우리 대한민국 경제를 떠받쳐 온 가장 단단한 기둥은 제조업이다. 반도체, 자동차, 조선, 철강, 석유화학, 가전은 수출과 고용을 이끌며 오늘의 대한민국을 만들었다. 그러나 과거의 성공 방식이 앞으로의 생존까지 보장하지는 않는다. 생산인구는 줄어들고 숙련공은 빠르게 은퇴하고 있으며, 중국은 막대한 데이터와 인공지능을 결합해 제조강국으로 치고 올라오고 있다. 미국의 빅테크 기업들은 인공지능 모델뿐 아니라 공장 운영 플랫폼과 로봇, 산업용 소프트웨어까지 장악하려 한다. 지금 전환하지 못하면 우리는 제품은 만들지만 공장을 움직이는 ‘두뇌’와 운영체계는 외국 기업에 의존하는 나라가 될 수 있다.

정부가 발표한 「제조AI 2030 전략」은 이런 위기 앞에 내놓은 국가 차원의 청사진이다. 2030년까지 민관 합동으로 20조 원을 투자해 100조 원 이상의 경제적 부가가치를 창출하고, 국내총생산을 90조 원 늘리며, AI 팩토리 수출 100억 달러를 달성하겠다는 목표다. 제조기업의 생산성을 50% 높이고 AI 활용률을 40%까지 끌어올리는 한편, 국가대표 제조데이터 120개, 초격차 제조AI 모델 36개, AI 에이전트 1,200개를 구축하고 제조AI 인력 3만 명을 양성하겠다는 구체적인 수치도 제시했다.

일반인에게 제조AI라는 말은 다소 낯설다. 쉽게 말하면 설계, 생산, 품질검사, 설비관리, 물류, 공급망에 이르는 제조의 모든 과정에 AI를 적용하는 것이다. 예를 들어 AI가 기계의 미세한 진동과 온도 변화를 읽고 고장이 나기 전에 정비 시점을 알려준다. 카메라가 사람이 놓칠 수 있는 작은 흠집을 찾아내고, 주문량과 원자재 가격, 날씨와 물류 상황을 분석해 생산계획을 스스로 조정한다. 위험하거나 반복적인 작업은 로봇과 휴머노이드가 맡는다. 궁극적으로는 공장 전체를 하나의 대형 AI 에이전트가 관리하며 생산·품질·물류를 실시간으로 최적화하는 ‘풀스택 AI 팩토리’로 발전한다.

이번 전략에서 가장 주목할 부분은 제조데이터를 국가적 자산으로 본다는 점이다. AI의 성능은 데이터의 양과 질에 달려 있다. 우리에게는 세계적 제조라인뿐 아니라 수십 년 동안 현장에 축적된 공정 데이터와 숙련자의 노하우가 있다. 기계 소리만 듣고도 이상을 감지하고, 제품의 색과 냄새만으로 불량 원인을 알아내는 베테랑의 감각은 다른 나라가 쉽게 복제할 수 없는 경쟁력이다. 정부는 은퇴를 앞둔 제조명장의 암묵지를 데이터로 전환하고, 부처별로 흩어진 자료를 연결하는 ‘국가 제조데이터 라이브러리’를 구축할 계획이다.

그러나 데이터를 많이 모으는 것만으로는 충분하지 않다. 기업의 영업비밀과 작업자의 경험이 누구의 소유인지, 데이터를 제공한 기업이 어떤 보상을 받는지, 해킹이나 해외 유출을 어떻게 막을지를 먼저 명확히 해야 한다. 대기업이 협력사의 데이터를 가져가고 이익만 독점한다면 데이터 공유는 시작부터 막힌다. 표준화·암호화·비식별화 기술과 함께 데이터의 권리, 수익 배분, 책임에 관한 신뢰의 규칙이 필요하다. 제조데이터 라이브러리는 거대한 창고가 아니라 참여자가 안심하고 지식과 이익을 나누는 공동 자산이 되어야 한다.

두 번째 핵심은 우리 제조업에 맞는 AI 두뇌를 갖는 일이다. 인터넷의 글을 학습한 범용 챗봇만으로는 정밀한 공장을 운영할 수 없다. 제조AI는 물리법칙, 장비 특성, 공정 순서, 안전 기준을 이해하고 틀린 판단이 실제 사고로 이어지지 않도록 검증되어야 한다. 따라서 핵심 공정에 쓰이는 경량모델에서 여러 업종이 활용할 수 있는 제조 파운데이션 모델, 장비와 로봇을 제어하는 피지컬AI까지 단계적으로 개발해야 한다. 중요한 것은 크고 화려한 모델 하나가 아니라 현장에서 불량률을 낮추고 납기를 줄이며 에너지와 산업재해를 얼마나 감소시켰는가이다.

