[IT&Future Strategy 2025-2] 기업 내 AI 활용 현황 및 애로사항 분석 : 제조업을 중심으로

제조업 AI 도입률 25.4%로 전체 업종 평균 30.3% 하회

한국지능정보사회진흥원(NIA)이 발표한 '기업 내 AI 활용 현황 및 애로사항 분석' 보고서에 따르면, 2023년 기준 국내 제조업의 AI 도입률은 25.4%로 전체 업종 평균 30.3%를 하회하는 것으로 나타났다. 이는 AI 기술이 제조업 현장에서 충분히 활용되지 못하고 있음을 보여주는 수치다.

보고서는 AI를 기업 내 업무에 활용하고 있다고 응답한 5,064곳의 기업을 대상으로 조사를 실시했으며, 이 중 제조업체는 1,064곳(21.0%)이었다. 조사 결과 제조업에서는 최근 1~3년 사이 AI를 도입한 기업이 64.5%로 나타나 도입이 단기간 내 집중적으로 이루어지고 있는 추세를 보였다. 반면 비제조업의 경우 같은 기간 도입 비율이 74.3%에 달해 제조업보다 더 급속한 도입 양상을 보였다.

특히 주목할 점은 제조업의 전사적 AI 활용 수준이다. 제조업체의 83.5%는 1~2개 유관 부서 또는 개별 프로젝트 단위에서만 AI를 활용하고 있으며, 기업 전반의 운영 및 의사결정에 광범위하게 활용하는 기업은 2.8%에 불과했다. 이는 비제조업의 전사적 활용률 1.4%보다는 높지만, 여전히 제한적인 수준이다.

전사적 AI 활용 2.8% 불과, 83.5%는 일부 부서에서만 제한적 활용

제조업의 AI 활용 관련 기업 내부 지침 수립 현황을 살펴보면, 전반적으로 부족한 실정이다. 제조업체의 65.9%는 AI 기술 활용과 관련한 지침이 전혀 없는 것으로 나타났으며, 기본적 지침을 보유한 기업은 30.5%, 구체적 기업 내부 정책까지 수립한 경우는 3.6%에 불과했다.

흥미로운 점은 기업 규모와 도입 시기에 따른 차이다. 기업 규모와의 상관관계 분석 결과, 규모가 작은 기업일수록 지침이 없는 경우가 많고 중·대기업일수록 기본 또는 구체적 지침을 수립한 비율이 유의미하게 높았다. 특히 대기업은 전사적 AI 활용을 위한 제도적 기반이 비교적 잘 마련되어 있어, 기업 규모가 클수록 디지털 전환을 전략적으로 추진할 수 있는 조직적 준비도가 높은 것으로 분석됐다.

또한 최근 1~2년 내 AI를 도입한 기업은 구체적 지침 또는 정책을 병행 수립한 비율이 상대적으로 높게 나타난 반면, AI 기술 도입이 5년 이상 경과한 기업은 여전히 지침 부재 또는 기초 수준에 머무는 경우가 다수였다. 이는 AI의 조기 도입이 반드시 체계화로 이어지지는 않으며, 최근 도입 기업일수록 AI의 원활한 활용을 위한 지침 마련을 함께 추진하는 경향이 있음을 시사한다.

98% 기업이 AI 편향성 검토 가이드라인 없어, 시스템 장애는 25.6% 경험

제조업의 AI 활용 과정에서 경험한 위험을 분석한 결과, 제조업 응답 기업 중 25.6%가 '시스템 및 네트워크 장애'를 경험했다고 답했다. 이는 비제조업의 17.7%보다 상당히 높은 수치다. 그 외에도 '데이터 편향(2.7%)', '데이터 자산 손실(2.3%)', '정보유출(1.6%)' 등 데이터 관련 위험을 경험한 것으로 조사됐다.

