🔗 원문 전체 보기 → Venturesquare.net
요약
트리니오(Trinio)는 제조 현장의 반복적인 사무 업무를 AI로 자동화해 중소제조기업의 인력난과 업무 효율 문제를 해결하는 AI 스타트업이다. 구글 엔지니어 출신 강태욱 대표와 PwC 뉴욕 출신 이창민 사업총괄이 공동 창업해 ERP·MES에 AI를 연동하고, 전표 입력과 월 결산, 생산계획 등 사람이 처리하던 업무를 자동화하는 솔루션을 개발했다. 국내 제조 현장을 넘어 베트남 공장에도 솔루션을 적용하고 있으며, 업무 자동화 과정에서 축적되는 사람의 판단과 운…
본문
- 전표 입력부터 월말 결산 등 공장의 반복 사무 업무를 AI로 자동화해 인력난 해소
- 국제 표준 스키마 매핑과 가드레일 적용으로 LLM 환각 및 데이터 유출 최소화
- 완전자율공장의 로봇이 손이라면 로봇의 손을 움직이는 두뇌를 만들 것
지난해 10월 한국경제인협회(FKI)가 발표한 조사에 따르면, 지역 중소기업의 과반(51.4%)이 인력난을 겪고 있으며 그중 제조업의 인력난은 60.8%에 달한다. 국내 인구 역시 지속적으로 감소하는 추세임을 고려할 때 중소 제조 공장의 인력난은 해결해야 할 중요한 과제다.
트리니오(Trinio)는 제조 현장에 AI를 투입해 부족한 인력을 보완하고 생산 현장의 인력난을 해결하는 AI 스타트업이다. 단순 전표 입력부터 원가 분석, 월말 결산까지 제조 현장에서 반복되는 사무 업무를 AI로 자동화하는 솔루션을 제공한다. 공장에 데이터가 꾸준히 축적되고 있음에도 제대로 활용되지 못한다는 문제에 주목해, 이를 AI와 결합해 적은 비용과 짧은 시간으로 업무 자동화에 활용하고 있다.
트리니오 공동창업자인 강태욱 대표와 이창민 사업총괄
역발상으로 고도화한 솔루션으로 AI가 공장의 반복 업무를 처리
미국에서 인연을 맺은 강태욱(Tony Kang) 대표와 이창민(Chris Lee) 사업총괄은 지난해 트리니오를 공동 설립했다. 챗GPT의 등장을 이전과 전혀 다른 세상이 열리는 계기로 받아들인 두 사람은 다양한 업계 종사자를 만나며 AI가 실질적인 변화를 만들 수 있는 산업을 찾았고, 그중 제조업에서 AI 도입 효과가 크다고 판단해 제조 현장을 중심으로 한 AI 전환 비즈니스 모델을 설계했다. 구글 엔지니어 출신의 강 대표는 CEO와 CTO를 겸임하며 제품 개발을 담당하고, PwC 뉴욕 출신의 이 총괄은 CBO로서 시장 개발을 맡고 있다.
많은 제조사가 데이터 통합을 위해 1억 원 이상의 비용을 들여 ERP(전사적 자원관리)를 도입해 사용하고 있지만, 사람이 직접 처리해야 하는 사무 업무는 여전히 남아 있다. 트리니오는 기존 고객사가 사용하는 ERP나 MES(제조실행시스템)에 사용자의 업무 맥락을 더해 AI가 반복적인 사무 업무를 대신 수행하도록 한다. 특히 사무 전담 인력이 부족한 중소제조기업에서는 수많은 ERP 기능을 충분히 활용하기 어려운 만큼, 기존 시스템을 교체하기보다 AI를 연동해 활용도를 높이는 데 초점을 맞췄다.
“자금 여력이 충분한 기업은 개발자와 컨설턴트 등 외부 전문 인력을 높은 비용으로 고용해 약 1년 동안 AI 전환 프로젝트를 진행합니다. 트리니오의 솔루션은 중소제조기업도 합리적인 비용으로 1개월 안에 10건의 사무 업무를 AI로 자동화할 수 있도록 지원합니다.”
실제 적용 과정에서는 부서별 데이터를 수집하고 정리하는 데 3주 이상 걸렸던 예산 편성 작업을 3시간으로 줄였고, 매일 2시간씩 소요되던 전표 입력과 보고서 작성 업무도 3분 이내로 단축했다.
AI가 제조 데이터를 직접 다루는 만큼 정확성과 접근 권한을 통제하는 기술도 적용했다. 운영 데이터를 국제 제조 표준 스키마인 ISA-95에 맞춰 저장하고 자체 개발한 ML 모델이 데이터 매핑을 수행하며, 가드레일과 권한 관리 레이어를 통해 AI가 답변할 수 있는 범위와 사용자별 데이터 접근 권한을 제한해 LLM이 잘못된 답을 생성할 가능성을 낮춘다.
데이터 보안에서는 일반적인 AI 도입 방식과 반대 방향에서 접근했다. 데이터를 먼저 모은 뒤 보안 장치를 추가하는 대신 처음부터 외부로 전달되는 데이터의 범위를 최소화하는 구조로 설계했다.
“대부분의 AI 회사는 모든 데이터를 받은 뒤 나중에 보안을 적용하지만, 트리니오는 데이터 노출 0에서 시작합니다. 스키마 정보만 LLM에 전달하고 실제 데이터는 국내에 머무르는 구조입니다.”
