“제조업 재도약, AI에 달렸다”…정부 2030년까지 민관 20조원 투입 작성일 06-29 29 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">정부 ‘제조AI 2030 전략’ 공개…데이터-AI모델-산단 중심 AX 확산 3단계 전략 추진</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="Vq5hf1B3y8"> <figure class="figure_frm origin_fig" contents-hash="8b4cbd59e2880b4f4ddb316cae925dfe1eddb75b7dc36e249e0aa04275289d57" dmcf-pid="fB1l4tb0T4" dmcf-ptype="figure"> <p class="link_figure"><img class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202606/29/552796-pzfp7fF/20260629170436013jurl.jpg" data-org-width="640" dmcf-mid="2Jo6lgmjS6" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202606/29/552796-pzfp7fF/20260629170436013jurl.jpg" width="658"></p> </figure> <p contents-hash="dd9210320f94f3a8e91424cb0112885661485bfdac84f517827a095f06d8c987" dmcf-pid="4btS8FKplf" dmcf-ptype="general">[디지털데일리 오병훈기자] 인구 감소, 숙련인력 부족, 글로벌 제조 경쟁 심화가 맞물리면서 국내 제조업 전환 압박이 커지고 있다. 정부가 이에 대한 해법으로 인공지능(AI)을 앞세운 제조업 대전환 전략을 내놨다.</p> <p contents-hash="a936c968c6c50114258d327e402d6bed90623076864cb1abdb1e82e1297600f8" dmcf-pid="8KFv639UTV" dmcf-ptype="general">단순히 개별 공장에 AI 솔루션을 도입하는 수준을 넘어 제조 데이터, AI 모델, 로봇·장비 제어, 지역 산업단지 확산을 하나의 체계로 묶어 2030년까지 제조 인공지능 전환(AX) 기반을 구축한다는 구상이다.</p> <p contents-hash="8ca50d31413775a0c77b92fbb186ac2aa013e9aceaf881f29d4d400ee59501d0" dmcf-pid="693TP02uy2" dmcf-ptype="general">정부는 29일 열린 ‘대한민국 대도약 3대 메가프로젝트 국민보고회’를 계기로 국가인공지능전략위원회(AI 전략위)·범부처 합동 ‘대한민국 제조업 대전환의 길: 제조AI 2030 전략’ 주요 내용을 공개했다. 2030년까지 민관 합동 20조원을 투자하고 이를 통해 경제적 부가가치 100조원 이상을 창출하겠다는 목표다.</p> <p contents-hash="d4e2694e915c8c2261dfefa572f68b9dd3d4dbcbc4417ad4d64c2e822b41b88d" dmcf-pid="P20yQpV7S9" dmcf-ptype="general">이번 전략은 지난 2월 발표된 ‘대한민국 인공지능 행동계획’ 후속 성격이다. 산업통상부와 과학기술정보통신부, 중소벤처기업부가 AI전략위 제조 태스크포스(TF) 소속 민간 전문가 23명과 약 6개월간 논의해 마련했다. 제조기업, AI 전문기업, 대학, 연구기관 등 민간위원들이 전략 수립 과정에 참여해 현장 수요와 기술 동향을 반영했다는 설명이다.</p> <p contents-hash="f9a469887ffc4fb47793de754900d357598c1b9c20164d4bc2ec8d95045a7076" dmcf-pid="QVpWxUfzyK" dmcf-ptype="general"><strong>◆ 제조데이터, 국가가 직접 관리…“제조AI 품질 좌우”</strong></p> <p contents-hash="530e7c5d190082481cecded97893b541abc28aec05ca689220b412bbc86169f0" dmcf-pid="xfUYMu4qyb" dmcf-ptype="general">정부가 제시한 핵심 과제는 크게 세 가지다. ‘제조데이터 관리·활용 체계 구축’ ‘제조업에 특화 AI 모델 개발’ ‘지역 제조AI 확산’이다.