매달 날아오는 전기요금 고지서는 5명에서 50명 남짓한 소규모 제조 공장의 숨통을 조이는 가장 큰 고정비 중 하나다. 작업이 끝난 야간이나 주말에도 에어 컴프레서나 냉각기가 미세하게 돌아가고, 퇴근길에 누군가 끄는 것을 깜빡한 작업장 조명과 온열기에서 전기가 줄줄 새어나간다.

퇴근할 때 스위치를 제대로 끄라며 관리자가 매번 소리를 지르고 벽에 경고문을 붙여보지만, 바쁘고 피곤한 현장에서 사람의 기억력에 의존하는 에너지 관리는 늘 한계에 부딪힌다. 어디서 얼마나 전기가 낭비되는지 정확한 데이터 없이 그저 퇴근길에 차단기를 올리고 내리는 아날로그식 수작업으로는 턱없이 오르는 공장 유지비를 결코 방어할 수 없다.

이러한 만성적인 원가 누수를 막아낼 현실적인 돌파구는 사물인터넷(IoT) 기술이 적용된 스마트 플러그와 인공지능(AX) 데이터 분석의 결합에 있다. 이는 대기업들이 수천만 원을 들여 구축하는 거창한 공장 에너지 관리 시스템(FEMS)을 당장 도입하라는 뜻이 아니다. 잠들지 않고 24시간 내내 어떤 기계가 전기를 얼마나 먹어치우는지 꼼꼼하게 기록하는 투명한 디지털 계량기를 콘센트마다 달아두는 것과 같다.

기계와 콘센트 사이에 손바닥만 한 스마트 플러그를 끼워두면, 스마트폰 앱을 통해 실시간 전력 사용량이 기록된다. 여기에 인공지능을 더하면, 단순한 기록을 넘어 "새벽 3시에 에어 컴프레서가 불필요하게 돌아가고 있으니 대기 전력을 차단해야 한다"는 식의 구체적인 원가 절감 지시를 내리는 똑똑한 에너지 컨설턴트가 탄생한다.

자본과 설비 관리 전담 인력이 부족한 영세한 현장에서는 당장 인터넷에서 2~3만 원대 스마트 플러그 몇 개를 구매하는 것에서 출발해야 한다. 현장에서 가장 전기를 많이 쓰거나 대기 전력 소모가 의심되는 기계, 그리고 휴게실 난방기 등에 플러그를 설치하고 공장 무선 인터넷(Wi-Fi)에 연결한다.

일주일 뒤, 스마트 플러그 앱에서 추출한 전력 사용량 엑셀 데이터를 챗GPT(ChatGPT)나 클로드(Claude)와 같은 무료 거대언어모델(LLM)에 업로드한다. 그리고 "이 전력 데이터를 분석해서 기계가 작동하지 않는 대기 시간대의 불필요한 전력 소모 패턴을 찾고, 자동으로 전원을 차단할 최적의 타이머 스케줄을 표 형태로 짜달라"고 명령(프롬프트)을 내린다. 인공지능은 흩어진 숫자 속에서 전기가 새는 정확한 시간대를 짚어내고, 관리자는 그 결과에 맞춰 스마트 플러그 앱의 자동 켜짐과 꺼짐 스케줄을 설정하기만 하면 된다.

물론 이 과정이 처음부터 순탄하게 흘러가지는 않는다. 쇳가루와 먼지가 날리는 공장 구석에 쪼그려 앉아 플러그를 설치하는 일은 꽤 번거로우며, 두꺼운 벽이나 기계 소음 탓에 통신 신호가 끊겨 데이터 기록이 간헐적으로 누락되는 일도 발생한다. 또한 인공지능이 야간 특근을 위해 정상적으로 기계를 가동한 시간대를 비정상적인 전력 낭비로 오해하는 융통성 부족의 한계도 존재하므로, 실무자가 현장 상황을 반영하여 데이터를 최종 검토하는 과정은 필수적이다.

이러한 초기 세팅의 땀방울을 감내해야만 비로소 매달 새어나가는 고정비를 방어하는 자동화 시스템을 갖출 수 있다. 줄줄 새는 공장 전기세를 잡기 위해 오늘 당장 실천해야 할 단 하나의 행동은, 현장에서 가장 만만한 설비 1대의 콘센트에 인터넷에서 주문한 스마트 플러그를 꽂고 일주일간의 전기 사용 패턴을 스마트폰으로 들여다보는 것이다.

[※ 칼럼의 그림 및 도표는 AI 활용하여 작성됨]