1) 어떤 상황에서 AI를 활용 했을까?
고객 또는 사내 Technical Review 과정에서 생산 공정 조립 단계를 설명할 때 활용 한다. 기존에는 정지 된 이미지 중심이라
엔지니어가 다시 설명 하거나 한번 더 확인 하는 등 불필요 시간을 써야 하는 시간이 필요 했으나 , AI를 통해 동작 과정과 내부 구조를 직관적인 시각 자료로 구현하여 HTML로 AI를 통해 생성 해 메일에 첨부 하는 등 명확한 소통이 가능해졌습니다.
특히 사내에서는 제품 조립 순서와 제품 공차와 라인 또는 수대의 지그 공차간 차이로 인해 발생 하는 휴먼오류도 사전에 방지 하고 논의 하는 절차가 너무 간편해 졌다. 이런 양산라인이 엔지니어 도면에 의해 외곽 치수까지 비 엔지니어가 시각적인 확인이 가능해 업무 체인에서 많은 불필요 시간이 절감 되었다.
(위 두 경우를 동영상 근거로 첨부함)

2) 어떤 AI를 활용했나?
기본은 Claude 5.8인데 이번에 GPT 6 Astra를 사용 했을 때 더 입체적인 시뮬레이션을 구현하고 더 시각적인 우수한 결과를 확인했습니다.

3) 활용결과 어떤 변화가 있었나요?
생산 공정의 작업자는 설계에서 보여 주는 몇 개의 사진으로 조립 방법을 체크 하고 다시 전화로 질문 하고 조립순서도를 사진 하나 하나 별도로 구성 해 문서로 주던 이 모든 업무를 간단히 처리 가능해 졌다
HTML 파일로 뽑아 메일로 전달 하면, 더 많은 것을 할 수 있다.
변화 1) 공수 절감 : 엔지니어가 바쁠 때 결과 확인 하기 위한 대기 시간 까지 고려 하며 하루(8h)걸리던 확인 작업이 1h 정도로 줄었다. 또 엔지니어는 이걸 설명 하기 위해 만들 던 문서 만드는 시간도 크게 줄었다.

변화 2) interactive simulation으로 공정 라인 고정 부위의 치수와 설계 치수 공차 상 오류를 사전에 확인 할 수있게 되었다. 그러므로 설계 누적공차성 문제 없었으나 라인에 들어 가서 가끔 발생하던 것도 사전에 일부 해결 됨

4) 나만의 방식 또는 개선 포인트는 무엇인가?
- 챗봇화 하고 필요하면 파이선 라이브러리를 활용해 시스템 화 하는 방법을 선호 한다.
- 반복작업 또는 쉽게 휴먼 오류가 발생 하는 부분을 개선 목적으로 잡는다. 물론 사람이 검증하는 것이 중요하다란 부분은 지속 강조 한다.
- 하나의 업무를 위해 다른 부서의 사람에게 설명을 해야 할 때 더 직관적인 설명이 가능하게 하는 것을 고민한다.

5) 다른 사람도 따라 할 수 있는가?
"따라 할 수 있다."
최근 LLM이 점층 좋아짐에 따라 간단한 용어의 이해로도 많은 것을 해 준다.
구조화 하고 시스템 화 할 때 약간의 파이선 지식과 prompt 와 context에 대한 이해도가 있으면 유리 한 정도
짧게 하려고 할때 Previs 나 interactive simulation 등등의 단어를 알고 있다면 당연히 프롬프트도 짧아지지만 역시 너무 복잡한 것이 아니라면 접근은 매우 쉽다.