AI와 메타버스 기술이 제약 제조 현장으로 빠르게 확산되는 가운데, 스마트공장의 경쟁력은 화려한 기술 도입이 아니라 ‘데이터 통합과 활용 역량’에 달려 있다는 현장 메시지가 나왔다.

한국혁신의약품컨소시엄은 11일 서울 용산 나인트리 프리미어 로카우스 호텔에서 ‘2026 의약품·의료기기 스마트공장 세미나’를 개최했다. 이날 행사에는 스마트공장 구축 지원사업 참여를 희망하는 기업 관계자 200여 명이 참석해 예상을 웃도는 관심을 보였다.

이날 발표에 나선 대웅제약 오송공장 이승하 본부장과 종근당 천안공장 황주영 이사는 각각 품질 시스템 통합 전략과 데이터 기반 제조혁신 사례를 공유하며, 스마트공장의 본질적 방향을 제시했다. 

△대웅제약 “스마트공장의 핵심은 ‘실시간 데이터 기반 의사결정’”

이승하 본부장은 ‘의약품 스마트 공장, 품질 시스템의 운영 전략과 그 성과’를 주제로 발표하며 스마트공장을 “실시간 데이터 기반 의사결정(Real-time Data-driven Decision-making) 체계”로 정의했다.

그는 “설비 자동화 자체가 목적이 아니라, 의사결정에 필요한 모든 데이터를 디지털화해 실시간으로 분석하고 판단할 수 있는 구조가 스마트공장의 핵심”이라고 강조했다.

대웅제약 오송공장은 국내 제약업계 최초로 스마트팩토리 레벨4 인증을 획득했다. 이 본부장은 이를 자율주행 단계에 비유하며 “주요 공정에서 사람이 직접 개입하지 않아도 데이터 기반 자동 의사결정이 작동하는 수준”이라고 설명했다. 예를 들어 공조기(HVAC)의 온도·습도·풍량 데이터를 실시간 센싱해 계절과 환경 조건에 맞춰 자동으로 운전 조건을 조정하는 시스템을 구축했다는 것이다.

생산성 지표에서도 차이를 보였다. 발표에서 제시된 내부 비교 자료에 따르면 오송공장은 향남공장 대비 동일 생산량 기준 인력·사이클타임 등 주요 지표에서 약 25~30% 경쟁력을 확보한 것으로 나타났다.

다만 이 본부장은 “하드웨어 구축보다 더 어려운 과제는 시스템 간 연동”이라고 짚었다. SAP(ERP)를 중심으로 MES, WMS, EDMS, LIMS, QMS, BMS, EMS, TMMS 등 다양한 시스템을 운영하고 있지만, 벤더와 구조가 제각각이어서 데이터 통합이 쉽지 않다는 것이다.

대표 사례로 연간품질평가(APQR)를 들었다. 제조(MES), 시험(LIMS), 일탈·변경(QMS), 출하·재고(SAP·WMS) 데이터를 각각 내려받아 엑셀로 취합한 뒤 사람이 직접 보고서를 작성하는 방식이 여전히 병행되고 있다는 설명이다. 그는 “스마트공장의 완성은 개별 시스템 구축이 아니라, 이들 데이터를 자동으로 엮어 의사결정을 지원하는 구조”라고 강조했다.

이와 함께 EDMS 고도화 사례도 소개했다. 내부 문서를 기반으로 AI 챗봇을 구축해 SOP 검색, 문서 요약, 초안 작성 등을 자동화했으며, 문서 분석 시간은 약 50% 단축되고 정확성도 약 25% 향상되는 효과를 확인했다고 밝혔다. 향후에는 LIMS 데이터를 활용한 통계·트렌드 분석 기능을 강화해 품질 예측 역량을 높일 계획이다.

△종근당 “경쟁력의 본질은 데이터 축적”

황주영 이사는 ‘데이터 중심 제약 산업의 미래: 실용적 관점의 AI·메타버스 활용 사례’를 주제로, 종근당 천안공장의 메타버스 팩토리와 AI 적용 사례를 공유했다.

그는 먼저 “메타버스와 AI는 선택이 아닌 생존 기술”이라면서도 “보여지는 인터페이스보다 중요한 것은 그 안을 움직이는 데이터”라고 강조했다.

종근당은 천안공장을 가상화한 ‘메타버스 팩토리’를 구축해 원격 모니터링, 설비 제어, AR·VR 기반 협업을 구현했다. 이를 통해 1인 다설비 운영과 오염 리스크 최소화, 공정 상태 통합 모니터링이 가능하도록 했다.

또 ‘AI 기반 유틸리티 통합관제시스템’을 개발해 공장 내 분산된 유틸리티 설비를 실시간으로 연결하고, 이상징후를 조기에 감지하도록 했다. 화재 감지, 전력 피크 관리, 예방 보전 등 상황 발생 시 AI가 알람과 대응 지침을 제공하는 구조다.

특히 황 이사가 가장 강조한 부분은 데이터 축적이었다. 그는 “메타버스나 AI는 데이터가 있어야 의미가 있다”며 “초기에는 성과가 보이지 않더라도 데이터를 꾸준히 쌓는 것이 가장 중요한 투자”라고 말했다. 종근당은 7~8년 전부터 공정·품질 데이터를 체계적으로 구축해 왔으며, 이를 기반으로 다양한 AI 프로젝트를 확장해 왔다고 설명했다.

대표 사례로 APQR 자동화 시스템을 소개했다. 기존에는 숙련 인력이 1~2일에 걸쳐 작성하던 연간품질보고서를, LIMS·EDMS·QMS 데이터를 통합해 AWS 기반 모델로 분석하면 5~10분 내 초안을 생성할 수 있다는 것이다. 보고서에는 근거가 되는 엑셀 데이터가 함께 첨부되며, 최종 검토는 사람이 수행한다.

이와 함께 내부 데이터 유출 우려를 고려해 온프레미스 기반 LLM(대규모언어모델)도 구축 중이다. SOP 검토, 생산 정보 조회, 판매량 예측 등 업무별 AI 어시스턴트를 권한 차등 제어 방식으로 운영하며, 결과에 대한 근거 데이터를 제시하는 ‘설명 가능한 AI(Explainable AI)’ 구조를 적용하고 있다.

황 이사는 “기술의 ‘How’와 ‘What’보다 중요한 것은 ‘Why’”라며 “왜 이 기술을 도입하는지에 대한 본질적 질문의 답은 결국 데이터 기반 경쟁력 확보”라고 강조했다.

이번 세미나는 스마트공장을 둘러싼 기술 경쟁의 이면에서, 시스템 연동과 데이터 축적이라는 보다 근본적인 과제를 짚은 자리였다. 화려한 AI·메타버스 기술이 주목받는 가운데, 제약 제조 혁신의 출발점이 결국 ‘데이터’라는 점을 재확인했다.