
오늘(2026년 10월 24일) 나온 제조업 AI 전환 소식이 숫자로는 화려하고, 속으로는 뼈아프다. 한국 제조업 AI 전환(AX) 지원사업에 참여한 42개 사업장에서 생산성이 평균 30.1% 높아졌고, 제품 불량률은 15.5% 줄었다. 반도체 장비 검사부터 자동차 부품 생산, 선박 용접까지 AI가 실제 공정으로 들어간 결과다. 정부는 이 흐름을 이어 2030년까지 AI 팩토리 500곳 구축을 추진한다.
그런데 같은 날 함께 나온 글로벌 수치가 분위기를 바꾼다. 가트너가 10월 19일 미국 올랜도 IT 심포지엄에서 발표한 조사에 따르면 기업별 AI 활용 사업은 1년 새 평균 400% 넘게 늘었지만, 긍정적인 투자수익을 거둔 AI 활용 사업은 전체의 약 20%에 머물렀다. 도입은 폭발했는데, 돈이 되는 곳은 다섯 곳 중 한 곳뿐이라는 얘기다.
42곳의 30.1%는 어디에서 나왔나
기사에 등장하는 현장은 공통점이 있다. AI를 '도입한 공장'이 아니라 '공정과 연결한 공장'이다. 반도체 장비 검사에서는 사람이 눈으로 보던 검사를 AI가 맡아 검사 시간을 줄이고, 자동차 부품 생산에서는 공정 데이터를 실시간으로 보고 이상 징후에 대응하며, 선박 용접에서는 작업 품질 편차를 줄이는 방향으로 쓰였다.
현장에서 생산성 개선은 대개 한 번의 큰 기술이 아니라 작은 병목이 여러 개 풀리면서 쌓인다. 검사 대기 시간이 줄고, 재작업이 줄고, 설비 멈춤이 예고되는 식이다. 30.1%라는 평균 뒤에는 이런 '측정 가능한 변화'들이 있다. 그래서 이 숫자는 AI의 성능 지표가 아니라 운영 지표로 읽어야 한다.
400%와 20%의 간극이 말하는 것
가트너 수치가 불편한 이유는 단순하다. AI 활용 사업의 개수는 늘리기 쉽지만, 그 사업이 매출이나 원가에 닿으려면 공정·데이터·사람이 함께 바뀌어야 하기 때문이다. 모델을 붙였는데 데이터가 늦게 들어오면 판단이 늦고, 판단이 나와도 작업자가 믿지 않으면 실행이 안 된다. 결국 AI 도입 속도와 경제적 성과 속도가 벌어지는 지점이 바로 이 '연결'의 빈틈이다.
제조업에서 성과를 가르는 지표도 기사에 그대로 나와 있다. 생산 시간, 불량률, 설비 가동 시간, 품질검사 비용, 원자재와 에너지 사용량이다. 공장에 AI를 몇 개 깔았는지가 아니라, 이 지표 중 어느 하나라도 꾸준히 좋아졌는지가 전환의 증거다. 반대로 지표가 움직이지 않는데 활용 사업 수만 늘었다면, 그건 전환이 아니라 전시다.
7년차 현장 관점에서 보는 AX의 다음 관문
7년차 현장 엔지니어로서, 이 뉴스를 보며 가장 먼저 든 생각은 이것이다. AI 전환의 병목은 이제 모델이 아니라 '현장과 연결되는 마지막 10미터'다.
그래서 뭘 하면 되나. 공장에 AI를 들이기 전에, 먼저 한 가지 지표를 정하고 그 지표의 기준선부터 재는 것이다. 불량률이든 가동 시간이든, 기준선이 없으면 30.1% 같은 숫자도 남의 얘기가 된다. 그다음에는 데이터가 제때 들어오는지, 판단이 작업자의 손에 닿는지, 결과가 다시 학습으로 돌아오는지 순서대로 확인하면 된다. 42곳의 성과가 말해주는 것도 결국 이것이다. AI는 공장을 바꾸는 게 아니라, 공장이 이미 재고 있던 문제를 더 빨리 보이게 만들 뿐이다.
정부의 AI 팩토리 500곳 계획이 숫자로만 남지 않으려면, 각 현장이 '우리 공장의 30.1%는 무엇인가'라는 질문에 답할 수 있어야 한다. 그 답이 있는 공장부터가 진짜 AI 팩토리다.
출처: KtN(한국트렌디뉴스) 임우경 기자, "[AI 전환②] AI 활용 400% 급증…한국 제조업 42곳 생산성 30.1% 개선", 2026년 10월 24일. 가트너 IT 심포지엄 발표(2026년 10월 19일, 미국 올랜도) 인용.
관련 글: https://developer-archive.tistory.com/124, https://developer-archive.tistory.com/126, https://developer-archive.tistory.com/145
'인공지능 & 데이터 사이언스 > 최신 AI 기술 트렌드' 카테고리의 다른 글
| AI가 '불량'이라고 했는데 이유를 모르면 현장에서 못 쓴다 — 설명 가능한 제조 AI의 실전 기준 (0) | 2026.10.28 |
|---|---|
| AI가 현장 용어를 몰라서 틀린다 — 현장 용어집이 AI 도입의 첫 번째 산출물인 이유 (0) | 2026.10.28 |
| AI가 공장에 '에이전트'로 들어왔다 — 포스코 InnoPIMS가 보여준 예지정비의 다음 단계 (0) | 2026.10.24 |
| 공장용 AI 챗봇이 첫 주에 망한 이유 — 프롬프트가 아니라 '권한' 문제였다 (0) | 2026.10.23 |
| 모델 전쟁은 끝났다, 인프라 전쟁이 시작됐다 — 구글·AWS의 '탈엔비디아' 선언이 현장에 던지는 질문 (0) | 2026.10.21 |
