포장 공장의 업무와 지식 이전 장면 안에 넣는 데 있다. 자동 스케줄링이나 사무실용 Q&A만 이야기하는 것이 아니다

포장 공장 입장에서는 지식 이전을 위해 최소한 4가지 현장 데이터를 먼저 정리해야 한다

・작업 지시서 맥락: 고객 요구, 소재 제약, 색상 기준, 후가공 조건, 납기 압박

・설비 설정: 자주 쓰는 기계, 속도 범위, 잉크와 용지 조합, 칼선 또는 다이커팅 주의사항

・이상 대응: 레지스터 틀어짐, 농도 드리프트, 판 막힘, 접힘부 터짐, 오염점, 합지 불안정

・인수인계 기록: 누가 설정을 바꿨는지, 왜 바꿨는지, 변경 후 수율이나 클레임이 달라졌는지

중소 공장에는 AI를 처음부터 전 공장의 두뇌처럼 생각하지 말라고 권하고 싶다. 먼저 아주 성실한 현장 보조원처럼 두면 된다. 매 작업 지시서를 어떻게 처리했는지, 어디서 문제가 났는지, 다음번에는 무엇을 먼저 확인해야 하는지를 기억하는 역할이다

MINDS (MS) 생산라인 지식 4칸은 내가 중소 인쇄 및 포장 공장과 논의할 때 가장 먼저 꺼내는 1차 점검 방식이다. 작업 지시서 1장을 요구, 설정, 이상, 인수인계 4칸으로 나누어 현장 지식이 들어갈 고정된 자리를 만드는 방식이다

・요구 칸: 고객이 실제로 원하는 것이 내마모성인지, 강성인지, 색상 안정성인지, 매대 진열감인지, 낮은 파손율인지 기록한다

・설정 칸: 기계, 용지, 잉크, 인쇄 방식, 후가공 조건, 그리고 해당 교대 숙련자가 조정한 이유를 기록한다

・이상 칸: 발생했던 문제, 당시 판단, 처리 순서, 최종적으로 재작업했는지를 기록한다

・인수인계 칸: 다음 교대, 다음 유사 작업 지시서, 다음 견적 또는 교정에서 먼저 알려야 할 내용을 기록한다

이 4칸은 문서 꾸미기 작업이 아니다. 신입이 인수인계받을 때 질문을 10번 줄이고, 관리자가 문제를 추적할 때 단체 대화방 5개를 뒤지지 않게 하며, 고객지원이 고객에게 답할 때 같은 기준으로 말하게 하려는 것이다

공장 안에서 이미 견적, 프리프레스, 클레임 자료를 정리하기 시작했다면 Mai Strategy 지식 아카데미 컨설팅 팀이 먼저 2주짜리 지식 점검을 함께 진행할 수 있다. 최근 반려, 재작업, 긴급 작업 지시서 10건에서 가장 먼저 정리할 가치가 있는 현장 규칙을 찾아내는 방식이다

대만의 중소 인쇄 및 포장 공장이 겪는 통증은 꽤 집중되어 있다. 후계 운영은 느리고, 인력은 부족하고, 라인 전환은 잦고, 맞춤형 프로젝트는 늘고 있다. 이 4가지가 맞물리면 현장 지식이 정리되지 않은 상태에서 AI는 혼란만 키운다

나는 3가지 목록부터 시작한다. 이 3가지가 매일의 업무와 가장 쉽게 연결되기 때문이다

・최근 30일 재작업 목록: 파일 반려, 재인쇄, 추가 인쇄, 클레임, 납기 지연이 있었던 작업 지시서를 나열하고, 먼저 고빈도 문제를 찾는다

・숙련자 판단 목록: 숙련자에게 “어떤 상황을 보면 어디부터 조정하는지”를 쉬운 말로 쓰게 한다. 처음부터 보기 좋은 SOP로 만들려고 하지 않는다