트리니오의 AI 에이전트(D.A.N.A Work)의 제조 운영 업무 자동화 (출처: 트리니오 제공)
베트남 공장으로의 확장
지난 4월 강태욱 대표는 3박 4일 일정으로 대통령의 베트남 방문 경제사절단에 참가했다. 동남아 제조업은 상대적으로 낮은 인건비를 기반으로 여전히 많은 업무를 사람이 처리하고 있지만, 올해 1월부터 최저임금이 7.2% 인상되면서 자동화 도입을 검토하는 기업도 늘고 있다. 특히 전자 조립처럼 재료비가 원가에서 큰 비중을 차지하는 공장은 인건비 절감보다 생산과 원자재 조달 과정에서 발생하는 손실을 줄이는 것이 중요하다. 트리니오는 AI를 활용해 생산계획과 원자재 조달계획 수립을 자동화함으로써 필요한 자재의 양과 투입 시점을 보다 효율적으로 관리하는 데 초점을 맞추고 있다.
베트남 시장에 주목하는 또 다른 이유는 한국과 연결된 제조 공급망이다. 한국과 베트남에 동일한 ERP를 사용하고 비슷한 생산 구조를 갖춘 공장이 많아 한쪽에서 구축한 업무 자동화 방식을 다른 지역에도 적용할 수 있다. 현재 솔루션을 도입한 베트남 공장에서는 월 결산과 전표 입력, 출하 보고서 작성, 생산계획 수립, 일일 생산 보고서 등 반복적인 사무 업무를 AI로 자동화하고 있다.
지난 4월 강태욱 대표는 대통령의 베트남 방문 경제사절단에 합류해 현지 행사에 참여했다. (출처: 트리니오 제공)
‘로봇이 손이라면, 그 손을 움직이는 두뇌를 만든다’
트리니오가 바라보는 최종 목적지는 사무 업무 자동화보다 더 멀리 있다. 로봇과 피지컬 AI가 제조 현장에 확산되더라도 무엇을 언제, 얼마나 생산할지 결정하는 운영 업무는 여전히 사람의 판단에 크게 의존한다. 트리니오는 현재 전표 입력이나 결산, 생산계획과 같은 사무 업무부터 AI로 자동화하면서 그 과정에서 발생하는 공장의 운영 맥락과 사람의 의사결정을 데이터로 축적하고 있다.
예를 들어 공장에 800개의 제품 주문이 들어왔는데 필요한 자재가 부족하다면 단순히 재고량을 확인하는 것만으로 업무가 끝나지 않는다. 안전재고를 어느 수준으로 유지할지, 부족한 자재를 얼마나 주문할지, 언제 발주할지 등을 담당자가 결정해야 한다. 트리니오는 사람이 특정 상황에서 내린 판단과 반복되는 의사결정 패턴을 데이터로 남겨 이후 비슷한 상황이 발생했을 때 AI가 활용할 수 있도록 한다. 사람이 처리하던 업무를 자동화하는 과정에서 제조 현장의 판단 기준까지 데이터로 축적하고, 장기적으로는 AI가 생산 운영에 필요한 의사결정을 수행할 수 있도록 만드는 방향이다.
“로봇과 피지컬 AI가 발전해도 그 로봇에게 무엇을, 언제, 얼마나 만들지 알려주는 운영 레이어가 필요합니다. 지금은 사무 업무 자동화로 진입하지만 그 과정에서 공장의 운영 맥락이 기계가 읽을 수 있는 형태로 쌓입니다. 로봇이 손이라면, 저희는 그 손을 움직이는 두뇌를 만드는 겁니다.”
이창민(왼쪽) 트리니오 공동창업자이자 사업총괄이 지난 7월 1일 개최된 ‘2026 AI 자율제조혁신 콘퍼런스 인 부산’ 내 트리니오 전시 부스에서 관람객들에게 자사 솔루션을 설명하고 있다. (출처: 트리니오 제공)
현재 국내 제조업체의 AI 자동화 시스템 도입에는 높은 비용과 긴 구축 기간이 부담으로 작용하고 있으며, 상당수 중소제조기업은 정부 지원 사업을 활용해 AI 전환을 추진하고 있다. 트리니오는 올해 4월 중소벤처기업부 초기창업패키지에 선정됐고, 6월에는 네이버클라우드 제조 AI 매칭 플랫폼 공급기업으로 등록됐다. 하지만 강 대표가 올해 가장 중요하게 두는 지표는 정부 사업 선정이나 공급기업 등록보다 실제 제조기업이 비용을 지불하고 솔루션을 선택하는지 여부다.
아시아 중소·중견 제조기업이 부담할 수 있는 가격으로 AI 자동화를 제공하려면 구축에 필요한 비용과 시간을 함께 낮춰야 한다. 트리니오는 앞서 1개월 안에 10건의 사무 업무를 자동화하는 방식으로 도입 기간을 줄이고 있으며, 앞으로 실제 고객사를 늘리면서 구축 비용과 기간을 얼마나 낮출 수 있는지 수치로 검증해나갈 예정이다.
“정부 지원금이 있어야 도입되는 시스템이 아니라, 지원금이 없어도 고객사가 스스로 비용을 지불하고 선택하는 시스템을 만드는 것이 올해 목표입니다.”
* 스타트업 생태계 기자단은 KAIA와 벤처스퀘어가 함께 운영하며 스타트업 현장의 다양한 이야기를 기록합니다.
