왜 MOAI인가 — 제조 현장에 AI를 심는 사람들
MOAI는 Manufacturing Operation AI의 약자입니다.
"모아이"라는 이름은 이스터 섬의 거대한 석상에서 영감을 받았습니다. 수백 년 전 사람들이 거대한 돌을 움직여 모아이 석상을 세웠듯이, 우리는 AI의 힘으로 제조업의 새로운 기념비를 세우고자 합니다.
시작은 하나의 의문이었습니다
사무실에서는 이미 ChatGPT를 잘 쓰고 있었습니다. 보고서를 요약하고, 이메일을 다듬고, 아이디어를 정리하는 데 AI는 꽤 쓸모 있는 도구가 되었죠.
그런데 공장은 달랐습니다.
공장의 핵심 데이터는 MES에, ERP에, 센서 로그에, 각종 문서에 흩어져 있었습니다. ChatGPT가 아무리 똑똑해도 이 데이터에는 접근조차 할 수 없었죠. 사무직이 쓰는 AI와 제조 현장 사이에는 보이지 않는 벽이 있었습니다.
"공장에서 쓰는 AI는, 공장 데이터가 들어있어야 하는 거 아닌가?"
이 단순한 질문이 MOAI의 시작점이었습니다.
우리가 현장에서 본 것들
제조 현장에서 일하면서 우리는 몇 가지 안타까운 장면을 반복적으로 목격했습니다.
한 사람이 빠지면 공장이 멈춥니다. 20년 경력의 베테랑 엔지니어가 퇴직하면, 수십 년간 쌓아온 노하우가 함께 사라집니다. 어떤 설비의 미세한 소리만 듣고 이상을 감지하던 감각, 특정 조건에서만 발생하는 불량의 원인을 직감적으로 아는 경험 — 이런 것들은 매뉴얼에 적혀 있지 않습니다. 모든 공장의 꿈이겠지만, 특정 사람의 암묵지에 의존해서 돌아가는 공장은 지속 가능하지 않습니다.
데이터는 쌓이지만 활용되지 못합니다. 센서는 매초 데이터를 쏟아내고, MES에는 이력이 차곡차곡 기록됩니다. 하지만 정작 문제가 생겼을 때 이 데이터를 꺼내 쓸 수 있는 사람은 소수에 불과합니다. 과거에 해결했던 문제를 또다시 처음부터 분석하는 일이 반복됩니다.
이상이 발생해도 대응이 느립니다. 감지에서 원인 분석, 의사결정까지의 시간이 너무 오래 걸립니다. 그 사이 불량은 이미 다음 공정으로 넘어갑니다.
스마트팩토리와는 다릅니다
"그거 스마트팩토리랑 뭐가 달라요?"
가장 많이 받는 질문입니다. 솔직하게 답하겠습니다 — 근본적으로 다릅니다.
기존 스마트팩토리, 소위 DX(Digital Transformation)는 대부분 솔루션 업체가 만든 시스템을 공장에 도입하는 방식입니다. 시스템에 공장이 맞추고, 사람이 시스템에 적응해야 합니다. 화면이 복잡하고, 입력해야 할 것이 많고, 결국 현장에서 외면받는 경우가 많았습니다.
MOAI는 반대로 갑니다. 초-커스터마이징. 백엔드 기술은 비슷할 수 있습니다. 하지만 사용자에게 어떻게 다가가느냐가 성패를 결정합니다.
별도 시스템에 새로 입력하는 절차가 없습니다. 현장 엔지니어가 쓰던 양식, 익숙한 방식 그대로 일하면, MOAI가 그 데이터를 연결해서 답을 찾아줍니다. 새로운 도구를 배우는 것이 아니라, 기존 업무에 AI가 자연스럽게 녹아드는 것. 이것이 우리가 추구하는 방향입니다.
대기업이 아닌, 그 옆의 회사들을 위해
우리의 타겟은 대기업이 아닙니다. 그들은 자원이 충분하고, 자체적으로 해낼 수 있습니다.
