전체 사례No. 057
파나소닉 커넥트, 도면 대조 시간을 10분으로 줄이다
AI가 도면 불일치를 찾고 판단은 엔지니어에게 맡기다
- 사례 번호
- 057
- 1차 출처
- Company press release, press-briefing coverage, CIO interview
- 원문 게시
- 2026-02-19
팟캐스트 영상 · 19분요약
- 파나소닉 커넥트는 도면과 사양서를 자동 대조하는 사내 에이전트를 구축했습니다.
- 대조 시간은 최대 97% 줄었으나 완전 자동화 대신 사람의 판단을 남겼습니다.
- 문서 비교를 자동화하려는 조직은 데이터 기반과 책임 분리를 먼저 정해야 합니다.
눈이 피로해질 때까지 문서를 나란히 펼쳐놓던 엔지니어의 책상
제조업의 설계실을 떠올려 보면 늘 마주치는 풍경이 있습니다. 모니터 여러 대에 제품 전체를 그린 도면 하나, 세부 부품 도면 여러 장, 그리고 빼곡한 글씨로 채워진 사양서를 동시에 띄워 두고 눈을 이리저리 굴리는 엔지니어의 모습입니다. 제품 하나를 만드는 데 필요한 부품은 수없이 많고, 제품 도면을 중심으로 수많은 부품 도면이 파생되어 나옵니다. 문제는 이 문서들에 적힌 재질이나 표면 마감 같은 정보가 어긋나면 제조 공정에서 불량으로 이어질 수 있다는 점입니다.
파나소닉 그룹에서 B2B 솔루션 사업을 맡고 있는 파나소닉 커넥트의 설계·개발 부문도 바로 이 문제와 매일 씨름하고 있었습니다. 도쿄 주오구에 본사를 둔 파나소닉 커넥트는 2024 회계연도 기준 매출 1조 3,332억 엔에 전 세계 약 29,700명의 직원을 둔 거대 조직입니다. 제품 하나당 사양서가 10개 넘게 딸려 있기도 하고, 기술 사양서 한 권의 분량이 50쪽 가까이에 달할 수도 있었습니다.
회사의 성과 자료에서 엑셀(Excel)로만 표기된 종전 방식에서는 담당자의 수작업과 육안 확인에 의존해야 했습니다. 제품 도면과 부품 도면을 비교하는 데는 1회 작업 기준으로 50분이 걸렸습니다. 제품 도면과 기술 사양서를 대조할 때는 1회 작업 기준으로 340분, 즉 5시간 40분이라는 긴 시간이 소요되었습니다. 도면과 사양서의 일치 여부를 사람이 일일이 눈으로 대조하느라 막대한 작업 시간이 들어가고 있었던 것입니다.
이 일은 단순히 시간만 많이 잡아먹는 것이 아니었습니다. 사람이 피로 속에서 수많은 페이지를 넘기다 보면 확인 누락 같은 사람의 실수가 일어날 위험이 늘 도사렸습니다. 만약 도면의 불일치를 뒤늦게 발견하면 후속 공정에서 재작업이 발생할 수 있습니다. 최악의 경우에는 시장에 나간 제품의 리콜이나 재검사로 이어져, 큰 경제적 손실과 브랜드 이미지 훼손이라는 위험을 안게 됩니다. 이 대조 업무를 개선하는 일은 단순한 현장 효율화를 넘어 경영상의 중대한 과제였습니다.
시중의 어떤 소프트웨어도 해결하지 못했던 기술적 걸림돌
이 골치 아픈 문제를 진작에 자동화하지 못했던 이유는 문서의 형식 때문이었습니다. 현장에서 보관하고 오가는 도면과 사양서 파일은 모두 PDF 형식이었습니다. PDF는 텍스트와 그림이 고정된 위치에 얹혀 있을 뿐, 데이터베이스처럼 정돈된 구조를 갖추지 않은 비정형 데이터입니다. 일반적인 소프트웨어나 기존 인공지능 도구로는 제각각 다른 양식으로 그려진 도면 속 표와 텍스트를 정확하게 읽어내기 어려웠습니다.
시중에는 이러한 도면 대조 업무를 해결해 줄 수 있는 기존 제품이 없었습니다. 그렇다고 개별적으로 시스템을 개발하자니 비용이 막대할 것으로 예상되었으며, 애초에 그런 도구를 만들 수 있을지조차 불분명했습니다. 상용 소프트웨어가 없는 상황에서 개별 개발에 따르는 막대한 비용과 실현 가능성의 불확실성이 커다란 걸림돌이었습니다.
