정년을 1년 앞둔 공정 담당자가 있습니다.
회사는 인수인계를 위해 인터뷰 일정을 잡습니다. 두 시간씩 다섯 번, 녹취를 하고 회의록을 씁니다.
회의록에는 이런 문장이 남습니다. "보통 80 정도면 괜찮습니다."
반년 뒤 후임자가 그 문장을 펼칩니다.
80이 시간당인지 하루 합계인지, 어느 설비 이야기였는지 적혀 있지 않습니다. 물어볼 사람은 이미 회사에 없습니다.
기록은 남았는데 자산은 남지 않았습니다. 암묵지 자산화를 고민하는 회사 대부분이 이 지점에서 막힙니다.
저희 팀리부뜨(team reboott)는 문서처리와 온톨로지로 기술문서와 MES, PLM 데이터를 엮어, AI 에이전트가 회사 지식을 관리하도록 만드는 일을 하고 있습니다.
요약
암묵지 자산화는 숙련자의 경험과 판단을 출처, 적용 조건, 확인 상태가 붙은 회사 자산으로 바꾸는 일입니다.
팀리부뜨는 4단계로 진행합니다.
① 인터뷰와 작업 기록 수집
② 기술문서와 회의록 문서처리
③ 설비, 공정, 지표를 축으로 한 온톨로지 연결
④ AI 에이전트 활용
전문가의 설명은 MES 운영 데이터와 대조해 '데이터로 확인됨', '자료끼리 다름', '경험 설명만 있음'으로 나눠 남깁니다.
암묵지 자산화는 숙련자의 경험과 감각처럼 말이나 문서로 정리되지 않은 지식(암묵지)을, 회사가 출처와 적용 조건을 붙여 다시 쓸 수 있는 형태로 바꿔 관리하는 일입니다.
암묵지(tacit knowledge)라는 개념은 마이클 폴라니가 1966년 『The Tacit Dimension』에서 제시했습니다. 이후 노나카 이쿠지로와 다케우치 히로타카가 1995년 『The Knowledge-Creating Company』에서 암묵지와 형식지(explicit knowledge)의 전환을 기업 지식 경영의 틀로 정리하면서 널리 쓰이게 됐습니다.
암묵지를 형식지로 옮기는 것만으로는 자산이 되지 않습니다. 회의록이나 매뉴얼은 형식지지만, 어느 설비에 어떤 조건으로 적용되는지, 데이터로 확인된 내용인지가 빠져 있으면 다른 사람이 믿고 쓸 수 없습니다.
자산화는 형식지에 이 정보를 붙이고, 개정과 충돌까지 계속 관리하는 단계입니다.
| 구분 | 암묵지 | 형식지 | 자산화된 지식 |
|---|---|---|---|
| 어디에 있나 | 숙련자의 머릿속 | 회의록, 매뉴얼, 기술문서 | 온톨로지(설비, 공정, 지표에 연결) |
| 누가 쓸 수 있나 | 본인 | 문서를 찾은 사람 | AI 에이전트를 통해 누구나 |
| 믿을 수 있나 | 본인만 판단 | 조건이 빠져 있으면 알 수 없음 | 출처, 조건, 확인 상태로 판단 |
| 바뀌면 | 본인이 기억 | 옛 문서와 새 문서가 섞임 | 옛 기준에 '대체됨' 표시 |
제조 암묵지 자산화가 시급한 이유는 숙련 인력의 은퇴와 정부 정책이 같은 시기에 몰리고 있기 때문입니다.
중소기업실태조사(2023년 기준)에서 제조 중소기업의 50대 인력 비중은 27.4%로 30대(23.9%)보다 높았고, 60대 이상도 9.8%였습니다. 지금 현장을 지탱하는 판단 기준의 상당 부분이 몇 년 안에 회사를 떠난다는 뜻입니다.
정부도 제조 암묵지를 국가 과제로 다루기 시작했습니다. 산업통상부(산업부)는 2026년 추경 예산 480억 원으로 「제조 암묵지 기반 AI모델 개발 사업」을 추진하고 있습니다. 제조기업과 AI기업이 컨소시엄을 이뤄 30개 과제를 수행하며, 과제당 지원 규모는 16억 원입니다(헤럴드경제, 2026.4.28).
