AI 가 닛산의 개발 속도를 높이는 방법

0:00 팟캐스트 및 게스트 소개

오늘 ‘ The Garage ’에서는 CES 2026 행사장의 ‘ Sonatus ’ 부스에서 생방송을 진행하고 있습니다. 오늘의 게스트는 닛산 테크니컬 센터 유럽(Nissan Technical Center Europe, 줄여서 NTCE)의 전기·전자 및 ADAS 엔지니어링 부서장인 나카모토 타카유키 씨입니다. 오늘의 대화에서는 NTCE가 닛산 UK에서 생산되어 유럽 및 전 세계에 판매되는 차량을 어떻게 개발하는지에 대해 논의해 보겠습니다.

0:24 효율성

이번에는 차량을 양산 단계까지 개발하는 과정에서 직면하는 과제들과, 첨단 AI 도구를 활용해 차량 SOP 주기를 어떻게 단축할 수 있는지에 대해 논의합니다. 정말 흥미로운 대화가 될 것입니다. 시작해 볼까요!

The Garage 에 오신 것을 환영합니다. 저는 Sonatus 의 최고마케팅책임자(CMO)인 존 하인라인입니다. 현재 CES 2026 현장에서 생방송을 진행 중이며, 오늘의 게스트는 닛산 테크니컬 센터 유럽(NTCE)의 나카모토 타카유키 씨입니다. 하지만 테리라는 이름으로 불리시죠.

네. 테리라고 불러 주세요.

테리, ‘ The Garage ’에 오신 것을 환영합니다. 함께하게 되어 기쁩니다.

초대해 주셔서 감사합니다.

1:04 테리의 배경과 경력

먼저 본인에 대해 간단히 소개해 주시기 바랍니다.

저는 나카모토 타카유키입니다. 제 별명은 테리입니다. 사무실에서는 다들 저를 테리라고 부릅니다. 그러니 편하게 테리라고 불러 주세요.

저는 닛산 유럽 기술 센터(NTCE)의 전기·전자 및 ADAS 시스템 엔지니어링 부서장을 맡고 있습니다. 저희는 영국에 본사를 두고 있습니다. 제 경력에 대해 조금 말씀드리자면, 저는 원래 일본 닛산에서 BCM(차체 제어 모듈) 엔지니어로 경력을 시작했습니다. 그 후로 거의 제 경력 전반에 걸쳐 차체 전자 분야에서 일해 왔습니다.

알겠습니다.

BCM(차체 전자 제어 모듈) 관련 업무를 담당한 경험이 있습니다. 배터리 품질, 전력 관리, IKey 키리스 엔트리 등을 담당했습니다. 또한 닛산과 르노 간의 사내 시스템 엔지니어링 협력 프로젝트도 수행했습니다.

그 후, 제 경력은 점차 커넥티비티 분야로 방향을 틀게 되었습니다. 저는 AIVC 개발 부문의 매니저로 근무하게 되었습니다. 그 후, EE 매니저로 영국에 오기로 결정했고, 현재는 EE 및 ADAS 부문 이사로서 이곳에서 근무하고 있습니다.

일본에서 영국으로 이사 온 건 정말 흥미로운 변화네요. 이 부분에 대해서는 조금 뒤 NTCE에 대해 이야기할 때 자세히 다룰 거예요. 네. 하지만 먼저, 당신에 관한 재미있는 일화를 하나 들려주세요.

글쎄요, 저는 러너인데, 솔직히 말해서 평범한 러너보다는 좀 더 극단적인 편이에요. 그래서 46마일 트레일 레이스에 참가하려고 해요.

46마일! 그게 뭐야?

72km, 70 정도. 그런 식이에요.

네. 정말 놀랍네요. 그리고 저만 그런 게 아니에요. CES에 저와 함께 온 선임 엔지니어 중 한 명인 사라도 이 경쟁에 합류하고 있거든요. 그러니 ‘ Sonatus ’ 프로젝트를 위해 관리팀이나 프로젝트 구성원이 필요하다는 건 좀 과한 표현이네요.