2026년 2월 회사 보도자료와 일본 IT 매체들의 보도에 따르면, 파나소닉 커넥트는 이미 사내 데이터를 모아 통합해 오던 스노우플레이크(Snowflake) 데이터 플랫폼 위에서 에이전트를 자체 구축했습니다. 회사는 스노우플레이크의 AI 기능인 Cortex AI를 결합하여 해당 에이전트를 사내에서 직접 개발했습니다. 그렇게 만들어진 결과물이 바로 ‘Manufacturing AI 에이전트’입니다.
드래그 앤 드롭에서 보고서 생성까지, 반자동 대조가 돌아가는 방식
현장 엔지니어가 이 에이전트를 사용하는 과정은 매우 단순합니다. 엔지니어는 스노우플레이크 환경 안에서 가볍게 웹 화면을 만들어 주는 도구인 스트림릿(Streamlit)으로 구축된 작업 화면을 엽니다. 그리고 대조해야 할 제품 도면과 부품 도면, 또는 기술 사양서 PDF 파일들을 마우스로 끌어다 화면에 놓습니다.
파일이 올라가면 시스템 안에서 일련의 작업이 차례대로 이어집니다. 먼저 Cortex AI가 PDF 문서들을 읽어 들여 대조에 필요한 사양 정보를 항목 이름과 값을 짝지어 적는 데이터 형식인 JSON으로 뽑아냅니다. 도면에 흩어져 있던 비정형 텍스트를 컴퓨터가 비교하기 쉬운 반구조화 데이터로 정돈하는 것입니다. 그다음 AI가 제품 도면과 부품 도면, 혹은 제품 도면과 기술 사양서 사이에 적힌 재질과 표면 마감 상태 같은 세부 항목들을 항목별로 자동 대조합니다.
대조가 끝나면 화면에는 양쪽 문서의 불일치 내용이 일목요연하게 정리된 구조화된 보고서 형태로 즉시 나타납니다. 기술 사양서가 때로는 50쪽 가까이에 이르기도 하지만, 엔지니어는 더 이상 여러 문서를 나란히 펼쳐 두고 대조할 필요가 없습니다. 생성된 보고서 목록을 확인하며 AI가 짚어낸 차이점을 눈으로 검토하고 최종적인 판단을 내리면 작업이 끝납니다.
실제 시스템 내부에서는 대조 유형에 맞춘 정교한 처리 과정이 돌아갔을 가능성이 높습니다. 에이전트는 자유롭게 차이점을 찾으라는 모호한 명령 대신, 규격 대조나 외장 부품 대조에 맞춰 기존 엑셀 양식에서 엔지니어가 확인하던 재질, 마감 등의 고정된 항목 목록을 기준으로 작동했을 것입니다. Cortex AI는 각 문서에서 해당 항목의 명칭과 실제 표기된 값, 그리고 해당 내용이 도면의 몇 페이지 어느 위치에 있는지를 찾아내 하나의 JSON 묶음으로 정리했을 것입니다.
비교 과정에서도 사소한 표기 차이로 엉뚱한 불일치 경고가 뜨지 않도록 띄어쓰기나 전각·반각 문자, 단위 표기를 먼저 통일하는 정규화 작업을 거쳤을 것입니다. 또한 두 문서 중 한쪽에서 특정 사양 값을 찾지 못했을 때는 이를 일치하는 것으로 넘기지 않고 반드시 사람이 확인해야 하는 검토 대상으로 표시했을 것입니다. 340분짜리 대조가 10분으로 줄어들 수 있었던 것은, 엔지니어가 보고서에 적힌 의심 항목과 해당 페이지 위치만 짚어서 빠르게 대조할 수 있도록 보고서가 구성되었기 때문일 것입니다.
340분이 10분으로 줄었지만 사람의 몫을 남겨둔 이유
2026년 2월 19일 파나소닉 커넥트가 발표한 도입 성과는 작업 시간에 뚜렷한 변화를 보여주었습니다. 1회 작업 기준으로 이전에는 50분이 걸리던 제품 도면과 부품 도면 대조 작업이 10분으로 줄었습니다. 작업 시간이 80% 감소한 것입니다. 제품 도면과 기술 사양서를 대조하는 작업은 340분에서 10분으로 줄어들어 무려 97%의 시간이 절감되었습니다.
보고된 두 가지 대조 작업의 소요 시간이 도입 후 똑같이 10분으로 줄었다는 점은 눈에 띕니다. 이전 작업 기준으로 50분이 걸리던 부품 도면 대조와 340분이 걸리던 기술 사양서 대조가 모두 10분으로 단축되었으며, 더 오래 걸리던 대조 작업에서 시간 절감 효과가 더 크게 나타났습니다. 아울러 회사는 작업 방식이 표준화되면서 업무를 수행하는 담당자 간의 품질 편차도 줄어들었고, 사람의 실수로 인한 재작업과 경제적 손실 위험을 크게 줄였다고 밝혔습니다.
