AI 시대, 한국 제조업의 미래는?

사라진 제조 능력을 다시 세우려면 오랜 시간이 필요하다

AI 시대의 제조업을 이해하려면 미국 조선업부터 봐야 한다. 미국은 한때 세계적인 조선 강국이었지만 한 세대가 지나는 동안 배를 만들 인력과 부품 생태계가 크게 약해졌다. 선박 한 척에는 수십만 개의 부품이 들어가며, 선체를 잇는 용접에는 오랜 숙련이 필요하다. 공장 건물만 다시 세운다고 바로 고품질 선박이 나오기 어려운 이유다.

김정관 산업통상부 장관은 한미 조선 협력의 진행 과정을 세 단계로 설명한다. 먼저 한국 조선소에서 선박 전체를 건조하고, 다음에는 한국에서 만든 블록을 미국으로 보내 현지에서 조립하며, 장기적으로 미국의 선박 생산 능력을 다시 세우는 방식이다. 미국은 필요한 배를 더 빨리 확보하고 한국 조선소와 부품업체는 새로운 일감을 얻는다.

미국이 조선업 재건을 서두르는 배경에는 중국이 있다. 중국은 상선과 군함을 대규모로 건조할 수 있지만 미국은 자국에서 필요한 배를 충분히 만들기 어렵다. 김 장관은 미국이 태평양에서 해양력을 유지하기 위해 한국 같은 동맹국과 조선 협력을 강화하려 한다고 설명한다.

이 사례는 제조 능력이 설비만으로 보존되지 않는다는 사실을 보여준다. 용접 장인의 기술과 수십만 개의 부품을 공급하는 기업, 이를 조립해 완성품으로 만드는 공정이 함께 남아 있어야 한다. 한국의 제조업 AI 전환도 지금 가진 현장 기술을 다음 세대로 넘기는 문제에서 출발한다.

한국의 승부처는 AI를 제조 현장에 적용하는 능력이다

김 장관은 현재 AI 분야에서 미국이 1등, 중국이 2등이며 한국이 3등이라고 평가한다. 다만 한국을 포함한 나머지 국가와 선두 두 나라의 격차가 크다고 본다. AI 모델 자체의 경쟁만 보면 한국은 추격자에 가깝다.

그는 인터넷을 예로 든다. 인터넷 원천 기술은 미국에서 개발됐지만 한국은 빠른 통신망을 깔고 산업과 생활에 널리 적용했다. AI도 처음 개발한 국가와 가장 잘 활용하는 국가가 반드시 같지는 않다는 주장이다.

한국이 가진 첫 번째 강점은 반도체다. GPU를 뒷받침하는 HBM과 메모리 반도체는 AI 데이터센터에 필요한 핵심 부품이다. 김 장관은 반도체를 AI 시대의 전략 자산이라고 부른다. AI 사용량이 늘어날수록 이를 실행할 반도체 수요도 함께 커진다.

두 번째 강점은 조선·자동차·전자·기계처럼 AI를 적용할 제조 현장이 있다는 점이다. 김 장관이 강조하는 M.AX는 Manufacturing AI Transformation, 즉 제조업 AI 전환이다. 범용 AI 모델의 순위를 그대로 따라가기보다 제조 공정에 AI를 적용해 비용과 품질 경쟁력을 높이겠다는 구상이다.

숙련 인력 고령화와 중국의 생산 규모가 동시에 압박한다

한국 제조업은 AI 도입과 별개로 이미 세 가지 문제를 안고 있다. 제조 현장의 숙련 인력이 고령화하고, 젊은 인력은 힘들고 위험한 작업을 피하며, 중국은 막대한 생산 능력으로 비용·품질·서비스 전반에서 경쟁한다.

김 장관은 미국에서 조선업 숙련자가 사라진 것과 같은 문제가 한국에서도 나타날 수 있다고 경고한다. 조선 용접처럼 배우는 데 10년, 20년이 걸리는 기술은 숙련자가 떠난 뒤 단기간에 되살리기 어렵다. 앞으로 2~3년이 지나면 일부 숙련 인력을 구하기 더 어려워질 수 있다는 것이 그의 판단이다.

기존 산업용 로봇만으로는 이 문제를 모두 해결하기 어렵다. 프로그램된 로봇은 정해진 위치에서 물건을 집어 정해진 장소에 놓는 작업에는 강하다. 그러나 물건의 위치나 작업 조건이 달라졌을 때 스스로 상황을 판단해 다음 행동을 바꾸지는 못한다.