정말 멋지네요.

트레일 울트라 마라톤은 그 자체만으로도 대단한데, 트레일에서 달리는 것은 난이도를 한층 더 높여줍니다.

정말 대단하십니다.

저에게도 큰 도전입니다.

지금까지 가장 오래 달린 기록이 뭐예요? 가장 긴 레이스는요?

가장 긴 대회는 ‘스트롱맨 트라이애슬론’이라고 합니다. 아이언맨 대회보다는 거리가 약간 짧지만, 제가 참가해 본 대회 중에서는 가장 긴 대회입니다.

정말 멋지네요. 글쎄요, 저도 달리기를 하고 운동도 하는 편인데, 달리기 실력은 그리 뛰어나진 않아요. 당신은 저보다 훨씬 더 잘 달리시네요. 그래도 저는 여러 번 경기에 출전해 봤고, 몇 년 전에는 트레일 하프 마라톤에도 참가한 적이 있어요.

저도 마라톤을 한 번 완주한 적은 있지만, 여러분이 하고 계신 것과는 비교도 안 될 정도예요. 그 긴 거리를 달리신 여러분께 정말 경의를 표합니다. 언제든지 함께 하셔도 좋습니다.

3:43 닛산 유럽 기술 센터 개요

그럼 닛산 유럽 기술 센터에 대해 설명해 주셔야겠네요. 그 시설의 주요 업무는 무엇이며, 거기서 귀하의 역할은 무엇인가요?

네. 그렇죠. 먼저 NTCE의 연혁에 대해 말씀드리겠습니다. 저희는 약 40년 전, 닛산 글로벌 R&D 센터의 일부로 시작했습니다.

원래는 선더랜드에 있는 생산 현장과 더 밀접한 관계를 맺고 있었지만, 이제는 규모가 커져 글로벌 R&D 센터로서 중요한 역할을 담당하고 있습니다. 카슈카이, 주크, 리프와 같은 차량을 개발하여 유럽뿐만 아니라 중동, 아프리카, 오세아니아 등에도 판매하고 있죠. 이것이 바로 우리 회사의 역할입니다. 그리고, 말하자면 그것이 바로 우리가 시작한 방식이며, 지금까지 성장해 온 과정입니다.

그리고 역할 측면에서 보면, 저희의 주된 역할은 모든 구성 요소를 한데 모아 하나의 시스템으로 통합하고, 모든 것이 의도한 대로 작동하도록 보장하는 것입니다.

그리고 전 세계에 차량을 판매하다 보니 지역별 현지화 기준이 각기 다르기 때문이라고 생각합니다. 현지화란 단순히 언어 문제만은 아닙니다. 때로는 현지화가 언어를 의미하기도 하지만, 전 세계 각 지역마다 서로 다른 규제 기준이나 안전 기준이 존재할 수 있습니다. 귀사는 이러한 사양들을 처리하는 데 도움을 주고 있다고 생각합니다.

네. 그건 역시 가장 중요한 역할 중 하나이기도 합니다. 저희는 이를 ‘일선 업무’라고 부르지만, 차량 표준 운영 절차(SOP)를 따르는 것 외에도 시장에서 많은 피드백을 받기 때문에 품질 관리 측면도 담당하고 있습니다. 저희의 임무는 문제점이나 시장의 우려 사항을 파악한 뒤, 이를 설계팀에 전달하여 문제가 가능한 한 빨리 해결될 수 있도록 하는 것입니다.

정말 훌륭하네요. 그리고 제목에 네 가지나 되는 내용이 들어간, 엄청나게 긴 제목을 달고 계신 것 같아요. 여러 하위 시스템을 다루고 계신 것 같으니, 저희에게 전체 제목을 알려주셔야 할 것 같아요.