여기서 주목해야 할 대목은 파나소닉 커넥트가 이 시스템을 ‘완전 자동화’로 만들지 않았다는 점입니다. 보도자료는 이 시스템을 분명하게 ‘AI에 의한 반자동 대조’라고 정의하고 있습니다. 설명회와 인터뷰를 통해 프로젝트를 소개한 IT·디지털 추진본부의 와타나베 유타 매니저는 다음과 같이 선을 그었습니다.
“완전 자동화를 목표로 한 것이 아닙니다.”
이 시스템에서 AI는 문서를 읽고 비교하는 역할을 맡으며, 최종적인 판단은 사람이 내리도록 했습니다. 처음부터 완전 자동화를 추구한 것이 아니라 사람이 검토하는 과정을 돕는 반자동 방식으로 설계한 것입니다. 와타나베 유타는 “AI가 사람을 대신하는 것이 아니라, 사람이 본래 써야 할 판단과 검토의 시간을 늘리는 것이 목적”이라고 강조했습니다. AI가 문서 사이의 불일치를 찾아내 목록으로 정리해주면, 그 내용을 직접 확인하고 최종 판단을 내리는 몫은 오롯이 사람 엔지니어에게 남습니다.
플랫폼 위에서 데이터 권한과 사용 비용을 나누는 방법
제조업 현장에서 설계 도면은 기업의 기술력과 영업 비밀이 집약된 가장 민감한 자산입니다. 아무리 편리한 사내 도구라 해도 다른 부서의 도면이 섞이거나 외부로 노출될 위험이 있다면 현장에서는 결코 쓰려 하지 않습니다. 파나소닉 커넥트는 이 거버넌스 문제를 플랫폼의 기본 구조를 통해 해결했습니다.
도면에 대한 접근 권한 관리는 와타나베의 중앙 데이터 팀이 담당합니다. 특정 도면은 오직 그 도면을 시스템에 등록한 해당 사업부의 담당자만 열람할 수 있습니다. 와타나베는 이를 지극히 평범한 권한 관리라고 표현했습니다. 중앙 팀은 사내 사용자들의 계정과 권한 설정만 관리하고, 인프라 보안은 파나소닉 그룹의 클라우드 서비스 평가를 통과한 데이터 플랫폼에 맡기는 분업 구조를 취했습니다.
비용 관리 역시 사업부 단위로 나뉩니다. 각 사업부는 데이터 플랫폼 안에서 독립된 ‘테넌트’로 구분되어 있으며, 각자의 예산을 가지고 비용 관리를 직접 수행합니다. 한편 중앙 데이터 팀은 전체 비용 흐름을 지켜보다가 특정 사업부의 비용이 급증할 때만 개입하여, 백그라운드에서 돌아간 데이터 질의나 작업 방식에 비효율이 없는지 기술적으로 점검해 줍니다.
실제 운영 환경에서도 엔지니어가 스트림릿 화면에 로그인하면 본인 사업부의 권한 안에서만 도면이 처리되고, 그 과정에서 Cortex AI를 호출하며 발생한 컴퓨팅 비용은 자연스럽게 해당 사업부 테넌트로 청구되는 매끄러운 방식으로 돌아갔을 것입니다.
이 시스템은 파나소닉 커넥트가 추진 중인 전체 AI 전략의 한 조각이기도 합니다. 회사는 전체 AI 체계를 두 층으로 나누어 설계했습니다. 위쪽에는 전 직원 1만 2,000명이 공통으로 쓰는 사내 AI 플랫폼이 있어서 정형화된 서식 작성이나 사내 결재 초안 작성을 돕습니다. 그리고 아래쪽에는 각 사업부의 과나 부 단위, 즉 수십 명 규모의 전문 조직이 각자의 고유 데이터를 얹어 사용하는 스노우플레이크 기반의 ‘데이터 연계 업무 에이전트’ 층이 있습니다. 이번에 도입된 Manufacturing AI 에이전트는 바로 이 부서 단위 층위에 속한 대표적인 전문 업무 도구입니다.
빙산의 일각을 지나 전체 업무로 나아가는 길
현장에서 80%에서 97%라는 시간 절감 수치를 확인했음에도, 내부 개발진은 지나친 낙관을 경계하고 있습니다. 와타나베 유타는 CIO 재팬과의 인터뷰에서 이번 성과를 “빙산의 일각”이라고 표현했습니다. 현장에는 여전히 수작업으로 처리해야 하는 공정이 많이 남아 있으며, 그는 “현장의 업무는 전혀 편해지지 않는다. 훨씬 더 포괄적으로 확장해 가지 않으면 임팩트는 낼 수 없다”라고 밝혔습니다.
