LG EXAONE 제조 AI: 공정 예측과 외관 검사, 현장에서는 무엇을 검증할까

공식 발표에서 확인된 범위

LG는 Tabular를 공정 조건과 품질 정보를 이해·예측하는 모델로 소개했습니다. Omni-Inspect에 대해서는 공정과 제품의 외관 이미지가 바뀌어도 재학습 없이 검사한다고 설명했습니다. 이는 LG의 발표 내용이며, 보도자료에는 현장별 정확도와 적용 조건을 판단할 상세 시험표가 제시돼 있지 않습니다.

LG는 데이터 샘플링·라벨링·학습을 자율적으로 수행하는 비전 검사 에이전트로의 발전을 준비한다고 밝혔습니다. 로봇 파운데이션 모델을 바탕으로 자율형 공장을 구현한다는 방향도 제시했습니다. 두 내용 모두 개발 방향을 설명한 것으로, 공장 전체의 무인 운영이 완성됐다는 발표는 아닙니다.

AI Cube의 도입 관점: 같은 제품의 기록부터 연결합니다

AI Cube는 검사 이미지와 생산 조건을 같은 제품 단위로 연결할 수 있는지부터 살펴보는 편이 좋다고 봅니다. 이미지만 남고 생산 시각·품종·설비 상태가 별도로 흩어져 있으면, 왜 판정이 달라졌는지 되짚기 어렵습니다.

첫 시험은 품종과 검사 공정을 좁혀 진행할 수 있습니다. 기존 검사 판정과 AI 결과를 함께 기록하면 결과가 다른 사례를 모아 원인을 살펴볼 수 있습니다. 아래 표는 LG 제품의 사양표가 아니라, AI Cube가 제안하는 현장 평가 항목입니다.

실제 도입 전에 남은 확인 사항

확인한 보도자료에는 외부 고객의 구매 가능 시점, 가격, API, 온프레미스 설치 조건이 구체적으로 제시돼 있지 않습니다. 공급사와 논의할 때는 제공 형태와 평가용 데이터 요건부터 확인하는 편이 좋습니다.

이후 실제 제품과 카메라 조건에서 오검출, 불량 누락, 처리 시간을 측정합니다. 작업자 화면에 결과를 보여주는 단계와 설비를 직접 제어하는 단계는 책임 범위가 다릅니다. 제어까지 연결한다면 승인 권한과 장애 시 복귀 경로를 별도로 정해야 합니다.

달라지는 점과 적용 범위

LG는 제조 특화 모델의 역할을 소개하면서 비전 검사 에이전트로의 개발 방향도 함께 제시했습니다.

AI Cube의 관점

소규모 제조 현장이라면 먼저 판정의 근거를 다시 찾을 수 있는 기록을 갖추는 데 집중할 만합니다. 데이터가 연결되고 평가 기준이 정리돼야 자동화할 업무의 범위를 판단할 수 있습니다. 이는 AI Cube의 도입 관점이며, 해당 모델을 도입·연동하거나 성능을 검증했다는 의미는 아닙니다.

기술 적용 시 고려사항

검사 기록에 모델 버전과 촬영 조건을 함께 남기면 결과가 달라진 시점을 추적하는 데 도움이 됩니다. 장비 간 시각과 제품 식별자가 맞는지도 확인합니다. 작업자 화면에서는 AI 판정과 재검사 결과를 구분해, 최종 판정의 근거를 되짚을 수 있게 합니다.

사업·운영 관점

비용을 비교할 때는 모델 이용료에 데이터 정리, 불량 기준 합의, 품종 변경 후 재평가, 유지보수 업무를 함께 포함할 수 있습니다. 공급사와 현장 담당자의 업무 범위를 계약 전에 정리하면 운영 중 책임이 비는 구간을 줄이는 데 도움이 됩니다.

자주 묻는 질문

출처와 확인 기준

1. LG, AI 토크 콘서트 2026서 전문가 AI 공개 ↗LG AI연구원 / LG · 원문 날짜 2026-09-14 · 자료 확인 2026-09-17

함께 읽을 인사이트