“벤치마크 점수보다 현장에서 동작하는 AI가 진짜”… 윤성호 대표의 마키나락스 2.0

“연구자 프레임에서는 벤치마크 점수가 높은 기술이 완벽해 보이지만, 비즈니스와 현장의 프레임에서는 아무리 화려한 기술이라도 현장의 문제를 풀어주지 못하면 아무 의미가 없습니다.”

물리학도에서 공학도로, 다시 상장사 경영자가 된 윤성호(Andre Yoon) 마키나락스 대표가 얻은 가장 큰 교훈은 절대적이라고 믿었던 가치도 어떤 관점에서 바라보느냐에 따라 달라진다는 것이다. 기술을 연구할 때는 성능 지표와 완성도가 중요한 평가 기준이지만, 기업을 경영하며 고객을 만나는 과정에서는 기술이 실제 문제를 얼마나 해결하는지가 더 중요하다는 사실을 확인했다.

윤 대표는 “기술적 완벽성이라는 절대적 기준은 존재하지 않는다. 현장에서 실제로 성과를 만드는 ‘동작하는 기술’과 그렇지 않은 기술이 있을 뿐”이라고 말했다.

2017년 설립된 마키나락스(MakinaRocks)는 기업용 AI 운영체제(OS) ‘런웨이(Runway)’를 기반으로 제조와 국방 등 보안과 신뢰성이 중요한 산업 현장에서 AI 모델의 개발·배포·운영을 지원하는 기업이다. 2026년 코스닥 상장 이후 윤 대표는 회사의 다음 성장 단계를 ‘마키나락스 2.0’으로 정의했다. 기술력과 사업 가능성을 입증해 온 1.0을 지나 실제 산업 현장에서 성과를 확대하고 사업의 확장성을 증명해야 하는 시기라는 의미다.

이를 위해 회사 전체가 공유하는 원칙은 ‘현장에서 동작하지 않는 기술은 가짜다’라는 것이다. 윤 대표는 엔지니어들에게도 최신 기술이나 복잡한 알고리즘 자체에 집중하기보다 고객이 직면한 문제를 가장 효과적으로 해결할 수 있는 방법을 찾아야 한다고 강조한다. 매일 아침 경영 판단을 내릴 때 스스로에게 던지는 질문 역시 “이것이 과연 현장에서 AI로 실질적인 성과를 창출하는 데 가장 최선의, 최적의 방법인가”라는 것이다.

현대차 로봇 1400대에 적용…현장에서 증명한 AI의 가치

이러한 원칙이 실제 사업으로 이어진 대표적인 사례는 현대자동차와의 협력이다. 마키나락스는 2018년 현대차 제로원의 전략적 투자를 계기로 협력 관계를 구축했으며, 이후 아산공장에서 로봇 고장을 5일 전에 90% 이상의 정확도로 예측하는 예지보전 성과를 입증했다. 이를 바탕으로 울산과 인도 공장, 전기차 생산라인까지 적용 범위를 확대하면서 현재 1400대 이상의 로봇에 관련 기술을 적용하고 있다.

현대자동차를 비롯해 두산, 삼성, 포스코, 한국앤컴퍼니, 한화, HD현대, LG, SK 등 다수의 대기업을 고객으로 확보한 마키나락스가 파트너십에서 중요하게 여기는 것도 실질적인 성과다. 생산설비의 가동 중단 시간인 다운타임을 얼마나 줄였는지, 고장 예측 정확도가 어느 정도인지 등 현장에서 확인할 수 있는 지표를 먼저 확보한 뒤 이를 근거로 다른 공장과 생산라인에 기술을 확대하는 방식이다.

고객사의 지속적인 이용 여부에서도 사업 성과가 나타났다. 2025년 런웨이 고객 재계약률은 94%를 기록했으며, 공급에 소요되는 기간도 1~3개월로 단축됐다. 개별 프로젝트를 통해 구축한 적용 사례가 다른 현장으로 확산되면서 반복적인 라이선스 매출로 연결되는 구조를 만들어가고 있다.

윤 대표는 “현장에서 검증된 솔루션이 있어야 라이선스 확산도 빨라진다”고 설명했다.

폐쇄망 제조 현장에서 국방·일본까지…검증된 AI의 확장

산업 현장에서 AI를 안정적으로 운영하려면 기업이 보유한 데이터와 업무 환경에 맞춰 기술을 적용해야 한다. 특히 제조기업은 생산 데이터와 공정 정보가 핵심 자산인 만큼 외부 반출을 제한하는 경우가 많아, 일반적인 클라우드 기반 AI 서비스와는 다른 접근이 필요하다. 이러한 환경을 고려해 고객사의 폐쇄망 안에서 AI를 개발·배포·운영하는 방식을 채택했다. 데이터와 업무 프로세스, 현장 경험을 통해 축적된 암묵지가 고객사 내부에 남아 있는 상태에서 AI를 활용하도록 지원하며, 데이터의 소유권과 통제권도 고객이 유지하는 구조다.

윤 대표는 “핵심은 얼마나 많은 데이터를 가져오느냐가 아니라, 데이터 주권을 지켜주면서 현장에서 진짜 성과를 내는 AI를 제공하느냐”라고 강조했다. 마키나락스가 다양한 고객사와 협력하며 축적하는 자산도 개별 기업의 데이터가 아니라, 서로 다른 산업 환경에서 데이터를 연결하고 AI를 설비와 업무에 적용해 성과를 만들어낸 기술적·제품적 경험이다.

제조 현장에서 검증한 운영 방식은 국방 분야로도 이어졌다. 윤 대표는 공장과 전장이 서로 다른 환경처럼 보이지만 AI에 요구하는 조건에는 공통점이 있다고 설명했다. 데이터의 외부 유출을 막아야 하는 고보안 환경, 높은 수준의 정확도가 필요한 고정밀 업무, 매뉴얼에 없는 예외 상황에도 대응해야 하는 고신뢰 체계가 필요하다는 것이다.

“60~70% 수준의 정확도는 의미가 없다. 공장에서는 오탐 하나가 라인 전체를 세우고, 전장에서는 오판 하나가 생명과 직결된다.”

마키나락스는 국방 분야를 위한 AI 플랫폼을 처음부터 별도로 개발하는 대신 자동차·반도체 산업에서 6000개 이상의 모델 운영을 통해 검증한 런웨이를 확장하는 방식을 선택했다. 이를 통해 국방과학연구소(ADD) AI 플랫폼 구축, 한미연합훈련(UFS) 전장망 시범 도입, 해군 1함대 함정 정비 어시스턴트, 지능형 GOP 작전지원체계 수주 등의 실적을 확보했다.

해외에서는 일본을 주요 시장으로 삼고 있다. 일본 경제산업성(METI)은 2018년 보고서에서 기업들이 기존 정보시스템을 개선하지 못할 경우 2025년 이후 연간 최대 12조엔의 경제적 손실이 발생할 수 있다고 경고한 바 있다. 오래된 시스템과 새로운 기술을 연결해야 하는 디지털 전환 수요가 일본 산업계의 과제로 떠오른 배경이다.

윤 대표는 일본 기업들이 기술 자체보다 이를 신속하게 맞춤형 솔루션으로 구현할 수 있는 플랫폼에 관심을 보인다고 분석했다. 마키나락스 역시 일본 전용 플랫폼을 새롭게 개발하기보다 국내 산업 현장에서 검증한 기술을 현지 고객의 요구에 맞춰 적용하는 전략을 추진하고 있다.