다시 말하자면, 제 전공은 ‘전자·전기·ADAS·시스템 공학’이라서 제목이 무척 길긴 하지만, 전기로 구동되는 거의 모든 부품을 다루고 있습니다.

그래서 BCM, USM, ACU, 하네스, 알터네이터, 센서, 스위치, 그리고 ADAS 시스템 부품들까지 제가 확인한 건… 그러니까 중요한 건 없네요.

전혀 중요한 건 없어요. 아무것도 없죠. 정말 책임감 있게 다양한 일을 다 하고 계시네요. 도대체 어떻게… 전 어떻게 그 모든 걸 다 해내시는지 모르겠어요.

저에게는 훌륭한 팀이 있습니다. 바로 그게 관리하는 방법입니다.

6:22 NTCE의 디지털화 추진 사업

음, 귀사에서 추진 중인 이니셔티브 중 하나가 ‘디지털화’라고 불리는 것임을 알고 있습니다. 이에 대해 어떤 목표를 가지고 계신지, 그리고 어떤 이니셔티브를 추진하려고 하는지 설명해 주실 수 있을까요?

네. 정말 좋은 질문이네요.

‘디지털화’나 ‘디지털 이니셔티브’라는 말을 들으면, 마치 고객을 대상으로 한 기능처럼 들릴 수 있습니다. 하지만 우리 NTCE에게 있어 이는 차량을 어떻게 개발하는지에 더 초점을 맞춘 것입니다.

이는 더 많은 데이터, 자동화, 시뮬레이션 도구, AI 등을 활용하여 개발 과정을 효율적이고 일관성 있게 만들고, 궁극적으로 높은 품질을 달성하기 위한 것입니다. 바로 그게 핵심입니다. 우리는 개발 프로세스에 최신 기술을 도입하고 이를 주도해 나가고자 노력하고 있습니다.

그래서 제품을 더 개선하고, 네, 자신감을 가지고 더 우수한 품질의 자동차를 만들 수 있도록 말이죠.

정말 좋네요. 제 생각에는 적절한 경우 디지털 트윈 같은 것들도 포함되는 것으로 알고 있습니다.

맞아요.

그리고 ‘ Sonatus ’ 프로젝트도 그 일환입니다.

7:26 2026년형 닛산 리프

그 얘기를 꺼내 주셔서 다행이에요.

있잖아요, 지금 팟캐스트를 녹음하고 있는 이 스튜디오 바로 밖을 내다보니, 정말 놀라운 닛산 리프 한 대가 보이네요. 2026년형 닛산 리프 신차인데요. 완전히 새롭게 디자인되었죠. 하지만 그 차가 여기에 있는 이유, 그리고 여러분이 이번 주에 이곳을 방문해 주시고 저희와 함께 발표를 진행해 주신 이유는, NTCE와 여러분, 그리고 오늘 함께 계신 여러분의 동료이자 수석 엔지니어인 사라 씨와 함께 진행 중인 프로젝트 때문입니다. 사라 씨는 정말 훌륭한 협력자이시며, 이 프로젝트를 통해 저희 기술이 여러분이 담당하고 계신 양산 전 단계에 어떻게 도움이 될 수 있는지 보여드리기 위함입니다.

7:59 차량 개발의 과제

그래서 이 주제에 대해 논의해 보려고 합니다. 우리가 어떤 문제를 해결했고, 어떤 해결책을 마련했는지 살펴보기 전에, 먼저 문제의 본질을 파악하고 이해하는 것부터 시작해 볼 수 있을까요? 지금까지 테스트를 수행할 때 주로 사용해 온 전통적인 접근 방식은 무엇인가요? 그리고 그 전통적인 접근 방식에는 어떤 단점과 한계가 있나요?

알겠습니다. 큰 그림에서 볼 때, 저희가 직면한 가장 큰 과제는 복잡성을 관리하는 것입니다.

제한된 개발 기간 내에.

네.

