자동차 부품 제조업체 A의 AX 전환 사례 - MCP 서버로 공장 데이터를 AI로 활용

AX 전환이라고 하면 거대한 프로젝트를 떠올리기 쉽습니다. 이 사례는 그렇지 않습니다. Ale AI를 도입한 글로벌 완성차 브랜드의 1차 벤더, 제조업체 A의 요구사항은 간단했습니다.

"OO공장에서 최근 3개월간 가장 많은 알람이 발생한 공정은 어디야?" 라는 질문에 AI가 정확하게 답하는 것이었습니다.

해결책은 간단합니다. AI의 질문에 따라, 필요한 데이터만 DB에서 직접 조회할 수 있도록 하는 MCP 서버를 개발하고 AI 플랫폼에 연결하여 직원들이 사용하는 것입니다.

MCP 서버만 개발하면 될까?

이 프로젝트는 MCP 서버만 개발해서 끝나는 일이 아니었습니다. 이 MCP 서버를 기업에서 조직 구성원이 함께 사용하기 위해 해결해야 할 문제들이 있었습니다.

MCP 클라이언트는 무엇을 쓸 것인가

개발한 MCP 서버를 조직 구성원이 함께 쓰려면 MCP 연동을 지원하는 MCP 클라이언트 서비스가 필요합니다. 대표적으로는 Claude와 ChatGPT가 있지만, 사내 데이터가 외부로 나간다는 점이 보안 정책과 맞지 않았습니다.

OpenWebUI 같은 오픈소스로 직접 플랫폼을 구축하고 운영하는 방법도 있지만, 조직의 요구사항을 반영하고 안정적으로 운영하려면 전담 개발팀이 이 플랫폼을 지속적으로 유지·개발해야하는 부담이 생깁니다.

MCP 서버를 어디에서 배포할 것인가

개발한 MCP 서버는 웹 환경에서 작동하도록 배포되어야 합니다. 기존 클라우드 인프라에 직접 올리면 관리 포인트가 늘어나고, 별도 호스팅을 사용하려면 데이터 유출 문제를 해결해야 합니다. 결국 MCP 클라이언트 기능을 하면서, 같은 환경에서 서버 배포 기능까지 지원하는 플랫폼이 필요한데, Ale AI가 그 역할을 했습니다.

에이전트 기반 업무 자동화

MCP 서버와 AI를 활용해 데이터를 단순히 검색만 하는 것은, 제조업체 입장에서 기존 그룹웨어의 검색 기능을 더 편하게 쓰는 것과 다르지 않았습니다. 데이터를 조회하는 것에서 나아가, 그 데이터를 기반으로 보고서 작성 등 확장된 업무까지 수행할 수 있는 AX 전환을 목표로 진행하였습니다.

이를 위해서는 파일 생성 등의 작업을 수행하기 위한 실행환경을 갖춘 에이전트가 필요하고, 그 에이전트를 여러 직원이 공유해서 사용할 수 있어야합니다.

범용 에이전트 기반의 에이전트 플랫폼

사내 데이터로 수행하는 업무는 매우 다양하고 또 새로 생겨날 수 있기 때문에, 고정된 기능을 하는 에이전트를 적용하면, 변화하는 환경에 대응할 수 없습니다. 따라서 어떠한 작업도 수행할 수 있는 범용 에이전트가 필요하고, 이를 활용해 조직이 원하는 에이전트를 자체적으로 만들어낼 수 있어야 했습니다.

이를 위해 Codex와 Claude Code같은 범용 에이전트를 API화 제공하는 Managed Agents API를 플랫폼에 내장하였고, MCP 서버를 배포하는 것처럼 OpenClaw, Herems, Codex CLI같은 에이전트 서비스를 Ale AI와 같은 환경에서 배포하고 에이전트의 하네스로 연동할 수 있는 구조로 플랫폼을 구성하였습니다.

한 사람의 노하우를 조직 전체의 자산으로

이러한 에이전트가 업무를 제대로 수행하려면 AI 모델 성능만으로는 부족합니다. 보고서 형식, 데이터 해석 기준, 작업 순서 등 조직의 업무 맥락을 담은 Skills가 적용되어야 에이전트가 실제 업무를 수행할 수 있습니다. 그리고 이 에이전트가 Skills 뿐만 아니라, MCP 서버, 조직 내부의 자산을 연결하는 다양한 도구를 활용할 수 있도록 설정할 수 있어야합니다.

하지만 이러한 에이전트 설정은 어느정도 이상의 학습이 필요하기 때문에, 모든 구성원에게 필요한 에이전트를 직접 구축해서 사용하라고 할 수는 없습니다. 조직 내에서 이를 잘 다루는 구성원이 만든 에이전트를 다른 구성원과 공유할 수 있는 기능이 필요했습니다.

Ale AI에서는 조직 구성원이 만든 에이전트를 다른 조직원과 공유하거나, 운영시스템에서 관리자가 생성한 에이전트를 특정 팀 또는 개인을 지정하여 공유하는 기능을 지원하여 이 문제를 해결할 수 있었습니다.

AI 내재화의 시작

이번 프로젝트는 단순히 AI 에이전트로 사내 데이터를 활용하는 것에 그치지 않았습니다. AI 활용을 조직의 역량으로 내재화할 수 있는 환경을 구축하는 것이 이 프로젝트의 핵심이었습니다.

MCP 서버, 직접 만들고 배포

이번 프로젝트로 MCP 서버의 소스코드와 개발 방법을 전수받은 이 기업은 다양한 사내 데이터를 연결하는 MCP 서버를 직접 개발하고 AI로 활용할 수 있게 되었습니다.

개발한 MCP 서버는 Ale AI에 내장된 앱 배포 플랫폼에서 바로 배포할 수 있습니다. 이를 통해 조직의 데이터를 가장 잘 아는 사람이 개발부터 배포까지 직접 수행하고 이를 활용하는 에이전트를 만들어 조직 구성원과 공유할 수 있게 된 것입니다.

고장 예측 시스템 자체 개발

현재 이 기업은 MCP 서버로 연결한 데이터를 바탕으로 AI가 설비 고장 시점을 예측할 수있도록 하는 Skills를 개발하고 있습니다. 사내 데이터를 AI 에이전트로 활용할 수 있는 상태에서, 기업 고유의 상황을 반영한 Skills까지 갖추면 예측 시스템처럼 고도화된 기능도 조직이 직접 개발하고 운영할 수 있습니다. 이것이 AI 내재화가 시작되는 방식입니다.

Ale AI가 제안하는 AX

AI 전환(AX)은 한 번의 프로젝트로 완성되지 않습니다. 그룹웨어를 도입한다고 디지털 전환(DX)이 완성되지 않는 것처럼, AI 플랫폼을 도입하는 것은 시작일 뿐입니다.

이를 바탕으로 데이터를 연결하고, 에이전트를 활용하고, Skills를 쌓아가면서 조직의 AI 역량이 성장하는 과정 자체가 AX입니다. 이 기업은 Ale AI를 통해 지금 그 과정을 진행하고 있습니다.