AI 인쇄 공장은 먼저 데이터 언어부터 보완해야 한다

AI 인쇄 공장의 핵심은 먼저 “어떤 AI를 쓸 것인가”를 묻는 것이 아니라, “작업지시서, 장비, 프리프레스, ERP가 같은 언어로 말하고 있는가”를 묻는 데 있다. Mai Strategy 지식 아카데미 컨설팅 팀이 현장에서 가장 먼저 확인하는 것도 바로 이 데이터 계층이 시스템에서 읽히고, 사람이 추적할 수 있으며, 프로세스 판단에 쓰일 수 있는지다

Durst는 2026년 7월 16일 Triple C Labs GmbH의 과반 지분을 확보했다고 발표했다. Triple C Labs는 CoCoCo Platform을 운영하는 회사다. 겉으로는 소프트웨어 투자처럼 보이지만, 나는 이것이 인쇄 장비 업체가 하나의 현실을 인정한 움직임에 더 가깝다고 본다. 단일 장비가 아무리 빨라도 생산라인이 작업지시서 상태를 모르면 효율은 결국 인수인계 지점에서 막힌다

CoCoCo Platform의 핵심은 JDF/JMF로 인쇄기, 프리프레스 시스템, 현장 소프트웨어를 연결하는 데 있다. Durst는 이를 Kyveris 산업용 소프트웨어와 AI stack에 편입했다. 공식 설명 중 특히 정확한 문장이 하나 있다. 장비가 무엇을 했는지와 현장이 얼마나 알고 있는지 사이에는 늘 간극이 있었다는 말이다

JDF/JMF란 무엇인가. JDF는 인쇄 작업지시서와 공정 데이터를 담는 형식이고, JMF는 장비와 시스템이 상태를 보고하는 메시지 형식이다. 둘을 함께 쓰면 프리프레스, 장비, MIS/ERP가 작업지시서, 진행 상황, 자원 상태를 주고받을 수 있다

나는 대만의 중소 인쇄소에서 비슷한 상황을 너무 많이 봤다. 영업 견적은 한 세트의 필드를 쓰고, 프리프레스 작업 분해는 또 다른 표현을 쓰며, 현장 배정은 단체 메시지에 “이 건 먼저 끼워 넣어”라는 한마디를 덧붙여 처리한다. 납기가 문제가 되고 나서야 모두가 대화 기록을 뒤지기 시작한다

AI는 데이터가 많은 것을 두려워하지 않는다. AI가 두려워하는 것은 데이터에 공통 정의가 없는 상태다. Job, Product, Resource 이 세 단어를 시스템마다 다르게 해석한다면, 아무리 멋진 대시보드도 혼란을 더 선명하게 그려줄 뿐이다

Durst가 이번에 주목한 CoCoCo Platform에는 중요한 설계가 하나 있다. typed, event-driven data model이며, 표준화된 entities로 Job, Product, Resource를 정의한다. 이는 기술 용어를 쌓아 올린 말이 아니라, 인쇄 현장에 가장 부족한 “공통 명사표”다

패키지 박스 주문 한 건을 예로 들면, 실제로 연결해야 하는 것은 PDF 파일 하나가 아니라 계속 변하는 상태의 흐름이다

・Job: 이 주문의 고객, 납기, 수량, 버전, 교정 상태, 생산 우선순위

・Product: 완제품 사양, 지류, 칼선, 색수, 코팅, 박가공, 접착 박스 또는 후가공 요구사항

・Resource: 장비, 판재, 잉크, 종이, 칼선, 인력, 사용 가능한 시간대

・Event: 프리프레스 검사 완료, RIP 완료, 장비 투입 중, 정지, 자재 보충, 재인쇄, 입고, 배송

CoCoCo의 가치는 인쇄기, 프리프레스 시스템, shop-floor software가 실시간 상태 안에서 이 데이터를 알아보게 하는 데 있다. Durst는 이를 JDF/JMF-based data fabric이라고 부른다. 현장 언어로 바꾸면, 모두가 같은 주문이 지금 어디에서 막혀 있는지 더 이상 추측하지 않아도 된다는 뜻이다

이는 Cumberland Packaging이 Amtech Encore ERP를 선택한 사례와도 이어진다. 자료에서는 그 목표가 생산, 재고, 배송의 end-to-end 가시성을 연결하는 것이라고 설명한다. 대기업만 겪는 문제가 아니다. 대만의 중소 공장도 종이 재고, 외주 후가공, 긴급 주문 배송에서 똑같이 막힌다. 예전에는 관계와 전화로 억지로 버텼을 뿐이다