</p> <p contents-hash="9bd6d46090ba9a65f2a119fa74eee15c97c207c9a3d1ca3f8f9930f51aca39f8" dmcf-pid="yi4Uj8nQWB" dmcf-ptype="general">우선 정부는 제조AI 성능을 좌우할 핵심 자산으로 제조데이터를 지목했다. 이를 위해 보안·관리 체계를 갖춘 ‘국가 제조데이터 라이브러리’를 구축한다. 부처별로 보유·관리 중인 제조데이터를 연계하고 데이터가 해외로 유출되지 않도록 국가 주도로 활용·관리하는 체계다.</p> <p contents-hash="4a94454afe6e108aa362efd5d0e3f9306078d49ea174b0d4ec78eaffd5a6c1b1" dmcf-pid="Wn8uA6LxWq" dmcf-ptype="general">제조 현장 데이터는 기업 경쟁력과 직결되는 자산이다. 특정 기업 생산 공정, 장비 운용 방식, 품질 관리 데이터가 외부로 무분별하게 이전될 경우 기업 가치 훼손으로 이어질 수 있다. 정부가 제조데이터 라이브러리를 통해 표준화, 암호화, 비식별화 체계를 설계하려는 이유도 여기에 있다.</p> <p contents-hash="063009589bf28e11e8f8d065fb55aca2277c258f9d7d9145a2f35345dd1febc9" dmcf-pid="YL67cPoMlz" dmcf-ptype="general">정부는 은퇴를 앞둔 제조명장과 숙련 노동자가 보유한 현장 노하우도 데이터화한다는 방침이다. 제조 현장에는 문서화되지 않은 암묵지가 상당수 존재한다. 특정 설비 이상 징후를 감지하는 감각, 공정 조건을 조정하는 판단, 불량 원인을 추론하는 경험 등이 대표적이다. 정부는 이 같은 제조 노하우를 데이터로 전환해 AI가 학습할 수 있는 기반을 마련한다는 계획이다.</p> <p contents-hash="108841a8af4ba51a3562cd75b857798b0e6ceec12707fd9a77a64b0ce4048f92" dmcf-pid="GoPzkQgRS7" dmcf-ptype="general">구체적으로 정부는 고품질 제조데이터 확보를 위해 제조기업과 AI기업이 정부 과제를 공동으로 추진하는 방식을 제시했다. 제조데이터 제공 의사가 있는 기업을 우선 지원하고 업종·핵심공정별 데이터와 숙련공 암묵지를 함께 수집해 AI 학습 기반으로 전환하겠다는 구상이다. 숙련노동자 암묵지를 데이터화·AI화하는 사업에는 2026년 추가경정예산으로 480억원을 선반영하고 2027년 본예산으로 본격 추진한다.</p> <p contents-hash="60b01af8e0b2dacb488586cf9719d8f299bacbc6e89b444ce20d01bf03c8a18d" dmcf-pid="HgQqExaeyu" dmcf-ptype="general">부처별로 흩어진 제조데이터 관리체계도 라이브러리 중심으로 연결된다. 산업부 AI팩토리 제조데이터셋, 과기정통부 AI허브, 중기부 KAMP 등 기존 제조데이터 체계를 ‘제조AX 데이터 라이브러리’로 연계하는 구조다. 보안이 필요한 데이터에 대해서는 접근자 제한, 접근기록 보관, 전문인력 관리 등 별도 관리 의무를 부여하는 방안도 제시됐다.</p> <p contents-hash="c6bbb83035c945a4c410f1951f0d5e0f635be88ac24b4bf7c952396e1d4f9d7d" dmcf-pid="XaxBDMNdhU" dmcf-ptype="general"><strong>◆ 제조 특화 AI모델 개발…풀스택 AI팩토리 수출산업화</strong></p> <p contents-hash="3642efd37c0b32ec4d816d427b5ab0c4f83bf7a9a1732b6a0fc7d69d5c3303c0" dmcf-pid="ZNMbwRjJCp" dmcf-ptype="general">축적된 제조데이터와 독자 AI 파운데이션 모델 개발 역량을 바탕으로 ‘제조AI 파운데이션 모델’을 개발한다. 제조AI 파운데이션 모델은 특정 공정에만 적용되는 개별 AI를 넘어 제조업 전반에서 활용할 수 있는 범용 AI 모델을 의미한다.</p> <p contents-hash="cd1ea6354750cf4c80f36f1e938b24315dd851c60a79d42e9bba7e60c0ffaaad" dmcf-pid="5jRKreAiv0" dmcf-ptype="general">제조업은 일반 AI 서비스보다 적용 난도가 높다. 