・고객 문답 목록: 영업, 고객지원, 프리프레스가 매일 받는 질문을 정리한다. 특히 소재, 색차, 납기, 교정, 후가공 제약에 관한 질문이다

여기에는 매우 현장적인 판단 기준이 있다. 문서를 아무도 업데이트하고 싶지 않을 정도로 써놨다면 이미 실패한 것이다. 좋은 지식베이스는 작업 실적 입력처럼 손에 익어야지, 보고서 제출처럼 고통스러워서는 안 된다

AI 도입 전에 MINDS (MS)는 먼저 3가지를 본다

・내용 담당자가 있는가: 지식의 각 범주마다 확인할 수 있는 사람이 있어야 한다. 그렇지 않으면 잘못된 답이 새로운 기준이 된다

・이상 상황의 경계가 있는가: AI는 처리 순서를 제안할 수 있다. 하지만 안전, 폐기, 중대 클레임이 걸린 경우에는 관리자 판단으로 돌아가야 한다

・시스템이 작업 지시서와 연결되어 있는가: 지식이 작업 지시서 번호, 고객 사양, 설비 조건에서 떨어져 나가면 금방 아무도 찾아보지 않는 폴더가 된다

브랜드 고객이 가장 신경 쓰는 것은 공장이 어떤 AI를 쓰느냐가 아니다. 같은 박스를 두 번째, 세 번째 발주할 때 색상, 소재, 납기, 커뮤니케이션 비용이 안정적으로 유지되는지다

디자이너도 영향을 받는다. 포장 공장이 최종 원고 규칙, 칼선 제약, 색상 리스크, 후가공 주의사항을 찾아볼 수 있는 지식으로 정리해두면 디자인 제안 단계에서 프리프레스에서 막힐 문제를 더 일찍 피할 수 있기 때문이다

브랜드 고객과 디자이너가 가장 크게 체감하는 변화는 보통 3가지 지점에서 나타난다

・견적 전: 영업이 소재와 후가공의 타당성을 더 빨리 판단하고, 애매한 말로 시간을 끄는 일이 줄어든다

・교정 전: 프리프레스가 재단 여분, 선폭, 별색, 부분 코팅 또는 박가공 리스크를 미리 알려줄 수 있다

・양산 후: 고객지원이 같은 작업 지시서 맥락으로 클레임에 답할 수 있어, 매번 현장에 처음부터 다시 묻지 않아도 된다

프로젝트가 중고급 완전 맞춤형 상업 인쇄에 해당한다면 MINDS (MS)는 교정, 소재, 후가공, 납기 평가를 하나의 작업 지시서 관점으로 묶을 수 있다. 브랜드 쪽은 인쇄를 넘기기 전에 어떤 디자인 선택이 리스크를 키우는지 먼저 알 수 있다

・포장 공장의 AI는 자동화보다 현장 지식 정리가 먼저다

・숙련자의 경험이 머릿속에만 남아 있으면 후계 운영 리스크가 납기와 수율에 바로 반영된다

・작업 지시서 1장을 요구, 설정, 이상, 인수인계 4칸으로 나누어야 AI가 쓸 수 있는 생산라인 맥락이 생긴다

・중소 공장은 처음부터 큰 시스템을 만들 필요가 없다. 최근 30일의 재작업과 클레임만 정리해도 방향이 보인다

・디자이너가 프리프레스와 후가공 제약을 빨리 알수록 교정 전후의 원고 수정이 줄어든다

이번 CommandCore 업데이트가 인쇄, 포장, SaaS 팀에 주는 시사점은 직설적이다. AI 도입은 워크플로에서 가장 쉽게 끊기는 지점부터 시작해야 한다. 포장 공장은 작업 지시서 지식을 먼저 정리하고, 디자인 쪽은 최종 원고와 소재 제약을 먼저 정리하며, SaaS 쪽은 매 견적, 교정, 이상, 클레임이 모두 같은 작업 지시서 맥락으로 돌아오게 해야 한다. MINDS (MS) 생산라인 지식 4칸은 먼저 스프레드시트로 2주 동안 돌려볼 수 있다. 현장이 실제로 입력하는지, 관리자가 실제로 보는지 확인한 뒤 ERP, RIP, 고객지원 또는 견적 시스템에 연결할지 결정하면 된다

・EPS, 포장 공장의 AI 도입을 지원하도록 CommandCore 업데이트