AI 인쇄 공장은 먼저 데이터 언어부터 갖춰야 한다

AI 인쇄 공장의 핵심은 먼저 "어떤 AI를 쓸 것인가"를 묻는 데 있지 않다. 먼저 물어야 할 것은 "작업지시서, 장비, 프리프레스, ERP가 같은 언어로 이야기하고 있는가"다. MINDS Knowledge Academy 컨설팅팀이 현장에서 가장 먼저 점검하는 것도 바로 이 데이터 계층이 시스템이 읽을 수 있고, 사람이 추적할 수 있으며, 프로세스가 판단에 활용할 수 있는 상태인지다

Durst는 2026년 7월 16일 Triple C Labs GmbH의 지분 과반을 확보했다고 발표했다. Triple C Labs는 CoCoCo Platform의 배후 회사다. 겉으로는 소프트웨어 투자처럼 보이지만, 나는 이를 인쇄 장비 업체가 한 가지 현실을 인정한 움직임에 가깝다고 본다. 단일 장비가 아무리 빨라도 생산 라인이 작업지시서 상태를 모르면 효율은 여전히 인수인계 지점에서 막힌다

CoCoCo Platform의 핵심은 JDF/JMF로 인쇄기, 프리프레스 시스템, 작업장 소프트웨어를 연결하는 것이다. Durst는 이를 Kyveris 산업용 소프트웨어 및 AI stack에 편입했다. 공식 설명 중 특히 정확한 말이 있다. 장비가 실제로 무엇을 했는지와 작업장이 그것을 얼마나 알고 있는지 사이에는 계속 간극이 있었다는 점이다

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, 리소스 상태를 주고받을 수 있다

나는 대만의 중소 인쇄업체에서 비슷한 상황을 너무 많이 봤다. 영업 견적은 한 가지 필드 체계를 쓰고, 프리프레스 작업 분해는 다른 표현을 쓰며, 현장 배정은 단체 메시지방에서 "이 건 먼저 끼워 넣어 주세요"라는 한마디로 보완된다. 납기 문제가 생기고 나서야 모두가 대화 기록을 뒤지기 시작한다

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

Durst가 이번에 주목한 CoCoCo Platform에는 매우 중요한 설계가 있다. typed, event-driven data model을 쓰고, 표준화된 entities로 Job, Product, Resource를 정의한다는 점이다. 이는 기술 용어를 쌓아 올린 말이 아니라 인쇄 현장에 가장 부족한 "공통 용어표"다

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

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

・Product: 완제품 사양, 용지, 칼선, 색도, 코팅, 박, 접착 박스 또는 후가공 요구 사항

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

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

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

이는 Cumberland Packaging이 Amtech Encore ERP를 선택한 사례와도 연결된다. 관련 자료에서는 생산, 재고, 배송의 end-to-end 가시성을 확보하는 것이 목표라고 언급한다. 이는 대형 업체만 겪는 문제가 아니다. 대만의 중소업체도 용지 재고, 외주 가공, 긴급 주문 배송에서 똑같이 막힌다. 다만 과거에는 인맥과 전화로 억지로 버텼을 뿐이다

대만 중소 인쇄업체의 흔한 문제는 장비가 없다는 것이 아니라 데이터가 가야 할 곳까지 가지 못한다는 것이다. 견적은 영업 담당자 컴퓨터에 있고, 프리프레스 주의 사항은 LINE에 있으며, 색상 설정은 RIP에 있고, 재고는 ERP에 있으며, 실제 장비 상태는 현장 반장의 머릿속에 있다. 결국 대표가 보게 되는 것은 "오늘도 주문 2건이 또 지연됐다"는 결과뿐이다

Durst는 CoCoCo Platform이 독립 브랜드, 기존 팀, 고객에 대한 약속을 유지하며, 제3자 OEM, 소프트웨어 업체, 인쇄 생산 고객에게 계속 개방될 것이라고 강조했다. 이 점은 업계에 중요하다. 인쇄업체가 단일 브랜드 장비만 쓰는 경우는 드물기 때문이다. 실제 공장은 서로 다른 연식의 장비 3대, 소프트웨어 2종, 여러 외주 가공업체가 뒤섞인 상태로 돌아간다

대만 업체가 배워야 할 것은 Durst의 구조를 그대로 베끼는 일이 아니라, 먼저 다음 5가지를 점검하는 것이다

・작업지시서 필드: 견적, 프리프레스, 일정, 출하가 같은 주문번호와 품목 정의를 쓰고 있는가

・장비 상태: 인쇄 진행, 정지, 판 교체, 자재 대기, 완료를 구두 인수인계가 아니라 시스템에 기록할 수 있는가

・색상 데이터: ICC, 별색, 고객 표준색, 과거 교정 기록을 다시 확인할 수 있는가

・재고 데이터: 용지, 판재, 소모품, 외주 가공 진행 상황이 주문과 연결되어 있는가

・납기 데이터: ERP에 보이는 납기가 프리프레스 지연, 자재 보충, 재인쇄, 후가공 대기열을 반영하고 있는가

MINDS Knowledge Academy 컨설팅팀은 AI 또는 SaaS 도입을 지원할 때 보통 "MINDS 인쇄 의뢰 3단계 점검"으로 초기 진단을 진행한다. 1. 작업지시서 필드 일치, 2. 프리프레스 검사 추적 가능, 3. 장비와 재고 상태 보고 가능. 이 3단계를 통과하지 못한 상태에서 AI 일정 관리를 시범 도입하면, 대체로 숙련자의 경험 위에 새 인터페이스만 씌우는 결과가 된다

