데이터를 엮어,
일하는 AI로.
ERP, MES, PLM과 문서에 흩어진 지식을 연결해 제조 현장에서 쓰이는 AI를 만듭니다.
AI를 도입했는데,
왜 일은 그대로일까요?
쓰이지 않는 챗봇
문서는 찾아주지만 현장의 질문에는 답하지 못합니다.
멈춘 PoC
시연은 성공했는데 실제 업무로 이어지지 않습니다.
풀리지 않은 걱정
데이터 유출, 특정 업체 종속, 운영 책임이 결정을 막습니다.
문제는 모델보다
연결입니다.
부품은 PLM에, 공정은 MES에, 구매와 재고는 ERP에 있습니다. 시스템 사이의 의미가 끊겨 있으면 좋은 모델도 업무를 이해하기 어렵습니다. Loomiworks는 먼저 업무의 개념과 관계를 정의하고, 그 위에 AI가 일할 구조를 만듭니다.
부품이 바뀌면, 무엇이 달라질까요?
설명용 예시입니다.
이 부품이 들어가는 제품은 무엇인가요?
어떤 공정을 다시 확인해야 하나요?
수정할 도면과 품질 검사 항목은 무엇인가요?
재고와 납기에는 어떤 영향이 있나요?
이런 질문에서 출발해 필요한 데이터와 관계를 찾습니다.
데이터가 아니라, 기업이 일하는 방식을 모델링합니다.
온톨로지는 흩어진 데이터를 현실의 대상, 관계, 행동으로 표현한 운영 모델입니다. 사람과 AI가 같은 모델 위에서 판단하고 실행합니다.
대상
부품, 제품, 설비, 공정, 주문
관계
부품은 제품에 들어가고, 설비는 공정을 수행합니다.
행동
설계 변경 요청, 구매 승인, 생산 일정 조정
행동은 권한과 승인 규칙 안에서 실행되도록 설계합니다.
정의하고, 연결하고, 검증합니다.
- 01
정의
해결할 업무와 성공 기준을 정합니다.
- 02
연결
대상, 관계, 행동을 온톨로지로 모델링합니다.
- 03
구현
도구와 절차를 연결해 AI를 만듭니다.
- 04
검증
품질을 측정하고 원인을 찾습니다.
- 05
운영
결과를 관찰하고 다시 개선합니다.
운영에서 나온 오류와 성공 사례는 다시 정의로 돌아갑니다.
업무 질문부터 시작합니다
어떤 기술을 쓸지보다 AI가 어떤 질문에 답해야 하는지 먼저 정합니다.
품질을 측정합니다
"잘 되는 것 같다"가 아니라 평가 기준셋으로 확인하고 개선합니다.
모델에 묶이지 않습니다
모델이 바뀌어도 기업의 지식과 업무 절차는 남도록 설계합니다.
프로젝트가 끝나도,
기업의 자산은 남습니다.
온톨로지
기업의 대상, 관계, 행동
업무 절차
AI가 실행하고 사람이 승인하는 방식
평가 기준
무엇이 좋은 결과인지 정하는 기준
AI 모델은 성능, 비용, 보안 조건에 따라 바꿀 수 있습니다.
Loom, 실을 엮어 천을 만드는 베틀.
베틀이 한 올의 실을 엮어 천을 만들듯, Loomiworks는 흩어진 데이터를 엮어 기업의 지식을 만듭니다.
Loomiworks는 엔톨로지가 운영합니다.
엔톨로지는 데이터와 AI로 사업을 구체화하는 플랫폼 BizForge를 개발하고 운영합니다.