고객 스토리

종근당은 창립 이래 오직 제약 한길만을 걸어오며 대한민국 제약산업 발전을 이끌어온 대표 제약기업입니다. 국내 제약업계 최초로 중앙연구소를 설립한 이후 혁신 신약 개발을 향한 끊임없는 도전을 이어오고 있으며, 세상에 없던 신약(First-in-Class)과 미충족 수요(Unmet Needs) 의약품 개발을 통해 국민 건강 증진에 이바지하고 있습니다.

종근당은 연구 개발 분야에서 축적한 혁신 DNA를 생산과 품질관리 영역으로 확장하며 디지털 기반 업무 혁신에도 적극적으로 나서고 있습니다. 특히 품질 경쟁력 강화를 위해 새로운 기술 도입을 지속적으로 검토하며 품질관리 체계 고도화에 힘써왔습니다.

그중 연간 제품 품질 평가(Annual Product Quality Review, APQR)는 제품의 품질 수준을 종합적으로 평가하는 핵심 업무로, 데이터 수집과 분석, 보고서 작성 및 검증 과정에 많은 시간과 전문성이 요구되는 대표적인 고난도 업무입니다.

이에 종근당은 LG CNS와 함께 에이전틱 AI(Agentic AI)를 활용한 APQR 자동화 프로젝트를 추진했습니다. 양사는 품질관리 전문성과 AI 전문성을 결합해 데이터 수집부터 분석, 보고서 생성과 검증에 이르는 APQR 전 과정을 혁신하는 도전에 나섰습니다.

[Transformation Challenge] 품질관리 혁신을 위한 종근당과 LG CNS의 공동 도전

APQR은 제조 공정과 품질 데이터를 종합적으로 분석해 제품의 품질 상태를 평가하고 개선 과제를 도출하는 품질 보증(Quality Assurance, QA) 조직의 핵심 업무입니다. 그러나, APQR은 방대한 데이터와 복잡한 검증 과정을 수반하는 대표적인 고난도 업무였습니다. 품질 관련 정보는 전사적 자원관리(Enterprise Resource Planning, ERP), 실험실정보관리시스템(Laboratory Information Management System, LIMS), 품질경영시스템(Quality Management System, QMS), 전자문서관리시스템(Electronic Document Management System, EDMS) 등 여러 시스템과 문서에 분산돼 있기 때문입니다. 또한 담당자는 필요한 데이터를 직접 찾아 취합해야 했고, 제조 기록과 시험 결과, 변경 관리 이력 등을 교차 검증하며 보고서를 작성해야 했습니다.

APQR은 단순히 데이터를 취합하는 업무에 그치지 않았습니다. 품질 데이터를 기반으로 제품의 품질 상태를 평가하고 개선 과제를 도출하기 위해서는 다양한 분석과 검토 과정이 필요합니다.

이러한 과정은 많은 시간과 노력이 필요했습니다. 한정된 인력으로 수백 건의 보고서를 작성해야 했고, 데이터 누락이나 분석 오류 가능성을 지속적으로 점검해야 했습니다. 또한 작성자에 따라 보고서 형식과 표현 방식, 검토 의견의 차이가 발생하기도 했습니다. 반복적인 데이터 정리와 보고서 작성 업무가 늘어날수록 품질 개선과 모니터링 같은 핵심 업무에 집중하기도 어려워졌습니다.

한편 LG CNS는 에이전틱 AI와 멀티 에이전트 기술을 활용해 복잡한 업무를 자동화하는 방안을 연구해 왔습니다. 특히 제약산업의 APQR은 다양한 시스템에 분산된 정형 데이터와 제조 기록서, 품질 문서 등 비정형 데이터를 함께 활용해야 하는 대표적인 업무로, AI 기반 업무 혁신 가능성을 검증하기에 적합한 영역이었습니다.

