패키징 공장 AI는 숙련공의 경험을 이어받아야 한다

패키징 공장이 AI를 도입할 때 첫 단계는 현장 지식을 검색 가능하고, 교육 가능하며, 추적 가능한 업무 역량으로 정리하는 것이다. 맥스는 이를 단순히 챗봇 하나를 더 두는 일이 아니라, 세대교체 관리와 납기 관리의 문제로 본다

패키징 전문 매체 Packaging Insights는 EPS가 CommandCore를 업데이트해 AI로 패키징 공장의 지식 이전과 현장 작업을 지원한다고 보도했다. 이는 매우 현실적인 신호다. 패키징 공장이 매일 다루는 것은 단일 문제가 아니라, 하나의 작업지시서가 견적, 디자인, 프리프레스, 칼선, 인쇄, 후가공, 품질검사, 출하 등 여러 지점을 통과하는 흐름이기 때문이다

현장에서 내가 본 가장 까다로운 단절 지점은 보통 기계가 아예 돌아가지 않는 경우가 아니다. 신입은 베테랑이 왜 그렇게 세팅했는지 모르고, 영업은 프리프레스가 왜 파일을 반려했는지 모르며, CS는 고객 클레임 때 어떤 3가지 핵심 질문을 먼저 해야 하는지 모른다. 결국 모두가 가장 잘 아는 한 사람의 답장을 기다리게 된다

지식 이전: 숙련공의 판단, 설비 세팅, 이상 대응, 작업지시서 맥락을 신입이 검색하고, 관리자가 추적하며, 시스템이 알림을 주고, 현장에서 인수인계할 수 있는 업무 지식으로 정리하는 일

CommandCore 같은 도구가 주는 메시지는 분명하다. 패키징 공장의 AI가 질문에 답하는 데 그친다면 가치는 제한적이다. 작업지시서 맥락, 설비 지식, 이상 대응 프로세스를 받아낼 수 있을 때 비로소 재작업과 대기 시간을 실제로 줄일 수 있다

EPS, CommandCore 업데이트로 패키징 공장의 AI 도입 지원의 핵심은 AI를 단순한 자동 스케줄링이나 사무실 Q&A가 아니라, 패키징 공장의 작업과 지식 이전 현장에 넣는 데 있다

패키징 공장 입장에서 지식 이전을 하려면 적어도 4가지 현장 데이터를 먼저 정리해야 한다

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

・설비 세팅: 자주 쓰는 기계, 속도 범위, 잉크와 종이 조합, 칼선 또는 톰슨 가공 시 유의점

・이상 대응: 핀트 틀어짐, 농도 편차, 판 막힘, 터짐선, 오염점, 합지 불안정

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

중소 공장에는 AI를 처음부터 전 공장의 두뇌로 생각하지 말라고 권하고 싶다. 먼저 매우 성실한 현장 보조자처럼 두고, 각 작업지시서가 어떻게 진행됐는지, 어디서 문제가 났는지, 다음번에는 무엇을 먼저 확인해야 하는지 기억하게 하는 편이 낫다

맥스 생산라인 지식 4칸은 내가 중소 인쇄 및 패키징 공장과 논의할 때 첫 번째 점검 방식으로 사용하는 틀이다. 먼저 작업지시서 1장을 요구사항, 세팅, 이상, 인수인계의 4칸으로 나누면 현장 지식을 놓을 고정된 위치가 생긴다

・요구사항 칸: 고객이 실제로 원하는 것이 내마모성, 강성, 색상 안정성, 매대 진열감, 낮은 파손율 중 무엇인지 기록한다

・세팅 칸: 기계, 종이, 잉크, 인쇄 방식, 후가공 조건, 그리고 해당 교대조 숙련공의 조정 이유를 기록한다

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

・인수인계 칸: 다음 교대조, 다음 유사 작업지시서, 다음 견적 또는 샘플 제작 때 무엇을 먼저 알려야 하는지 기록한다

이 4칸은 문서를 보기 좋게 꾸미는 작업이 아니다. 신입이 인수인계받을 때 질문을 10번 줄이고, 관리자가 문제를 추적할 때 메신저 단체방 5개를 뒤지는 일을 줄이며, CS가 고객에게 답할 때 같은 기준으로 말하게 하기 위한 것이다

공장 내부에서 이미 견적, 프리프레스, 고객 클레임 자료를 정리하기 시작했다면, 맥스 지식 아카데미 컨설팅팀이 먼저 2주간의 지식 점검을 함께 진행할 수 있다. 최근 반려, 재작업, 긴급 작업지시서 10건에서 가장 먼저 정리할 가치가 있는 현장 규칙을 찾아내는 방식이다

