[Startup 분석] 제조 AI 시즐, MES에서 공장용 에이전트 플랫폼으로

제조 AI에서 가장 어려운 일은 모델을 만드는 것이 아니라, 오래된 설비에서 쓸 만한 데이터를 뽑아 실제 공정 개선까지 연결하는 것이다. 시즐(SIZL)은 이 병목을 공정 센서·MES·품질관리에서 시작해 제조 AI 에이전트와 구독형 XaaS로 넓히고 있다. 2026년 7월 20일에는 산업통상자원부·과학기술정보통신부·중소벤처기업부 관련 AI 사업을 잇달아 확보했다고 밝혔고, 9월에는 제조 지능화를 위한 피지컬 AI 플랫폼을 공개하겠다고 예고했다. 지금 시즐을 봐야 하는 이유는 단순 스마트팩토리 구축사가 반복 매출을 만드는 ‘공장용 AI 운영체제’로 전환할 수 있는지를 확인할 시점이 왔기 때문이다.

한눈에 보는 시즐

설립·대표: 2016년 설립, 이지현 대표
핵심 제품: 설비 데이터 수집, MES, 생산·품질·재고 관리, 비전·음성 입력, 탄소·안전 모니터링을 묶은 스마트팩토리 솔루션
다음 제품: eSIZL Agentic Manufacturing AI Copilot, 제조 데이터 허브, 국산 NPU 기반 온프레미스 AI 서버, 2026년 9월 공개 예고 피지컬 AI 플랫폼
현재 트랙션: 혁신의숲 집계 기준 누적 고객사 122곳; 회사는 매년 수십 곳의 신규 고객사를 확보한다고 설명
최근 사업 신호: 2026년 산업부 KoMaP 운영, 과기정통부·NIPA XaaS 선도 프로젝트, 중기부 스마트공장·지역 AX 사업 참여
최근 공개 투자: 2025년 1월 237억 원 프리IPO, 누적 투자금 약 300억 원
공개 기업가치: 2025년 프리IPO 투자 전 550억 원으로 보도
핵심 비공개 지표: 최신 매출·영업이익, 구독 매출 비중, 고객 유지율, 프로젝트별 마진, AI 제품 유료 고객 수, IPO 진행 상황

시즐은 무엇을 만드는 회사인가?

시즐은 중소·중견 제조사의 기존 설비를 데이터화하고 생산을 관리하는 스마트팩토리 기업이다. 공식 제품 문서를 보면 범위가 넓다. 프레스·CNC·용접기 데이터 수집, 생산·품질·재고 관리, 작업자의 음성 입력, 비전 검사, 에너지·탄소와 산업안전 모니터링까지 제공한다.

출발점은 ‘새 공장을 짓지 않고 기존 공장을 보이게 만드는 것’이다. 설비에 센서와 컨트롤러를 붙이고 생산 데이터를 MES에 연결하면 어떤 품목을 얼마나 만들었는지, 불량은 어디서 생겼는지, 금형이나 소모품은 언제 바꿔야 하는지를 추적할 수 있다. 고가 자동화 설비를 한 번에 교체하기 어려운 뿌리산업·중소 제조사에는 현실적인 접근이다.

회사의 다음 단계는 이 데이터 위에 AI 에이전트를 올리는 것이다. 시즐이 공개한 eSIZL Copilot은 공정 이상을 진단하고 개선안을 제시하며 실행 결과까지 추적하는 제조 컨설팅 에이전트를 지향한다. 즉 대시보드가 “무슨 일이 생겼는지” 보여주는 데서 끝나는 것이 아니라 “왜 생겼고 무엇을 바꿀지”까지 제안하는 제품으로 이동한다.

왜 지금 제조 AI 시즐인가?

2026년 7월 20일 매일경제 보도에 따르면 시즐은 올해 세 부처의 제조 AI 관련 사업에 연달아 선정됐다. 산업부가 추진하고 ETRI가 연계된 국가 소재 데이터·AI 플랫폼 KoMaP 운영, 과기정통부·NIPA의 XaaS 선도 프로젝트, 중기부의 스마트공장 보급·확산과 지역 주도 AX 사업이다.

세 사업은 서로 다른 퍼즐을 제공한다. KoMaP은 금속·화학·세라믹·섬유의 소재 연구 데이터와 공정 최적화 모델에 접근할 기회다. XaaS 사업은 공장별로 쪼개진 데이터를 묶는 제조 데이터 허브와 구독형 서비스를 시험하는 무대다. 스마트공장 사업은 실제 중소 제조 현장에 제품을 배포하는 채널이 된다.

