기업 경영진 10명 가운데 9명은 지난 3년 동안 AI가 생산성에 측정 가능한 영향을 주지 못했다고 답했지만, 공장과 조선소, 풍력 단지에서는 이미 AI가 정비 기술자와 검수 담당자 옆에서 작업을 처리하고 있다. 산업 AI 기업 마키나락스가 9월 3일 연 산업 AI 행사 ‘어텐션(ATTENTION) 2026’의 발표 18개를 담은 인사이트 리포트를 공개했다. 리포트의 중심 질문은 AI를 몇 개 도입했느냐가 아니라 도입한 AI가 현장에서 계속 쓰이고 그 경험이 기업의 자산으로 남느냐다. 제조, 공공, 금융, 국방 현장에서 AI 도입을 검토하는 조직이라면 사례별 수치와 운영 기준을 점검 목록으로 활용할 수 있다.

마키나락스 어텐션 2026과 정확도 80%의 벽

윤성호 마키나락스 대표는 산업 현장의 AI 정확도 80%가 쓸 수 없는 숫자라고 진단했다. 리포트에 따르면, 미국 전미경제연구소(NBER) 조사에서 기업 경영진의 약 90%는 지난 3년간 AI가 생산성에 측정 가능한 영향을 주지 못했다고 답했다. 윤 대표는 원인으로 산업 현장의 롱테일을 꼽았다. 롱테일은 자주 일어나지 않지만 현장 전문가의 노하우가 필요한 문제를 뜻하며, 도면 해석이나 센서값 판독, 설비 이상 감지가 여기에 해당한다. 이런 노하우는 인터넷에 공개된 적이 없어 범용 AI 모델의 정확도는 80% 수준에 머물고, 오류 하나가 불량이나 설비 정지로 이어지는 공장에서는 이 수준으로 업무를 맡기기 어렵다.

윤 대표가 해법으로 제시한 ‘기업 AI 주권’은 AI를 쓰며 생기는 업무 지식과 판단 기준을 기업 자산으로 남기는 소유, 특정 모델이나 공급사에 묶이지 않는 독립, 사람과 AI가 무엇을 할 수 있는지 기업이 정하고 되돌릴 수 있는 통제로 구성된다. 리포트는 세 조건이 갖춰질 때 AI를 쓸수록 기업 지식이 쌓이는 ‘축적’이 시작된다고 설명했다.

롱테일 20%와 기업 AI 주권의 3개 권리 (자료: 마키나락스 ATTENTION 2026 인사이트 리포트 6쪽)

마키나락스에 따르면, 고객 현장에 직접 배치되는 엔지니어(FDE)가 7만 시간 동안 5개국 32개 도시, 80여 개 고객 사이트를 지원했고, 6,000개 이상의 AI 모델이 산업 현장에서 동작하고 있다. 설계도서 변경 검토에 AI 에이전트를 적용해 투입 시간 1,000시간을 줄였고, 6개 자동차 생산 공장의 로봇 1,400대 이상에 AI를 적용했다.

조선소와 풍력 단지 1만 4,000대의 AI 정비

대형 제조 현장의 발표는 인력 감소와 장비 복잡성이라는 같은 과제에서 출발했다. 김영옥 HD현대 상무는 국내 노동인구가 10년마다 약 15%씩 줄어 2070년 1,710만 명이 될 전망이고, 국제해사기구(IMO)가 2008년 대비 온실가스를 2030년 20%, 2040년 70% 줄이고 2050년 넷제로를 달성하도록 요구한다고 설명했다. 선박 총소유비용에서 선가는 30%에 그치고 유류비 10%와 탄소 페널티 60%가 나머지를 차지한다. HD현대는 설계와 생산 단계에 AI 에이전트를 구축하고, 350척 이상 선박의 운항을 관리하며 AI 스마트십 솔루션 4종을 운영하고 있다.

유럽 풍력 터빈 제조사 노르덱스 사례에서는 정비 현장의 변화를 확인할 수 있다. 풍력 터빈 한 대에는 4,000개 이상의 센서가 달려 있고 연간 5~10회 기술자 방문이 필요하다. 노르덱스는 40개국 1,800개 풍력 단지에서 터빈 1만 4,000대를 관리하는데, 고장으로 발전이 멈추면 고객에게 보상하는 서비스 계약을 맺고 있다. 독일 뮌헨의 소프트웨어 기업 디바이스 인사이트와 마키나락스가 함께 구축한 에이전틱 AI ‘노라(Nora)’는 매뉴얼과 정비 이력, 센서 데이터를 연결해 현장 기술자에게 단계별 조치를 안내한다. 리포트에 따르면, 출동 전에 필요한 부품을 미리 파악하면서 첫 방문에서 문제를 해결하는 비율이 높아졌고 반복 출동이 줄었다.

신뢰도 0.80 기준과 사람 검토 절차

도입 이후 운영을 다룬 AI OS 트랙에서는 AI 결과를 어디까지 자동으로 처리하고 어디부터 사람이 확인할지가 핵심 주제였다. 반도체 중고 장비 기업 서플러스글로벌은 장비를 해체해 회수한 부품의 정보를 AI로 인식하는 시스템을 구축했다. 신뢰도 0.80을 기준으로 확신할 수 있는 결과만 자동 확정하고 나머지는 사람이 검수하도록 했다. 실제 촬영 이미지 1,215건 가운데 625건(51.4%)을 자동 확정했고, 그중 597건이 정답이어서 정밀도는 95.5%였다. 확인 인력은 6명에서 2명으로 줄었고 처리량은 주 300건에서 500건 이상으로 증가했다.