종근당과 LG CNS는 ‘에이전틱 AI를 활용한 APQR 자동 생성’이라는 공동 목표 아래 프로젝트를 추진했습니다. 양사는 품질관리 업무의 효율성과 정확성을 높이고, 반복 업무를 최소화해 보다 고도화된 품질관리 체계를 구축하는 데 뜻을 모았습니다. 최적의 AI 기술을 적용하고, 현장 중심으로 업무 효율성을 높이며, 긴밀한 협업을 통해 결과의 정확도를 향상하는 방향으로 프로젝트를 수행했습니다.

[Collaborative Innovation] 에이전틱 AI와 품질관리 전문성이 함께 완성한 APQR 자동화

종근당과 LG CNS는 데이터 수집부터 분석, 요약, 보고서 생성, 검증까지 APQR 전 과정을 지원하는 에이전틱 AI 기반 자동화 시스템을 구축했습니다. LG CNS는 각 업무를 전문적으로 수행하는 멀티 에이전트 구조를 적용해 변경 관리 에이전트, 경향 분석 에이전트, 종합 요약 에이전트 등이 역할을 분담하고 협업하도록 설계했습니다. 이를 통해 APQR 작성 전 과정을 자동화하면서도 각 단계의 전문성과 정확성을 확보했습니다.

또한 LG CNS는 APQR 자동화 시스템에 컨텍스트 엔지니어링(Context Engineering)을 적용해 정형·비정형 데이터를 통합 활용할 수 있도록 구현했습니다. 제조 기록서와 품질 문서, 시험 결과, 변경 관리 이력 등 여러 시스템과 문서에 분산된 데이터를 AI가 업무 상황에 맞게 활용할 수 있도록 했습니다. 여기에 ERP, LIMS, QMS, EDMS 등 기존 시스템과 연계된 데이터 자동화 파이프라인을 구축해 자료 수집과 검색, 분석 과정을 자동화했습니다.

LG CNS는 시스템이 실제 품질관리 업무를 지원할 수 있도록 프로젝트 초기 단계부터 들과 함께 요구사항을 분석하고 업무 기준을 구체화했습니다. 종근당 품질관리 담당자는 APQR 작성 절차와 검토 기준, 품질 판단 관점, 예외 처리 조건 등을 정의하며 프로젝트에 적극 참여했습니다. 또한 품질 데이터 분석 결과와 보고서 작성 방식이 실제 업무 기준에 부합하는지 지속적으로 검증하며 실무자의 경험과 전문성을 시스템에 반영했습니다.

양사는 자동 생성된 APQR 결과물을 직접 검토하며 정확성과 활용성을 평가했고, 반복적으로 검증하고 개선했습니다. 종근당은 현장의 실무 관점에서 정확성과 활용성을 검토했고, LG CNS는 이를 기반으로 AI 모델과 업무 로직을 고도화했습니다. 이러한 협업을 통해 자동 생성된 APQR의 품질을 높이고, 실제 품질관리 현장에서 활용할 수 있는 수준의 정확성과 신뢰성을 확보할 수 있었습니다.

[Business Impact] 공동으로 입증한 품질관리 혁신과 AI 활용 가능성

종근당과 LG CNS가 함께 구축한 에이전틱 AI 기반 APQR 자동화 시스템은 품질관리 업무의 효율성과 품질 수준을 동시에 높이는 성과로 이어졌습니다. APQR 작성 시간은 데이터 수집부터 분석, 보고서 생성, 검증까지 대부분의 과정이 자동화되면서 90% 이상의 업무 시간 절감 효과를 기대할 수 있게 됐습니다.

수작업의 최소화는 규제 기관의 실사 대응력을 대폭 강화하는 결과로 이어졌습니다. APQR 자동화 시스템은 ERP, LIMS, QMS, EDMS 등 다양한 내부 시스템과 문서에서 필요한 데이터를 자동으로 수집하고 검증합니다. 이에 따라 수기 입력 과정에서 발생하던 데이터 및 첨부 자료 기재 누락, 보고서 작성 오류 등의 휴먼 에러(Human Error)를 원천적으로 차단하여 품질 평가의 신뢰성을 한 차원 높였습니다.