대만 중소 인쇄소의 흔한 문제는 장비가 없다는 것이 아니라 데이터가 가야 할 곳까지 가지 못한다는 점이다. 견적은 영업 담당자 컴퓨터에 있고, 프리프레스 주의사항은 LINE에 있으며, 컬러 설정은 RIP에 있고, 재고는 ERP에 있다. 실제 장비 상태는 현장 반장의 머릿속에 있다. 결국 사장이 보는 것은 “오늘도 주문 2건이 또 밀렸다”는 결과뿐이다

Durst는 CoCoCo Platform이 독립 브랜드, 기존 팀, 고객 약속을 유지하고, 제3자 OEM, 소프트웨어 업체, 인쇄 생산 고객에게 계속 열려 있을 것이라고 강조했다. 이 점은 업계에 중요하다. 인쇄소가 단일 브랜드 장비만 쓰는 경우는 드물기 때문이다. 실제 공장은 대개 서로 다른 연식의 장비 3대, 소프트웨어 2종, 여러 외주 가공업체가 뒤섞여 돌아간다

대만 공장이 배워야 할 것은 Durst의 구조를 그대로 베끼는 것이 아니라, 먼저 5가지를 점검하는 일이다

・작업지시서 필드: 견적, 프리프레스, 일정 배정, 출하가 같은 주문 번호와 품목 정의를 쓰고 있는가

・장비 상태: 장비 투입, 정지, 판 교체, 자재 대기, 완료 상태가 말로만 인수인계되지 않고 시스템에 기록되는가

・컬러 데이터: ICC, 별색, 고객 표준색, 과거 교정 기록을 다시 조회할 수 있는가

・재고 데이터: 종이, 판재, 소모품, 외주 가공 진행 상황이 주문과 연동되는가

・납기 데이터: ERP가 보는 납기가 프리프레스 지연, 자재 보충, 재인쇄, 후가공 대기를 반영하는가

Mai Strategy 지식 아카데미 컨설팅 팀은 AI나 SaaS 도입을 지원할 때 보통 “MINDS Printing(MS) 인쇄 의뢰 3단계 관문”으로 먼저 기초 진단을 한다. ① 작업지시서 필드 일치, ② 프리프레스 검사 추적 가능, ③ 장비와 재고 상태 보고 가능. 이 3단계를 통과하지 못하면, AI 일정 배정 파일럿은 대개 사람의 경험 위에 새 인터페이스를 덧씌우는 수준에 그친다

디자이너와 브랜드 고객에게 이 일은 공장 내부 IT 문제가 아니다. 공장이 프리프레스, ERP, 장비를 하나의 데이터 언어로 연결하기 시작하면, 디자인 쪽의 입고 원고도 다시 요구받게 된다. 파일명, 버전, 칼선, 색상, 재단 여유, 소재, 후가공은 “사람이 알아보는” 수준에서 “시스템도 읽을 수 있는” 수준으로 바뀐다

아주 현실적인 변화 하나는 디자인 파일이 더 이상 시각 시안에 그치지 않고 생산 데이터의 입구가 된다는 점이다. 브랜드 고객의 같은 시리즈에 SKU가 12개 있고, 패키지 크기는 비슷하지만 언어, 바코드, 성분표가 다르다고 해보자. 과거에는 사람이 한 장씩 대조했고, 가장 무서운 것은 버전 하나를 놓치는 일이었다. 데이터 구조가 명확해져야 프리프레스 checklist, 버전 비교, 반복 오류 알림이 안정적으로 자동화될 기회가 생긴다

디자인 쪽에서는 먼저 4가지를 할 수 있다

・파일명 표준화: 고객, 품목, 크기, 버전, 날짜를 고정된 명명 규칙에 넣기

・사양 데이터화: 소재, 색수, 가공, 칼선 번호를 복사 가능한 필드로 작성하기. 이메일 본문에만 쓰지 않기

・버전 추적 가능화: 수정할 때마다 판차, 수정 사유, 승인 시간을 남기기

・프리프레스 checklist 고정화: 재단 여유, 글꼴, 이미지 해상도, 별색, 먹판 설정, 바코드 위치에 대한 검사 기록 남기기

브랜드 쪽에 중고급 완전 맞춤형 상업 인쇄 수요가 있다면, MINDS Printing(MS)처럼 프리프레스 커뮤니케이션, 사양 확인, 생산 피드백을 프로세스로 정리할 수 있는 공급사는 단순 가격 비교보다 구매 후보에 넣을 가치가 더 크다. 가격은 당연히 봐야 한다. 하지만 오판, 재인쇄, 납품 지연의 비용은 보통 견적서의 몇 퍼센트 차이보다 훨씬 더 아프다

