[KR] 왜 PEF는 포트폴리오 기업에 AI Agent를 개발했을까?

사모펀드(PEF) 투자의 본질은 단순한 자본 투입을 넘어, 피투자기업의 체질을 개선하고 가치를 극대화하는 포트폴리오 운영에 있다.

글로벌 대형 PE들에 비하여 상대적으로 자원이 제한적인 한국 PEF들은 이 흐름 속에서 어떻게 지속적인 경쟁우위를 만들어낼 수 있을까?

한국 PEF의 경쟁력은 대규모 자원 투입이 아니라, 중소·중견 기업의 현실에 대한 깊은 이해, 현장의 니즈를 실시간으로 확인할 수 있는 접근성, 그리고 완성형 대규모 시스템이 아닌 MVP (Minimum Viable Product) 기반의 애자일한 실행력에서 나온다.

센트로이드인베스트먼트의 운영본부는 포트폴리오 기업의 일하는 방식 자체에 AI를 직접 적용했다. 단순한 기술 데모가 아니라, 현업의 반복적인 병목과 비일관성을 제거하고 투자·운영 의사결정의 속도를 높이는 AI 에이전트를 만드는 것이 목표였다. 그 첫 번째 적용 사례가 KAF다.

KAF(구 코오롱화이버)는 센트로이드가 인수한 단섬유 제조 기업으로, 산업통상자원부가 선정한 세계일류상품 생산기업이다. 고객 수요에 맞춰 고사양·다품종 제품을 안정적으로 생산할 수 있도록 공정은 정밀하고 복잡하게 운영되어 왔으며, 다양한 공정 조건과 물성 데이터가 축적되었다. 그 결과, 현장은 방대한 공정 데이터가 서로 긴밀하게 연결된 구조로 형성되어 있다.

KAF의 과제: 데이터는 쌓이지만, 분석은 사람의 몫

KAF의 현업 팀은 생산·품질·매출 데이터를 관리하기 위해 오랜 기간 엑셀과 내부 조회 시스템에 의존해왔다. 생산 LOT별 물성 데이터, 공정 조건, 고객별 출하 이력 등 방대한 데이터가 매일 생성됐지만, 이를 연결해 의미 있는 인사이트로 만드는 과정은 비효율적인 수작업이었다.

예를 들어 특정 기간 동안 물성 편차가 크게 발생한 제품군을 찾고, 그 원인을 공정 조건 변화와 함께 분석하려면 여러 엑셀 파일을 열어 데이터를 정리하고, 피벗 테이블과 수식을 반복 검증해야 했다. 숙련된 담당자라도 반나절 이상이 소요됐고, 담당자가 바뀌면 분석 방식과 결과 해석이 달라지는 경우도 잦았다.

문제의 본질은 분석이 특정 개인의 숙련도와 시간에 과도하게 의존하는 구조였다. 이는 현업 의사결정의 속도를 떨어뜨릴 뿐 아니라, 운용사GP 차원의 모니터링에서도 일관성과 재현성을 확보하기 어렵게 만들었다.

멀티 AI 에이전트: 현업 분석을 넘어 운용사 보고까지

센트로이드는 거대한 단일 모델 대신, 실제 데이터 분석 팀처럼 역할을 분담해 협업하는 ‘멀티 에이전트’ 구조를 채택했다. 이를 통해 복잡한 제조 현장의 문제를 정밀하게 해결하며 다음과 같은 실질적인 성과를 창출했다.

1. 데이터 분석의 자동화: 현업 담당자는 엑셀이나 수식 없이 자연어로 질문하면 된다. AI가 분석 설계부터 시각화까지 전 과정을 자동 수행함으로써, 기존에 수 시간이 걸리던 공정 데이터 분석 및 리포팅 시간을 90% 이상 단축시키는 압도적인 효율을 입증했다.

2. Human-in-the-loop 원칙과 품질 혁신: 속도보다 중요한 것은 신뢰성이다. AI는 판단의 보조자로서 모든 분석 근거와 원본 데이터를 투명하게 공개하고, 최종 판단은 전문가가 수행하여 신뢰도를 담보했다.. 이러한 정밀 분석은 생산 품질 편차를 줄이고 높은 예측 정확도로 Waste율을 감소시키는 결과로 이어졌다.  

3. 현업을 넘어 운용사 보고까지 확장: 이러한 혁신은 현장 개선에 그치지 않고 운용사의 경쟁력으로 직결된다. 현장의 분석 결과와 리포트가 운영사의 모니터링 체계로 실시간 연동되어, 품질 이슈와 핵심 리스크를 표준화된 형태로 즉시 공유함으로써 더욱 빠르고 일관성 있는 포트폴리오 관리가 가능해졌다.

결론: 현장에서 완성되는 센트로이드의 AI운영 철학

센트로이드의 AI는 기술 도입 프로젝트가 아니라, 현장에서 시작해 투자 성과로 귀결되는 운영 철학이다.

1. 모든 답은 현장에 있다.
제조 현장에는 공정 데이터, 작업 이력, 품질 결과 등 운영과 관련된 정보가 지속적으로 축적되고 있다. AI는 현장의 데이터를 구조화하고 관계를 분석하여 의사결정에 활용 가능한 체계로 전환하는 수단이다.

2. 개선은 시스템이 아니라 공정에서 시작된다.
공정 단위에서 무엇이 병목인지, 어떤 변수들이 수익성과 직결되는지를 파악하고, 현장의 개선을 통해 실질적 효율화를 달성한다.

3. 공정 효율화는 곧 운영 체질 개선이다.
데이터가 정제되고, 의사결정이 자동화되면 현장의 일하는 방식이 달라진다.
이는 단순한 생산성 향상을 넘어, 기업의 운영 체질을 데이터 기반 구조로 전환하는 과정이다.

4. 운영 개선은 재무 성과 및 투자성과로 연결된다.
공정 안정화, 불량률 감소, 재고 최적화, 의사결정 속도 향상은 곧 EBITDA 개선 및 기업의 체질 변화로 이어진다. AI는 비용 절감 도구가 아니라, 멀티플 확장을 위한 가치 창출 엔진이다.