Like this:
Like Loading...Related
“AI Fills Labor Shortages in Small and Medium-Sized Manufacturing Plants”… Trinio, the ‘Brain of Autonomous Factories,’ Created by CEO Kang Tae-wook and Business General Manager Lee Chang-min
According to a survey released by the Federation of Korean Industries (FKI) last October, more than half (51.4%) of regional small and medium-sized enterprises (SMEs) are experiencing labor shortages, with the manufacturing sector accounting for 60.8% of these shortages. Given the continuous decline in the domestic population, the labor shortage in small and medium-sized manufacturing plants is a critical issue that needs to be addressed.
Trinio is an AI startup that addresses labor shortages in production sites by deploying AI to supplement insufficient manpower. It provides solutions that automate repetitive office tasks in manufacturing using AI, ranging from simple transaction entry to cost analysis and monthly settlement. Focusing on the problem that data is continuously accumulating in factories but is not being properly utilized, the company combines this with AI to automate tasks at a low cost and in a short amount of time.
Trinio co-founders CEO Kang Tae-wook and Business Director Lee Chang-min
AI handles repetitive factory tasks with an advanced solution based on reverse thinking
CEO Tony Kang and Head of Business Chris Lee, who met in the United States, co-founded Trinio last year. Viewing the emergence of ChatGPT as a catalyst for opening up a completely new world, the two met with professionals across various industries to identify sectors where AI could create tangible change. Judging that the manufacturing sector would see the greatest impact from AI adoption, they designed an AI transformation business model centered on the production floor. CEO Kang, a former Google engineer, serves as both CEO and CTO, overseeing product development, while Head Lee, formerly of PwC New York, serves as CBO, managing market development.
Although many manufacturers invest over 100 million won to implement and use ERP (Enterprise Resource Planning) for data integration, administrative tasks that must be handled manually still remain. Trinio enables AI to perform repetitive administrative tasks by adding the user's business context to the existing ERP or MES (Manufacturing Execution System) used by clients. Particularly for small and medium-sized manufacturing companies lacking dedicated administrative personnel, where it is difficult to fully utilize numerous ERP functions, the focus has been on enhancing usability by integrating AI rather than replacing existing systems.
Companies with sufficient financial resources hire external experts, such as developers and consultants, at high costs to carry out AI transformation projects over approximately one year. Trinio's solution enables even small and medium-sized manufacturing companies to automate 10 office tasks using AI within one month at a reasonable cost.
In the actual implementation process, the budget planning work, which used to take more than 3 weeks to collect and organize data by department, was reduced to 3 hours, and the tasks of entering vouchers and writing reports, which used to take 2 hours a day, were also shortened to within 3 minutes.
As AI directly handles manufacturing data, technology to control accuracy and access rights has also been applied. Operational data is stored in accordance with the international manufacturing standard schema ISA-95, and a proprietary ML model performs data mapping. Additionally, guardrails and permission management layers restrict the scope of AI responses and user-specific data access rights, thereby reducing the likelihood of the LLM generating incorrect answers.
In data security, we took an approach opposite to the typical method of AI implementation. Instead of collecting data first and then adding security measures, we designed a structure that minimizes the scope of data transmitted externally from the outset.
While most AI companies apply security measures after receiving all data, Trinio starts with zero data exposure. The structure is designed so that only schema information is transmitted to the LLM, while the actual data remains within the country.
Manufacturing operations automation of Trinio's AI agent (DANA Work) (Source: Courtesy of Trinio)
Expansion to Vietnam factory
Last April, CEO Kang Tae-wook participated in the economic delegation accompanying the President on his four-day visit to Vietnam. While Southeast Asian manufacturing still relies heavily on human labor due to relatively low labor costs, an increasing number of companies are considering automation following a 7.2% increase in the minimum wage starting this January. In particular, for factories where material costs account for a significant portion of production expenses—such as electronics assembly—it is more critical to reduce losses incurred during production and raw material procurement processes than to cut labor costs. Trinio is focusing on more efficiently managing the quantity and timing of required materials by automating the establishment of production and raw material procurement plans using AI.
Another reason for focusing on the Vietnamese market is its manufacturing supply chain connected to Korea. Since many factories in both Korea and Vietnam use the same ERP systems and share similar production structures, business automation methods established in one region can be applied to the other. Currently, factories in Vietnam that have adopted the solution are using AI to automate repetitive office tasks, such as monthly settlements, voucher entry, shipment report generation, production planning, and daily production reports.
Last April, CEO Kang Tae-wook joined the economic delegation accompanying the President on his visit to Vietnam and participated in local events. (Source: Courtesy of Trinio)
If a robot is a hand, create the brain that moves that hand.
Trinio’s ultimate goal extends far beyond the automation of office tasks. Even as robots and physical AI become widespread in manufacturing sites, operational tasks—such as deciding what to produce, when, and in what quantities—still rely heavily on human judgment. Currently, Trinio is automating office tasks like voucher entry, settlement, and production planning using AI, while accumulating data on the factory's operational context and human decision-making that occurs during this process.
For example, if a factory receives an order for 800 products but is short on necessary materials, the task does not end with simply checking inventory levels. The person in charge must decide what level of safety stock to maintain, how much of the missing materials to order, and when to place the order. Trinio records the judgments made by humans in specific situations and recurring decision-making patterns as data, enabling AI to utilize this information when similar situations arise in the future. The direction is to accumulate data on the decision criteria of the manufacturing site while automating tasks previously handled by humans, and in the long term, to enable AI to perform the decisions necessary for production operations.