하지만 이러한 성과가 만들어낸 파급력은 결코 작지 않았습니다. 실제로 작동하는 에이전트를 보여주자 사내외의 기대가 크게 높아졌습니다. 이는 도면 대조에 머무르지 않고 다른 업무를 개선하려는 다음 프로젝트들로 이어지는 추진력이 되었습니다.
파나소닉 커넥트는 우선 자사 사업 내부의 규격 대조 업무와 외장 부품 대조 업무에 이 에이전트를 먼저 안착시킨 뒤, 설계와 개발 부문의 다른 대조 업무로 적용 범위를 넓혀갈 계획입니다. 나아가 2026년 7월 보도자료에 따르면 데이터와 결합한 사내 업무 에이전트를 재무와 영업 등 다른 부서로도 확장할 계획을 세우고 있습니다.
가와노 아키히코 최고정보책임자(CIO)는 이 변화의 배경으로 일본의 노동 인구 감소를 짚었습니다. 일본의 노동 인구가 줄어드는 상황에서 지금 손을 써두지 않는다면 머지않은 미래에 기업이 필요로 하는 작업 시간 자체를 유지할 수 없게 된다는 위기감입니다.
읽는 일과 판단하는 일을 분리하는 지혜
파나소닉 커넥트의 사례는 AI 도입을 고민하는 기업들에게 명확한 역할 분담의 방식을 보여줍니다. 파나소닉 커넥트는 도면과 사양서를 나란히 펼쳐 두고 읽고 비교하는 작업을 에이전트에게 맡겼습니다. 그리고 시스템이 도출한 불일치 보고서를 검토하여 최종 결정을 내리는 판단의 몫은 엔지니어에게 남겨두었습니다.
이러한 역할 분담을 바탕으로, 50쪽 가까이 달할 수 있는 서류를 직접 넘기며 눈으로 대조하던 작업은 10분 만에 불일치 목록을 확인하는 방식으로 바뀌었습니다. 파나소닉 커넥트는 에이전트 도입을 통해 엔지니어가 단순 확인 작업 대신 본래 집중해야 할 판단과 검토에 더 많은 시간을 쓸 수 있도록 돕고자 했습니다.
AI 에이전트를 사내 업무에 도입하려는 기업이라면 스스로에게 질문을 던져보아야 합니다. 우리 조직의 전문 인력들이 지금 수십 쪽짜리 문서를 붙들고 단순히 ‘일치 여부를 눈으로 확인하는 일’에 하루 몇 시간을 쏟아붓고 있는지, 그리고 그 반복적인 읽기 작업을 에이전트에게 맡기고 사람에게 온전한 판단의 권한을 돌려줄 준비가 되어 있는지를 말입니다.
출처
- Panasonic Connect — Panasonic Connect begins using its in-house Manufacturing AI agent for drawing and design-specification checks (일본어 보도자료, 제목은 영어로 옮긴 것) — https://news.panasonic.com/jp/press/jn260219-1 — 2026-02-19
- Panasonic Connect — Panasonic Connect cuts total working hours by 3.4% with AI, aims for 10% by 2030 as it expands AI agents (일본어 보도자료, 제목은 영어로 옮긴 것) — https://news.panasonic.com/jp/press/jn260729-1 — 2026-07-29
- Cloud Watch — “No AI strategy without a data strategy”: Snowflake and Panasonic Connect on the core of manufacturing DX (일본어, 제목은 영어로 옮긴 것) — https://cloud.watch.impress.co.jp/docs/news/2087881.html — 2026-02-24
- MONOist — Panasonic Connect uses Snowflake’s AI functions to cut design-specification checks by 90% (일본어, 제목은 영어로 옮긴 것) — https://monoist.itmedia.co.jp/mn/articles/2602/25/news031.html — 2026-02-25
- Mynavi TECH+ — Panasonic Connect cut drawing-check time by up to 97% with an AI agent: four keys to success (일본어, 제목은 영어로 옮긴 것) — https://news.mynavi.jp/techplus/article/20260226-4167718/ — 2026-02-26
- IT Leaders — Panasonic Connect uses AI to streamline drawing and product-specification checks, cutting work time by up to 97% (일본어, 제목은 영어로 옮긴 것) — https://it.impress.co.jp/articles/-/29019 — 2026-02-20
- CIO Japan — From “procurement broker” to partner: Panasonic Connect’s CIO on turning into an organization where AI works (일본어 인터뷰, 제목은 영어로 옮긴 것) — https://www.cio.com/article/4230303/ — 2026-10-14