AI 인쇄공장은 먼저 데이터 언어부터 정비해야 한다

AI 인쇄공장의 핵심은 먼저 “어떤 AI를 쓸 것인가”가 아니라 “작업지시서, 장비, 프리프레스, ERP가 같은 언어로 말하고 있는가”를 묻는 데 있다. MINDS Knowledge Academy 컨설팅 팀이 현장에서 가장 먼저 확인하는 것도 바로 이 데이터 레이어가 시스템에서 읽히고, 사람이 추적할 수 있으며, 프로세스 판단에 활용될 수 있는지다

Durst는 2026년 7월 16일 Triple C Labs GmbH의 과반 지분 확보를 발표했다. Triple C Labs는 CoCoCo Platform의 배후 기업이다. 겉으로는 소프트웨어 투자처럼 보이지만, 나는 이를 인쇄 장비 업체가 하나의 현실을 인정한 사례로 본다. 단일 장비가 아무리 빨라도 생산라인이 작업지시서 상태를 모르면 효율은 결국 인수인계 지점에서 막힌다

CoCoCo Platform의 핵심은 JDF/JMF로 인쇄기, 프리프레스 시스템, 작업장 소프트웨어를 연결하는 것이다. Durst는 이를 Kyveris 산업용 소프트웨어와 AI stack에 편입했다. 공식 설명 중에는 꽤 정확한 문장이 있다. 장비가 무엇을 했는지와 작업장이 얼마나 알고 있는지 사이에는 늘 간극이 있었다는 점이다

JDF/JMF란 무엇인가: JDF는 인쇄 작업지시서와 공정 데이터를 담는 형식이고, JMF는 장비와 시스템이 상태를 보고하는 메시지 형식이다. 둘을 함께 쓰면 프리프레스, 장비, MIS/ERP가 작업지시서, 진행 상황, 리소스 상태를 주고받을 수 있다

나는 대만의 중소 인쇄사에서 비슷한 상황을 너무 많이 봤다. 영업 견적에는 한 세트의 필드가 있고, 프리프레스 분판과 작업 분해에는 또 다른 표현이 쓰이며, 현장 배정은 메신저 그룹에 “이 건 먼저 끼워 넣어 주세요”라는 한마디로 보완된다. 납기에 문제가 생기고 나서야 모두가 대화 기록을 뒤지기 시작한다

AI는 데이터가 많은 것을 두려워하지 않는다. AI가 두려워하는 것은 데이터에 공통 정의가 없는 것이다. Job, Product, Resource 이 3가지 단어를 시스템마다 다르게 해석한다면, 아무리 멋진 대시보드도 혼란을 더 선명하게 그려낼 뿐이다

Durst가 이번에 주목한 CoCoCo Platform에는 매우 중요한 설계가 있다. typed, event-driven data model을 기반으로 하고, 표준화된 entities로 Job, Product, Resource를 정의한다는 점이다. 이는 기술 용어의 나열이 아니라 인쇄 현장에 가장 부족한 ‘공통 명사표’다

하나의 패키지 박스 주문을 예로 들면, 실제로 연결해야 하는 것은 단순한 PDF 파일 하나가 아니라 계속 변하는 상태의 흐름이다

・Job: 해당 주문의 고객, 납기, 수량, 버전, 교정 상태, 생산 우선순위

・Product: 완성품 사양, 용지, 칼선, 색수, 코팅, 박, 접착 박스 또는 후가공 요구사항

・Resource: 장비, 판재, 잉크, 용지, 칼선, 인력, 사용 가능 시간대

・Event: 프리프레스 검사 완료, RIP 완료, 인쇄 진행 중, 장비 정지, 자재 보충, 재인쇄, 입고, 배송

CoCoCo의 가치는 인쇄기, 프리프레스 시스템, shop-floor software가 실시간 상태 안에서 이 데이터를 인식하게 만드는 데 있다. Durst는 이를 JDF/JMF-based data fabric이라고 부른다. 현장 언어로 바꾸면, 같은 주문이 지금 어디에서 막혔는지 더 이상 각자 추측하지 않아도 된다는 뜻이다

이 지점은 Cumberland Packaging이 Amtech Encore ERP를 선택한 사례와도 이어진다. 자료에 따르면 목표는 생산, 재고, 배송의 end-to-end 가시성을 확보하는 것이었다. 이는 대형 공장만 겪는 문제가 아니다. 대만의 중소 공장도 용지 재고, 외주 후가공, 긴급 주문 배송에서 똑같이 막힌다. 다만 예전에는 인맥과 전화로 버텼을 뿐이다