Even as robots and physical AI advance, an operational layer is still required to tell those robots what to make, when to make it, and how much to make. We are currently entering the realm of office automation, but in the process, the operational context of the factory accumulates in a machine-readable format. If the robot is the hand, we are creating the brain that moves that hand.
Lee Chang-min (left), co-founder and Head of Business at Trinio, explains the company's solutions to visitors at the Trinio exhibition booth during the '2026 AI Autonomous Manufacturing Innovation Conference in Busan,' held on July 1. (Source: Courtesy of Trinio)
Currently, high costs and long implementation periods act as a burden for domestic manufacturers in adopting AI automation systems, and a significant number of small and medium-sized manufacturing companies are pursuing AI transition by utilizing government support programs. Trinio was selected for the Ministry of SMEs and Startups' Initial Startup Package in April of this year and registered as a supplier for Naver Cloud's manufacturing AI matching platform in June. However, the metric that CEO Kang considers most important this year is not selection for government projects or supplier registration, but whether actual manufacturing companies are willing to pay the costs and choose the solution.
To provide AI automation at a price affordable for small and medium-sized manufacturing companies in Asia, both the cost and time required for implementation must be reduced. Trinio has already been reducing the adoption period by automating 10 office tasks within one month, and plans to verify with figures how much implementation costs and time can be lowered as it expands its client base.
Our goal this year is to create a system that clients can choose and pay for themselves, even without government subsidies, rather than a system that is only adopted with government funding.
The Startup Ecosystem Reporter Corps is jointly operated by KAIA and Venture Square and records various stories from the startup scene.
「中小製造工場の人力難、AIが埋める」…カン・テウク代表・イ・チャンミン事業総括が作る「自律工場の脳」トリニオ
昨年１０月、韓国経済人協会（ＦＫＩ）が発表した調査によると、地域中小企業の過半（５１．４％）が人力難を経験しており、そのうち製造業の人力難は６０．８％に達する。国内人口も継続的に減少する傾向であることを考慮すると、中小製造工場の人力難は解決すべき重要な課題だ。
トリニオ（Trinio）は製造現場にAIを投入して不足した人材を補完し、生産現場の人力難を解決するAIスタートアップだ。簡易伝票入力から原価分析、月末決算まで、製造現場で繰り返される事務業務をAIで自動化するソリューションを提供する。工場にデータが着実に蓄積されているにもきちんと活用できないという問題に注目し、これをAIと組み合わせて少ないコストと短時間で業務自動化に活用している。
トリニオ共同創業者のカン・テウク代表とイ・チャンミン事業総括
逆発想で高度化したソリューションでAIが工場の繰り返し業務を処理
米国で縁を結んだカン・テウク（Tony Kang）代表とイ・チャンミン（Chris Lee）事業総括は昨年トリニオを共同設立した。チャットGPTの登場を以前と全く違う世界が開かれるきっかけとして受け入れた二人は、多様な業界従事者に会い、AIが実質的な変化を作れる産業を探し、その中で製造業でAI導入効果が大きいと判断し、製造現場を中心としたAI転換ビジネスモデルを設計した。 Googleエンジニア出身のカン代表はCEOとCTOを兼任して製品開発を担当し、PwCニューヨーク出身のこの総括はCBOとして市場開発を引き受けている。
多くのメーカーがデータ統合のために1億ウォン以上の費用をかけてERP（全社的資源管理）を導入して使用しているが、人が直接処理しなければならない事務業務は依然として残っている。トリニオは既存の顧客会社が使用するERPやMES（製造実行システム）にユーザーの業務コンテキストを加え、AIが繰り返しの事務業務を代わりに行うようにする。特に事務専担人材が不足している中小製造企業では、数多くのERP機能を十分に活用することが難しいだけに、既存システムを交換するよりAIを連動して活用度を高めることに焦点を合わせた。