아시다시피, EE나 ADAS 같은 기술은 날이 갈수록 점점 더 복잡해지고 있습니다. 하지만 기존의 차량 개발 방식으로는 이를 해결하기 어렵습니다. 확장성이 좋지 않기 때문이죠. 이것이 바로 NTCE가 직면한 가장 큰 과제입니다.

하지만 우리뿐만 아니라 업계 전체가 같은 종류의 문제로 어려움을 겪고 있는 것 같습니다. 네, 그렇죠. 그래서 현재의 접근 방식은 차량 테스트에 크게 의존하고 있습니다. 물리적 차량 테스트를 말하는 것이죠.

이는 우리에게 큰 우려 사항입니다. 실제로 개발 단계에서 많은 테스트를 수행하기 때문이죠. 가장 먼저 해야 할 일은 차량에 접근해 데이터를 확보한 다음, 이를 분석하여 차량에서 어떤 일이 일어나고 있는지 파악하는 것입니다. 네. 이 과정만으로도 이미 많은 시간이 소요됩니다. 우리 회사의 글로벌 사업 규모를 고려해 보면, 본사는 영국에 있지만 예를 들어 스페인에는 AD 내구성 테스트를 담당하는 팀이 따로 있기 때문이죠.

또한 영국 선더랜드에도 제조 시설이 하나 있습니다. 그곳에서는 많은 문제가 발견되고 있습니다. 그리고 그곳에서 데이터를 확보하는 데에도 상당한 노력이 필요합니다.

아, 그렇군요.

하지만 차량을 제때 인도해야 한다는 압박을 받고 있습니다. 그래서 어쩔 수 없이 직접 차량을 가져와야만 합니다. 대부분의 경우, 차량에서 데이터를 추출해 우리에게 전송해 줄 수 있는 담당자가 있어서, 우리가 그 데이터를 분석할 수 있습니다. 하지만 어떤 경우에는 데이터를 추출할 수 있는 사람이 아무도 없어, 데이터에 접근하기 위해 크랜필드에 있는 제 팀원 중 한 명을 선더랜드까지 보내야만 합니다.

그냥 참고로요. 그리고 요전날 이야기를 나누면서 제가 깨달은 또 다른 점은, 아시다시피, “그래, 테스트용 차량이라면 별일 아니지. 차를 만드는 회사니까, 차를 몇 대 더 만드는 건 대수롭지 않은 일이잖아.”라고 말씀하셨던 부분이에요.

차이가 뭐죠? 하지만 이건 양산 전 시제품이잖아요. 맞아요. 그래서 가격이 엄청 비싸죠. 아직 양산에 필요한 규모의 경제를 달성하지 못했기 때문에 일반 자동차보다 훨씬 더 비싸요.

그러니 이것들은 여러분에게 실질적인 비용이 되는 셈입니다.

맞아요.

그리고 문제가 정말 심각할 경우, 차량은 누군가가 와서 데이터를 확인하기까지 대기 상태에 놓이게 되는데, 그 사람이 문제를 신속하게 해결해 주기를 바랄 뿐입니다. 맞아요. 그래서 회사 입장에서는 막대한 손실이 발생하죠. 사실 바로 그 점에서 이 서비스의 가치가 비롯되는 것입니다.

왜냐하면 차량에 접근하는 데 걸리는 시간을 단축할 수 있다면, 차량의 가동 중단 시간이 훨씬 줄어들게 되니까요. 맞아요. 결국 그렇게 된다면 차량 대수를 줄일 수 있게 되는 거죠.

그래, 알겠어.

정말 자원이 많이 들고, 차량도 많이 필요하며, 엔지니어도 많이 투입되어야 하고, 시간도 많이 소요되는데, 어떤 경우에는 사람들을 비행기로 데려오거나 차를 몰고 오게 해서 그 일을 수행하기도 합니다.