품질 데이터를 일관된 기준으로 다룸으로써 공정의 안정성 또한 확보했습니다. 기존에는 작성자의 관점이나 숙련도에 따라 보고서의 형식과 표현 방식, 결과 해석에 편차가 발생할 수 있었습니다. 이제는 시스템 기반의 표준화된 분석 기준과 보고서 작성 체계를 적용하여 데이터 취합부터 결과 도출까지 동일한 잣대로 수행됩니다. 덕분에 작성자별 편차와 오기를 바로잡고, 제품 공정 전반의 일관성을 상시 유지할 수 있게 되었습니다.

마지막으로 통계 분석 기능의 고도화를 통해 선제적인 품질 관리 기반을 마련했습니다. APQR 자동화 시스템 내에 정규성 검증 기능을 구현하고 공정성능지수(Process Performance Index, PPK) 계산을 정교화하는 한편, 이상 경향(Out of Trend, OOT) 분석을 체계화했습니다. 품질 데이터의 변화를 지속적으로 분석하고 공정 이상 징후를 조기에 확인할 수 있게 되면서, 문제 발생 이후 대응하는 방식에서 벗어나 예방 중심의 품질관리 체계로 발전할 가능성을 확보했습니다.

양사가 함께한 이번 프로젝트는 종근당에는 품질관리 혁신의 기반을, LG CNS에는 에이전틱 AI의 산업 현장 적용 가능성을 검증하는 계기가 됐습니다. 특히 멀티 에이전트 기반 업무 자동화 모델을 확보함으로써 향후 다양한 산업의 복잡한 정기 보고서 업무로 확장할 가능성을 확인했습니다.

이번 프로젝트는 APQR 자동화 구축에 그치지 않고, 품질관리 업무 전반의 혁신 가능성을 확인한 의미 있는 사례로 평가됩니다. 종근당은 구축된 멀티 에이전트 기반 시스템을 바탕으로 향후 실시간 품질 모니터링, CAPA 자동 분석, 유사 사례 추천, 영향도 분석 등 다양한 영역으로 활용 범위를 확대해 나갈 계획입니다. 이를 통해 품질 데이터 활용도를 높이고 보다 선제적인 품질관리 체계를 구축해 나갈 계획입니다.

LG CNS 역시 협업을 통해 에이전틱 AI와 멀티 에이전트 기반 업무 자동화 모델의 실질적인 활용 가능성을 확인했습니다. 정형·비정형 데이터를 활용한 분석과 보고서 생성, 검증 체계를 확보함으로써 다양한 산업의 복잡한 정기 보고서 업무로 확장할 수 있는 기반을 마련했습니다.

종근당의 품질관리 전문성과 LG CNS의 AI 기술력이 결합해 완성한 에이전틱 AI 기반 APQR 자동화 시스템은 품질관리 업무 혁신의 새로운 가능성을 제시했습니다. 이번 프로젝트는 단순한 APQR 자동화를 넘어, 현장의 전문성과 AI 기술이 결합할 때 어떤 혁신을 만들어낼 수 있는지를 보여준 의미 있는 사례입니다.

양사는 앞으로도 AI를 활용한 업무 혁신을 지속적으로 확대하며, 품질 경쟁력 강화와 디지털 전환을 위한 협력을 이어갈 계획입니다.

▶ 고객의 한마디

▌ 요약

• 종근당은 LG CNS와 함께 데이터 수집, 분석, 보고서 생성, 검증까지 연간 제품 품질 평가(APQR) 전 과정을 자동화하는 에이전틱 AI 시스템을 구축했습니다. 기존에는 ERP·LIMS·QMS·EDMS 등 여러 시스템에 분산된 데이터를 담당자가 직접 취합하고 교차 검증해야 해, 수백 건의 보고서 작성에 많은 시간이 들고 작성자별 편차도 발생했습니다.

• 변경 관리, 경향 분석, 종합 요약 에이전트가 역할을 나눠 협업하는 멀티 에이전트 구조에 컨텍스트 엔지니어링을 적용해, 정형 데이터와 제조 기록서·품질 문서 같은 비정형 데이터를 함께 활용합니다. 종근당 품질관리 담당자는 프로젝트 초기부터 작성 절차와 검토 기준을 정의하고 결과물을 반복 검증했습니다.