세 번째는 지역과 중소기업으로의 확산이다. 국내 제조기업의 99.6%는 중소기업이고, 제조업 생산과 수출의 3분의 2, 고용의 절반이 산업단지에서 나온다. 일부 대기업의 등대공장 몇 곳만 똑똑해져서는 대한민국 제조업 전체가 바뀌지 않는다. 정부는 산업단지별로 실증 테스트베드, AX 지원센터, 엣지컴퓨팅센터 등을 갖춘 ‘M.AX 클러스터’를 조성할 계획이다. 이는 수도권에 기술과 인재를 다시 집중시키는 사업이 아니라 울산의 자동차·조선·석유화학, 부산의 항만·물류, 경남의 기계·항공처럼 각 지역의 주력산업과 대학, 연구기관을 연결하는 지역혁신 전략이어야 한다.

특히 중소기업에는 값비싼 범용 시스템보다 당장 해결할 문제에서 출발하는 방식이 필요하다. “AI를 도입하라”가 아니라 불량률, 설비 멈춤, 숙련공 부족, 전력비, 납기 지연 가운데 가장 시급한 문제 하나를 고르고 작은 실증으로 효과를 확인해야 한다. 정부 지원도 장비 구매 건수나 구축 기업 수보다 생산성 향상, 비용 절감, 안전 개선, 현장 사용률과 같은 성과로 평가해야 한다. 실패한 실증의 원인과 데이터도 공유해야 같은 시행착오를 반복하지 않는다.

마지막 승부처는 사람이다. 보고서는 제조AI 인재 3만 명 양성을 제시하지만 숫자보다 중요한 것은 어떤 인재를 어떻게 기를 것인가이다. AI 전공자만 늘려서는 현장이 바뀌지 않는다. 공정을 아는 기술자에게 데이터와 AI를 가르치고, AI 개발자에게 제조현장과 안전의 언어를 가르쳐야 한다. 대학의 석·박사 과정뿐 아니라 현장 재직자, 생산관리자, 품질담당자, 중소기업 대표가 자신의 문제를 AI와 함께 해결하는 프로젝트형 교육이 병행되어야 한다. 숙련공은 AI에 밀려나는 사람이 아니라 AI의 스승이자 새로운 현장 지식의 설계자가 되어야 한다.

노동 전환에 대한 사회적 대화도 빠뜨려서는 안 된다. 자동화가 생산성을 높이더라도 그 이익이 일자리 불안과 소득 격차로 돌아온다면 현장의 협력을 얻기 어렵다. 위험 업무는 AI와 로봇에 맡기되, 영향을 받는 노동자에게 재교육과 직무 전환의 기회를 먼저 제공해야 한다. AI가 내린 결정의 책임 주체와 작업자가 이를 중단하거나 이의를 제기할 권리도 분명히 해야 한다. 기술 도입의 전 과정에 현장 노동자가 참여할 때 제조AI는 사람을 배제하는 자동화가 아니라 사람의 경험을 확장하는 혁신이 된다.

「제조AI 2030 전략」은 방향과 목표를 제시했다. 이제 필요한 것은 실행의 정직함이다. 부처별 사업을 늘어놓는 데서 벗어나 데이터 수집부터 모델 개발, 현장 실증, 지역 확산, 수출까지 하나의 책임체계로 연결해야 한다. 국민에게 투자액과 구축 건수만 보고할 것이 아니라 생산성, 안전, 중소기업의 이익, 지역 일자리, 노동자의 삶이 실제로 얼마나 나아졌는지를 공개해야 한다.

우리 대한민국은 세계 최고 수준의 제조 현장과 수십 년의 경험을 가지고 있다. 이 강점을 AI와 제대로 결합한다면 우리는 외국의 AI를 사서 쓰는 제조국을 넘어, AI가 스스로 운영하는 공장과 그 운영체계까지 세계에 수출하는 나라가 될 수 있다. 제조AI 대전환의 목적은 사람이 없는 공장을 만드는 데 있지 않다. 사람이 더 안전하고 창의적인 일을 하며, 대기업과 중소기업, 수도권과 지역이 함께 성장하는 새로운 제조 생태계를 만드는 데 있다. 2030년의 성패는 AI 기술의 속도만이 아니라 기술을 현장의 신뢰와 사람의 성장으로 연결하는 우리의 선택에 달려 있다.

이미지 출처: AI 생성 콘텐츠