대만 중소 인쇄 및 패키징 공장의 pain point는 매우 뚜렷하다. 세대교체가 느리고, 인력이 부족하며, 라인 전환이 잦고, 맞춤형 프로젝트가 늘고 있다. 이 4가지가 동시에 겹치면 현장 지식이 정리되지 않은 상태에서 AI는 혼란만 더 키운다

나는 매일의 업무와 가장 쉽게 연결되는 3가지 목록부터 시작한다

・최근 30일 재작업 목록: 파일 반려, 재인쇄, 추가 인쇄, 고객 클레임, 납기 지연이 있었던 작업지시서를 나열하고, 먼저 빈도 높은 문제를 찾는다

・베테랑 판단 목록: 숙련공에게 ‘어떤 상황을 보면 어디를 먼저 조정하는지’를 쉬운 말로 적게 한다. 처음부터 보기 좋은 SOP로 만들려고 하지 않는다

・고객 Q&A 목록: 영업, CS, 프리프레스가 매일 받는 질문을 정리한다. 특히 소재, 색차, 납기, 샘플 제작, 후가공 제한 관련 질문이 중요하다

여기에는 아주 현장적인 판단 기준이 있다. 문서가 너무 부담스러워 아무도 업데이트하려 하지 않는다면 이미 실패한 것이다. 좋은 지식베이스는 작업 실적 입력처럼 자연스러워야지, 보고서를 내는 것처럼 괴로워서는 안 된다

AI 도입 전에 맥스는 먼저 3가지를 본다

・콘텐츠 책임자가 있는가: 각 지식 유형마다 확인할 사람이 있어야 한다. 그렇지 않으면 잘못된 답이 새로운 표준이 된다

・이상 대응의 경계가 있는가: AI는 처리 순서를 제안할 수 있지만, 안전, 폐기, 중대 고객 클레임이 걸린 경우에는 관리자 판단으로 돌아가야 한다

・시스템이 작업지시서와 연결되어 있는가: 지식이 작업지시서 번호, 고객 사양, 설비 조건과 떨어지면 곧 아무도 찾아보지 않는 폴더가 된다

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

디자이너도 영향을 받는다. 패키징 공장이 완성 데이터 규칙, 칼선 제한, 색상 리스크, 후가공 유의사항을 검색 가능한 지식으로 정리할 수 있다면, 디자인 제안 단계에서 프리프레스에서 막힐 문제를 더 일찍 피할 수 있기 때문이다

브랜드 고객과 디자이너가 가장 체감하는 변화는 보통 3가지 단계에서 나타난다

・견적 전: 영업이 소재와 후가공의 합리성을 더 빠르게 판단하고, 모호한 표현으로 시간을 끄는 일이 줄어든다

・샘플 제작 전: 프리프레스가 도련, 선 두께, 별색, 부분 코팅 또는 박가공 리스크를 미리 알려줄 수 있다

・양산 후: CS가 같은 작업지시서 맥락으로 고객 클레임에 답할 수 있어, 매번 현장에 다시 묻는 일이 줄어든다

프로젝트가 중고급 완전 맞춤형 상업 인쇄에 해당한다면, 맥스 인쇄(MS)는 샘플 제작, 소재, 후가공, 납기 평가를 하나의 작업지시서 관점으로 묶어 브랜드 측이 인쇄를 맡기기 전에 어떤 디자인 선택이 리스크를 높이는지 미리 알 수 있게 할 수 있다

・패키징 공장의 AI는 자동화보다 현장 지식 정리가 먼저다

・베테랑의 경험이 머릿속에만 남아 있으면 세대교체 리스크가 납기와 수율에 바로 반영된다

・작업지시서 1장을 요구사항, 세팅, 이상, 인수인계의 4칸으로 나눠야 AI가 활용할 수 있는 생산라인 맥락이 생긴다

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

・디자이너가 프리프레스와 후가공 제한을 일찍 알수록 샘플 제작 전후의 수정 왕복이 줄어든다

이번 CommandCore 업데이트가 인쇄, 패키징, SaaS 팀에 주는 시사점은 분명하다. AI 도입은 워크플로에서 가장 쉽게 끊기는 지점부터 시작해야 한다. 패키징 공장은 작업지시서 지식을 먼저 정리하고, 디자인 측은 완성 데이터와 소재 제한을 먼저 정리하며, SaaS 측은 모든 견적, 샘플 제작, 이상 대응, 고객 클레임이 같은 작업지시서 맥락으로 돌아오게 해야 한다. 맥스 생산라인 지식 4칸은 먼저 스프레드시트로 2주 동안 운영해 보고, 현장이 실제로 입력하는지와 관리자가 실제로 확인하는지를 검증한 뒤 ERP, RIP, CS 또는 견적 시스템과 연결할지 결정해도 된다

・EPS, CommandCore 업데이트로 패키징 공장의 AI 도입 지원