산업부가 2026년 6월 29일 발표한 제조업 AI 전환 청사진에도 은퇴를 앞둔 제조명장의 암묵지를 데이터로 변환하고 수집하는 대규모 사업과 국가 제조데이터 라이브러리 구축이 담겼습니다.
현장에서는 숙련자 동의와 보상, 데이터 표준화와 검증 체계를 함께 마련해야 한다는 목소리도 나옵니다(아시아투데이, 2026.6.12). 암묵지를 모으는 일만큼 모은 지식을 검증하고 관리하는 체계가 중요해졌다는 뜻입니다.
회의록과 녹취가 자산이 되지 않는 이유는 숙련자의 설명에 조건이 빠진 채 기록되기 때문입니다.
본인에게는 너무 당연해서 말하지 않는 것들입니다. 어느 설비 기준인지, 어느 계절 데이터인지, 평소 값인지 넘으면 안 되는 선인지.
"보통 80 정도면 괜찮습니다"라는 말을 실제 운영 데이터와 겹쳐 보면 다른 그림이 나오는 경우가 있습니다. 데이터의 대표값은 60 근처인데, 80은 분포의 위쪽 끝에 있습니다. 이 경우 전문가가 말한 80은 평소 값보다 넘으면 안 되는 선에 가깝습니다.
어느 쪽으로 받아 적느냐에 따라 후임자의 판단이 갈립니다. 평소 값으로 적어두면 65가 나와도 낮다고 보고, 관리 한계로 적어두면 75가 나와도 안심합니다.
문제는 기록을 안 남긴 것이 아니라, 숫자와 함께 남았어야 할 조건을 안 남긴 것입니다. 인터뷰 열 시간이면 이런 숫자가 수십 개 나옵니다.
팀리부뜨는 기업용 AI 에이전트를 구축하고 있습니다. 회사의 업무 맥락을 학습한 에이전트 하나가 사람이 하던 반복 작업을 대신 처리하는 방식입니다.
암묵지 자산화는 이 에이전트가 맡는 대표적인 일입니다. 팀리부뜨는 수집, 문서처리, 온톨로지, AI 에이전트의 4단계로 진행합니다. 1, 2단계는 암묵지를 형식지로 옮기는 과정이고, 3, 4단계는 형식지를 회사 자산으로 관리하는 과정입니다.
1단계: 수집
숙련자 인터뷰와 검토 회의 녹취, 작업 기록과 점검표, 실제로 판단을 내렸던 사례를 모읍니다. 인터뷰는 백지에서 시작하지 않습니다.
기존 문서에서 뽑은 기준과 서로 어긋나는 항목을 먼저 보여주고 전문가가 거기에 답하게 합니다. 그러면 두 시간짜리 인터뷰가 확인이 필요한 스무 개 남짓의 항목을 짚는 자리로 바뀝니다.
2단계: 문서처리
암묵지의 상당 부분은 이미 문서 어딘가에 흔적을 남깁니다. 운영 기준서의 표, 검토 회의 자료, 이상 대응 보고서 같은 것들입니다.
문서처리 단계에서는 스캔본과 PDF, PPT를 표 구조와 원문 위치(문서, 쪽, 표)를 지켜 변환하고, 녹취와 회의록에서 다시 쓸 수 있는 기준을 후보로 뽑습니다. 자세한 변환 방법은 지식관리 시스템 글에 정리했습니다.
3단계: 온톨로지
뽑은 기준 후보를 온톨로지에 연결합니다. 온톨로지는 회사가 다루는 설비, 공정, 지표, 부품 같은 대상과 그 사이의 관계를 정해 둔 지식 구조입니다. MES 태그를 지표에 이어 두면, 전문가 설명이 들어오는 순간 AI 에이전트가 해당 지표의 실측 분포를 꺼내 대조할 수 있습니다.