더욱 우려스러운 것은 AI 결과물의 편향성 검토를 위한 가이드라인 보유율이다. 제조업체 중 가이드라인을 보유하고 있다고 응답한 비율은 1.2%에 불과했으며, 전체의 98% 이상이 관련 기준을 보유하지 않은 것으로 조사됐다. 이는 AI 기술 및 서비스로 생성된 결과가 성별, 연령, 인종, 장애, 종교, 성적 지향 등 개인에 대한 편견이 있는지 확인하는 가이드라인이 거의 마련되지 않았음을 의미한다.

정성조사에 따르면, 제조업에서 도입하는 디지털 전환(DX)·AI 솔루션이나 시스템(SCADA)에 통합되는 데이터와 연계해 악의적인 사이버 침해 우려가 증가하고 있으며, 글로벌 공급망 경쟁 심화 및 데이터 유출 우려로 인해 글로벌 업체와의 협력에 어려움을 겪고 있는 것으로 확인됐다.

"정보 인프라 부족" 36.8% 1위, "전문 인력 부족" 34.7% 2위로 나타나

제조업의 AI 도입·확산을 저해하는 주요 애로사항으로는 '적합한 정보 및 인프라 부족(36.8%)'이 가장 높게 나타났다. 이어 '전문 인력 부족(34.7%)', '양질의 AI 기술 및 서비스 부족(28.3%)', '자금 부족(27.1%)' 순으로 응답했다. 특히 정성조사를 통해 확인된 구체적인 애로사항들을 살펴보면, 제조 데이터가 설비별로 분절적으로 구축되어 파편화되어 있을 뿐 아니라, 정보화 인식 부족으로 인해 실무자가 데이터를 수작업으로 찾아야 하거나 데이터셋 구축이 업무 우선순위에서 밀려 체계적인 관리가 이루어지지 않는 상황이 확인됐다.

인력 부족 문제도 심각하다. 도메인 지식과 AI 기술을 동시에 이해하는 융합형 인재가 부족하여, 현장 관리자·스마트팩토리 전문가와 AI 전문가 간 소통 간극에 따른 협업 마찰이 다수 발생하고 있다. 시니어급 전문인력은 채용이 어려운 데다 인건비가 높아, 실무에서는 소수 시니어와 다수 주니어의 조합이 불가피하며 일부 기업은 국내 인력 수급이 어려워 해외 기업과의 공동개발 방식으로 대체하고 있는 실정이다.

FAQ

Q1: 제조업의 AI 도입률이 낮은 이유는 무엇인가요?

A1: 제조업은 업종 및 공정별 복잡성, 데이터 이질성 등 구조적 특성으로 인해 단순 AI 도입을 넘어 전사적 활용 고도화까지 다양한 과제를 안고 있습니다. 특히 적합한 정보 및 인프라 부족(36.8%), 전문 인력 부족(34.7%), 자금 부족(27.1%) 등이 주요 장애 요인으로 작용하고 있습니다.

Q2: 제조업에서 AI 활용 시 주로 어떤 위험을 경험하나요?

A2: 제조업체의 25.6%가 '시스템 및 네트워크 장애'를 경험했다고 답했으며, 이는 비제조업(17.7%)보다 높은 수치입니다. 그 외에도 데이터 편향(2.7%), 데이터 자산 손실(2.3%), 정보유출(1.6%) 등 데이터 관련 위험도 발생하고 있습니다.

Q3: 제조업 AI 활용 확산을 위해 어떤 정책 지원이 필요한가요?

A3: 정부 지원 사업 확대 및 재정 부담 완화(43.8%), AI 기술 활용에 따른 보안·책임·표준 마련 등 법제도 정비(38.2%)가 주요 정책 수요로 나타났습니다. 특히 도메인 지식과 AI 역량을 겸비한 융합형 인재 양성과 현장 실무 중심의 교육 프로그램 확대가 필요합니다.

해당 기사에 인용된 리포트 원문은 한국지능정보원에서 확인 가능하다.

이미지 출처: 한국지능정보원

해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.