수많은 제안 중 12개의 아이디어가 본선에 올랐습니다.
8월 24~25일 1박 2일, 33명의 동료가 각자의 문제를 직접 풀어냅니다.
현재 연구소와 IP전략팀이 매주 공개되는 수백 수천건의 신규특허를 직접 검토하고 있어 많은 시간이 소요되며, 담당자의 경험에 따라 유효·이슈특허 판정 결과가 달라질 수 있습니다. 또한, 다수의 노이즈 특허로 인해 실제 검토가 필요한 이슈특허를 놓칠 가능성이 있습니다.
- 수작업 문서 작성 : 설비 도입 및 주기적 재밸리데이션 시 개정되는 규정 문서 양식에 맞춰 작성자가 매번 서식을 수기로 수정하고 입력하여 과도한 업무 시간이 소요됨. - 데이터 정리 및 통계 분석의 번거로움 : 밸리데이션 보고서 작성 과정에서 수집된 다량의 공정 데이터(온도, 압력 등)를 수기로 작성하고 일일이 분석 및 그래프화하는 작업으로 인해 데이터 오기입 위험이 존재함. - 주요 업무 집중도 저하 : 문서 서식 및 단순 반복적 작성 업무에 과도한 시간이 소요되어, 공정 최적화 및 테스트 조건 검토 등 본연의 핵심 업무에 집중하지 못함.
1. 못 찾고, 잊습니다 — 실험이 쌓일수록 과거 결과를 찾지 못하고, 늘 최근 것만 봅니다. 2. 기억으로 다툽니다 — 근거가 없으니 서로의 기억에 의존해 논쟁합니다. 3. 데이터가 넘칩니다 — 쌓이는 자료가 이미 사람이 감당할 수준을 넘었습니다. 4. 보고서는 수작업입니다 — 매번 같은 양식을 손으로 다시 채웁니다. 5. 클라우드 AI도 무력합니다 — 외부 AI는 사내 자료에 접근조차 못 해, 물을 때마다 처음부터입니다.
공시 주기마다 반복되는 XBRL-DSD, 영업보고서 수기 전수 비교 작업의 높은 공수와, 육안 대조 과정에서 발생하는 휴먼 에러(누락·오탐) 리스크. 특히 복잡하게 얽힌 XBRL 데이터 구조 특성상 변경 사항이 생길 때마다 담당자가 처음부터 다시 훑어야 하는 비효율.
- BI 및 SAP 데이터를 반복적으로 비교 · 분석하는 수작업 발생 - 계정별 증감 원인 확인을 위한 현업과의 반복적인 커뮤니케이션 - 결산 분석 결과가 담당자의 경험과 개인 역량에 의존 - 과거 결산 이력 및 분석 노하우가 체계적으로 축적되지 않음 - 보고서 작성을 위한 숫자 검증 및 단수 조정에 많은 시간 소요
1) 영업 담당자는 고객의 재구매 시점을 예측하거나 추가 판매 기회를 발굴하기 위해 과거 판매 데이터를 직접 분석해야 한다. 2) 특히 해외영업은 수출 이후에는 선박 운항 현황과 납기 지연 여부를 별도로 확인해야 한다. 3) 또한 기상 악화, 항만 혼잡, 국제 정세 변화, 선사의 스케줄 변경 등 외부 요인으로 인해 납기가 지연되어도 이를 사전에 파악하기 어려워 고객 대응이 늦어지는 경우가 발생한다.
- 부서·팀별로 분산된 업무 과제 정보가 서로 연결되지 못해 협업 기회 발굴이 어려움 - 과거 과제의 노하우·결과가 재활용되지 못하고 사장되는 경우가 많음 - 서로 다른 팀이 유사한 문제를 각자 따로 해결하고 있는지 확인할 방법이 없음
연구원은 논문 조사, 연구자료 검색, 시장 트렌드 조사, 자료 정리, 실험기록 작성 등 연구 수행에 필요한 다양한 PC 업무를 반복적으로 수행하고 있습니다. 이러한 업무는 필수적이지만, 반복적인 자료 탐색 / 내용 정리 / 정보 입력 / 문서 양식 통일 등 전문적 판단이 직접 요구되지 않는 세부 작업까지 처리하면서 많은 시간이 소요됩니다. 그 결과 가설 수립, 실험 설계, 결과 해석, 기술적 의사결정 등 핵심 연구업무에 집중할 시간이 줄어듭니다. 또한 연구자료가 개인 PC와 여러 저장공간에 분산되어 있어 필요한 정보를 다시 찾거나 과거의 검토 내용과 의사결정 근거를 활용하는 데에도 비효율이 발생합니다. 따라서 본 과제에서는 연구원들의 AI Agent를 구축하여, 반복적으로 발생하는 정보 수집·정리·기록·검색·문서화 등 정형화된 작업을 Agent가 대신 수행하여 연구 업무의 효율성을 증대하고자 합니다.
