맥주의 "맛"을 AI로 설계한다――기린 독자 AI가 성분을 찾아내고, 맛을 제안하는 시대

1. 무슨 일이 일어나고 있는가?――"맛의 설계"에 발을 들이는 AI 활용

기린 홀딩스는 독자적으로 개발한 AI를 맥주 제조에 본격적으로 활용하여, 목표한 맛을 위해 "어떤 성분을 어떻게 조정해야 하는지"를 제안할 수 있는 상태를 목표로 하고 있다. 오키나와 타임스＋플러스+1

포인트는 AI가 “레시피를 자동 생성하는” 것보다, 맛을 구성하는 요인을 분해하고 개선의 방향을 잡는 데 있다.

전통적으로 맥주의 맛 만들기는 분석 기기로 성분을 측정해도 "그 수치가 마셨을 때의 인상에 어떻게 영향을 미치는지" 연결하기 어려워, 최종적으로는 개발자의 경험과 시제품의 축적으로 다듬어가는 부분이 컸다. 오키나와 타임스＋플러스+1

기린은 이 “마지막 난관”에 데이터와 AI로 도전한다.

2. 독자 AI "FJWLA(후지와라)"란 무엇인가

이번의 핵심이 되는 것은 독자 AI "FJWLA(후지와라)"이다.

기린이 축적해 온 성분 데이터와, 샘플을 시음해 본 **소비자 조사(약 20년 분)**의 결과를 바탕으로 개발되었다고 한다. 오키나와 타임스＋플러스+1

이 AI에 의해,

• 어떤 성분이

• 어떻게

• 맛(쓴맛, 깊이, 향기 등의 평가)에 기여하고 있는지
  를 정량화할 수 있게 되었다고 보도되고 있다. 오키나와 타임스＋플러스+1

또한, 신제품 개발에서 "쓴맛에 문제가 있다"는 경우에는 AI가 개선에 도움이 되는 성분의 선택지를 제시하고, 실제 비교 시음에서도 AI 활용이 더 높은 평가를 받았다고 전해지고 있다(보도 기반). 시모츠케 신문 디지털

그리고 성과는 2026년 3월 이후에 출시하는 맥주부터 순차적으로 반영할 방침이다. 오키나와 타임스＋플러스+1

3. 애초에 맥주의 "맛"은 왜 어려운가

맥주는 원료(맥아, 홉, 물)와 효모, 그리고 공정 조건(온도, 시간, 산소, 숙성 등)의 상호작용으로 방대한 화학 성분의 집합체가 된다.

예를 들어 쓴맛 하나만 봐도, 홉 유래의 α산이 끓임으로써 이성화되어 생기는 아이소α산이 주요 원인으로 알려져 있다. PMC+1

향기에 대해서도, 효모나 홉이 만들어내는 에스터류와 고급 알코올류 등이, 과일향/꽃향의 인상을 좌우한다. PMC+1

여기서 까다로운 점은,

• 성분 A가 증가하면 좋아지지만, 성분 B가 동시에 높으면 나빠지는

• 어떤 성분은 "향기"에는 효과적이지만 "뒷맛"에서는 역효과가 나는

• 마시는 온도나 탄산감에 따라 같은 성분이라도 느끼는 방식이 달라지는
  등의 “조합의 문제”가 지배적이라는 것이다.

즉, "무엇을 올리고 내리면 목표한 인상이 될 것인가"가 단순한 덧셈 뺄셈으로 되기 어렵다.

4. FJWLA는 무엇을 “제안”하는가――현장에서의 사용처를 상상하다

보도의 표현을 정리하면, FJWLA는 다음과 같은 역할을 맡는다고 생각할 수 있다. 오키나와 타임스＋플러스+1

4-1. 과제의 언어화: 관능 평가를 "성분의 문제"로 번역하다

개발 현장에서 자주 발생하는 것이,
"쓴맛이 너무 강하다"
"깊이가 얕다"
"향기의 발현이 약하다"
등의 “감상”을 어떻게 설계 변수로 떨어뜨릴 것인가 문제이다.

FJWLA는 이 감상을 출발점으로 "기여가 큰 성분", "다뤄야 할 균형"을 제시하여, 논의의 출발점을 만든다.

4-2. 해결책의 후보 제시: 시제품의 미로를 짧게 하다

"여기를 바꾸면 좋을 것 같다"는 가설이 하나 늘어나는 것만으로도, 시제품 회수나 비교 설계가 달라진다.

AI가 개선에 도움이 되는 성분의 선택지를 제시한다는 보도는 바로 여기에서, 시제품의 탐색 공간을 좁히는 효과가 기대된다. 시모츠케 신문 디지털

4-3. 개인화의 감소: 경험을 “형태”로 만들다

맛 만들기는 어쩔 수 없이 장인의 영역이 남는다.
하지만, 판단의 이유나 착안점이 공유되지 않으면, 팀으로서 재현할 수 없다.

FJWLA가 "왜 그것이 효과적인가"를 설명할 수 있는 형태(설명 가능성)를 동반하면, 기술 전승에도 가까워진다.

5. 기린의 AI 활용은 “이번이 처음”이 아니다

사실 기린은 이전부터 맥주 영역에서 AI를 사용한 기반 만들기를 진행하고 있다.

5-1. "Brewing Takumi AI"――목표한 맛에서 레시피를 역산하는 발상

기린은 기계 학습을 이용한 맥주 개발 지원 "Brewing Takumi AI"에, 목표한 맛(수치 지표)에서 역산하여 레시피 후보를 내는 기능을 추가했다고 발표하고 있다. KIRIN - Kirin Holdings Company, Limited

이 발표에서는, 최종적으로 인간의 오감이 필요하지만, AI가 후보를 넓히고 개발 효율이나 기술 전승에 기여할 수 있다는 생각이 제시되고 있다. KIRIN - Kirin Holdings Company, Limited

5-2. 공장 계획에 AI 도입――“생산의 두뇌”도 AI로 지원

또한 기린 맥주는, 양조 및 발효 공정의 계획(양조 및 효모 계획)을 AI로 자동 계획하는 시스템을 NTT 데이터와 공동 개발하여, 전 9개 공장에서 시험 운용, 연간 1,000시간 이상의 시간 창출 예상 등을 발표하고 있다. KIRIN - Kirin Holdings Company, Limited+1

여기서 보이는 것은,

• 연구 개발(레시피, 맛 만들기)

• 생산 계획(양조 및 발효의 준비)
  라는 “양 바퀴”로 AI의 구현 경험을 쌓아왔다는 것이다.

FJWLA는 그 연장선상에서 "관능×성분×소비자 평가"를 묶어, 다음 단계로 나아가는 시도라고 할 수 있다.

6. "20년 분의 소비자 조사"를 AI에 먹이는 의미

FJWLA의 핵심은 성분 데이터뿐만 아니라, 마신 사람의 평가 데이터를 장기적으로 가지고 있는 점에 있다. 오키나와 타임스＋플러스+1

맥주의 평가는 전문가의 관능 평가(훈련 패널)와 일반 소비자의 기호(좋고 싫음)가 반드시 일치하지 않는다.

그래서 소비자 조사가 두터울수록,

• ##