「資金余力が十分な企業は、開発者やコンサルタントなど外部の専門人材を高コストで雇用し、約1年間AI転換プロジェクトを進めています。 トリニオのソリューションは、中小製造企業も合理的な費用で1ヶ月以内に10件の事務業務をAIに自動化できるように支援します。」
実際の適用過程では、部署別のデータを収集して整理するのに3週間以上かかった予算編成作業を3時間に減らし、毎日2時間ずつかかった伝票入力と報告書作成業務も3分以内に短縮した。
AIが製造データを直接扱うだけに精度とアクセス権を制御する技術も適用した。運用データを国際製造標準スキーマであるISA-95に合わせて保存し、自社開発したMLモデルがデータマッピングを行い、ガードレールと権限管理層を通じてAIが回答できる範囲とユーザー固有のデータアクセス権限を制限し、LLMが誤った答えを生成する可能性を低くする。
データセキュリティでは、一般的なAI導入方式と反対方向からアプローチした。データを最初に集めた後、セキュリティデバイスを追加する代わりに、最初から外部に渡されるデータの範囲を最小化する構造に設計した。
「ほとんどのAI会社はすべてのデータを受け取った後、後でセキュリティを適用しますが、トリニオはデータ露出0から始まります。スキーマ情報だけがLLMに渡され、実際のデータは国内にとどまる構造です」
トリニオのAIエージェント（DANA Work）の製造運営業務自動化（出典：トリニオ提供）
ベトナム工場への拡大
４月、カン・テウク代表は３泊４日の日程で大統領のベトナム訪問経済使節団に参加した。東南アジア製造業は相対的に低い人件費をベースに依然として多くの業務を人が処理しているが、今年1月から最低賃金が7.2％引き上げられ、自動化導入を検討する企業も増えている。特に、電子組立のように材料費がコストで大きな比重を占める工場は、人件費の削減より生産や原材料調達過程で発生する損失を減らすことが重要である。トリニオはAIを活用して生産計画と原材料調達計画の樹立を自動化することで、必要な資材の量と投入時点をより効率的に管理することに焦点を当てている。
ベトナム市場に注目するもう一つの理由は韓国とつながった製造サプライチェーンだ。韓国とベトナムに同じERPを使用し、同様の生産構造を備えた工場が多く、一方で構築した業務自動化方式を他の地域にも適用できる。現在、ソリューションを導入したベトナム工場では、月決算と伝票入力、出荷報告書作成、生産計画樹立、日々生産報告書など、繰り返しの事務業務をAIで自動化している。
去る4月カン・テウク代表は大統領のベトナム訪問経済使節団に合流して現地行事に参加した。 （出典：トリニオ提供）
「ロボットが手であれば、その手を動かす脳を作る」
トリニオが眺める最終目的地は事務業務自動化よりも遠くにある。ロボットとフィジカルAIが製造現場に拡散しても、何をいつ、どのくらい生産するかを決定する運営業務は依然として人の判断に大きく依存している。トリニオは現在、伝票入力や決算、生産計画などの事務業務からAIで自動化しながら、その過程で発生する工場の運営の文脈と人の意思決定をデータとして蓄積している。
例えば工場に800個の製品注文が入ってきたのに必要な資材が足りない場合は、単に在庫量を確認するだけで業務は終わらない。安全在庫をどのレベルに維持するか、不足した資材をどれだけ注文するか、いつ発注するかなどを担当者が決定しなければならない。トリニオは人が特定の状況で下した判断と繰り返される意思決定パターンをデータとして残し、その後同様の状況が発生したときにAIが活用できるようにする。人が処理していた業務を自動化する過程から製造現場の判断基準までデータとして蓄積し、長期的にはAIが生産運営に必要な意思決定を行うことができるようにする方向だ。
「ロボットとフィジカルAIが発展しても、そのロボットに何を、いつ、どれくらい作るのかを知らせる運用レイヤーが必要です。今は事務業務自動化に進入しますが、その過程で工場の運営コンテキストが機械が読める形に積み上げられます。ロボットが手なら、私たちはその手を動かす脳を作るのです」
イ・チャンミン（左）トリニオ共同創業者であり、事業総括が去る7月1日開催された「2026 AI自律製造革新カンファレンスである釜山」内のトリニオ展示ブースで観覧客に自社ソリューションを説明している。 （出典：トリニオ提供）
現在、国内メーカーのAI自動化システムの導入には高いコストと長い構築期間が負担で働いており、相当数の中小製造企業は政府支援事業を活用してAI転換を推進している。トリニオは今年4月中小ベンチャー企業部初期創業パッケージに選定され、6月にはネイバークラウド製造AIマッチングプラットフォーム供給企業として登録された。しかし、カン代表が今年最も重要に置く指標は、政府事業選定や供給企業登録より実際の製造企業が費用を支払ってソリューションを選択するかどうかだ。
アジア中小・中堅製造企業が負担できる価格でAI自動化を提供するには、構築に必要な費用と時間を一緒に下げなければならない。トリニオは先立って1ヶ月以内に10件の事務業務を自動化する方式で導入期間を減らしており、今後、実際の顧客会社を増やしながら構築コストと期間をどれだけ下げることができるか数値で検証していく予定だ。
「政府支援金がなければ導入されるシステムではなく、支援金がなくても顧客が自ら費用を支払って選択するシステムを作ることが今年目標です。」
*スタートアップエコシステム記者団はKAIAとベンチャースクエアが共に運営し、スタートアップ現場の様々な話を記録します。
“人工智能填补中小制造工厂的劳动力短缺”……Trinio，这家由首席执行官姜泰旭和业务总经理李昌民创立的“自主工厂大脑”。
根据韩国工业联合会（FKI）去年10月发布的一项调查，超过半数（51.4%）的地区性中小企业面临劳动力短缺问题，其中制造业的劳动力短缺占比高达60.8%。鉴于韩国国内人口持续下降，中小制造企业的劳动力短缺问题亟待解决。
Trinio是一家人工智能初创公司，致力于通过部署人工智能技术来解决生产现场劳动力短缺的问题。该公司提供利用人工智能技术自动化制造业中重复性办公任务的解决方案，涵盖从简单的交易录入到成本分析和月度结算等各个方面。Trinio着眼于工厂中数据不断积累却未能得到有效利用的问题，将这些数据与人工智能相结合，以低成本、短时间实现任务自动化。
Trinio联合创始人兼首席执行官姜泰旭和业务总监李昌敏
人工智能利用基于逆向思维的先进解决方案来处理重复性的工厂任务。
首席执行官 Tony Kang 和业务主管 Chris Lee 于去年在美国相识并共同创立了 Trinio。他们将 ChatGPT 的出现视为开启全新世界的催化剂，并与各行各业的专业人士会面，以确定人工智能能够带来切实变革的领域。他们认为制造业将受到人工智能应用的最大影响，因此设计了一种以生产车间为中心的人工智能转型商业模式。首席执行官 Kang 曾是谷歌工程师，现任首席执行官兼首席技术官，负责产品开发；业务主管 Lee 曾就职于普华永道纽约，现任首席商务官，负责市场拓展。