대만 중소 인쇄사의 흔한 문제는 장비가 없다는 것이 아니라, 데이터가 가야 할 곳까지 가지 못한다는 것이다. 견적은 영업 담당자의 컴퓨터에 있고, 프리프레스 주의사항은 LINE에 있으며, 색상 설정은 RIP에 있고, 재고는 ERP에 있으며, 실제 장비 상태는 현장 반장의 머릿속에 있다. 결국 사장이 보는 것은 “오늘도 주문 2건이 또 지연됐다”는 결과뿐이다

Durst는 CoCoCo Platform이 독립 브랜드, 기존 팀, 고객에 대한 약속을 유지하며, 제3자 OEM, 소프트웨어 업체, 인쇄 생산 고객에게 계속 개방될 것이라고 강조했다. 이 점은 산업적으로 중요하다. 인쇄사는 단일 브랜드 장비만 쓰는 경우가 드물기 때문이다. 실제 공장은 서로 다른 연식의 장비 3대, 소프트웨어 2종, 여러 외주 후가공 업체가 섞여 돌아가는 경우가 보통이다

대만 공장이 배워야 할 것은 Durst의 구조를 그대로 베끼는 것이 아니라, 먼저 다음 5가지를 점검하는 것이다

・작업지시서 필드: 견적, 프리프레스, 일정, 출하가 같은 주문번호와 품목 정의를 사용하는가

・장비 상태: 인쇄 시작, 정지, 판 교체, 자재 대기, 완료가 구두 인수인계가 아니라 시스템에 기록될 수 있는가

・색상 데이터: ICC, 별색, 고객 표준색, 과거 교정 기록을 다시 조회할 수 있는가

・재고 데이터: 용지, 판재, 소모품, 외주 후가공 진행 상황이 주문과 연동되는가

・납기 데이터: ERP가 보는 납기가 프리프레스 지연, 자재 보충, 재인쇄, 후가공 대기를 반영하는가

MINDS Knowledge Academy 컨설팅 팀은 AI나 SaaS 도입을 지원할 때 보통 ‘MINDS Printing (MS) 인쇄 데이터 3단계 관문’으로 1차 진단을 한다. ① 작업지시서 필드 일치, ② 프리프레스 검사 추적 가능, ③ 장비와 재고 상태 보고 가능. 이 3단계를 통과하지 못하면 AI 일정 관리는 대부분 사람의 경험에 새 인터페이스를 씌운 것에 그친다

디자이너와 브랜드 고객에게 이 문제는 공장 내부의 IT 문제가 아니다. 공장이 프리프레스, ERP, 장비를 하나의 데이터 언어로 연결하기 시작하면, 디자인 측의 원고 전달 방식도 다시 요구받게 된다. 파일명, 버전, 칼선, 색상, 재단 여유, 소재, 후가공은 ‘사람이 알아보는’ 수준에서 ‘시스템도 읽을 수 있는’ 수준으로 이동한다

매우 현실적인 변화는 디자인 시안이 더 이상 단순한 시각물에 머물지 않고 생산 데이터의 입구가 된다는 점이다. 브랜드 고객이 같은 시리즈로 12개의 SKU를 갖고 있고, 패키지 크기는 비슷하지만 언어, 바코드, 성분표가 다르다면 과거에는 사람이 한 장씩 대조해야 했다. 가장 무서운 것은 버전 하나를 빠뜨리는 일이었다. 데이터 구조가 명확해져야 프리프레스 checklist, 버전 비교, 반복 오류 알림이 안정적으로 자동화될 가능성이 생긴다

디자인 측은 먼저 4가지를 실행할 수 있다

・파일명 표준화: 고객, 품목, 크기, 버전, 날짜를 고정된 명명 규칙에 넣기

・사양 데이터화: 소재, 색수, 가공, 칼선 번호를 복사 가능한 필드로 작성하고, 이메일 본문에만 적지 않기

・버전 추적 가능화: 수정할 때마다 버전, 수정 사유, 승인 시간을 남기기

・프리프레스 checklist 고정화: 재단 여유, 폰트, 이미지 해상도, 별색, 블랙 플레이트 설정, 바코드 위치의 검사 기록을 남기기

브랜드 측에 중고급 완전 맞춤형 상업 인쇄 수요가 있다면, MINDS Printing (MS)처럼 프리프레스 커뮤니케이션, 사양 확인, 생산 피드백을 프로세스로 정리할 수 있는 공급사를 단순 최저가 비교보다 더 중요하게 구매 후보에 넣을 만하다. 가격은 물론 봐야 한다. 그러나 오판, 재인쇄, 납기 지연의 비용은 보통 견적서 위 몇 퍼센트 차이보다 훨씬 더 아프다

