중소기업 assembly 라인이나 식품 가공 현장의 최종 품질 관리는 종종 숙련된 작업자의 날카로운 눈썰미에만 의존한다. 시간과 인력의 한계로 인해 제품 수십, 수백 개당 하나를 골라내는 샘플링 검사에 그치는 경우가 다반사이다.

그러나 사람은 피로를 느끼고 집중력은 떨어지기 마련이며, 때로는 눈이 착각을 일으키기도 한다. 미세한 스크래치, 이물질 혼입, 혹은 미묘한 색상 차이를 놓치게 되면 이는 곧 고객 클레임으로 이어지고, 기업이 쌓아온 신뢰를 순식간에 무너뜨린다. 자본이 부족한 소규모 현장에서 수천만 원을 호가하는 자동화 비전 검사 시스템을 도입하는 것은 먼 나라 이야기일 뿐이다.

이러한 상황에서 스마트폰과 시각 AI(Vision AI)를 활용한 AX(AI 전환)는 현실적인 돌파구가 된다. 시각 AI는 말 그대로 컴퓨터가 인간의 눈처럼 이미지를 분석하고 판독하는 기술이다. 이 기술은 더 이상 값비싼 산업용 카메라를 요구하지 않는다. 거의 모든 국민이 보유한 스마트폰 카메라 정도의 성능이면 기초적인 검사 환경을 구축하기에 충분하다.

복잡한 코딩이나 전용 솔루션 대신, 접근성이 높은 시각 AI API나 생성형 AI의 이미지 분석 기능을 활용하면 된다. 실행 방법은 간단하다. 현장의 컨베이어 벨트나 최종 포장 작업대 위에 안 쓰는 스마트폰을 고정하고, 주기적으로 제품 사진을 찍거나 실시간 영상을 분석하도록 세팅한다. 불량이 자주 발생하는 부분의 '정상' 상태와 '불량' 상태 이미지를 AI에게 학습시킨다. 이후 AI는 카메라에 포착되는 제품들을 실시간으로 비교하며 정상 범위를 벗어나는 즉시 작업자에게 알림을 보낸다.

물론 초기 세팅 과정은 번거롭다. 다양한 불량 유형 데이터를 수집하고 AI가 오판하지 않도록 가이드를 다듬는 시간이 필요하다. 현장의 조명 상태나 촬영 각도에 따라 판독 정확도가 널뛰기를 할 수도 있다. 하지만 이러한 과정은 사람이 눈대중으로 검사하며 겪는 착오와 피로도를 줄이는 기술 부채 해결의 과정이다. 무엇보다 저렴한 비용으로 샘플링 검사를 넘어 전수 검사 체계로 나아갈 수 있다는 점은 이 모든 번거로움을 상쇄하고도 남는 이점이다.

저비용 전수 검사로의 전환은 더 이상 상상이 아닌 선택의 문제이다. 중요한 것은 거창한 시스템이 아니라 가지고 있는 도구를 어떻게 연결하느냐에 있다. 오늘 당장, 불량이 가장 빈번한 라인의 최종 하차 지점에 스마트폰을 고정하고 정상 제품 사진 10장과 불량 제품 사진 10장을 찍어 무료 이미지 분석 AI 도구에 업로드해 보는 것, 이 작은 시도가 현장의 품질 경영을 AX로 연결하는 진정한 시작이다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]