규모가 있는 연구소에는 오래된 낭비가 하나 있습니다. A팀이 끝낸 시료 분석을 B팀이 모르고 다시 하고, 몇 년 전에 실패로 끝난 재료 조합을 C팀이 또 시도합니다. 국내 대기업 연구소에서 이 문제를 정면으로 해결하는 시스템을 구축했습니다.

어떤 문제가 있었나요?

시료 분석과 재료 분석 결과가 팀별 저장소와 개인 PC에 흩어져 있었습니다. 자료를 찾으려면 담당자를 수소문해야 했고, 담당자가 퇴사하면 그 연구는 없던 일이 됐습니다. 중복 연구는 돈과 시간을 같이 태웁니다.

무엇을 만들었나요?

재료와 원자 모형을 기준 단위로 삼아, 모든 팀의 연구 이력이 한자리에 쌓이는 사내 지식베이스를 만들었습니다. 어떤 재료를 어떤 조건으로 분석했고 결과가 어땠는지가 재료 카드 하나에 모입니다. 여기에 시료 분석·재료 분석 데이터를 활용해 제품 생산으로 이어지는 AI 시스템을 얹었습니다.

AI는 어디에 쓰였나요?

  • 추천 — 새 실험을 등록하면 유사한 재료와 기존 연구를 먼저 보여줍니다. "이건 이미 3년 전에 했다"를 실험 전에 알게 됩니다.
  • 분류 — 시료와 재료 데이터를 자동으로 분류해, 지식베이스를 사람이 일일이 정리하는 비용을 없앴습니다.
  • 모델링 — 원자 모형 기반으로 재료를 모델링해, 실험 전에 후보를 좁히는 데 씁니다.

실제로 중복이 줄었나요?

연구자가 자료를 찾는 시간이 몇 시간에서 몇 초로 줄었고, 시작하려는 연구가 이미 끝난 연구인지를 등록 단계에서 확인하게 됐습니다. 도구가 아니라 구조가 바뀐 겁니다. 지식이 개인의 기억이 아니라 조직의 자산이 됐습니다.

연구소에서 가장 비싼 실험은, 이미 끝난 실험을 모르고 다시 하는 실험입니다.