尽管许多制造商投入超过1亿韩元用于实施和使用ERP（企业资源计划）系统进行数据集成，但仍存在一些必须手动处理的管理任务。Trinio通过将用户业务背景添加到客户现有的ERP或MES（制造执行系统）中，利用人工智能来执行重复性的管理任务。尤其对于缺乏专职管理人员的中小型制造企业而言，由于难以充分利用ERP的众多功能，Trinio的重点在于通过集成人工智能来提升系统的易用性，而不是替换现有系统。
财力雄厚的公司通常会花费高昂的成本聘请外部专家，例如开发人员和顾问，来开展人工智能转型项目，而这往往需要大约一年的时间。Trinio 的解决方案使即使是中小型制造企业也能在一个月内以合理的成本，利用人工智能实现 10 项办公任务的自动化。
在实际实施过程中，以前需要 3 周以上时间按部门收集和整理数据的预算规划工作缩短到 3 小时，以前每天需要 2 小时的凭证录入和报告撰写工作也缩短到 3 分钟以内。
由于人工智能直接处理制造数据，因此也应用了控制精度和访问权限的技术。运营数据按照国际制造标准 ISA-95 进行存储，并由专有的机器学习模型执行数据映射。此外，防护机制和权限管理层限制了人工智能响应的范围和用户特定的数据访问权限，从而降低了机器学习模型生成错误答案的可能性。
在数据安全方面，我们采取了与典型的AI实现方法截然相反的做法。我们没有先收集数据再添加安全措施，而是从一开始就设计了一种架构，最大限度地减少对外传输的数据量。
大多数人工智能公司在接收到所有数据后才会采取安全措施，而Trinio从一开始就实现了零数据泄露。其架构设计使得只有模式信息被传输到LLM（法人实体），而实际数据则保留在国内。
Trinio人工智能代理（DANA Work）的制造运营自动化（来源：Trinio提供）
扩建越南工厂
去年四月，首席执行官姜泰旭随同总统对越南进行了为期四天的经济访问。尽管东南亚制造业由于劳动力成本相对较低，仍然高度依赖人工，但随着今年一月最低工资上涨7.2%，越来越多的企业开始考虑自动化。尤其对于材料成本在生产费用中占比很高的工厂（例如电子组装厂），减少生产和原材料采购过程中的损失比降低劳动力成本更为重要。Trinio公司正致力于通过人工智能技术，自动化制定生产和原材料采购计划，从而更有效地管理所需材料的数量和时间。
关注越南市场的另一个原因是其与韩国相连的制造供应链。由于韩国和越南的许多工厂使用相同的ERP系统，且生产结构相似，因此在一个地区建立的业务自动化方法可以应用于另一个地区。目前，越南已采用该解决方案的工厂正在利用人工智能技术实现重复性办公任务的自动化，例如月度结算、凭证录入、发货报告生成、生产计划和日常生产报告。
去年四月，姜泰旭首席执行官随同总统访问越南的经济代表团出访，并参加了当地活动。（来源：Trinio公司提供）
如果机器人是一只手，那就创造一个能控制这只手的“大脑”。
Trinio 的最终目标远不止于办公任务的自动化。即使机器人和物理人工智能在制造工厂中日益普及，诸如决定生产什么、何时生产以及生产多少等操作性任务仍然严重依赖人类判断。目前，Trinio 正在利用人工智能技术实现凭证录入、结算和生产计划等办公任务的自动化，同时收集工厂运营环境以及在此过程中发生的人类决策数据。
例如，如果一家工厂接到800件产品的订单，但缺少必要的原材料，那么仅仅检查库存水平并非最终目的。负责人必须决定维持多少安全库存，订购多少缺失的原材料，以及何时下单。Trinio会将人类在特定情况下做出的判断以及重复出现的决策模式记录为数据，使人工智能能够在类似情况下利用这些信息。其发展方向是积累制造现场决策标准的数据，同时实现先前由人工处理的任务的自动化，并最终使人工智能能够执行生产运营所需的所有决策。
即使机器人和物理人工智能技术不断进步，仍然需要一个操作层来告诉这些机器人生产什么、何时生产以及生产多少。我们目前正迈入办公自动化的领域，但在此过程中，工厂的运营环境正以机器可读格式不断积累。如果把机器人比作手，那么我们正在创造的是控制这只手的“大脑”。
7月1日，在釜山举行的“2026人工智能自主制造创新大会”上，Trinio联合创始人兼业务主管李昌敏（左）在Trinio展位上向参观者讲解公司的解决方案。（图片来源：Trinio提供）
目前，高昂的成本和漫长的实施周期是国内制造商采用人工智能自动化系统的一大障碍，许多中小制造企业正借助政府扶持项目推进人工智能转型。Trinio于今年4月入选中小企业和创业部“初创企业扶持计划”，并于6月注册成为Naver Cloud制造人工智能匹配平台的供应商。然而，首席执行官康先生认为，今年最重要的指标并非入选政府项目或获得供应商注册，而是实际的制造企业是否愿意承担相关成本并选择该解决方案。
为了让亚洲中小制造企业能够负担得起人工智能自动化解决方案，必须降低实施成本和所需时间。Trinio 已在一个月内实现了 10 项办公任务的自动化，从而缩短了采用周期。随着客户群的扩大，Trinio 计划通过数据验证实施成本和时间究竟可以降低多少。
我们今年的目标是创建一个客户可以自行选择和付费的系统，即使没有政府补贴，而不是创建一个只能依靠政府资助才能采用的系统。
创业生态系统记者团由KAIA和Venture Square联合运营，记录创业领域的各种故事。
« L’IA comble la pénurie de main-d’œuvre dans les petites et moyennes usines de fabrication »… Trinio, le « cerveau des usines autonomes », créé par le PDG Kang Tae-wook et le directeur général Lee Chang-min
D'après une enquête publiée en octobre dernier par la Fédération des industries coréennes (FKI), plus de la moitié (51,4 %) des petites et moyennes entreprises (PME) régionales sont confrontées à une pénurie de main-d'œuvre, le secteur manufacturier représentant 60,8 % de ces pénuries. Compte tenu du déclin démographique continu, la pénurie de main-d'œuvre dans les petites et moyennes entreprises manufacturières constitue un problème majeur qui nécessite une solution.