김 장관이 말하는 피지컬 AI는 여기서 한 단계 더 나아간다. 센서로 주변 환경을 인식하고, AI가 상황을 판단하며, 로봇이 그 판단에 따라 움직인다. 제조 현장의 변수를 읽고 작업 방식을 바꿀 수 있다는 점에서 기존 자동화와 다르다.

조선 용접에는 작업 지침에 담기 어려운 판단이 있다

조선소의 용접은 피지컬 AI가 필요한 이유를 가장 선명하게 보여준다. 선박은 거대한 철판과 블록을 이어 만들어진다. 그러나 같은 동작을 반복한다고 같은 품질이 나오지 않는다. 철의 성분이나 접합 부위가 다르고 온도·습도·바람 조건이 달라지면 용접 방식도 달라진다.

숙련자는 불꽃의 색과 주변 환경을 보며 용접 방식을 조절한다. 이런 판단 능력은 1~2년 만에 생기지 않는다. 현장에서 10년, 20년을 일하며 축적된다. 문제는 이 기술이 책이나 작업 지침에 완전히 담기지 않는다는 점이다.

김 장관은 이런 암묵지를 데이터로 남겨 AI에 학습시키는 방안을 제시한다. 센서로 온도와 습도, 바람, 철의 성분을 읽고, 조건이 달라질 때 숙련자가 용접 방식을 어떻게 바꾸는지 AI가 배울 수 있다면 로봇도 작업 조건에 맞춰 행동을 달리할 수 있다는 설명이다.

이는 숙련자의 손동작을 그대로 복제하는 일과 다르다. 숙련자가 무엇을 보고 어떻게 판단하는지를 다음 세대의 생산 공정에 남기는 일이다. 피지컬 AI는 모니터 안에서 답을 만드는 AI에 센서와 로봇이라는 몸을 붙여 현장에서 움직이게 한다.

구분	프로그램된 로봇	피지컬 AI 로봇
작업 방식	미리 입력된 위치와 순서를 반복한다	물체와 주변 상황을 인식한 뒤 행동을 정한다
대응 범위	정해진 작업 범주 안에서 움직인다	달라진 조건을 판단해 다음 동작을 바꾼다
용접 적용	정해진 조건과 동작을 반복한다	센서로 읽은 작업 조건에 맞춰 용접 방식을 달리하는 것을 목표로 한다
사람의 역할	사람이 힘든 작업을 직접 수행한다	로봇이 힘든 작업을 맡고 사람은 로봇을 관리한다

현장 노동자를 로봇 운용자로 바꾸는 교육이 필요하다

제조 현장에 로봇이 들어오면 일자리 감소 문제가 먼저 떠오른다. 김 장관은 실제 로봇 도입 기업에서 현장 노동자가 로봇을 관리하는 역할로 옮겨가는 모습을 설명한다. 지금 사람이 맡는 힘든 작업을 로봇이 수행하고, 사람은 로봇의 작동을 관리하는 방향이다.

폭염 속 용접은 사람이 계속 수행하기 어렵고 안전 문제도 크다. 로봇이 이런 작업을 맡을 수 있다면 생산을 이어가면서 작업자의 위험을 줄일 수 있다. 산업통상부가 2026년 공개한 M.AX 사업도 조선 작업장의 화재 감시·진화, 화학산업의 위험 환경에서 이뤄지는 밸브 조작, 물류 현장의 제품 포장에 산업 특화 로봇을 적용하고 있다.

로봇 설치만으로 역할 전환이 끝나지는 않는다. 김 장관은 AI 모델을 개발할 최고급 인재와 별도로, 제조 현장에서 AI를 활용하고 운용할 인력이 훨씬 많이 필요하다고 강조한다. AI를 두려움의 대상으로 보는 대신 생산 도구로 다룰 수 있어야 한다는 뜻이다.

한국이 제조 강국이 된 배경에도 교육이 있었다. 아무것도 없던 시기에 사람을 길렀고, 그 인력이 산업을 만들었다. 김 장관은 같은 원리가 AI 시대에도 필요하다고 본다. 현장에서 AI와 로봇을 운용할 인력을 길러내는 일이 제조업 전환의 한 축이다.

반도체와 공장을 함께 가진 한국은 피지컬 AI에서 기회를 찾을 수 있다

피지컬 AI는 소프트웨어만으로 완성되지 않는다. AI를 실행할 반도체, 주변 환경을 읽을 센서, 실제 작업을 수행할 로봇, AI를 적용할 공장이 함께 필요하다.