온라인 서점 예스24는 자체 AI 실행 관리 도구 ‘룸(Loom)’을 개발해 마키나락스 AI 운영 플랫폼과 연동했다. 예스24는 약 3,200만 종의 상품을 다루며, AI에 긴 업무를 맡기면 작업 중단, 중복 실행, 완료 오인, 비용 폭주라는 위험이 생긴다고 설명했다. 그래서 재시도와 병렬 실행에 비용 한도를 두고 한도를 늘리는 일은 사람만 할 수 있게 했으며, 발주처럼 되돌릴 수 없는 판단은 담당자가 승인해야 실행된다.

리포트가 집계한 조달청 AI 관련 공고는 2015년 221건에서 2025년 3,053건으로 증가했고, 2026년에는 8월까지 4,417건이었다. 한국수자원공사는 마키나락스의 AI 운영 플랫폼 ‘런웨이(Runway)’를 도입해 데이터 연결과 모델 배포, 재학습을 한 화면에서 관리하도록 바꿨다. 보험개발원은 사고 사진으로 수리 견적을 산정하는 모델 8개를 14개 보험사에 실시간으로 제공하면서, 연 1회였던 재학습을 수시로 진행하게 됐고 유지보수 비용을 40% 줄였다.

어텐션 2026 키노트 5개와 3개 트랙 발표 13개 (자료: 마키나락스 ATTENTION 2026 인사이트 리포트 3쪽)

국방 AI 모델 반입 4일에서 1시간으로

국방 트랙에서는 통신이 끊긴 전장에서도 AI가 판단할 수 있는 구조가 공통 과제로 제시됐다. 김상희 KAIST 교수는 국방 장비 하나를 개발하는 데 7~10년이 걸리는데 AI 기술은 몇 달 단위로 바뀌기 때문에, 기존 획득 절차로는 전력화 시점에 이미 낡은 기술이 된다고 지적했다. 김민성 마키나락스 국방사업본부장은 보안 검증을 거쳐 최신 AI 모델을 폐쇄망에 반입하는 시간을 4일에서 1시간 이내로 줄인 사례를 소개했다. 마키나락스는 현장 장비의 엣지 운영체계(Edge OS), 작전 지역의 PMDC, 중앙의 D-MOS를 연합학습으로 연결하는 3단 구조를 국방 AI 모델로 제시했다.

영상 이해 AI 기업 트웰브랩스 발표에 따르면, 20세 남성 인구는 2021년 29만 명에서 2040년 13만 명으로 줄고 국방 총인력은 56만 명에서 50만 명 수준으로 감소할 전망이다. 반면 군은 2040년까지 저가 소모성 드론을 2만 대 이상 확보할 계획이어서, 한 사람이 확인해야 할 센서와 영상은 증가한다. 삼성SDS는 지상전술 지휘통제체계(ATCIS)를 교체하지 않고 데이터를 별도 AI 플랫폼으로 보내 영상 분석과 화력 추천 기능을 추가하는 신속시범사업을 소개했다.

현장 AI 경쟁력은 운영 체계와 축적

리포트의 18개 발표는 AI 모델의 성능보다 그 모델을 계속 쓰고 개선하는 운영 체계에 무게를 뒀다. 서플러스글로벌은 부품 인식 모델의 정확도와 함께 실험, 배포, 모니터링을 한 체계에서 관리한 덕분에 9개월 만에 현장으로 이관할 수 있었다고 설명했다. 김성진 한국앤컴퍼니그룹 전무는 생성형 AI 투자수익률에 만족하는 최고경영자가 30%가 안 되고 목표를 달성한 AI 프로젝트는 28%에 그친다는 가트너 조사를 인용하며, 단위 업무 자동화에 그치지 않고 업무 자체를 AI 중심으로 다시 설계할 필요가 있다고 강조했다.

다만 리포트는 행사 주최사가 발표 내용을 모은 자료이고, 사례 상당수는 마키나락스 제품을 도입한 고객사의 발표다. 성과 수치도 각 발표자가 제시한 값이어서 같은 조건으로 비교한 결과는 아니다. 그럼에도 사람이 확인할 단계, 비용 한도, 이력 관리 같은 기준은 AI 도입 단계와 관계없이 다른 기업도 점검해 볼 만하다.

FAQ( ※ 이 FAQ는 본지가 리포트를 참고해 자체 작성한 내용입니다.)

Q1. 마키나락스 어텐션 2026 리포트는 어떤 자료인가요?
마키나락스가 9월 3일 연 산업 AI 행사 '어텐션 2026'의 그랜드 키노트 5개와 세션 13개 발표를 담은 인사이트 리포트입니다. 제조, 공공, 금융, 국방 현장의 AI 적용 사례와 운영 기준을 담고 있습니다.

Q2. 리포트가 말하는 정확도 80%의 벽은 무엇인가요?
현장 전문가의 노하우가 필요한 롱테일 문제에서 범용 AI 모델의 정확도가 80% 수준에 머문다는 진단입니다. 윤성호 마키나락스 대표는 오류 하나가 불량이나 설비 정지로 이어지는 산업 현장에서는 이 수준으로 업무를 맡기기 어렵다고 설명했습니다.

Q3. AI를 도입한 기업은 무엇을 먼저 점검하면 좋을까요?
리포트의 AI OS 트랙은 담당자가 바뀌어도 운영을 이어갈 수 있는지, 자동 처리와 사람 검토를 나누는 기준이 있는지, GPU와 토큰 비용을 파악하고 있는지, 운영 데이터와 검수 이력을 다음 업무에 활용할 수 있는지를 점검 질문으로 제시했습니다.

기사에 인용된 리포트 원문은 마키나락스에서 확인할 수 있다.
리포트명: ATTENTION 2026 INSIGHT REPORT (마키나락스, 2026년 10월)
이미지 출처: 마키나락스
해당 기사는 챗GPT와 클로드를 활용해 작성되었습니다.