AI, 엔지니어의 지식을 배우다: Agentic Workflow로 도면 분석 자동화 혁신
LG전자 ES사업부는 AWS Generative AI Innovation Center와 협력하여 Agentic Workflow 기반의 AI 도면 분석 시스템을 구축
비구조화된 CAD 도면을 분석하여 구조화된 데이터로 변환하는 데, AI가 10분 만에 처리하여 기존 수작업 대비 획기적인 시간 단축
91% 정확도로 전문가 수준의 분석 품질을 확보했으며, 분산 멀티 에이전트 처리로 대량 도면 동시 분석 가능
다양한 도면 형식과 암묵적 지식(Tacit Knowledge) 처리의 어려움이 있었으나, 자율 학습 기반의 분할 및 추론으로 극복
건물 설비 도면 분석 자동화에서 시작하여, 조선, 반도체 등 다양한 산업 분야로의 확장 가능성을 제시
Agentic Workflow의 핵심: 자율 학습 기반의 도면 분할
본문에 따르면, Agentic Workflow는 CAD 도면의 해상도 제약과 다양한 도면 형식 문제를 해결하기 위해 자율 학습 기반의 분할(Self-Learning Segmentation) 방식을 채택했다.
Example Analyzer: 올바르게 패칭된 이미지와 원본을 비교하여 '좋은 분할'의 시각적 특징 학습
Section Splitter: 학습된 기준을 바탕으로 분할을 실행하고, 실패 시 지능형 오류 수정(Intelligent Error Correction)
Section Validator: 다양한 시나리오에서 분할 결과를 검증하여 실전 적용 가능성(Practical Applicability) 확보
이러한 접근 방식은 특정 규칙에 의존하지 않고, AI가 스스로 최적의 분할 전략을 찾아내도록 하여 다양한 도면 형식에 대한 범용성(Versatility)을 확보했다.
AI, 엔지니어의 암묵적 지식을 배우다: 멀티모달 분석
LG전자는 숙련된 엔지니어의 암묵적 지식을 AI에 이식하기 위해, 멀티모달 분석(Multimodal Analysis) 방식을 활용했다. 이는 도면의 시각 정보와 텍스트 정보를 통합하여 분석하는 방식이다.
범례 및 기기 정보 추출: 도면에 등장하는 심볼과 기기 정보를 JSON 및 PNG 형태로 구조화
심화 추론 및 분석: 3단계에서 추출된 정보와 엔지니어의 암묵적 지식을 결합하여 관제점별 기능과 연결 기기 파악
암묵지 프롬프트: 기기 유형별 프롬프트를 활용하여, AI가 상황에 맞는 분석 수행
결과적으로, AI는 도면에 명시되지 않은 정보까지 추론하여, 숙련된 엔지니어 수준의 분석을 수행할 수 있게 되었다.
AWS AgentCore 기반 멀티 에이전트 아키텍처
본 시스템은 AWS AgentCore 기반의 멀티 에이전트 오케스트레이션(Multi-Agent Orchestration) 시스템으로 구축되어, 대량의 도면을 효율적으로 처리한다.
Orchestrator Agent: 원본 파일 분석 후, 각 담당 Agent에게 작업 할당
Common Info Aggregator & Dxf Info Aggregator: 공통 정보 및 개별 .dxf 파일 정보 처리
Detailed Info Aggregator: 세부 정보 추출
이러한 데이터 격리 아키텍처(Data Isolation Architecture)는 각 Agent의 독립적인 병렬 처리를 가능하게 하여, 분석 시간을 획기적으로 단축했다.
B2B 영역에서의 비전 AI와 추론 AI의 융합
LG전자 ES사업부의 사례는 복잡한 기술 도면 해석이라는 B2B 영역에서 비전 AI(Vision AI)와 추론 AI(Reasoning AI)를 결합한 혁신적인 사례로 평가받는다.
비전 AI: 도면의 시각적 정보를 인식하고 분석
추론 AI: 엔지니어링 지식과 암묵적 지식을 활용하여, 관제점의 기능과 연결 기기 추론
91% 정확도: 전문가 수준의 분석 품질을 달성
이러한 기술 융합은 숙련된 엔지니어의 지식을 AI로 재현하고, 자동화의 새로운 가능성(New Possibilities of Automation)을 제시했다.
향후 확장 가능성: 건물 설비에서 다양한 산업 분야로
본문에 따르면, Agentic Workflow는 건물 설비 도면 분석뿐만 아니라, 조선, 반도체, 자동차 등 다양한 산업 분야로 확장 가능성을 보여준다.
1~3단계 Agentic Workflow: 도면 유형에 관계없이 동일하게 적용 가능
4단계 심화 추론: 각 시스템별 암묵적 지식 프롬프트 추가
프로덕션화 계획: LG전자 ES사업부는 본 과제를 기반으로 프로덕션 확장을 계획
이러한 확장성은 AI 기반 도면 분석 자동화가 산업 전반에 걸쳐 새로운 표준(New Standard)이 될 수 있음을 시사한다.