- 반복적인 규격 및 색상 테스트로 인한 개발 기간 증가: 완제품의 최종 규격과 색상은 실제 제조 후에 확인할 수 있어 목표치를 맞추기 위해 여러 차례 렙 테스트와 수정이 반복된다. - 경험에 의존해 발생하는 오류: 현재 규격/색상 예측 및 공정 조건 세팅이 경험 및 노하우에 의존하고 있어 담당자에 따라 결과 편차 및 설정 오류가 발생할 수 있다. - 축적된 개발 데이터 및 표준서 자산의 활용 부족: 원료별 성분/색상, 배합비, 공정 조건, 완제품 규격/색상 데이터 및 기존 제품 표준서가 단순 기록물로만 관리되어 신규 제품 개발 및 공정 설계에 적극 활용되지 못하고 있다. - 영업과 고객사 간 제품 협의의 한계: 고객사 미팅 시 예상 제품 규격 및 색상을 사전에 제시하기 어려워 샘플 제작 후에나 결과 확인이 가능하며, 랩샘플 제안 및 수정에 많은 시간이 소요된다.
[배경] 현재 사내 교육과정은 1) HRD주관 2) 현업부서 주관 2가지 방법으로 운영되고 있습니다. 직무 지식, 업무 노하우, 신규 제도 등을 전달하기 위한 다양한 교육이 자체적으로 운영되고 있으나, 동일 교육의 반복 진행이나 교육 내용 변경 시 매번 강사가 직접 교육을 진행해야 하는 한계가 있습니다. 또한, 교육 영상을 제작하기 위해선 기획, 자료검토, 대본 작성, 촬영 및 편집 등 별도의 제작 과정과 HRD 담당자의 관리가 필요하지만, 전사의 다양한 교육 니즈를 모두 지원하기엔 담당자 리소스에 한계가 있어 콘텐츠 확산과 적시 제작에 제약이 발생하고 있습니다. 자체제작 시 교육자료 및 영상의 품질에 차이가 발생하여 사내 교육 콘텐츠의 품질과 형식을 표준화하는 데 어려움이 있습니다. [해결하고자 하는 문제] 임직원이 직접 참여하여 기업 표준에 맞는 디지털 교육 컨텐츠를 제작할 수 있는 가이드 사이트를 제작하고자 합니다.
- 많은 SKU에 대한 숙지의 어려움 - 상품 탐색 소요시간 多 - 방대한 신규영업사원 교육량, 시간 - 견적서 작성 시 상품코드를 일일이 검색해야 함 - 견적서 양식 작성에 많은 시간이 소요 - 상품 누락 및 가격 입력 오류 발생 - 고객별 가격 조건(계약·행사·특판) 관리가 어려움 - 작성 후 Outlook에서 메일을 별도로 작성해야 함 - 영업사원마다 견적서 품질이 상이함
전분·전분당 생산라인의 생산계획은 생산관리자의 경험과 재고 데이터에 의존하여 수작업으로 수립하고 있습니다. 동일 라인에서 여러 제품을 생산하는 구조상 제품 전환 시 CIP(설비 청소) 시간에 따라 생산 가용시간이 줄어들기 때문에, 생산 순서와 배치 수 결정이 결품·재고·가동률을 좌우합니다. 그러나 수요 변동, 안전재고, 최소 로트 등의 변수와 제약조건이 많아 사람이 모든 경우의 수를 검토하기 어렵고, 계획 수립에 많은 시간이 소요되며 개인 노하우에 의존해 표준화가 어려운 상황입니다. 이러한 수작업과 경험 의존형 계획 업무를 AI 기반 자동 계획 수립으로 전환하여, 계획 수립 시간과 결품·전환 손실을 줄이고 누구나 동일한 품질의 계획을 세울 수 있도록 하는 것을 목표로 합니다.