조립 특화 피지컬 AI라는 방향성을 분명히 하는 데 집중했다. 현재 로봇 기술은 물류, 피킹, 검사 등 상대적으로 단순한 환경에 많이 적용돼 있지만, 정밀 조립·체결처럼 복잡한 물리적 상호작용이 필요한 영역은 여전히 자동화가 더디다. 플라잎은 기술적으로 어렵다는 이유로 자동화가 뒤로 밀려 있던 조립·체결 공정에 초점을 맞췄고, 이 영역에서 성과를 내는 것이 곧 차별화라고 보고 조립 특화 피지컬 AI라는 방향을 전략적으로 선택했다. 이러한 접근은 기술 방향성과 타깃 시장을 명확히 하며, 현실적인 수요와 성장 가능성을 동시에 보여주는 요소로 작용했다.

또 다른 축은 실제 생산라인에 기반한 실증 레퍼런스를 쌓는 것이었다. 단순히 기술 가능성을 설명하는 수준을 넘어서, 대기업 및 1차 협력사와의 프로젝트를 통해 실제 생산 공정에 적용된 사례를 확보해 왔다. 기술검증(PoC) 단계에 머무르지 않고 실제 라인에서 반복 가동되는 수준까지 구현해 기술의 안정성과 재현성을 검증한 점이 중요한 차별 요소로 작용했다. 이런 현장 경험은 기술 신뢰도를 높이는 동시에, 이후 다른 공정과 고객사로 확장할 수 있는 기반이 되고 있다.

이번 투자금은 핵심 인재 확보와 AI 학습 인프라 강화에 집중해 사용할 계획이다. 조립·체결 특화 피지컬 AI 기술을 한 단계 더 끌어올리기 위해 로봇 제어, AI 모델, 데이터 처리 등 핵심 영역의 전문 인력 채용을 확대한다. 동시에 GPU 서버 인프라를 늘려 AI 모델 학습과 실험 환경을 고도화하고, 빠른 학습과 반복 검증이 가능한 개발 체계를 갖출 예정이다.

제조업의 많은 공정이 이미 자동화됐지만, 조립과 체결은 여전히 수작업 비중이 높은 대표적인 미자동화 영역으로 남아 있다. 같은 공정이라도 부품 상태나 위치, 주변 환경에 따라 결과가 달라지고, 작은 오차로 인해 작업이 실패하거나 사람이 개입해야 하는 상황이 자주 발생한다. 부품 간 미세한 공차, 접촉 과정에서의 물리적 상호작용, 상황별 대응이 동시에 요구되기 때문에 기존의 규칙 기반 자동화나 단순 위치 제어 방식만으로는 한계가 뚜렷했다. 조립·체결 공정 자동화는 기술 장벽이 매우 높지만, 현장에서는 가장 필요성이 큰 영역이라고 봤다. 플라잎은 다른 곳에서 해결하지 못한 현실적인 문제에 집중했고, 해결됐을 때 산업적 가치가 확실한 분야라고 판단해 이 영역을 선택했다.

단기적으로는 조립·체결 공정에 특화된 피지컬 AI 기술을 바탕으로 레퍼런스를 빠르게 늘리는 데 초점을 맞춘다. 대기업 및 협력사 생산라인 적용을 확대하고, 대응 가능한 공정 유형과 적용 범위를 넓히며, 신규 고객사와 파트너를 확보하는 것이 주요 과제다. 아울러 개별 공정 자동화에 그치지 않고, 조립·체결 작업을 이루는 단위 동작 데이터를 축적해 조립 특화 파운데이션 모델로 발전시키는 것을 목표로 하고 있다.

중장기적으로는 조립·체결 공정을 출발점으로 작업 단위로 확장 가능한 AI 모델을 고도화하고, 시각 정보와 작업 지시를 함께 이해·실행하는 VLA 기반 로봇 지능으로 진화해 나가고자 한다. 이를 통해 글로벌 제조 시장 진출, 다양한 제조 공정 및 물류·서비스 영역으로의 적용 확대를 추진하며, 궁극적으로는 로봇이 작업을 이해하고 스스로 수행하는 '피지컬 AI 기반 자동화 표준'을 만드는 것을 비전으로 삼고 있다.