그래서

11:20 Sonatus Collector를 활용한 데이터 수집 개선 AI

문제를 잘 정리해 주셨네요. 맞습니다. 이제 해결책과, 더 나은 성과를 내기 위해 ‘ Sonatus ’ 및 NTCE와 함께 진행 중인 몇 가지 활동을 살펴보겠습니다. 먼저 ‘ Sonatus Collector’ AI 제품부터 시작해 볼까요? 이 제품을 통해 차량 및 차량 문제에 대한 데이터 수집 방식을 어떻게 변화시킬 수 있었나요?

그로 인해 그 과정이 완전히 바뀌었습니다.

글쎄요, 누군가 전화해서 이런 문제가 생겼으니 와서 좀 고쳐 달라고 하면, 전 그냥 노트북을 켭니다. 엔지니어들에게도 노트북을 켜라고 하죠. 아시죠? 1분에서 1시간 정도면 데이터에 접근할 수 있거든요.

그건 판도를 완전히 바꿔놓는 일이네요. 선덜랜드는 우리 사이트에서 그리 가깝지 않아요. 맞아요. 맞아요.

그곳에 도착하는 데만 4~5시간이 걸립니다. 맞아요. 그러니 절차상 큰 변화가 있는 셈이죠. 심지어 그들의 집에서 바로 차량에 탑승할 수도 있습니다.

한 번은 우연히 우리 ‘Collector’ AI 를 경영진에게 시연해야 할 기회가 있었는데, 당시 해당 엔지니어는 재택근무 중이었습니다. 그런데 그는 부엌에서 노트북을 켜고, 원격으로 경영진에게 ‘Collector’ AI 가 어떻게 작동하는지 보여줬는데, 정말 놀라웠습니다.

정말 훌륭하네요. 그리고 방금 여기서 시연해 주신 또 다른 점은, 아시다시피 우리는 차량 데이터를 주로 생각하지만, 물론 실제로는 정말 다양한 데이터 소스와 수많은 하위 시스템이 존재한다는 점이죠.

그리고 물론,

12:45 동적 적응형 데이터 수집

테스트를 진행할 때 항상 똑같은 항목을 테스트하는 것은 아니며, 한 항목을 테스트하다가 다른 하위 시스템에서 문제를 발견할 수도 있습니다. 따라서 저희가 제공하는 또 다른 이점은 수집하는 데이터를 사용자 정의할 수 있는 기능이라고 생각합니다.

그것도 도움이 될까요?

맞아요. 가능하다면, 우리가 정말로 원하는 건 차량의 모든 데이터를 항상 서버로 업로드하는 것입니다.

하지만 안타깝게도, 그건 감당하기 힘들어서 할 수 없습니다. 너무 많아요. 너무 많아요. 너무 많아요. 게다가 이건 단순히 통신 대역폭의 문제를 넘어서는 문제입니다.

물론이죠.

서버 측에도 영향을 미치고 있어서 비용이 너무 많이 들게 될 겁니다. 맞아요. 하지만 콜렉터 AI 를 이렇게 맞춤 설정하면 이를 수정할 수 있습니다. 처음에는 최소한의 데이터만 서버로 업로드됩니다. 하지만 어떤 문제가 발생하고 있다는 것을 알게 되면, 원격으로 매개변수를 우리가 ‘정책’이라고 부르는 설정에 맞게 조정할 수 있습니다.

데이터 수집 정책. 네.

맞아요. 그리고 나서 우리는 해당 문제를 분석하는 데 필요한 데이터만 수집합니다.

그리고 그건 우리가 지금 가지고 있는 정말, 정말 멋진 기능이에요.

그리고 현재 저희는 그 기능, 즉 설정을 조정할 수 있는 기능을 시연하고 있습니다. 두 곳의 서로 다른 시연 부스에서, 데이터 수집 설정을 말 그대로 몇 초 만에 조정할 수 있는 모습을 보여드리고 있습니다.

아, 그래.

