■ 3줄 요약
- 정부가 중소 제조업의 데이터·AI·로봇 전환을 연계해 지원한다.
- 검증된 AI 모델을 다른 공장에 적용하고 운용 인력을 키우는 방안도 추진한다.
- 도입 성과는 기업 수와 함께 품질·비용·작업 부담이 얼마나 개선됐는지로 판단해야 한다.
[기록하는신문=김상철 기자] 제조현장의 AI 확산을 위한 기술 지원과 인력 교육이 구체화하고 있다. 산업통상부는 지난 3일 검증된 AI 모델을 다른 공장에 활용하는 확산전략을 내놨고, 6일에는 중소벤처기업진흥공단의 제조AI 교육센터가 문을 열었다. 중소 제조기업이 살펴야 할 것은 어떤 기술을 도입할지뿐만이 아니다. 기존 설비와 연결해 운용할 수 있는지, 투입한 비용에 비해 어떤 효과를 얻는지도 중요하다.
■ 검증된 기술도 공장에 맞추는 과정이 필요하다
산업부가 11월 3일 발표한 ‘AI 팩토리 확산전략’은 개별 공장의 성과를 유사 공정과 협력사, 산업단지로 넓히는 데 초점을 맞췄다. 기존 541개 AI 모델을 분석하고, 활용 가능성이 높은 모델은 현장 특성에 맞게 추가 학습해 재사용할 계획이다. 기업의 AI 전환 수준을 진단하고 투자 대비 성과를 평가하는 체계도 마련한다.
다른 공장에서 검증한 모델을 활용하면 같은 기술을 처음부터 개발하는 부담을 줄일 수 있다. 그렇다고 그대로 가져다 쓸 수 있는 것은 아니다. 설비와 작업 조건, 데이터의 형태가 다르기 때문에 실제 공정에서 성능을 확인해야 한다. 기업 입장에서는 기술의 이름보다 해결하려는 문제가 먼저다. 불량을 줄이려는지, 설비 중단을 예방하려는지, 반복 작업을 덜려는지에 따라 필요한 데이터와 도입 방식이 달라진다.
■ 3X 전략은 데이터와 판단, 작업을 잇는 구상
이러한 확산 정책의 중장기 배경에는 중소벤처기업부가 10월 29일 발표한 ‘중소제조 피지컬 AI 확산 전략’이 있다. 정부는 2030년까지 스마트제조혁신에 5조 원 이상을 투입하고, 중소 제조기업의 디지털 전환 3만 곳과 AI 도입 6000곳을 목표로 제시했다. 핵심은 디지털 전환(DX)으로 확보한 제조데이터를 AI 전환(AX), 로봇 전환(RX)과 연결하는 ‘3X 전략’이다.
현장의 정보를 데이터로 모으고, AI가 이를 분석·판단하며, 로봇이 실제 작업을 수행하도록 연결한다는 뜻이다. 이처럼 실제 환경을 인식하고 판단해 물리적으로 행동하는 AI를 피지컬 AI라고 한다. 작업 결과를 다시 데이터로 축적하면 AI를 개선하는 데 활용할 수 있다.
지원 분야는 도입기업, 기술공급기업, 제조데이터, 확산기반 등 네 가지다. 기업의 준비 수준에 따라 기초역량 확보와 AI 활용 고도화를 지원하고, 데이터 표준화와 지역 실증 인프라, 전문인력 교육을 함께 추진한다. 장비를 구입하는 것으로 전환이 끝나는 구조는 아니다. 데이터를 정리하고 설비를 연결하는 기술, 이를 관리할 인력과 도입 이후의 지원이 함께 필요하다.
■ ‘모두의 AI 공장장’, 연구성과를 현장에 적용하려면
중기부는 과학기술정보통신부의 ‘모두의 AI 공장장’ 등 국가 프로젝트 성과와 산업부의 암묵지 기반 AI 모델을 스마트공장 보급체계에 연결할 계획이다. 암묵지는 숙련자가 경험으로 익혔지만 문서나 규칙으로 충분히 정리되지 않은 지식이다. 이를 AI에 활용하려면 어떤 조건에서 어떤 판단을 내렸는지 파악하고, 데이터와 모델에 반영해야 한다.
‘모두의 AI 공장장’은 물류·생산 공정의 자율화를 위한 컨설팅과 운영시스템 등을 단계적으로 제공하는 구상이다. 양 부처가 지난 9월 발표한 계획은 2026년 개별 물류 구간의 로봇 도입 컨설팅에서 시작해, 2027년 전체 물류 구간으로 확대하고, 2028년부터 물류·생산 전 공정의 통합 운영을 지원하는 내용이다.