제품 설계, 공정 조건, 설비 상태, 품질 검사, 물류·공급망 관리 등 복잡한 현장 지식과 물리적 제약을 함께 이해해야 하기 때문이다. 단순 문서 생성이나 질의응답 중심 AI와 달리, 실제 장비와 로봇을 제어하고 생산 흐름을 바꾸는 단계로 이어져야 한다.</p> <p contents-hash="ded6daf44a4d1b0e7a98d17d510b80e9d76442a413572ae7f0923ee98f6607a1" dmcf-pid="1Ae9mdcnW3" dmcf-ptype="general">정부는 이를 위해 공장·제품 설계, 검증·시생산, 공장 운영, 유통·물류 등 제조업 전 과정을 제어·관리하는 대형 AI 에이전트를 개발한다. 제조 특화 휴머노이드 상용화를 위한 핵심 부품 개발과 실증 사업도 확대한다.</p> <p contents-hash="e7cf88c633c0e3e13a7967a6ed7b4199e4a1a7a03502433dc041828b9a65ced3" dmcf-pid="tXCj0hZvvF" dmcf-ptype="general">물리법칙 기반 AI 모델, 기기·로봇 간 연계 기술, 저지연·고신뢰 통신 네트워크, 모델·에이전트·제어 전주기 융합보안기술도 함께 개발 대상에 포함됐다. 최종적으로는 AI와 로봇이 협업해 자율 운영되는 지능형 공장인 ‘풀스택 AI팩토리’를 수출 가능한 상품으로 키운다는 구상이다.</p> <p contents-hash="5b3f008203d55bd27119919e8d470036e744ca11047a618ca33aa42eeee59cc8" dmcf-pid="FZhApl5TCt" dmcf-ptype="general">구체적으로 정부는 핵심 공정별 제조AI 모델을 먼저 개발해 동일 업종·공정에서 활용 가능한 사례를 만들고, 이후 다양한 공정과 업종에서 폭넓게 활용할 수 있는 중대형 제조AI 모델로 확장한다는 방향을 제시했다. 제조 현장에서 쉽게 활용할 수 있도록 거대언어모델(LLM) 등과 결합한 에이전트 형태로 확산하는 방안도 포함됐다.</p> <p contents-hash="6aeeec1c70d2dc10b2a780220de55cf497e2283a9899f06bc98822cfc4f3b15c" dmcf-pid="35lcUS1yy1" dmcf-ptype="general">AI팩토리 선도사업은 2025년까지 누적 102개를 구축했으며, 2030년까지 500개 이상으로 확대하는 목표가 제시됐다. 제조 특화 휴머노이드 실증은 2025년 조선·화학·디스플레이·자동차·항공·가전·물류 7개 업종 10개 현장에서 착수해 2026년 20개소 이상, 2027년 누적 100개소로 확대한다는 일정도 담겼다.</p> <p contents-hash="84e384ea1c750fa471fb1fd6eaee7b80269baf24aa2949d8e732e34aa2cf25a0" dmcf-pid="01SkuvtWT5" dmcf-ptype="general"><strong>◆ 산단 중심 제조AX 확산…중소기업 전환이 관건</strong></p> <p contents-hash="f0c233c535e7df9791b08f967a46ecd02aaf1deb44b298e3f4a06a2958b62c84" dmcf-pid="ptvE7TFYWZ" dmcf-ptype="general">정부는 제조AI 확산 거점으로 산업단지를 지목했다. 국내 산업단지는 제조업 생산·수출의 3분의2, 고용 절반을 차지하는 핵심 기반이다. 정부는 산업단지를 AI 산업단지로 전환하기 위해 ‘맥스(M.AX) 클러스터’를 조성한다.</p> <p contents-hash="dac6d568ea0c99da15d533cdc57ff11de1c4d4cbd5661baf750bd1bb2bca5f5e" dmcf-pid="UFTDzy3GhX" dmcf-ptype="general">M.AX 클러스터에는 산단별 실증 테스트베드, 엣지컴퓨팅센터 등 공용 인프라가 구축된다. 지역 제조기업과 거점대학, AI 전문기업이 함께 AI 도입을 실증하고 확산할 수 있도록 지원하는 방식이다. 안전사고가 잦은 위험 공정을 AI·로봇으로 대체해 근로환경을 개선하는 것도 주요 목표다.</p> <p contents-hash="1b7ebf90030b52a584e321243f5ca91ec0963576ea6809f6626e4fc3e1b5dfd8" dmcf-pid="u3ywqW0HyH" dmcf-ptype="general">특히 전체 제조기업의 99.6%를 차지하는 중소기업의 AI 전환이 전체 전략의 성패를 좌우할 전망이다. 