그리고 저는 종종 이런 농담을 하곤 합니다. 차가 테스트 트랙이나 테스트 루프 같은 곳에 있다고 상상해 보세요. 얻어진 데이터가 마음에 들지 않는다면, 다음 루프에 도달할 때까지 질문을 바꿀 수 있습니다. 차는 계속 달리고, 반응이 놀라울 정도로 빠릅니다. 엔지니어링 분야에서는, 아시다시피, Sonatus 에서 ‘관찰, 분석, 실행’이라는 엔지니어링 설계 주기에 대해 많이 이야기하거든요. 이 주기를 더 빠르게 돌수록, 말 그대로 ‘총’의 조준을 계속해서 다시, 또 다시, 또 다시 조정할 수 있어 목표물에 더 빨리 도달할 수 있습니다. 반대로 주기를 한 번 돌리는 데 일주일이나 하루가 걸린다면, 필요한 데이터를 얻기 위해 질문을 수없이 반복해야 한다는 사실을 깨닫게 됩니다.

네. 네. 정말 완벽하네요. 이게 바로 애자일 개발의 완벽한 예시죠. 처음에는, 오늘날의 자동차에서 우리가 업로드하는 데이터가 일종의 하드코딩된 형태였거든요.

나중에 업데이트할 수 있는 기능은 있지만, 우리가 원하는 만큼 빠르지는 않아요. 네. 하지만 Sonatus Collector AI 를 사용하면 1초 만에 처리할 수 있어서 정말 멋지죠.

따뜻한 말씀 정말 감사합니다. 저희도 정말 기쁩니다. 그리고 여러분, 저희가 데모를 선보이고 있습니다. 지난 며칠 동안 수백 명에게 데모를 보여드렸는데, 반응이 정말 환상적이었습니다. 그런데 이제 두 번째 부분으로 넘어가겠습니다. ‘컬렉터(Collector, AI )’는 여러분께 더 나은 데이터를 제공해 드리고,

정말 대단하네요.

15:21 ‘ Sonatus ’를 활용한 데이터 분석AI 기술자

하지만 이제 문제는 그 데이터를 어떻게 분석해야 하느냐는 점입니다. 그리고 여러분이 직면한 문제의 두 번째 부분은 데이터를 꼼꼼히 살펴보고, 이해하고, 해석하여

무엇이 문제인지, 그리고 어떻게 해결해야 하는지 확인해 보세요. 따라서 이번 프로젝트에서 여러분과 함께 사용할 두 번째 제품은 바로 ‘ Sonatus ’AI 테크니션입니다.

맞아요. 그걸 어떻게 활용하고 계신지, 그리고 그게 어떤 도움이 되었는지 말씀해 주세요.

Collector AI 및 AI Technician에 대한 해결 방안을 구상했을 때, 우리는 이것이 효과가 있을 것이라고 확신했습니다. 왜냐하면 우리의 경험상, 정확한 데이터를 확보하여 닛산 내의 적절한 전문가에게 제공하면 그리 많은 시간이 걸리지 않기 때문입니다. 하지만 이 두 가지 요소가 모두 갖춰지지 않으면, 그 과정에서 많은 시간을 낭비하게 됩니다. 앞서 언급했듯이 때로는 데이터에 접근하는 데 어려움을 겪기도 하지만, 때로는 해당 전문가를 찾을 수 없는 경우도 있습니다. 그 전문가가 다른 일로 바쁘거나 휴가 중일 수도 있고, 여러 가지 사정이 있을 수 있으니까요.

하지만 ‘ AI Technician’이라는 이 솔루션을 사용하면, 마치 그 전문가가 항상 옆자리에 앉아 있는 것과 같습니다. 그리고 그에게 어떤 질문이든, 어떤 문의 사항이든 자유롭게 물어볼 수 있어, 근본 원인을 좁혀 나가는 과정을 단계별로 안내받을 수 있습니다. 네, 이는 문제를 해결하는 모든 엔지니어, 특히 설계 엔지니어뿐만 아니라 모든 분들에게 엄청난 시간 절약이 됩니다.