MOAI가 바라보는 곳은 중소·중견 제조기업입니다. AX(AI Transformation)가 필요한 건 알지만, 시작하기엔 애매한 규모. 전담 IT 인력이 부족하고, 수억 원짜리 솔루션을 도입하기엔 부담스러운 회사들. 하지만 역설적으로, 이들이야말로 AI가 가장 절실히 필요한 곳입니다.
창업 전 현대자동차에서 일할 때의 경험이 이 확신을 만들었습니다. 대기업이 협력사에게 디지털화를 요구하면, 협력사는 고개를 끄덕이지만 현실적으로 실행이 어렵습니다. 현대차는 돈이 있으니까 되지만, 그 아래 협력사들은 안 됩니다. 그래서 그걸 해주고 싶었습니다.
특정 산업군에 국한하지 않습니다. 어떤 공정이든, 어떤 산업이든 우리가 맞출 수 있습니다. 우리가 하는 일은 현장의 언어를 AI로 전환하는 것이니까요.
파일럿에서 배운 것
2026년, MOAI는 첫 고객사들과 함께 파일럿 프로젝트를 진행하고 있습니다.
흥미로운 변화가 있었습니다. 처음에 고객사는 "AI가 할 만한 일"을 특정 과제로 정해서 접근했습니다. 불량 예측, 설비 이상 감지 같은 명확한 과제 단위로요.
그런데 시간이 지나면서 생각이 바뀌기 시작했습니다. 특정 과제에 AI를 끼워넣는 것이 아니라, 업무 전반을 AI-first로 사고하게 된 것입니다. "이 업무에 AI를 쓸 수 있을까?"가 아니라 "이 업무를 AI 없이 왜 하고 있었지?"로 질문이 뒤집힌 거죠.
이 변화가 MOAI가 만들고 싶은 진짜 가치입니다. 단순히 도구를 제공하는 것이 아니라, 제조 현장의 사고방식 자체를 바꾸는 것.
우리 팀
MOAI 팀은 제조 현장과 AI, 두 세계를 모두 경험한 사람들로 구성되어 있습니다.
삼성전자, 현대차, LG 등 제조 대기업 출신. 스마트팩토리 프로젝트 다수 수행. AI/ML 연구 및 서비스 개발 경험. 이력서에 쓸 수 있는 말들은 이 정도입니다.
하지만 더 중요한 건, 이 팀이 왜 대기업을 나와서 여기 있느냐입니다. 대기업 안에서는 보이지 않던 것들이 밖에서는 선명하게 보였습니다. 기술의 혜택이 소수에게만 돌아가는 구조, 현장의 목소리가 제품에 반영되지 않는 과정. 현장의 언어를 이해하고, 기술의 가능성을 아는 팀이 직접 만들어야 한다고 생각했습니다.
3년 후, 우리가 그리는 그림
제조업의 전반적인 생산성 강화. 그것이 대기업뿐만 아니라 강소기업에게도 가능해지는 세상.
그리고 한 가지 더 — 우리는 MOAI와 함께하는 회사들을 잘 모아서 더 큰 시너지를 만들고 싶습니다. AI로 연결된 제조 기업들의 네트워크. 개별 공장의 최적화를 넘어, 산업 전체가 함께 똑똑해지는 것. 그것이 우리가 "모아이"라는 이름에 담은 또 하나의 의미입니다.
함께하실 분을 찾습니다
MOAI는 함께 성장할 팀원을 찾고 있습니다.
FDE (Field Deployment Engineer) — 고객 현장에서 솔루션을 구축하고 가치를 전달하는 역할입니다. 제조업에 익숙하지 않아도 괜찮습니다. 빠르게 이해하고 학습하는 사람, 누구보다 문제를 해결하고 싶은 사람이면 됩니다.
AI Agent Engineer — LLM 기반 AI 에이전트를 개발하는 역할입니다. 마찬가지로, 제조 도메인 경험보다 중요한 건 낯선 문제 앞에서 물러서지 않는 태도입니다.
제조업의 미래를 함께 만들어갈 분들의 연락을 기다립니다.
이 블로그를 통해 우리의 여정과 배움을 공유하겠습니다. 제조 AI에 관심 있는 분들의 피드백과 조언을 기다립니다.
MOAI Team
Building the future of manufacturing AI