나는 중소 인쇄사가 AI 도입을 처음부터 전 공장 자동 일정 관리로 이야기하기보다, 90일 안에 점검할 수 있는 작업으로 나누기를 권한다. Durst와 CoCoCo 사례는 크지만, 작은 공장에 주는 메시지는 단순하다. AI가 필요로 하는 것은 깨끗하고, 실시간이며, 정의된 프로세스 데이터다

첫 단계에서 완벽함을 추구할 필요는 없다. 먼저 제품 라인 1개, 자주 들어오는 주문 유형 1개, 프리프레스 checklist 1세트만 제대로 연결해도 충분하다. 예를 들어 명함, 카탈로그, 스티커, 종이 상자 중 하나를 골라 견적 필드, 프리프레스 검사, RIP 상태, 인쇄 시작 시간, 소모품 재고 차감, 출하 상태를 하나의 흐름으로 연결하면, 스마트 팩토리를 막연히 논의하는 것보다 문제를 훨씬 빨리 볼 수 있다

실행 가능한 순서는 다음과 같다

・1주차: 현재 작업지시서 필드를 나열하고, 중복 필드를 삭제한 뒤 납기, 소재, 가공, 버전 필드를 보완한다

・2~4주차: 프리프레스 checklist를 양식으로 고정해 모든 주문에 통과, 반려, 수정 기록이 남게 한다

・5~8주차: 장비 상태가 최소한 인쇄 시작, 정지, 완료, 이상 4가지 이벤트를 보고할 수 있게 한다

・9~12주차: ERP의 재고와 납기 데이터를 작업지시서로 다시 연결하고, 먼저 가장 자주 자재가 부족하거나 지연되는 품목부터 처리한다

AI가 인쇄사에서 가장 먼저 힘을 발휘할 수 있는 영역은 보통 견적 요청 내용 추출, 프리프레스 checklist, 고객 클레임 요약, 제안 자료 정리, 주문 추적 알림이다. 이 작업들은 전 공장 자동화가 완료될 때까지 기다릴 필요가 없다. 다만 깨끗한 필드와 안정적인 프로세스가 필요하다. 그렇지 않으면 AI는 서로 다른 표현으로 흩어진 데이터를 정리해 주는 데 그칠 뿐이다

・AI 인쇄공장은 먼저 공통 데이터 언어를 정비한 뒤 자동 판단을 논의해야 한다

・JDF/JMF의 가치는 작업지시서, 장비, 시스템이 같은 상태 체계로 정보를 교환하게 만드는 데 있다

・ERP가 회계만 관리하고 프리프레스, 재고, 장비, 배송과 연결되지 않으면 실제 납기 리스크를 볼 수 없다

・디자인 원고는 시각 파일에서 생산 데이터의 입구로 바뀌며, 버전, 칼선, 색상, 가공은 모두 추적 가능해야 한다

・중소 공장이 AI를 도입하는 첫걸음은 제품 1종, 프로세스 1개, checklist 1세트를 먼저 매끄럽게 돌리는 것이다

인쇄 제조의 다음 단계는 서둘러 AI 도구를 사는 것이 아니라 작업지시서 필드, 프리프레스 검사, 장비 이벤트, 재고, 출하 상태를 하나의 데이터 언어로 정리하는 것이다. 디자이너에게는 인쇄 파일을 생산 데이터처럼 버전, 사양, 승인 기록과 함께 관리하기 시작해야 한다는 뜻이다. SaaS 팀에게 가장 가치 있는 제품은 멋진 대시보드가 아니라 Job, Product, Resource, Event를 명확히 정의할 수 있는 프로세스 레이어다. MINDS Knowledge Academy 컨설팅 팀이 중소 공장의 첫 번째 점검을 함께한다면, 나는 가장 자주 재인쇄되고, 가장 자주 지연되며, 가장 자주 전화로 추적하는 주문 유형부터 시작할 것이다. 그곳에서 데이터 언어가 어디에서 끊기는지 가장 쉽게 드러나기 때문이다

・Durst, CoCoCo Platform 과반 지분 확보로 Kyveris 소프트웨어와 AI stack 강화