반도체 소부장 제조 현장의 공정·지식·품질·설비 문제를 4대 워크플로와 21종 AI Agent 개발 계획으로 연결한 Technical BD / 제안 전략 사례입니다. 저는 팀 제안에서 기술 구조, 아키텍처, 발표 메시지 정리에 기여했습니다. 기술 구성은 사업계획서와 발표자료의 설계 기준이며, 현장 구현 완료 성과와 구분합니다.

작업 지시와 진행 정보는 분산돼 있고, 도면 해석과 가공 노하우는 숙련자에게 집중돼 있었습니다. ERP/MES에 쌓인 품질 데이터는 현장 담당자가 직접 분석하기 어렵고, 설비 이상은 돌발 정지와 납기 지연으로 이어질 수 있었습니다. 제안서는 이 네 가지 문제를 공정관리 최적화, 공정지식, 품질검증·데이터 분석, 예지정비로 나누었습니다.

제안 방향과 도메인 논리, 발표본 스토리라인을 정리하고, 4대 워크플로와 21종 Agent의 구조를 기술 아키텍처와 사업계획서에 연결하는 작업을 지원했습니다. 담당 범위는 제안 전략·기술 구성·발표 메시지였으며, 과제 선정은 팀 성과입니다.

플랫폼은 워크플로를 설계·배포하는 Builder, 작업과 협업을 조율하는 Orchestrator, 모델·검색·도구를 연결하는 Engine, 권한·자원·로그를 관리하는 Admin으로 구성합니다. 제조 특화 LLM과 Multi-RAG는 문서·지식 검색에, SQL 특화 LLM과 NL2SQL은 정형 데이터 분석에 활용하는 계획입니다. 온프레미스 환경에서 현장 데이터와 연계하고 보안 정책을 적용하는 구조를 제안했습니다.

WF1은 Jira 공정 이슈와 수율·불량 정보를 분석해 이슈 조정과 알림으로 연결합니다. WF2는 도면·사양서·고장 이력을 검색해 원인과 대안을 제시합니다. WF3은 자연어 질의를 SQL로 바꿔 로트·라인별 품질 데이터를 분석합니다. WF4는 센서 이상을 진단하고 정비 계획을 세운 뒤 담당 기술자의 승인을 거쳐 작업지시와 정비 후 검증으로 이어집니다.

제안에는 업무별 실행 권한과 사람의 확인 단계를 함께 담았습니다. WF3은 SELECT 전용 SQL 실행과 안전성 검사를 적용하고 분석 결과를 관리자가 확인하도록 설계했습니다. WF4는 담당 기술자가 정비 계획을 승인·반려하는 HITL 단계를 두었습니다. 공통 상태 추적과 오류 대응은 실행 이력, 재시도, 재계획, 에스컬레이션을 담당하는 구조입니다.

1차년도는 데이터·지식 기반, 제조 특화 모델, 프레임워크와 파일럿 검증을 구축하는 계획입니다. 2차년도는 서비스 고도화, 수요기업 확산 실증과 통합 검증으로 이어집니다. 사업계획서에는 실행 과정 로그(Trajectory), 시나리오별 응답·과업 성공 여부, 오류 복구와 서비스 안정성을 자체 점검하고 전문기관 검증을 받는 절차가 포함돼 있습니다. 첨부 자료는 검증 계획이며 시험성적서나 현장 검수 완료 자료는 아닙니다.

정책 취지와 제조 현장의 문제를 연결해 왜 이 산업에 지금 필요한지 설명하고, 현장 문제에서 기술 구성·실증·확산 계획으로 이어지는 발표 흐름을 정리했습니다. 개발·영업·컨설팅 협업에서 기술 설명과 사업 논리가 일치하도록 제안 메시지를 조율했습니다.

팀이 반도체 제조 AI Agent 실증 과제에 선정됐으며 저는 제안 기여자로 참여했습니다. 2026.05.12 회사 공개 발표 기준 1차년도 사업 규모는 약 15.5억 원입니다. 총 약 31억 원은 1년차 수행 결과 평가 후 2차년도 사업이 연계될 경우의 예상 규모입니다. 회사의 사업 선정·사업비와 개인의 제안 기여를 구분합니다.

구성과 시나리오는 사업계획서 및 2026.04 발표자료를 대조해 정리했습니다. 21종 Agent와 성능·자동화·데이터 규모는 개발 목표이며 완료 실적으로 사용하지 않았습니다. 성능 목표는 문서의 요약·세부 지표·검증 항목 사이에 차이가 있어 확정 수치로 옮기지 않았습니다. 원본 제안서는 공개 첨부하지 않고 필요한 구조만 재구성했습니다.