
> **[합성 데이터로 훈련하는 제조 AI] 시리즈 최종회.** 1편 '불량 데이터가 없어서 못 만드는 제조 AI — 합성 데이터로 훈련하는 법', 2편 '시뮬레이션에서 배운 AI, 공장에서 살아남는 법 — 현장 검증 3단계', 3편 '검증 통과한 AI가 한 달 만에 틀리기 시작했다 — 데이터 드리프트와 재학습 루프', 4편 '현장이 AI를 가르치는 법 — 작업자 피드백을 합성 시나리오로 바꾸는 실전 루프'(https://developer-archive.tistory.com/137)에 이어, 시리즈를 닫는 최종회입니다. 4편까지 따라오셨다면 이제 손에 남은 질문은 하나뿐입니다. '그래서 실제로 도입할 때 뭘 확인하냐'는 것. 이 글은 그 답 — 현장 도입 전 실전 체크리스트 20개입니다.
---
4편의 끝 문장을 다시 붙잡아봅니다. "AI를 가르치는 건 합성 엔진이 아니라, 현장의 매일이다." 도입 체크리스트는 이 문장을 거스르면 안 됩니다. 합성 데이터는 '데이터가 없다'는 핑계를 없애주는 도구이지, 도입의 변수가 아닙니다. 아래 20개는 도입 전에 각 팀이 한 번씩 스스로에게 물어야 할 질문입니다. 절반 이상이 '아니요'라면, 모델 점수가 아무리 좋아도 현장은 받아들이지 못합니다. 7년차 현장 엔지니어로서, 이 순서는 현장에서 아픈 대로 뽑은 순서입니다.
## 1. 데이터와 시나리오 — 합성이 '내 현장'을 말하는가
1. 불량 정의가 공정 문서에 명시되어 있는가 (팀마다 다르면 시나리오도 제각각)
2. 불량의 조건 분포(시간대·환경·소재 로트)가 기록으로 남아 있는가
3. 합성 조건 파라미터의 범위가 실제 현장 범위와 같은가 (범위를 벗어난 시나리오는 노이즈)
4. 시나리오마다 출처 태그(피드백 카드 번호·날짜·설비 ID)가 붙어 있는가
5. 조건이 사라진 시나리오는 '은퇴' 처리되고 있는가
## 2. 검증과 드리프트 — '가상에서는 됐는데'를 막는가
6. 파일럿 전, 실제 라인에서 '틀린 케이스 풀'을 한 번이라도 뽑아봤는가
7. 오탐과 미탐 중 어느 쪽에 더 민감한지 비용 기준으로 정했는가
8. 검증 환경의 조명·카메라·라인 속도가 실환경과 같은가
9. 파일럿 통과 기준(정확도·오탐률 한도)이 문서로 정해져 있는가
10. 드리프트 감시 지표(예측 분포·평균 확신도)가 정해져 있는가
11. 감시 지표를 볼 담당자와 주기(주/월)가 캘린더에 있는가
12. 재학습 트리거(지표 임계값·틀린 케이스 누적 건수)가 규칙으로 정해져 있는가
13. 재학습할 때 기존 시나리오를 유지·병합하는 규칙이 있는가
## 3. 현장 루프와 운영 — AI가 '매일' 돌아가는가
14. 작업자 '재확인 버튼' 로그가 실제로 쌓이고 있는가
15. 피드백 카드 네 줄(언제·어디서·무엇이·조건)이 양식으로 굳어져 있는가
16. 월 1회 틀린 케이스 리뷰가 약속된 일정으로 돌고 있는가
17. 모델 업데이트 시 현장 통보와 롤백 절차가 정해져 있는가
18. 판정 뒤집기가 작업자의 '추가 업무'가 아니라 한 탭으로 끝나는가
19. 새 설비·새 로트가 들어올 때 시나리오를 '검토 필요'로 바꾸는 담당자가 있는가
20. "이 모델이 틀리면 누가 책임지는가"가 팀과 현장 사이에 합의되어 있는가
## 이 체크리스트를 시리즈의 닫음으로
1편에서 데이터 부족의 핑계를 없앴고, 2편에서 가상공장의 검증으로, 3편에서 드리프트 감시와 재학습 루프로, 4편에서 현장 피드백 루프로 이어왔습니다. 최종회의 결론은 한 줄입니다. 도입은 기술의 승인이 아니라 운영의 합의입니다. 체크리스트가 '예'로 바뀌는 속도가, 제조 AI가 현장에 안착하는 속도입니다.
그래서 뭘 하면 되나 — 오늘 20개 중 '아니요'가 가장 많은 섹션 하나를 골라, 담당자 한 명의 이름을 적어보세요. 시나리오는 코드로 돌리지만, 책임은 사람이 집니다. 이 시리즈에서 다룰 이야기는 여기까지입니다.
---
**[합성 데이터로 훈련하는 제조 AI] 시리즈 끝.** 1편(https://developer-archive.tistory.com/127) · 2편(https://developer-archive.tistory.com/128) · 3편(https://developer-archive.tistory.com/133) · 4편(https://developer-archive.tistory.com/137). 다음 시리즈에서 또 이어집니다.
'산업 IoT & 스마트 팩토리 디지털트윈 > IoT 시스템 아키텍처' 카테고리의 다른 글
| 디지털트윈의 '해상도' — 3D를 정밀하게 만드는 건 공짜가 아니다 (0) | 2026.10.24 |
|---|---|
| 제조AI 용어 사전 EP.5 — RUL, "고장까지 남은 수명"을 숫자로 말하는 법 (0) | 2026.10.23 |
| 현장이 AI를 가르치는 법 — 작업자 피드백을 합성 시나리오로 바꾸는 실전 루프 (0) | 2026.10.21 |
| 검증 통과한 AI가 한 달 만에 틀리기 시작했다 — 제조 현장의 데이터 드리프트와 재학습 루프 (0) | 2026.10.20 |
| 디지털트윈이 '실시간'이 되는 조건 — 샘플링·지연시간·동기화 설계하기 (0) | 2026.10.20 |