Trinio est une startup spécialisée en intelligence artificielle qui s'attaque aux pénuries de main-d'œuvre sur les sites de production en déployant l'IA pour pallier le manque de personnel. Elle propose des solutions qui automatisent les tâches administratives répétitives dans le secteur manufacturier grâce à l'IA, allant de la simple saisie de transactions à l'analyse des coûts et au règlement mensuel. Constatant que les données s'accumulent continuellement dans les usines sans être correctement exploitées, l'entreprise combine cette problématique avec l'IA pour automatiser les tâches rapidement et à moindre coût.
Kang Tae-wook, PDG et Lee Chang-min, cofondateurs et directeurs commerciaux de Trinio
L'IA gère les tâches répétitives en usine grâce à une solution avancée basée sur la pensée à rebours
Tony Kang, PDG, et Chris Lee, directeur commercial, qui se sont rencontrés aux États-Unis, ont cofondé Trinio l'année dernière. Considérant l'émergence de ChatGPT comme un catalyseur ouvrant la voie à un monde entièrement nouveau, ils ont rencontré des professionnels de divers secteurs afin d'identifier ceux où l'IA pourrait engendrer des changements concrets. Estimant que le secteur manufacturier serait le plus impacté par l'adoption de l'IA, ils ont conçu un modèle économique de transformation par l'IA centré sur la production. Ancien ingénieur chez Google, M. Kang cumule les fonctions de PDG et de directeur technique, supervisant le développement produit, tandis que M. Lee, ancien de PwC New York, occupe le poste de directeur commercial et gère le développement commercial.
Bien que de nombreux fabricants investissent plus de 100 millions de wons dans la mise en œuvre et l'utilisation d'un ERP (Enterprise Resource Planning) pour l'intégration des données, certaines tâches administratives restent manuelles. Trinio permet à l'IA d'automatiser ces tâches répétitives en intégrant le contexte métier de l'utilisateur à l'ERP ou au MES (Manufacturing Execution System) existant. Pour les PME manufacturières, notamment celles qui manquent de personnel administratif dédié et pour lesquelles l'utilisation optimale des nombreuses fonctionnalités d'un ERP est difficile, l'accent est mis sur l'amélioration de l'expérience utilisateur grâce à l'intégration de l'IA, plutôt que sur le remplacement des systèmes existants.
Les entreprises disposant de ressources financières suffisantes font appel à des experts externes, tels que des développeurs et des consultants, à un coût élevé, pour mener à bien leurs projets de transformation par l'IA sur une période d'environ un an. La solution de Trinio permet même aux petites et moyennes entreprises manufacturières d'automatiser 10 tâches de bureau grâce à l'IA en un mois seulement, à un coût raisonnable.
Dans le processus de mise en œuvre concret, le travail de planification budgétaire, qui prenait auparavant plus de 3 semaines pour collecter et organiser les données par département, a été réduit à 3 heures, et les tâches de saisie des pièces justificatives et de rédaction des rapports, qui prenaient auparavant 2 heures par jour, ont également été raccourcies à 3 minutes.
L'IA traitant directement les données de production, des technologies de contrôle de l'exactitude et des droits d'accès ont été mises en œuvre. Les données opérationnelles sont stockées conformément à la norme internationale de production ISA-95, et un modèle d'apprentissage automatique propriétaire assure le mappage des données. De plus, des mécanismes de contrôle et de gestion des permissions limitent la portée des réponses de l'IA et les droits d'accès aux données spécifiques à chaque utilisateur, réduisant ainsi le risque de réponses erronées du modèle d'apprentissage automatique.
En matière de sécurité des données, nous avons adopté une approche inverse à la méthode classique de mise en œuvre de l'IA. Au lieu de collecter les données d'abord, puis d'ajouter des mesures de sécurité, nous avons conçu une structure qui minimise dès le départ la quantité de données transmises en externe.
Alors que la plupart des entreprises spécialisées en IA appliquent des mesures de sécurité après avoir reçu toutes les données, Trinio privilégie une approche sans exposition des données dès le départ. La structure est conçue de sorte que seules les informations de schéma soient transmises au LLM, tandis que les données proprement dites restent au sein du pays.