디자이너와 브랜드 고객에게 이 일은 공장 내부의 IT 문제가 아니다. 공장이 프리프레스, ERP, 장비를 하나의 데이터 언어로 연결하기 시작하면, 디자인 쪽의 파일 전달 방식도 다시 요구받게 된다. 파일명, 버전, 칼선, 색상, 재단 여유, 소재, 후가공은 "사람이 알아볼 수 있는" 수준에서 "시스템도 읽을 수 있는" 수준으로 이동한다

매우 현실적인 변화 하나는 디자인 시안이 더 이상 단순한 비주얼 파일이 아니라 생산 데이터의 입구가 된다는 점이다. 브랜드 고객이 같은 시리즈에 12개 SKU를 갖고 있고, 패키지 크기는 비슷하지만 언어, 바코드, 성분 표시가 다르다면 과거에는 사람이 하나씩 대조해야 했다. 가장 두려운 것은 버전 하나를 놓치는 일이다. 데이터 구조가 명확해진 뒤에야 프리프레스 checklist, 버전 비교, 반복 오류 알림이 안정적으로 자동화될 수 있다

디자인 쪽에서는 먼저 4가지를 실행할 수 있다

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

・사양 데이터화: 소재, 색도, 가공, 칼선 번호를 이메일 본문에만 쓰지 말고 복사 가능한 필드로 정리한다

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

・프리프레스 checklist 고정화: 재단 여유, 폰트, 이미지 해상도, 별색, 블랙 플레이트 설정, 바코드 위치에 대한 검사 기록을 남긴다

브랜드 측에 중고급 완전 맞춤형 상업 인쇄 수요가 있다면, MINDS Printing (MS)처럼 프리프레스 커뮤니케이션, 사양 확인, 생산 피드백을 프로세스로 정리할 수 있는 공급업체를 단순 가격 비교보다 더 중요하게 구매 후보에 넣을 만하다. 물론 가격도 봐야 한다. 하지만 버전 오류, 재인쇄, 납품 지연의 비용은 보통 견적서 위 몇 퍼센트 차이보다 훨씬 더 아프다

나는 중소 인쇄업체에 AI 도입을 처음부터 전 공장 자동 일정 관리로 이야기하기보다, 90일 안에 점검할 수 있는 작업으로 쪼개라고 권한다. Durst와 CoCoCo 사례는 규모가 크지만, 소규모 업체에 주는 메시지는 단순하다. AI가 필요로 하는 것은 깨끗하고, 실시간이며, 정의된 프로세스 데이터다

첫 단계부터 완벽할 필요는 없다. 제품 라인 1개, 흔한 주문 유형 1개, 프리프레스 checklist 1세트만 먼저 제대로 흐르게 하면 된다. 예를 들어 명함, 카탈로그, 스티커, 종이 박스 중 하나를 고르고, 견적 필드, 프리프레스 검사, RIP 상태, 인쇄 투입 시간, 소모품 재고 차감, 출하 상태를 한 줄로 연결하는 편이 스마트 팩토리를 추상적으로 논하는 것보다 문제를 더 빨리 드러낸다

실행 가능한 순서는 다음과 같다

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

・2~4주 차: 프리프레스 checklist를 양식으로 고정해 모든 작업에 통과, 반려, 수정 기록이 남도록 한다

・5~8주 차: 장비 상태가 최소한 인쇄 진행, 정지, 완료, 이상 4가지 이벤트를 보고할 수 있게 한다

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

AI가 인쇄업체에서 가장 먼저 효과를 내기 쉬운 영역은 보통 견적 요청 내용 추출, 프리프레스 checklist, 고객 불만 요약, 제안 자료 정리, 진행 독촉 알림이다. 이런 작업은 전 공장 자동화가 끝날 때까지 기다릴 필요가 없다. 다만 깨끗한 필드와 안정적인 프로세스가 필요하다. 그렇지 않으면 AI는 표현 방식이 제각각인 데이터를 정리해 주는 데 그칠 뿐이다

・AI 인쇄 공장은 자동 판단을 논하기 전에 공통 데이터 언어부터 갖춰야 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 비주얼 파일에서 생산 데이터의 입구로 바뀐다. 버전, 칼선, 색상, 가공은 모두 추적 가능해야 한다

・중소업체가 AI를 도입하는 첫 단계는 제품 유형 1개, 프로세스 1개, checklist 1세트를 먼저 매끄럽게 돌리는 것이다

인쇄 제조의 다음 단계는 서둘러 AI 도구를 사는 것이 아니라, 작업지시서 필드, 프리프레스 검사, 장비 이벤트, 재고, 출하 상태를 하나의 데이터 언어로 정리하는 것이다. 디자이너에게는 인쇄 의뢰 파일을 생산 데이터처럼 버전, 사양, 승인 기록으로 관리해야 한다는 뜻이다. SaaS 팀에게 가장 가치 있는 제품은 예쁜 대시보드가 아니라 Job, Product, Resource, Event를 명확하게 정의할 수 있는 프로세스 계층이다. MINDS Knowledge Academy 컨설팅팀이 중소업체의 첫 점검을 함께한다면, 나는 가장 자주 재인쇄되고, 가장 자주 지연되며, 가장 자주 전화로 추적하는 주문 유형부터 시작할 것이다. 바로 그곳에서 데이터 언어가 어디에서 끊어지는지 가장 쉽게 보이기 때문이다

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