대조 결과는 세 상태로 나눠 남깁니다. 데이터로 확인된 것, 자료끼리 내용이 다른 것, 경험 설명만 있고 근거를 아직 못 찾은 것.
세 번째를 지우지 않는 것이 중요합니다. 데이터로 남지 않는 감각이 숙련자의 진짜 자산인 경우가 많기 때문입니다. 대신 '미확인' 표시를 붙여 AI 에이전트가 답할 때 "아직 확인되지 않은 기준입니다"라고 밝히게 합니다.
4단계: AI 에이전트
자산화된 암묵지는 AI 에이전트를 통해 쓰입니다. 후임자가 "냉각수 온도가 78인데 괜찮나요"라고 물으면, 에이전트는 온톨로지의 관계를 따라 기준과 근거, 확인 상태를 함께 보여줍니다. 같은 관계를 따라 "이 설비를 며칠 세우면 어디에 영향이 가는지" 같은 What-if 질문에도 답합니다.
새 문서가 들어오면 에이전트가 다시 읽어 연결하고, 개정된 기준은 옛 기준에 '대체됨'을 표시해 지식을 계속 최신으로 유지합니다.
MES도 PLM도 그대로 둡니다. 기존 시스템을 바꿀 필요 없이, 온톨로지는 그 위에 관계를 얹는 층으로만 들어갑니다. 온톨로지를 세우는 순서는 온톨로지 구축 글에서 더 자세히 다뤘습니다.
자산이 된 암묵지 한 건에는 기준과 함께 적용 대상, 적용 조건, 근거, 출처, 확인 상태, 이력이 붙어 있습니다. 이 일곱 가지 중 하나라도 빠지면 다른 사람이 그 기준을 믿고 쓰기 어렵습니다.
| 항목 | 담는 내용 | 빠지면 생기는 일 |
|---|---|---|
| 기준 | 판단에 쓰는 값이나 규칙 | 무엇을 지켜야 하는지 모름 |
| 적용 대상 | 설비, 공정, 지표, 부품 | 어느 설비 얘기인지 모름 |
| 적용 조건 | 단위, 기간, 운전 상황 | 다른 계절이나 상황에 잘못 씀 |
| 근거 | 문서 쪽 위치, MES 데이터 | 맞는지 다시 확인할 수 없음 |
| 출처 | 말한 사람의 역할, 녹취 회차 | 누구에게 되물을지 모름 |
| 확인 상태 | 확인됨, 자료끼리 다름, 미확인 | 추측이 사실처럼 굳음 |
| 이력 | 등록, 대조, 승인, 대체 | 옛 기준과 새 기준이 섞임 |
암묵지 자산화 사업은 용접이나 검사처럼 숙련자의 손과 눈을 영상, 센서 데이터로 학습하는 방식이 많이 알려져 있습니다. 이런 방식은 특정 공정의 동작과 판정을 재현하는 데 강합니다.
다만 숙련자의 판단 가운데 상당 부분은 "왜 그렇게 판단했는지"에 있습니다. 어떤 수치를 먼저 보는지, 어느 조건에서 기준을 바꾸는지, 과거 어떤 문제 때문에 이 규칙이 생겼는지 같은 지식입니다.
이 지식은 회의록과 기술문서, 이상 대응 기록에 흔적을 남기기 때문에 문서처리와 온톨로지로 다루는 편이 맞습니다. 두 방식을 함께 쓰면 동작은 모델이 재현하고, 판단 근거는 온톨로지가 설명하는 구조가 됩니다.
퇴직 전 1년, 인터뷰를 짧게
에이전트가 기존 문서에서 뽑은 기준과 충돌 목록을 먼저 보여주고 전문가는 거기에 답합니다. 다섯 번에 나눠 하던 백지 인터뷰가 확인할 항목 스무 개 남짓을 짚는 자리로 줄어들고, 남는 기록은 바로 온톨로지에 연결됩니다.
후임자가 묻기 전에 찾아보기
"이건 왜 이렇게 하나요"라는 질문에 에이전트가 기준과 근거 문서, 확인 상태를 함께 보여줍니다. 후임자는 확인된 내용은 바로 쓰고, 미확인 항목만 골라 선배에게 묻습니다.