Automatisation des opérations de fabrication de l'agent d'IA de Trinio (DANA Work) (Source : Avec l'aimable autorisation de Trinio)
Extension de l'usine au Vietnam
En avril dernier, le PDG Kang Tae-wook a participé à la délégation économique accompagnant le président lors de sa visite de quatre jours au Vietnam. Si le secteur manufacturier d'Asie du Sud-Est reste fortement dépendant de la main-d'œuvre en raison de coûts salariaux relativement bas, un nombre croissant d'entreprises envisagent l'automatisation suite à la hausse de 7,2 % du salaire minimum entrée en vigueur en janvier. En particulier, pour les usines où le coût des matières premières représente une part importante des dépenses de production – comme l'assemblage électronique – il est plus crucial de réduire les pertes subies lors de la production et de l'approvisionnement en matières premières que de réduire les coûts de main-d'œuvre. Trinio s'attache à optimiser la gestion des quantités et des délais d'approvisionnement en matières premières en automatisant l'établissement des plans de production et d'approvisionnement grâce à l'intelligence artificielle.
Une autre raison de se concentrer sur le marché vietnamien réside dans sa chaîne d'approvisionnement industrielle, connectée à la Corée. De nombreuses usines en Corée et au Vietnam utilisant les mêmes systèmes ERP et partageant des structures de production similaires, les méthodes d'automatisation mises en place dans une région peuvent être appliquées à l'autre. Actuellement, les usines vietnamiennes ayant adopté cette solution utilisent l'IA pour automatiser les tâches administratives répétitives, telles que les règlements mensuels, la saisie des bons de commande, la génération des rapports d'expédition, la planification de la production et les rapports de production quotidiens.
En avril dernier, le PDG Kang Tae-wook a rejoint la délégation économique accompagnant le président lors de sa visite au Vietnam et a participé à des événements locaux. (Source : Avec l’aimable autorisation de Trinio)
Si un robot est une main, créez le cerveau qui contrôle cette main.
L'objectif ultime de Trinio dépasse largement la simple automatisation des tâches administratives. Même si les robots et l'IA physique se généralisent sur les sites de production, les tâches opérationnelles – comme décider quoi produire, quand et en quelles quantités – reposent encore largement sur le jugement humain. Actuellement, Trinio automatise des tâches administratives telles que la saisie des bons de commande, le règlement et la planification de la production grâce à l'IA, tout en collectant des données sur le contexte opérationnel de l'usine et les décisions humaines prises durant ce processus.
Par exemple, si une usine reçoit une commande de 800 produits mais manque de matières premières, la tâche ne se limite pas à la simple vérification des stocks. Le responsable doit déterminer le niveau de stock de sécurité à maintenir, la quantité de matières premières manquantes à commander et le moment opportun pour passer la commande. Trinio enregistre les décisions prises par les humains dans des situations spécifiques et les schémas décisionnels récurrents sous forme de données, permettant ainsi à l'IA d'exploiter ces informations lorsque des situations similaires se présentent. L'objectif est d'accumuler des données sur les critères de décision du site de production tout en automatisant les tâches auparavant effectuées par des humains et, à terme, de permettre à l'IA de prendre les décisions nécessaires aux opérations de production.
Malgré les progrès de la robotique et de l'IA physique, une couche opérationnelle reste indispensable pour indiquer aux robots quoi fabriquer, quand le fabriquer et en quelle quantité. Nous entrons actuellement dans le domaine de l'automatisation des bureaux, et ce faisant, le contexte opérationnel de l'usine s'accumule dans un format lisible par machine. Si le robot est la main, nous créons le cerveau qui la commande.
Lee Chang-min (à gauche), cofondateur et directeur commercial de Trinio, présente les solutions de l'entreprise aux visiteurs du stand Trinio lors de la « Conférence sur l'innovation dans la fabrication autonome par IA 2026 à Busan », qui s'est tenue le 1er juillet. (Source : Courtoisie de Trinio)
Actuellement, les coûts élevés et les longs délais de mise en œuvre constituent un frein à l'adoption des systèmes d'automatisation par l'IA par les fabricants nationaux. Un nombre important de PME manufacturières entreprennent leur transition vers l'IA grâce aux programmes de soutien gouvernementaux. Trinio a été sélectionnée pour le programme d'aide aux startups du ministère des PME et des Startups en avril dernier et enregistrée comme fournisseur sur la plateforme de mise en relation de Naver Cloud pour l'IA manufacturière en juin. Cependant, pour le PDG Kang, le critère le plus important cette année n'est pas la sélection pour les projets gouvernementaux ni l'enregistrement comme fournisseur, mais bien la volonté des entreprises manufacturières de financer et de choisir la solution.
Pour proposer l'automatisation par IA à un prix abordable aux PME manufacturières asiatiques, il est impératif de réduire les coûts et les délais de mise en œuvre. Trinio a déjà accéléré l'adoption en automatisant 10 tâches bureautiques en un mois et prévoit de quantifier les gains de temps et de coûts réalisables à mesure que sa clientèle s'élargit.
Notre objectif cette année est de créer un système que les clients puissent choisir et financer eux-mêmes, même sans subventions gouvernementales, plutôt qu'un système qui ne soit adopté qu'avec un financement public.
Le Startup Ecosystem Reporter Corps est géré conjointement par KAIA et Venture Square et recueille divers reportages sur l'écosystème des startups.