Kuken Industries searches 70 years of drawings in minutes

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Kuken Industries는 OpenAI API 기반 도구로 교체 부품 도면 검색 시간을 거의 1시간에서 4.5분으로 줄였으며, 연간 도면 검색 시간도 약 90% 줄어들 것으로 예상한다.

📌 핵심 요약

• 일본 냉각탑 시장에서 높은 점유율을 보유한 Kuken Industries는 70년에 걸친 설치 도면을 보관하고 있으며, 고객과 설치 시점마다 사양이 달라 교체 부품에 맞는 원본 도면을 찾는 데 어려움이 있었다.
• Kuken은 일본 AI 스타트업이자 OpenAI 공식 파트너인 Recursive와 검색 시스템 및 현장 앱을 공동 개발했다. 여러 AI 모델의 도면 정보 추출 정확도와 비용을 비교한 결과 OpenAI 모델이 두 기준에서 좋은 성능을 보였고, OpenAI API로 앱에 검색 기능을 통합했다.
• 엔지니어는 도면·부품 번호를 입력하거나 도면·부품 목록의 이미지 또는 PDF를 올려 검색할 수 있다. 앱은 부품 번호를 읽어 유사 설계 도면을 포함한 후보를 제시하며, 엔지니어가 냉각탑 사양과 과거 교체 기록을 확인해 적합한 도면을 판단한다.
• 교체 부품 도면 검색 시간은 거의 1시간에서 4.5분으로 줄었다. Kuken은 연간 검색 시간이 약 90% 감소할 것으로 예상하며, 앱 내 도면 검토에 따른 인쇄 비용 감소와 신입 엔지니어의 독립적인 업무 범위 확대, 숙련자의 교육 시간 확보도 보고했다.
• Kuken은 협력사가 작성한 도면과 사양의 차이를 표시하는 검토 도구도 개발 중이다. 회사에 따르면 시제품 시험에서 AI가 지적한 문제의 약 90%가 실제 불일치였으며, 정식 운영으로 전환되면 도면 검토 시간이 크게 줄어들 것으로 기대한다.

🧩 주요 포인트

1. 고객·설치 시점별 사양 차이와 70년의 도면 축적 → 파일을 디지털화하는 것만으로는 부족하며, 필요한 도면을 찾는 데 쓰이던 숙련자의 지식을 더 쉽게 활용하는 것이 핵심이다.
2. 이미지·PDF에서 부품 번호를 읽고 유사 도면까지 제시 → 수작업 입력과 탐색 부담을 줄이지만, 최종 선택에는 냉각탑 사양과 과거 교체 기록을 확인하는 엔지니어의 판단이 필요하다.
3. 검색 시간 단축과 신입의 업무 자립 확대 → 숙련자의 교육과 설계 개선에 시간을 돌릴 여지가 생긴다. 다만 연간 검색 시간 약 90% 절감은 전망이며, 검토 시제품에서 지적한 문제의 약 90%가 실제 불일치였다는 결과는 전체 오류 탐지율을 뜻하지 않는다.

🧠 상세 정리

1. 70년의 도면에 담긴 설비 이력과 경험

Kuken Industries는 대형 건물, 쇼핑센터, 공장에 쓰이는 공조·환기 장비를 제조하며, 일본 냉각탑 시장에서 높은 점유율을 보유하고 있다. 냉각탑은 순환수의 열을 공기로 방출해 건물과 쇼핑몰, 데이터센터 장비 등의 냉각을 돕는다. 교체 부품이 필요하면 엔지니어는 70년에 걸친 설치 도면에서 해당 설비의 기록을 찾아야 한다. 신입 엔지니어는 도면의 위치와 읽는 방법을 숙련자에게 묻는 경우가 많았다. Kuken은 신입도 스스로 기록을 찾고 도면에 담긴 설계 판단을 배우면서, 실제 수리 방법을 고민하는 데 더 많은 시간을 쓰도록 하고자 했다.

2. 디지털화 이후에도 남아 있던 검색의 어려움

현재 생산하는 부품이 오래된 냉각탑에 항상 맞는 것은 아니므로, 무엇이 설치됐는지 보여주는 원본 도면이 중요하다. 원본을 찾지 못하면 교체 부품을 처음부터 설계하고 제조해야 할 수도 있다. Kuken은 70년 넘게 고객별 요구에 맞춰 장비를 조정해 왔기 때문에, 같은 모델이나 부품 이름으로 검색해도 고객과 설치 시점에 따라 여러 도면이 나올 수 있었다. 종이 자료를 쓰던 시절에는 검색에 반나절이 걸리기도 했으며, 이후 도면을 디지털화한 뒤에도 검색할 이름이나 번호, 파일 위치를 알아야 했다. 특히 신입 엔지니어는 이런 단서를 모으는 데 시간을 들여야 했고, 이는 모든 경력의 엔지니어가 독립적으로 검색할 수 있게 하려는 과제로 이어졌다.