맞아요. 또한 문제를 발견한 테스트 엔지니어에게도 도움이 될 것입니다. 게다가, 문제를 발견한 운영 품질 엔지니어에게도 도움이 될 것입니다. 그들은 항상 설계팀과 설계 엔지니어에게 문의해야 하거든요.

따라서 설계 엔지니어는 업무가 산더미처럼 쌓여 있어, 문제가 발생하면 사방에서 수많은 문의가 쇄도하고 있습니다. 이에 AI 기술자가 문제 분석 속도를 높일 뿐만 아니라, 설계 엔지니어가 실제 설계 업무에 집중할 수 있도록 여유를 만들어 줄 것입니다.

네. 아니면 좀 더 복잡한 상황들도요. 맞아요. 여기에서 여러 가지 사례를 보여드렸는데, 당신이 보여 주신 사례 중 하나는, 제가 말하곤 하는 ‘건초 더미’를 먼저 샅샅이 뒤지는 것부터 시작해서 더 빠르게

바늘을 찾아보세요.

17:38 모든 엔지니어를 전문가로 만드는 AI

활성 상태인 진단 오류 코드(DTC)가 무엇인지 살펴봅니다. 이 코드들은 무엇을 의미할까요? 어떤 것이 더 시급한지 파악할 수 있도록, 활성 상태인 코드와 기록상 코드로 분류합니다. 이것이 바로 사람이 수행할 수 있는 생산성 향상의 첫 번째 단계라고 할 수 있습니다.

이것 자체에 마법 같은 점은 없지만, 이러한 패턴을 훨씬 더 빠르게 파악할 수 있게 해줍니다. 네. 그런데 두 번째 부분은 정말 흥미로운데, 특정 오류 사례를 심층적으로 분석하여 ‘왜 이 오류가 발생하는가?’를 파악할 수 있다는 점입니다. 그리고 여러분의 지식 기반과 데이터베이스를 종합적으로 활용하여, 이를 ‘ AI Technician’에 통합함으로써, 우리가 어떻게 문제를 진단할 수 있었는지에 대한 논리를 제공해 드릴 수 있습니다.

그게 당신한테 얼마나 큰 도움이 되나요?

이것이 중요한 이유는, 우리가 ‘ AI ’ 테크니션을 통해 구현하고 실현한 방식이 자동차 설계 엔지니어나 자동차 엔지니어들에게는 일반적인 접근 방식이기 때문입니다. 문제가 발생하면 우리는 가능한 원인을 파악하고, FTA와 같은 일반적인 접근 방식을 시도하게 되는데, 이러한 기능들은 이미 ‘ AI ’ 테크니션에 내장되어 있습니다. 하지만 안타깝게도 모든 사람이 슈퍼스타는 아닙니다. 그저 소프트웨어 엔지니어일 뿐일 수도 있고, 하드웨어에 대해 반드시 깊은 이해를 가지고 있는 것은 아닐 수도 있습니다.

네. 그렇죠. 그래서 이 도구를 활용하면 문제가 발생했을 때 소프트웨어 엔지니어가 원인을 좁혀가고, 소프트웨어 관점에서 가능한 모든 원인을 나열할 수 있습니다. 하지만 때로는 FTA에서 하드웨어 관점이 누락되기도 합니다. 네.

하지만 ‘ AI ’ 기술자용 도구를 사용하면 소프트웨어, 하드웨어는 물론 고객의 조작상의 문제 등 가능한 원인을 종합적으로 파악할 수 있습니다. 따라서 이는 닛산에서 이 분야를 담당하는 엔지니어들에게 큰 도움이 될 뿐만 아니라, 닛산뿐만 아니라 당사의 1차 공급업체들이 원인을 좁혀 근본 원인을 파악하는 데에도 도움이 될 것이라고 생각합니다.