다만 ‘정부 사업 3관왕’을 곧바로 민간 시장의 제품 적합성으로 읽으면 안 된다. 과제 선정과 계약은 기술 신뢰도와 레퍼런스를 높이지만, 정부 예산이 끝난 뒤 고객이 자기 돈으로 갱신하는지는 별개다. 이번 이벤트의 진짜 의미는 수주액보다 데이터·실증·유통 채널을 동시에 확보했다는 데 있다.

MES에서 공장용 에이전트로, 제품은 어떻게 확장되나?

시즐의 기존 제품군은 세 층으로 나눠 볼 수 있다. 첫째, 센서와 컨트롤러가 설비에서 온도·압력·타수·가동 상태 같은 데이터를 수집한다. 둘째, MES가 생산·품질·재고·납기를 관리한다. 셋째, 머신러닝과 비전·음성 인터페이스가 제품 판별, 불량 검사와 데이터 입력을 자동화한다.

공식 생산정보관리 문서에는 현장 적용 사례도 나온다. 한 사례에서 월간 샘플 판독 시간이 42.25시간에서 9.1시간으로 줄었고, 다른 공정에서는 검수 비용 약 20%, 비가동 시간 최대 20%, 불량 검사 시간 최대 90% 감소를 제시한다. 이는 회사가 공개한 개별 사례 수치이며 고객명, 표본과 측정 기간이 충분히 공개되지 않아 전체 고객의 평균 성과로 일반화할 수는 없다.

에이전트 제품이 성립하려면 이 세 층이 연결돼야 한다. LLM이 매뉴얼만 읽는다면 일반 업무 챗봇과 다르지 않다. 그러나 실시간 설비값, 작업지시, 불량 이력과 정비 결과를 함께 읽고 다음 행동을 추천한다면 공장 운영에 직접 붙는 제품이 된다.

시즐은 2026년 6월 리벨리온과 국산 NPU 기반 온프레미스 Agentic AI 추론 서버의 공동 개발·사업화 MOU도 맺었다. 제조사는 도면, 레시피와 품질 데이터를 외부 클라우드로 보내는 데 민감하다. 온프레미스 추론은 보안과 지연시간 문제를 줄일 수 있지만, 아직 공개된 내용은 협약과 향후 PoC 계획이므로 양산 제품·유료 고객으로 해석해서는 안 된다.

돈은 어디서 버는가?

시즐의 매출은 현재까지 하드웨어·구축·소프트웨어·운영이 섞인 형태로 보는 것이 합리적이다. 공장마다 설비 종류와 통신 방식, 필요한 센서와 관리 항목이 다르기 때문에 초기 진단, 장비 설치, MES 연동과 커스터마이징 비용이 발생한다. 공식 FAQ도 현장 컨설팅 뒤 구축 기간과 범위를 정한다고 안내하며 공개 정액 요금표는 제공하지 않는다.

이 모델의 장점은 계약 금액이 커질 수 있고 고객 공정에 깊게 들어간다는 점이다. 단점은 영업과 설치 기간이 길고 엔지니어 투입이 늘어날수록 매출총이익률이 낮아질 수 있다는 것이다. 프로젝트가 늘어도 매번 새로 구축해야 한다면 SI 회사의 경제성을 벗어나기 어렵다.

회사가 XaaS와 Copilot을 강조하는 이유가 여기에 있다. 제조 데이터 허브, 에이전트 사용료, 모델 업데이트, 모니터링과 유지보수를 월·연 단위 구독으로 판매하면 설치 후에도 매출이 반복된다. 공장별 커스터마이징을 공통 모듈로 흡수할수록 신규 고객을 추가하는 한계비용도 내려간다.

따라서 투자자가 봐야 할 숫자는 총수주액만이 아니다. 구축 매출과 구독 매출의 비중, 소프트웨어 연간반복매출(ARR), 갱신률, 고객당 엔지니어 투입 시간과 프로젝트별 매출총이익률이 중요하다. 이 지표들은 공개되지 않았다.

237억 원 프리IPO와 550억 원 밸류에이션

시즐은 2025년 1월 237억 원 규모의 프리IPO 투자를 마쳤다. 아주IB투자, 파트너스인베스트먼트, 스탤리온파트너스, 크라우드웍스, CJ인베스트먼트 등 다수 투자자가 참여했고, 보도 기준 투자 전 기업가치는 550억 원이었다. 2021년 말 시리즈A 55억 원을 포함한 누적 투자금은 약 300억 원으로 전해졌다.

단순 계산하면 237억 원은 투자 전 기업가치의 약 43%에 해당하는 큰 라운드다. 다만 여러 종류의 상환전환우선주와 세부 조건, 기존·신규 주식 비중을 알 수 없으므로 실제 희석률을 이 비율과 같다고 단정할 수 없다. 자금 규모가 큰 만큼 해외 진출과 제품화에 필요한 시간을 확보했지만, 동시에 투자자에게 보여줘야 할 성장 기준도 높아졌다.