3. Recursive와의 공동 개발 및 모델 선택

Kuken은 AI로 도면 검색을 개선할 방법을 탐색하면서 일본 AI 스타트업이자 OpenAI 공식 파트너인 Recursive와 협력하게 됐다. 두 회사는 Kuken의 도면 자료와 엔지니어들의 의견을 바탕으로 검색 시스템과 현장 앱을 함께 개발했다. 개발 과정에서는 여러 AI 모델에 다양한 도면을 적용해 세부 정보를 얼마나 정확하게 추출하는지, 비용은 어느 정도인지 비교했다. 원문에 따르면 OpenAI 모델은 정확도와 비용 양쪽에서 좋은 성능을 보였으며, 개별 모델 이름이나 구체적인 비교 수치는 제시되지 않았다. OpenAI API는 검색 기능을 앱 안에 직접 구현할 수 있는 유연성을 제공했고, 현장 엔지니어와의 대화가 실제 검색 방식에도 반영됐다.

4. 이미지 입력과 후보 확인으로 이어지는 검색

현장 앱에서는 도면 번호나 부품 번호를 직접 입력하거나, 도면과 부품 목록의 이미지 또는 PDF를 업로드해 검색할 수 있다. 부품 목록의 스크린샷을 붙여 넣으면 번호를 하나씩 손으로 입력하는 수고를 줄일 수 있다. 앱은 목록에서 부품 번호를 읽고 가능한 일치 결과를 반환하며, 여기에는 유사한 설계의 도면도 포함된다. 엔지니어는 제시된 후보를 바탕으로 해당 냉각탑의 사양과 과거 부품 교체 기록을 확인해 적합한 도면을 찾는다. 따라서 검색 도구는 자료 입력과 후보 탐색을 돕고, 실제 설치 조건에 맞는지 판단하는 과정에는 엔지니어의 확인이 함께 이루어진다.

5. 검색 시간 단축이 교육과 설계 검토에 미친 영향

원문은 OpenAI API 기반 도구를 사용한 교체 부품 도면 검색 시간이 거의 1시간에서 4.5분으로 줄었다고 소개한다. Kuken은 사용 및 시험 결과를 바탕으로 연간 도면 검색 시간이 약 90% 감소할 것으로 예상하며, 이 연간 수치는 전망으로 제시한다. 엔지니어는 앱에서 도면을 검토할 수 있어 인쇄 비용을 줄이고, 도면을 찾는 대신 내용을 살펴보는 데 더 많은 시간을 쓰게 됐다. 신입은 더 넓은 범위의 업무를 독립적으로 맡고, 숙련자는 검색을 일일이 안내하던 시간 일부를 교육과 자신의 엔지니어링 업무에 활용하고 있다. 신입과 숙련자 모두 설계 개선과 새로운 아이디어를 검토할 여유가 생겼다고 말하며, 이사 겸 공장장 Takatsugu Naraki는 새로운 도전에 쓸 시간이 생긴 점을 동기 부여의 원천으로 설명했다.

6. 도면 검토 시제품과 다음 세대로의 기술 전수

Kuken은 검색 도구에 이어 협력사가 작성한 도면을 확인하는 도구도 개발하고 있다. 현재는 엔지니어가 도면과 사양을 눈으로 대조하면서 세부 사항이나 수량의 불일치를 찾는데, 개발 중인 도구는 이런 차이를 표시해 검토를 빠르게 하고 놓칠 수 있는 오류를 발견하도록 돕는 것이 목표다. 회사에 따르면 시제품 시험에서 AI가 지적한 문제의 약 90%는 실제 불일치였으며, 이는 모든 불일치 중 얼마를 찾아냈는지를 보여주는 수치는 아니다. Kuken은 도구가 정식 운영에 들어가면 검토 시간이 크게 줄어들 것으로 예상하지만, 원문에는 실제 운영 결과나 구체적인 절감 수치가 제시되지 않았다. 각 도면에는 특정 설치 환경에 대한 엔지니어의 판단이 남아 있으며, Kuken은 이를 더 쉽게 찾고 이해하게 함으로써 오랜 과제였던 다음 세대로의 기술 전수를 돕고자 한다.

🧾 핵심 주장 / 시사점

• 도면의 디지털화와 검색 가능성은 별개의 문제다. Kuken 사례에서는 고객별 사양과 오래된 명칭·번호를 이해해야 하는 부담을 줄이는 것이 자료 활용의 핵심이었다.
• 검색 효율의 효과는 시간 절감에 그치지 않는다. 신입의 독립적인 업무 수행이 늘어나면 숙련자가 교육과 설계 개선에 쓸 수 있는 시간도 확보된다.
• 검색 도구의 시간 단축, 연간 절감 전망, 검토 시제품의 지적 정확도는 서로 다른 성과 지표다. 특히 지적한 문제의 약 90%가 실제 불일치였다는 결과만으로 전체 오류 탐지 성능을 판단할 수는 없다.

✅ 액션 아이템

• Kuken의 연간 검색 시간 약 90% 절감 전망을 실제 사용 결과와 비교해 확인.
• 앱이 제시한 유사 설계 도면의 적합성을 냉각탑 사양과 과거 교체 기록으로 확인.
• 도면 검토 도구의 정식 운영 전환 시 실제 불일치 식별 결과와 검토 시간 감소 효과 확인.

❓ 열린 질문

• Kuken이 예상한 연간 검색 시간 약 90% 절감은 실제 연간 사용에서도 달성되는가?
• 신입 엔지니어의 독립적인 업무 범위 확대와 숙련자의 교육 시간 확보는 설계 개선으로 어떻게 이어지는가?
• 도면 검토 시제품에서 AI가 지적한 문제의 약 90%가 실제 불일치였다는 결과와 별개로, 전체 불일치 중 찾아낸 비율은 얼마인가?