그 우려.

19:37 문제 진단 효율성 향상

정말 마음에 들어요. 그리고 선생님 본인도, 발표 내용도, 그리고 이번 주 내내 우리와 함께해 주신 동료 사라 씨도요. 우리가 이룬 성과 중 하나로, 우리가 여러분께 무엇을 어떻게 전달하는지 강조해 주신 점이 정말 마음에 듭니다.

그게 문제가 아닙니다.

그래서 문제를 진단할 때, 절반은 무엇이 문제가 아닌지 파악하는 데 달려 있습니다. 그래야 잠재적인 문제일 수 있는 부분에 더 많은 시간을 할애할 수 있으니까요. 그래서 저희는 예를 들어, 이것이 하드웨어 문제가 아니거나, 이 부분의 문제가 아니거나, 저 부분의 문제가 아니라는 식의 단서를 제공함으로써, 나머지 시간을 훨씬 좁은 문제 영역에 집중해 문제를 파악할 수 있도록 돕고 있습니다.

그게 당신한테 도움이 될까요?

정말, 정말 유용하네요. 예를 들어, 닛산 직원이라면 누구나 문제를 발견하자마자 가장 먼저 하는 일반적인 조치는 하네스를 확인하는 것이죠. 맞아요. 연결 상태는 어떤가요?

하네스는 정상인가요? 퓨즈는 정상인가요? 12볼트 배터리는 정상인가요? 그리고 가끔은 소프트웨어 버전이 정상인지 확인해 보세요.

그렇죠. 하지만 이 해결책 덕분에, 몇 초 뒤면 그런 안내가 나올 테니, 아시다시피 우리가 그 모든 과정을 직접 거칠 필요는 없겠네요.

만약 데이터에 접근할 수 있고, 그중 일부는 이미 FTA에서 제외된 것임을 알고 있다면 말이죠. 맞아요. 시간을 엄청나게 절약할 수 있죠.

정말 좋네요.

글쎄요, 업계에서 제품 출시 시기에 대한 압박이 꽤 크다는 건 저도 잘 알고 있습니다.

과거에는 차량의 설계 주기가 상당히 길었던 경우가 많았습니다. 이에 따른 부담도 큽니다. 확실히 중국 자동차 제조사들은 더 빠른 주기로 제품을 출시하고 있습니다. 따라서 모든 업체가 품질을 희생하지 않으면서 무엇을 할 수 있을지 모색하고 있습니다.

그래서 제가 보기에, 저희가 귀사와 협력하며 맡은 임무는 귀사가 SOP(생산 개시) 일정을 앞당기고, SOP 사이클 타임을 단축하는 동시에 품질을 확보하고

원하는 생산성 목표.

21:20 결론 및 소회

그래서 여러분과 함께 일하게 되어 정말 기쁩니다.

저도 그래요.

이번 주 전시회에서 함께해 주시고, 저희와 파트너십을 맺어주신 점에 대해 진심으로 감사드립니다. 여러분과 나란히 무대에 서서 발표할 수 있어 정말 기뻤습니다. 그리고 이 과정을 통해, 특히 여러분이 보여주신 모습에서 우리 모두 많은 것을 배웠다고 생각합니다.

이 모든 과정을 마쳤고, 또한 많은 고객과 방문객 여러분께서 보내주신 훌륭한 질문들에 대해서도 다뤘습니다. 여러분께 진심으로 감사드리며, 오늘 팟캐스트에 함께해 주셔서 감사합니다.

별말씀을요. 초대해 주셔서 감사합니다. 저에게는 정말, 정말 신나는 한 주였습니다.

감사합니다.

이 팟캐스트가 마음에 드신다면, ‘좋아요’를 누르고 구독해 주시면 앞으로 이와 같은 에피소드를 계속 만나보실 수 있습니다. 그리고 조만간 ‘ The Garage ’의 다음 에피소드에서 다시 뵙기를 기대하겠습니다.