전체메뉴

[애플경제 이지향 기자] 국내 제조업이 AI를 도입하는데 가장 큰 걸림돌은 정작 AI를 도입한 후 활용할 수 있는 역량이 부족하고, 전문 인력 확보도 어려운 점이다. 또한 중소기업의 경우는 자금 문제도 큰 장애 요인이다.

이런 문제점 때문에 어렵사리 AI를 도입한 후에도 DX와 관련 인력 등에 대한 비용만 늘고, 영업이익이나 생산성은 그대로인 경우가 많다는 지적이다. 이에 인력을 양성하고, AI테스트 베드 등 기술 인프라를 구축해야 한다는 주문이다. 또 전문 컨설팅과 함께 정책적 지원도 절실한 실정이다.

실제로 지능정보사회진흥원이 최근 실시한 설문조사에 따르면 (AI도입 이후에도) 디지털 전환 지출, 인력 비용, 영업이익, 조직 변화 등에 ‘변화 없음’이라는 응답이 우세한 것으로 나타나 이런 현실을 반영하고 있다.

현장 종사자들도 ‘디지털 마인드’ 부족

무엇보다 데이터 시스템이 취약하고 기술 시스템이 노후화되는 등 기술인프라가 열악하다는게 문제다. 공장 등 제조 현장에선 공정 설비마다 각기 다른 제조 데이터가 무질서하게 흩어져있다. 또 현장 종사자들도 이른바 ‘디지털 마인드’가 없다보니, 데이터를 수작업으로 찾아야 하거나, 아예 데이터셋에 대한 개념이 없는 경우가 많다.

그 때문에 용도에 맞춰 기존 데이터를 가공·재처리해야 하는 등 AI 학습용 데이터를 활용하는게 쉽지 않다. 그나마 개인정보 침해 우려로 원활하지 못하다.

또한 대부분의 제조업체들은 ‘최첨단’이라고 인식하는 수준이 그저 기계적, 물리적 자동화에 그친다. 그렇다보니, 낡은 레거시 장비와 설비에 매여있고, 그나마 AI에 대한 인식도 매우 낮은 수준이다. 더욱이 “과연 AI를 도입해도 생산과 매출에 차질이 없을까”하는 불안도 걸림돌이다. 이는 특히 영세한 중소기업으로선 매우 큰 부담이 아닐 수 없다.

이에 “제조업 AI 확산을 위해서는 데이터 통합 기반 마련과 함께 현장의 IT 인프라를 현대화하고, 기술에 대한 불신과 불확실성을 누그러뜨리기 위한 제도적 보완이 절실하다”는 주문이다.

AI 도입을 가로막는 또 다른 문제는 실질적으로 이를 추진할 수 있는 산업AI 전문인력의 절대적 부족이다. 특히 도메인 지식과 AI 기술을 동시에 이해하는 융합형 인재가 부족하다. 그 때문에 레거시 시스템에 익숙한 현장 관리자나 (기왕의 자동화에 의한) 스마트팩토리 전문가와, AI 전문가 간에 소통이 잘 되지 않는다. 당연히 현장에선 작업 공정마다 마찰과 불협화음이 생길 수 밖에 없다.

또 최고급 전문인력은 찾기도 힘들고, 인건비가 비싸서 중소기업으로선 선뜻 엄두가 나지 않는다. 이에 “일부 기업은 국내 인력 수급이 어려워 해외 기업과의 공동개발 방식으로 대체하고 있는 실정”이란 지적이다.

융합형 인재 부족, 거래처와 소통도 문제

또 거래처와의 관계도 문제다. 왜 AI 기술를 도입해야 하는지를 거래처 등에도 설득하고 이해를 구하는게 쉽지 않다. 그 때문에 각종 공급기업과의 커뮤니케이션에서도 문제가 생긴다.

또한 중견·중소기업은 투자 여력이 부족하고, 고성능 AI 솔루션보다는 상대적으로 가격이 낮은 ‘룰베이스’(사전 기계학습 위주의 AI) 방식의 AI 솔루션을 선택할 수밖에 없다. 이에 고도화된 AI 도입은 지연될 수 밖에 없다.

특히 AI 자율제조 등 무인화 기술로 인한 노동 문제도 해결 과제다. 노동 현장에서는 인력 대체에 대한 불안과 불신으로 작업자의 저항이 일어나고, 이는 자칫 태업이나 기술적 저항 등으로 연결될 수도 있다. 그래서 “AI 도입 효과에 대한 신뢰 가능한 성과 사례나 우수기업 벤치마킹 정보가 부족해 기술 적용 실효성에 대한 현장 신뢰 형성이 미흡한 상황”이란 지적이다.

AI개발과 공급을 전담하는 IT기업의 기술력과 제조업체의 기대치가 어긋날 수도 있어 문제다. 즉, 기업의 과도한 기대 수준 간 미스매칭으로 인해 도입 초기부터 AI에 의한 작업 범위나 성능에 대한 인식과 기대치가 서로 다를 수도 있다.

앞서 진흥원은 “특히 정부 정책에 대한 기업의 전반적인 인지도가 낮고, 기존 지원 프로그램의 대상과 범위가 제한적이어서 실질적인 체감도가 낮다는 지적도 많다”고 지적했다. 이에 “중견·중소기업의 기술 수준과 투자 역량을 고려한 맞춤형 지원 확대와 함께 정책 홍보 및 수혜 접근성 강화를 위한 체계 개선이 필요하다”고 짚었다.

이와 함께 “AI 기술 확산을 위해서는 기술 불확실성 완화, 실증 기반 우수사례 공유, 노사 간 수용성 제고를 위한 공감대 형성 등 기술 수용 환경 개선이 병행될 필요가 있다”며 다양한 해결 방안을 제시했다.