나는 중소 인쇄소가 AI 도입을 처음부터 전 공장 자동 일정 배정으로 이야기하기보다, 90일 안에 점검 가능한 작업으로 쪼개기를 권한다. Durst와 CoCoCo의 사례는 크지만, 소규모 공장에 주는 메시지는 단순하다. AI가 먹어야 하는 것은 깨끗하고, 실시간이며, 정의된 프로세스 데이터다

첫 단계에서 완벽을 추구할 필요는 없다. 먼저 제품군 1개, 흔한 주문 유형 1개, 프리프레스 checklist 1세트만 제대로 돌려도 충분하다. 예를 들어 명함, 카탈로그, 스티커, 종이 박스 중 하나를 골라 견적 필드, 프리프레스 검사, RIP 상태, 장비 투입 시간, 소모품 재고 차감, 출하 상태를 한 줄로 연결하는 편이 스마트 팩토리를 공허하게 말하는 것보다 문제를 훨씬 빨리 드러낸다

현장에서 실행 가능한 순서는 다음과 같다

・1주 차: 현재 작업지시서 필드를 나열하고, 중복 필드를 삭제한 뒤 납기, 소재, 가공, 버전 필드를 보완한다

・2주 차부터 4주 차: 프리프레스 checklist를 양식으로 고정해 모든 주문에 통과, 반려, 수정 기록을 남긴다

・5주 차부터 8주 차: 장비 상태가 최소한 장비 투입, 정지, 완료, 이상 4가지 Event를 보고할 수 있게 한다

・9주 차부터 12주 차: ERP의 재고와 납기 데이터를 작업지시서로 다시 연결하고, 먼저 가장 자주 부족하거나 지연되는 품목부터 처리한다

AI가 인쇄소에서 가장 먼저 힘을 발휘할 수 있는 곳은 보통 견적 요청 추출, 프리프레스 checklist, 고객 불만 요약, 제안 자료 정리, 주문 추적 알림이다. 이 작업들은 전 공장 자동화가 끝날 때까지 기다릴 필요가 없다. 다만 깨끗한 필드와 안정적인 프로세스가 필요하다. 그렇지 않으면 AI는 표현이 제각각인 자료 더미를 정리해주는 데 그칠 뿐이다

・AI 인쇄 공장은 먼저 공통 데이터 언어를 보완한 뒤 자동 판단을 논의해야 한다

・JDF/JMF의 가치는 작업지시서, 장비, 시스템이 같은 상태 체계로 정보를 교환하게 하는 데 있다

・ERP가 회계만 관리하고 프리프레스, 재고, 장비, 배송과 연결되지 않으면 실제 납기 리스크를 볼 수 없다

・디자인 파일은 시각 파일에서 생산 데이터의 입구로 바뀐다. 버전, 칼선, 색상, 가공은 모두 추적 가능해야 한다

・중소 공장이 AI를 도입하는 첫걸음은 제품 1종, 프로세스 1개, checklist 1세트를 먼저 매끄럽게 돌리는 것이다

인쇄 제조에서 다음 단계는 AI 도구를 급히 사는 것이 아니라, 작업지시서 필드, 프리프레스 검사, 장비 Event, 재고, 출하 상태를 하나의 데이터 언어로 정리하는 일이다. 디자이너에게는 인쇄 의뢰 파일을 생산 데이터처럼 버전, 사양, 승인 기록까지 관리하기 시작해야 한다는 뜻이다. SaaS 팀에게 가장 가치 있는 제품은 예쁜 대시보드가 아니라 Job, Product, Resource, Event를 명확히 정의할 수 있는 프로세스 계층이다. Mai Strategy 지식 아카데미 컨설팅 팀이 중소 공장의 첫 점검을 함께한다면, 나는 가장 자주 재인쇄되고, 가장 자주 지연되며, 가장 자주 전화로 추적하는 주문 유형부터 시작하겠다. 그곳에서 데이터 언어가 어디에서 끊기는지 가장 쉽게 보이기 때문이다

・Durst, CoCoCo Platform 과반 지분 확보로 Kyveris 소프트웨어와 AI stack 강화