한국은 메모리와 HBM을 생산하고 조선·자동차·전자·기계 산업의 공장을 운영한다. 김 장관은 AI 확산으로 반도체 산업이 얻는 수혜와 함께, 제조 현장에서 AI를 활용해 경쟁력을 높일 기회도 크다고 본다.

이 제조 역량은 국제정치에서도 가치를 갖는다. 미국의 조선업 재건 사례처럼 필요한 물건을 직접 만들 능력이 약해지면 다른 국가의 생산 기반에 의존해야 한다. 한국의 조선소와 부품업체가 미국의 선박 공급과 조선업 재건 과정에 참여할 수 있는 것도 국내에 제조 기반이 남아 있기 때문이다.

AI가 한국의 용접 기술과 생산 경험을 다음 세대로 잇는다면 기존 제조 기반을 유지하고 업그레이드할 수 있다. 반대로 숙련 인력이 떠날 때 기술도 함께 사라지면 설비 투자를 늘려도 같은 품질과 생산 능력을 곧바로 되찾기 어렵다.

한 공장의 성과를 제조업 전반으로 확산해야 한다

김 장관은 M.AX 확산을 점·선·면으로 설명한다. 한 기업이 AI를 도입하면 하나의 점이 생긴다. 이 점들이 이어지면 선이 되고, 선들이 이어지면 면이 된다. 최종 목표는 제조업 전반이 M.AX를 통해 연결되는 것이다.

이 구상을 실행하려면 발표된 계획을 실제 사업으로 바꿔야 한다. 김 장관은 반도체·AI 데이터센터·피지컬 AI 3대 메가 프로젝트를 추진하는 산업통상부의 역할을 개발자, 조정자, 촉진자로 구분한다.

개발자는 공장 입지와 전력·용수처럼 흩어진 조건을 하나의 사업으로 설계한다. 조정자는 산업통상부와 재정경제부, 과학기술정보통신부, 환경부, 국토교통부, 지방정부와 기업을 연결한다. 촉진자는 인허가 같은 문제로 멈춘 사업이 다시 움직이게 한다. 계획 발표에서 끝내지 않고 생산시설과 산업 현장을 실제로 바꾸기 위한 역할이다.

산업통상부는 2026년 8월 AI 팩토리 지원 사업의 성과를 발표했다. 170여 개 지원 사업장 가운데 조기 착수한 42개 사업장을 점검한 결과, 평균 생산성은 30.1% 높아지고 불량률은 15.5% 낮아졌다. 정부는 검증된 사례를 중소·중견기업과 지역 산업단지로 확산한다는 계획을 밝혔다.

앞으로 10년이 제조업의 방향을 가른다

김 장관은 지금을 한국이 제조업을 지키고 업그레이드할 마지막 구간으로 본다. AI를 도입하지 못하면 미국에서 조선업이 사라진 것처럼 한국 제조업도 10년, 20년 뒤 서서히 해외로 옮겨가거나 약해질 수 있다고 경고한다. 반대로 피지컬 AI를 활용하면 숙련자의 기술을 이어가고 새로운 일자리를 만들 수 있다고 본다.

그는 제조업 AI 전환에 앞으로 약 10년이 주어졌다고 본다. 이 기간에 개별 기업의 AI 도입을 전 산업으로 연결하고, 현장에서 AI와 로봇을 운용할 인력을 길러야 한다는 판단이다.

AI 관련 시장의 기대에는 과열과 조정이 생길 수 있다. 김 장관도 인터넷 시대의 닷컴 버블처럼 AI 관련 기업에 대한 기대가 실제 성과보다 커지면 조정이 나타날 수 있다고 본다. 그러나 AI가 산업 전반에 확산하는 흐름 자체는 이어질 것으로 판단한다.

한국 제조업의 미래는 미국과 중국의 범용 AI 모델을 그대로 따라잡는 문제에만 달려 있지 않다. 한국이 이미 가진 반도체와 제조 현장에 AI를 적용하고, 숙련자의 기술을 피지컬 AI로 이어가며, 현장 노동자를 AI·로봇 운용 인력으로 길러낼 수 있느냐가 핵심이다. 김 장관이 제시한 향후 10년은 이 전환의 성과를 만들어야 할 결정적 기간이다.

자주 묻는 질문