|
|
|
|
|
 |
특히 산업 AI의 중심에서 철강, 에너지, 인프라 등 거대한 생산라인의 디지털 전환을 견인하고 있는 포스코DX의 행보는 단순한 기술개발을 넘어 산업구조 자체를 새롭게 설계하는 작업이라 생각합니다.
포스코DX가 이를 산업 현장에 구현하기위 해다양한 플랫폼을 개발 중이라는 점에서, 저는 이곳에서 기술의 진화를 실제로 구현하고 싶다는 확신을 갖게 되었습니다.
포스코DX의 AI 기술 중 가장 관심 있는 분야는 무엇이며, 그 이유는 무엇입니까?
입사 후 초기에는 AgenticIntelligence기술의 산업현장 적용을 통해, 실제 공정 효율을 끌어올리는 데 기여하고 싶습니다.
|
|
|
 |
특히 강화 학습과 MDP 기반의 시뮬레이션 환경 구축에 강점을 가지고 있으며, 단순히 AI 모델을 만드는데 그치지 않고, 환경 내에서 자율적 판단을 통해 최적의 행동을 도출해내는 Agent시스템을 직접 구현해본 경험이 있습니다.
대학원 시절, 스마트팩토리 데이터를 활용한 AI 예측 모듈 개발 프로젝트에 참여한 경험이 있습니다.
이 프로젝트는 기계학습 기반 예측 알고리즘을 통해 불량 발생 가능성을 사전에 판단하고, 설비 운용 스케줄을 조정하는 기능을 개발하는 것이 목적이었습니다.
저는 팀 내에서 데이터 엔지니어링과 시스템 설계를 담당하였고, 먼저 각 부서별 데이터 구조를 분석한 후 공정 전문가와 수차례 인터뷰를 진행해 데이터 수집 방식의 한계를 파악했습니다.
이를 바탕으로 기존의 단순 시 계열 데이터를 공정단계별 상태 변수 기반구조로 재구성하였고, 이 과정에서 전체 프로젝트 알고리즘이 물리 기반 모델에서 머신러닝 기반 전환이 가능하도록 설계 방향을 바꿨습니다.
AgenticIntelligence는 단순히 환경의 입력에 반응하는 기존 AI와 달리, 스스로 목표를 설정하고 상황에 맞게 전략을 수정하며 실행하는 '의사결정 주체로서의 AI'입니다.
실제로 산업현장에서는 예측보다 '적응'이 중요 한 경우가 많고, AgenticIntelligence는 이런 복합적 상황에서도 유연하게 판단할 수 있다는 점에서 큰 강점이 있습니다.
단순 자동화가 아니라, 현장의 이슈를 스스로 감지하고 대응하는 자율시스템은 AI의 궁극적인 방향이라 생각하며, 그 중심에 포스코DX가 있다는 점에서 함께 일하고 싶은 열망을 갖게 되었습니다.
이를 해결하기 위해 저는 보상설계 시도메인 지식기반으로 구조화된 정책설계가 필요하다고 생각하며, 시뮬레이션-현장 연동을 통해 실제 적용 가능성을 점검해야 한다고 봅니다. |
 |
기술, ai, 시스템, 산업, 기반, 데이터, 통해, 실제, 현장, dx, 포스코, 목표, 환경, 프로젝트, 설계, agent, 학습, 늘다, 적용, 알고리즘 |
|
|
|
|
|
|
 |
|
|
|
|
|
|
|
|
|
|
|
| |
|
|
|
2025.07.27
4페이지