대기업 중심 고도화 사례만으로는 제조업 전반 AX 확산을 기대하기 어렵기 때문이다. 정부는 상생형 AI 스마트공장 사업 등을 통해 대기업 협력 기반 중소기업 확산을 추진하고, 중소 제조 현장에 적용 가능한 제조AX 방법론을 제시할 계획이다.</p> <p contents-hash="81b2fb2f0ff755557b662dafb5a6c9cc4046d3da66f7600026fac134bcb16d45" dmcf-pid="70WrBYpXWG" dmcf-ptype="general">민간 투자 확대를 위해 펀드와 보증도 활용한다. 150조원 규모 국민성장펀드 투자와도 연계한다. 제조AI 전문기업 육성을 위한 ‘제조AX 인증’ 제도 도입, 석·박사급 핵심기술 인력 양성, 현장 재직자 교육 프로그램도 추진된다. 법적 기반 마련을 위해 산업 디지털전환과 중소기업 스마트제조혁신 관련 법령 개정도 검토된다.</p> <p contents-hash="e3606a0701b3f744491029d80937dfc5c2742d7b5451de66420df40f716a2a53" dmcf-pid="zpYmbGUZhY" dmcf-ptype="general">구체적으로 M.AX 클러스터는 3단계 확산 구조로 추진된다. 먼저 산단별 선도공장을 육성한 뒤 협력·유사기업군으로 확산하고, 이후 풀스택 AI팩토리로 발전시켜 수출까지 연결하는 방식이다. 클러스터 내부에는 테스트베드, 종합지원센터, 엣지컴퓨팅센터, 통신 인프라 등 공용 AI 인프라를 집약한다는 계획이다.</p> <p contents-hash="348af41534e0ace664e080945e9ab477e9c809bf9d60c45af3b12a16fe665df9" dmcf-pid="qYsgtOGhWW" dmcf-ptype="general">중소 제조기업 확산은 식품·뷰티 등 주력 분야를 중심으로 AX 가이드라인과 표준모델을 마련하는 방식으로 추진된다. 해외 공장 구축 지원은 진출 국가별로 차등화한다. 선진국·중동에는 설비·플랫폼·운영체제(OS)를 결합한 턴키 방식을, 아세안·중남미에는 플랫폼 구축과 컨설팅 방식을 예시로 제시했다. 제조AI 플랫폼 수출을 위해 디지털 통상협정 확대도 추진한다.</p> <p contents-hash="1cd1403c797669a66fa7324faf852679b124a8bd684eeb683c2d8d890533c3ff" dmcf-pid="BGOaFIHlly" dmcf-ptype="general">정부가 제시한 제조AI 2030 전략은 제조데이터 확보부터 AI모델 개발, 지역 산단 확산, 전문기업 육성까지 제조AX 전 주기를 포괄한다. 다만 실제 성과는 제조 현장의 폐쇄적 데이터 구조를 얼마나 풀어내고 중소기업이 감당 가능한 비용과 방식으로 AI를 확산시킬 수 있느냐에 달릴 것으로 분석된다.</p> <p contents-hash="a09f28b8d4a6386ba5db1aaa9dcbc3c0738e13c326df84d4caea9eb3fed8f6a3" dmcf-pid="bHIN3CXSvT" dmcf-ptype="general">배경훈 부총리 겸 과기정통부 장관은 “이번 제조AI 2030 전략은 지난해 10월 과기정통부·산업부·중기부가 제조 및 산업 AX를 위해 원팀으로 협력하기로 한 약속이 본격적인 실행전략으로 이어진 의미 있는 성과”라고 말했다.</p> <p contents-hash="a0617c7897dfd1004a7bc4c15dc70360e98bac74ba25889afd4168fd5d13cd4c" dmcf-pid="KXCj0hZvTv" dmcf-ptype="general">이어 “제조AI는 단순히 공장에 AI를 적용하는 수준을 넘어 AI가 제조 현장의 물리현상과 공정 흐름을 이해하고 장비·로봇을 스스로 판단·제어하는 단계로 발전해야 한다”며 “제조 피지컬AI 원천·기반기술 확보가 필수적”이라고 강조했다.</p> </section> </div> <p class="" data-translation="true">Copyright © 디지털데일리. All rights reserved. 무단 전재 및 재배포 금지.</p> 관련자료 이전 [투자를IT다] 2026년 6월 4주차 IT기업 주요 소식과 시장 전망 06-29 다음 대도약 3대 메가프로젝트 …피지컬AI 기업들 "연합군·데이터 표준 생태계 필요" 06-29 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