부서마다 다른 기준 드러내기
같은 지표를 두 부서가 다른 기준으로 보고 있었다는 사실은 대개 문제가 생긴 뒤에야 알게 됩니다. 자료끼리 다른 항목을 목록으로 올려두면 그 차이를 미리 회의 안건으로 만들 수 있습니다.
정부 과제 데이터셋 준비
암묵지 관련 정부 과제는 데이터셋 구축과 AI 모델 개발을 함께 요구합니다. 출처와 확인 상태가 붙은 온톨로지는 그 자체로 검증 가능한 데이터셋이 되고, 에이전트는 그 데이터셋을 쓰는 AI 모델의 활용처가 됩니다.
무역 담당자의 거래처별 규칙
암묵지는 공장에만 있지 않습니다. 거래처마다 다른 인보이스 표기나 선적서류 작성 순서 같은 규칙도 오래 일한 무역 담당자의 머릿속에 있고, 팀리부뜨의 AI 에이전트는 이 규칙을 거래처별로 남겨 서류를 만들 때 적용합니다. 오더 한 건에 서류 일곱 종을 직접 만들던 회사의 담당자는 도입 뒤에 "자동으로 다 만들어지니까 틀린지만 보면 되더라구요"라고 말했습니다.
암묵지는 숙련자의 경험과 감각처럼 말이나 문서로 표현되지 않은 지식이고, 형식지는 매뉴얼, 기술문서, 회의록처럼 글과 숫자로 표현된 지식입니다. 암묵지 자산화는 암묵지를 형식지로 옮긴 뒤 출처와 조건, 확인 상태를 붙여 회사가 관리하는 자산으로 만드는 단계까지를 말합니다.
온톨로지가 있어야 숙련자의 기준이 어느 설비, 공정, 지표에 관한 것인지 연결되고, AI 에이전트가 그 기준을 MES 데이터와 대조하거나 관계를 따라 답할 수 있습니다. 문서를 검색만 하는 방식(RAG)은 비슷한 문서를 찾아줄 뿐, 기준의 적용 대상과 조건을 구분하지 못합니다.
근거 자료를 찾지 못한 설명도 지우지 않고 '경험 설명만 있음' 상태로 보관합니다. AI 에이전트는 이 기준을 답변에 쓸 때 미확인 기준이라고 밝히고, 이후 관련 데이터나 문서가 들어오면 다시 대조해 상태를 바꿉니다.
산업부가 2026년 추경 예산 480억 원으로 추진하는 사업으로, 제조기업과 AI기업이 컨소시엄을 이뤄 숙련자의 암묵지를 데이터셋으로 구축하고 AI 모델을 개발합니다. 30개 과제를 선정하며 과제당 지원 규모는 16억 원입니다(헤럴드경제, 2026.4.28 보도 기준).
할 수 있습니다. MES 대신 엑셀 점검 기록이나 설비 이력 문서를 온톨로지의 지표와 설비에 연결해 대조합니다. 다만 데이터가 쌓이는 주기가 길면 확인에 걸리는 시간도 길어집니다.
전 공정을 한 번에 자산화할 필요는 없습니다. 퇴직이 가장 가까운 한 사람, 그 사람에게 가장 자주 오는 질문 몇 개부터 시작하면 됩니다.
암묵지 자산화를 어디서부터 시작할지 팀리부뜨의 산업 AI 자동화 전문가와 함께 정리해보세요. 쓰고 계신 MES 종류와 인터뷰 기록, 관련 기술문서 샘플이 있으면 범위를 더 빨리 잡을 수 있습니다. 제조 암묵지 관련 정부 과제의 AI 기업 파트너를 찾고 계신 경우에도 상담하실 수 있습니다.
상담문의 시 "암묵지 자산화 글을 보고 문의했다"고 남겨주시면 보다 원활한 상담이 가능합니다.
이 글의 냉각수 온도 수치와 설비명은 이해를 돕기 위한 예시입니다.
참고 자료
%202.png){kind=logo}