• 그 결과 APQR 작성 시간을 90% 이상 줄일 수 있게 됐고, 데이터 누락과 작성 오류 같은 휴먼 에러를 차단해 규제 기관 실사 대응력을 높였습니다. 정규성 검증, 공정성능지수(PPK) 계산, 이상 경향(OOT) 분석 고도화로 예방 중심 품질관리의 기반도 마련했습니다.

• 종근당은 실시간 품질 모니터링, CAPA 자동 분석 등으로 활용 범위를 넓히고, LG CNS는 이 모델을 다양한 산업의 정기 보고서 업무로 확장할 계획입니다.

▌ FAQ

Q1. 에이전틱 AI를 적용하면 APQR(연간 제품 품질 평가) 업무는 어떻게 달라지나요?

A1. 에이전틱 AI를 적용하면 담당자가 수작업으로 하던 APQR 업무가 데이터 수집, 분석, 보고서 생성, 검증까지 자동화됩니다. 종근당은 LG CNS와 함께 APQR 전 과정을 지원하는 에이전틱 AI 시스템을 구축했고, 작성 시간을 90% 이상 줄일 수 있게 되었습니다. 표준화된 분석 기준이 적용되어 작성자별 편차 없이 일관된 품질 평가가 가능해졌습니다.

Q2. 기존 APQR 작성에는 어떤 어려움이 있었나요?

A2. APQR에 필요한 품질 정보가 ERP, LIMS, QMS, EDMS 등 여러 시스템과 문서에 분산되어 있어, 담당자가 데이터를 직접 취합하고 제조 기록, 시험 결과, 변경 관리 이력을 교차 검증해야 했습니다. 한정된 인력으로 수백 건의 보고서를 작성하다 보니 데이터 누락과 분석 오류 점검 부담이 컸고, 작성자에 따라 보고서 형식과 검토 의견도 달랐습니다.

Q3. 종근당의 APQR 자동화 시스템은 어떤 구조로 만들어졌나요?

A3. 변경 관리, 경향 분석, 종합 요약 에이전트 등이 역할을 나눠 협업하는 멀티 에이전트 구조로 설계되었습니다. 컨텍스트 엔지니어링을 적용해 정형 데이터와 제조 기록서, 품질 문서 같은 비정형 데이터를 함께 활용하며, ERP, LIMS, QMS, EDMS와 연계된 데이터 자동화 파이프라인으로 자료 수집부터 분석까지 자동화했습니다.

Q4. APQR 자동화 시스템의 정확성과 신뢰성은 어떻게 확보했나요?

A4. 종근당 품질보증부서 담당자가 프로젝트 초기부터 APQR 작성 절차, 검토 기준, 예외 처리 조건을 정의하며 참여했습니다. 자동 생성된 결과물을 양사가 반복적으로 검증·개선하면서 실제 품질관리 현장에서 활용할 수 있는 수준의 정확성과 신뢰성을 확보했습니다.

Q5. APQR 자동화로 품질관리는 어떤 효과를 얻었나요?

A5. 데이터가 자동으로 수집·검증되어 수기 입력 과정의 누락과 작성 오류 같은 휴먼 에러를 차단했고, 규제 기관 실사 대응력도 높아졌습니다. 정규성 검증, 공정성능지수(PPK) 계산 정교화, 이상 경향(OOT) 분석 체계화로 공정 이상 징후를 조기에 확인할 수 있어 예방 중심 품질관리의 기반을 마련했습니다.

Q6. 종근당과 LG CNS는 이 시스템을 앞으로 어떻게 활용할 계획인가요?

A6. 종근당은 실시간 품질 모니터링, CAPA 자동 분석, 유사 사례 추천, 영향도 분석 등으로 활용 범위를 넓힐 계획입니다. LG CNS는 이 멀티 에이전트 기반 업무 자동화 모델을 다양한 산업의 복잡한 정기 보고서 업무로 확장할 계획입니다.