▲ 사진제공=중소벤처기업부

정부가 제조 AI 투자 확대를 예고하면서 중소 제조기업과 기술 스타트업의 기대도 커지고 있다. 그러나 정책의 성과는 지원금을 얼마나 집행했는지가 아니라 지원이 끝난 뒤 공장에 어떤 변화가 남았는지로 판단해야 한다.

중기부는 2030년까지 스마트제조혁신에 국가자원 5조 원 이상을 투입하고 중소 제조기업 3만 곳의 디지털 전환, 6천 곳의 AI 도입을 추진하겠다고 밝혔다. 기술공급기업 500개사 육성도 계획에 포함됐다.

구축 건수와 실제 성과는 다르다

스마트공장 시스템을 구축해도 작업자가 데이터를 입력하지 않거나 현장 설비와 연결되지 않으면 활용도가 떨어질 수 있다. AI 모델 역시 공정이 바뀌거나 데이터 품질이 낮아지면 재학습과 유지보수가 필요하다.

따라서 사업 성과는 구축 완료 건수뿐 아니라 불량률, 납기 준수율, 설비 가동률, 에너지 사용량, 인력 투입시간 등의 전후 변화로 확인해야 한다. 생산량 증가가 실제 수익성 개선으로 이어졌는지도 살펴야 한다.

▲ 사진제공=중소벤처기업부

사업 성과를 제대로 평가하려면 도입 직후와 일정 기간 운영한 뒤의 결과를 구분해야 한다. 초기에는 시범 운전과 작업자 교육으로 생산성이 일시적으로 낮아질 수 있으며, 반대로 단기 성과가 좋아도 유지비가 누적되면 경제성이 달라질 수 있다.

제조기업과 공급기업 사이의 데이터 활용 조건도 장기 경쟁력과 직결된다. 생산정보의 소유·접근 권한, 외부 반출과 학습 활용 범위, 공급기업 변경 시 데이터 이전 가능성을 계약 단계에서 확인할 필요가 있다.

정책의 지역 확산을 평가할 때에도 사업 선정 기업 수만 볼 것이 아니라 지역별 공급기업 접근성, 전문인력 교육 기회, 유지보수 대응체계까지 살펴야 한다. 이러한 기반이 부족하면 같은 지원금을 받아도 기업별 활용 성과가 달라질 수 있다.

▲ 사진제공=중소벤처기업부

스타트업에도 매출과 실증의 간극

제조 AI 스타트업은 정부 실증사업으로 기술을 검증할 수 있지만, 시범사업 종료 후 유료 계약이 이어지지 않으면 지속적인 성장으로 연결되기 어렵다. 제조기업의 예산과 현장 담당인력, 사후 지원체계가 중요한 이유다.

기술공급기업 선정이 일부 기업에 집중되지 않는지, 지역 제조기업이 충분한 선택권을 갖는지, 데이터 소유권과 보안 책임이 명확한지도 점검할 과제다.

▲ 사진제공=중소벤처기업부

지역·기후테크 확산은 연계 설계에 달려

대통령의 2027년 예산안에는 지방 주도 성장 투자와 재생에너지 확대 계획이 포함됐다. 중기부도 지역 AI 거점과 전문인력 육성을 추진한다. 제조혁신이 수도권 밖 산업단지와 중소기업으로 확산될 가능성이 있지만 지역별 인프라 격차가 해소돼야 효과를 낼 수 있다.

공장 에너지 효율과 탄소배출 관리 기술은 제조 AI와 결합할 수 있다. 다만 에너지·기후 관련 지원사업과 스마트제조 사업의 목적과 자격은 서로 달라 기업이 별도로 확인해야 한다.

다음 과제는 ‘운영할 수 있는 AI’

기업은 지원사업 선정 자체를 목표로 삼기보다 사후 운영비와 인력계획, 데이터 관리체계, 성과 검증방법을 사업 초기부터 설계해야 한다. 정부 역시 지원 종료 이후의 활용률과 생산성 변화, 기술공급기업의 실제 사업화 성과를 점검할 필요가 있다.

핵심 정리: ① AI 구축과 생산성 향상은 동일하지 않다. ② 기술 스타트업은 실증 이후 유료 고객 전환이 중요하다. ③ 장기 운영과 지역 확산을 검증해야 제조 AI 투자의 실효성을 평가할 수 있다.

[저작권자ⓒ 더 스타트. 무단전재-재배포 금지]