당시 보도는 2026년 코스닥 상장을 목표로 하고 KB증권을 주관사로 선정했다고 전했다. 2026년 7월 현재 공개 검색으로는 상장예비심사 청구나 승인 여부를 확인하기 어렵다. 2026년 6월 신주 발행 이사회 공고는 공식 홈페이지에서 확인되지만 발행 규모와 목적만으로 새 투자 라운드나 IPO 진행을 추정해서는 안 된다.

이 밸류에이션은 말이 되는가?

550억 원 프리머니는 2025년 초 가격이므로 현재 기업가치를 뜻하지 않는다. 또한 최신 감사 매출과 이익, 순현금이 공개되지 않아 매출 배수로 정확히 평가하기 어렵다. 공공기관 자료에 인용된 과거 기업 데이터는 시즐의 매출이 증가한 흔적을 보여주지만, 기준 연도와 현재성이 불명확해 이번 글에서는 확정 실적으로 사용하지 않았다.

정당화 논리는 세 가지다. 첫째, 이미 설치된 고객 기반이 AI 제품의 배포 채널이 된다. 둘째, 센서부터 MES·에이전트까지 묶으면 소프트웨어만 파는 경쟁사보다 현장 데이터를 얻기 쉽다. 셋째, 정부와 대기업 파트너십을 이용해 중소 제조사의 초기 도입비 부담을 낮출 수 있다.

반대 논리도 선명하다. 정부 지원 매출 의존도가 높거나 구축 인력이 매출과 같은 속도로 늘어나면 플랫폼 배수를 받기 어렵다. Copilot과 피지컬 AI가 아직 실증 단계라면 기존 사업에 붙인 AI 라벨일 수 있다. 결국 가치 상승은 ‘프로젝트를 더 많이 수주했다’가 아니라 ‘같은 제품을 더 적은 인력으로 반복 판매하고 고객이 갱신했다’는 숫자로 증명돼야 한다.

시장과 경쟁 구도: 가장 강한 상대는 대기업보다 현장 관성이다

국내 제조 AI 시장에는 삼성SDS·LG CNS·SK C&C 같은 대형 SI, 미라콤아이앤씨와 코닉오토메이션 같은 스마트팩토리 사업자, 마키나락스 같은 산업 AI 소프트웨어 기업이 함께 경쟁한다. 설비 회사와 클라우드 기업도 각자의 고객 기반을 이용해 예지보전, 비전검사와 생성형 AI 기능을 추가하고 있다.

시즐의 차별점은 중소 제조사의 노후 설비에 직접 붙는 현장 경험이다. 대기업용 대규모 시스템보다 작은 공장에 필요한 센서·MES·AI를 한 번에 제공하고, 전국 도입 데이터를 중앙에서 분석한다는 포지션이다. 고객이 이미 시즐의 데이터 수집 장치와 MES를 쓰고 있다면 Copilot을 추가하기도 상대적으로 쉽다.

하지만 진짜 경쟁자는 다른 솔루션 회사만이 아니다. 종이 작업지시서, 엑셀, 숙련자의 기억과 “지금도 공장은 돌아간다”는 현장 관성이 더 강하다. 생산을 멈춰 시스템을 바꾸는 비용, 데이터 입력 부담, 작업자의 불신과 사이버 보안 우려가 도입을 늦춘다.

그래서 제조 AI의 판매 단위는 모델 정확도가 아니라 회수기간이다. 불량률·비가동·검사시간을 얼마나 줄였고 투자비를 몇 개월 만에 회수했는지를 고객이 이해해야 한다. 시즐이 공개 사례를 표준화된 전후 비교와 장기 갱신 데이터로 바꿀 수 있다면 강한 영업 자산이 된다.

정부 사업은 성장 엔진인가, 의존성인가?

스마트공장 정책은 시즐에 강한 순풍이다. 중기부의 2025년 부처협업형 사업만 봐도 10개 분야 150개사를 대상으로 기업당 최대 2억 원, 총사업비의 50% 이내를 지원했다. 도입 기업은 초기 비용을 낮추고, 공급 기업은 레퍼런스를 빠르게 쌓을 수 있다.

다만 보조금 중심 시장에는 세 가지 함정이 있다. 예산 일정에 따라 매출이 흔들리고, 과제 요구사항에 맞춘 커스터마이징이 제품 표준화를 방해하며, 지원이 끝난 뒤 유료 갱신이 약할 수 있다. 국가 사업의 수주 건수보다 지원 종료 1년 뒤에도 쓰는 공장 비율이 더 중요한 이유다.