기술이 지향하는 모습을 보여주는 사례는 KAIST의 ‘카이로스(KAIROS)’다. KAIST는 과기정통부 지원으로 구축한 이 테스트베드가 서로 다른 로봇과 센서, 설비, 디지털 트윈을 하나의 시스템으로 통합 제어한다고 설명한다. 연구시설에서 구현한 기술을 중소기업에 적용하려면 기존 설비와의 연결부터 검증해야 한다.
생산품이나 작업 방식이 바뀔 때 어떻게 조정할지, 문제가 생기면 누가 대응할지도 정해야 한다. 연구개발과 현장 보급을 잇는 정책의 효과는 이러한 적용 과정에서 드러날 것이다.
■ 운용할 사람을 키우는 교육도 시작
중진공은 11월 6일 경기 안산 중소벤처기업연수원에 제조AI 교육센터를 열었다. 중소벤처기업 AI 전문인력 6만 명을 2030년까지 양성한다는 목표도 제시했다. 센터에는 제조현장의 AI 활용을 체험하고 실습할 수 있는 공간이 마련됐다. 중진공은 올해 말까지 시범 운영하며 교육과정을 점검한 뒤, 2027년부터 정규과정을 운영할 계획이다.
현장에서는 AI가 제시한 결과를 공정과 대조하고, 이상이 생겼을 때 대응할 사람이 필요하다. 교육도 이러한 업무와 연결돼야 한다. 담당자가 바뀌어도 시스템을 안정적으로 운용할 수 있도록 작업 절차와 대응 방법을 공유하는 일도 중요하다.
■ 성과는 도입 전후의 차이로 확인해야
지금까지 발표된 내용은 투자와 지원의 방향이다. 기업마다 생산성과 비용이 얼마나 개선될지는 실제 적용 결과로 확인해야 한다. 평가 기준은 도입 전에 정할 필요가 있다. 불량률과 설비 중단 시간, 작업시간, 유지보수비 등을 같은 기준으로 측정해야 도입 이후의 변화를 비교할 수 있다. 장비 구매비 외에 교육과 운용에 드는 비용도 함께 살펴야 한다.
정부 지원이 끝난 뒤에도 기업이 시스템을 계속 활용할 수 있는지가 중요하다. 도입 당시에는 작동했더라도 유지비나 관리 부담 때문에 사용을 중단한다면 성과가 이어졌다고 보기 어렵다.
중소 제조업의 AI 전환은 기업마다 다른 생산조건에 기술을 맞추고, 현장 인력이 안정적으로 운용할 수 있어야 정착한다. 정책의 성과도 도입기업 수에 더해 불량과 설비 중단이 얼마나 줄었는지, 비용과 작업 부담이 실제로 개선됐는지로 평가해야 한다.
■ FAQ
Q. 생산데이터가 부족한 기업도 지원 대상에 포함되나?
정부 전략에는 AI 활용 기반이 부족한 기업의 기초역량 확보 지원이 포함돼 있다. 다만 이것이 모든 기업의 지원을 보장하는 것은 아니다. 개별 사업의 신청 대상과 선정 조건은 별도 공고에서 정해진다.
Q. AI를 도입하려면 기존 설비를 모두 바꿔야 하나?
이번 전략이 모든 설비의 교체를 요구하는 것은 아니다. 기존 설비에서 필요한 데이터를 수집할 수 있는지, AI·로봇 시스템과 연결할 수 있는지에 따라 보완 범위가 달라진다. 도입 전 진단과 실증에서 확인할 부분이다.
Q. 다른 공장에서 검증한 AI라면 바로 사용할 수 있나?
그대로 사용할 수 있다고 단정하기 어렵다. 산업부 전략도 현장 특성에 맞춘 추가 학습과 적용을 제시한다. 생산품과 설비, 작업 조건이 다른 만큼 실제 공정에서 성능을 검증해야 한다.
Q. 도입 효과를 따질 때 장비 구매비 외에 무엇을 살펴야 하나?
유지보수비, 시스템 이용료, 교육비, 담당 인력의 운용 부담 등을 함께 검토할 필요가 있다. 불량률이나 설비 중단 시간의 개선 효과와 이러한 비용을 비교해야 한다. 이는 공식 지원 요건이 아니라 도입 판단을 위한 검토 항목이다.
){kind=small}
){kind=small}
){kind=small}
){kind=small}