KoMaP과 XaaS 사업이 가치 있으려면 과제 산출물이 시즐의 공통 제품으로 남아야 한다. 특정 컨소시엄을 위한 일회성 개발이 아니라 소재·공정 데이터 커넥터, 에이전트 템플릿과 온프레미스 배포 도구가 재사용돼야 한다. 정부 사업비가 연구개발비를 대신 내고 이후 민간 구독 매출을 만드는 구조라면 좋은 레버리지다.

가장 큰 리스크는 ‘AI’보다 프로젝트 경제성이다

SI 함정: 고객마다 새로 설계하면 수주 증가가 인력·외주비 증가로 이어져 이익률이 개선되지 않는다.
정부 예산 의존: 지원사업 종료·정책 변경이 신규 설치와 매출 인식 시점을 흔들 수 있다.
데이터 품질: 오래된 설비의 센서 오류, 수기 입력과 라벨 부족은 AI 정확도의 상한을 낮춘다.
안전 책임: 에이전트가 잘못된 공정 변경을 권고하면 불량·설비 손상·산업재해로 이어질 수 있다.
보안: 레시피·도면·생산량은 핵심 영업비밀이다. 온프레미스 제품의 패치와 접근통제도 계속 관리해야 한다.
파트너 의존: ETRI·리벨리온·정부기관과의 협약이 유료 상용 계약으로 전환되지 않을 수 있다.
IPO 실행: 2025년 보도된 2026년 상장 목표의 현재 진행 상황이 공개적으로 확인되지 않는다.
지표 불투명성: 최신 매출·이익, ARR, 갱신률, 고객 집중도와 현금 소진 속도가 공개되지 않았다.

개인적 판단: 시즐은 공장 데이터를 ‘행동’으로 바꿔야 한다

시즐의 강점은 생성형 AI 유행 전에 공장 바닥에서 데이터를 모아왔다는 점이다. 제조 AI는 깨끗한 데이터셋만으로 완성되지 않는다. 어떤 센서를 어디에 붙일지, 작업자가 어떤 예외를 수기로 처리하는지, 잘못된 추천이 생산 중단으로 이어지는지를 알아야 한다.

하지만 설치 경험이 자동으로 소프트웨어 해자가 되는 것은 아니다. 고객별 프로젝트 지식이 엔지니어의 머릿속과 커스텀 코드에 남으면 규모가 커질수록 복잡성도 커진다. 시즐이 해야 할 일은 그 경험을 공통 데이터 모델, 재사용 가능한 공정 에이전트와 검증 가능한 안전 규칙으로 제품화하는 것이다.

시즐의 진짜 제품은 AI 챗봇이 아니라 공장 데이터를 행동으로 바꾸는 운영 루프다. 센서가 이상을 잡고, 에이전트가 원인을 설명하고, 사람이 변경을 승인하며, 결과가 다시 학습 데이터로 돌아오는 폐루프가 반복돼야 한다. 이 루프가 고객마다 낮은 추가 비용으로 복제되고 구독 갱신으로 이어진다면 시즐은 스마트팩토리 구축사를 넘어 제조 AI 플랫폼이 될 수 있다.

앞으로 확인해야 할 숫자

2025·2026년 매출, 영업이익, 현금 보유액과 월별 현금 소진 속도
누적 고객 중 현재 유료 사용 공장 수와 상위 10개 고객 매출 집중도
구축·장비·정부과제 매출과 SaaS·유지보수 반복 매출의 비중
소프트웨어 ARR, 순매출유지율, 계약 갱신률과 고객당 평균 매출
공장 한 곳의 평균 구축 기간, 엔지니어 투입 시간과 프로젝트 매출총이익률
eSIZL Copilot 유료 고객 수, 월간 활성 사용자와 제안 수락·실행 비율
AI 도입 전후 불량률·비가동시간·생산량의 표준화된 비교와 투자 회수기간
KoMaP·XaaS·리벨리온 PoC가 민간 유료 계약으로 전환된 비율
상장예비심사 청구 여부와 2025년 프리IPO 이후 추가 신주 발행 조건

참고 자료

불확실성 메모: 누적 고객사 122곳은 혁신의숲 집계로, 현재 유료 고객·활성 공장 수와 동일하지 않을 수 있다. 생산량·불량률·리드타임 및 검사시간 개선 수치는 회사나 회사가 인용한 개별 사례이며 고객명, 표본, 측정 기간과 독립 검증이 제한적이다. 2025년 237억 원 프리IPO, 투자 전 기업가치 550억 원과 누적 투자 약 300억 원은 당시 보도 기준이며 현재 기업가치를 뜻하지 않는다. 2026년 6월 신주 발행 공고의 규모·투자자·목적, 최신 매출·이익·ARR·갱신률·현금, Copilot 유료 고객, 정부과제 수주액과 IPO 진행 상황은 공개적으로 확인되지 않았다. KoMaP·XaaS·리벨리온 협업은 상용 매출과 장기 계약을 보장하지 않는다.