[AI 골드러시⑤] 로봇 1위 한국, AI 공장은 아직 다른 싸움

[KtN 최기형기자]노동자 1만 명당 1220대. 국제로봇연맹(IFR)이 집계한 2024년 한국 제조업의 산업용 로봇 밀도다. 세계에서 가장 높은 수준이다. 한국 뒤에는 싱가포르 818대, 독일 449대, 일본 446대, 미국 307대가 자리했다. 2024년 세계 공장에 새로 설치된 산업용 로봇은 54만2000대였고, 신규 설치의 74%는 아시아에서 이뤄졌다. 로봇은 이미 한국 공장 안에 깊이 들어와 있다. 그러나 로봇을 많이 쓰는 공장과 인공지능(AI)이 생산 판단까지 바꾸는 공장 사이에는 아직 큰 간격이 남아 있다.

AI 골드러시는 챗봇과 이미지 생성 서비스를 지나 공장 안으로 들어가고 있다. 생성형 AI 모델이 답변과 이미지를 만들던 단계에서, 로봇과 설비, 센서, 물류 장비, 품질검사 시스템을 움직이는 단계로 번지고 있다. 사람이 입력한 문장을 처리하는 AI와 다르게, 공장 안의 AI는 부품을 보고, 설비 이상을 감지하고, 생산 순서를 조정하고, 불량률과 에너지 사용량을 함께 계산해야 한다.

샌프란시스코와 베이 지역의 AI 자본은 초반에 모델과 소프트웨어 기업으로 몰렸다. 맥킨지는 샌프란시스코가 2019년부터 2024년까지 약 1230억 달러의 AI 관련 민간자본을 끌어들였고, 2019년부터 2025년까지 AI 소프트웨어·서비스 분야에서 약 3750억 달러의 투자를 확보했다고 설명했다. 같은 보고서는 샌프란시스코가 AI 강점을 생명과학, 금융, 로보틱스, 피지컬 AI로 넓힐 수 있다고 봤다.

피지컬 AI는 공장과 물류창고, 조선소, 병원, 도시 인프라 같은 물리적 공간에서 작동하는 AI를 가리킨다. 기존 산업용 로봇은 정해진 동작을 빠르고 정확하게 반복하는 장비에 가까웠다. 피지컬 AI는 주변 상태를 인식하고, 예외 상황을 판단하고, 사람과 같은 공간에서 움직이며, 현장 데이터를 다시 학습해야 한다. 로봇 수가 많다는 사실만으로 피지컬 AI 전환이 끝나지 않는 이유가 여기에 있다.

한국 제조업은 자동화의 출발선에서는 앞서 있다. IFR은 한국이 전자산업과 자동차산업을 중심으로 세계 최고 수준의 로봇 밀도를 기록했고, 2019년 이후 로봇 밀도가 연평균 7% 늘었다고 밝혔다. 2024년 한국의 산업용 로봇 신규 설치는 3만600대로, 연간 설치 대수 기준 세계 4위였다.

세계 로봇 시장의 무게중심은 아시아로 이동했다. IFR에 따르면 2024년 세계 산업용 로봇 신규 설치 54만2000대 가운데 중국이 29만5000대를 차지했다. 세계 신규 설치의 54%다. 중국 내 로봇 국산 공급 비중은 57%로 올라섰고, 중국의 가동 로봇 재고는 200만 대를 넘어섰다. 한국이 로봇 밀도에서는 앞서 있지만, 중국은 시장 규모와 국산 로봇 생태계에서 속도를 높이고 있다.

정부도 제조업 AI 전환을 전면에 올렸다. 이재명 정부는 2026년 예산안에서 AI 3대 강국 도약을 위한 대전환에 10조1000억 원을 편성했다. 산업·생활·공공 전 분야 AI 도입에 2조6000억 원, 인재 양성과 인프라 구축에 7조5000억 원을 배정했다. 로봇, 자동차, 조선, 가전·반도체, 팩토리 등 주요 산업 분야에는 향후 5년간 약 6조 원을 투입하겠다고 밝혔다.

산업통상자원부 예산안에도 같은 방향이 반영됐다. 산업부는 산업 전반의 AI 전환 예산을 2026년 1조1000억 원 규모로 책정했고, AI 팩토리 선도 프로젝트를 통해 2030년까지 자율제조 AI 팩토리 500개 이상을 구축하겠다고 밝혔다. 피지컬 AI 개발 예산은 2025년 2149억 원에서 2026년 4022억 원으로 늘렸다. 온디바이스 AI 반도체 개발에는 2026년 국비 1851억 원을 투입하고, 향후 5년 동안 약 9973억 원을 투자한다는 계획도 포함됐다.

숫자는 커졌지만, 공장 안의 전환은 예산 집행보다 복잡하다. 제조 현장에는 설비 운전 기록, 온도와 습도, 진동, 불량률, 작업자 동선, 납기 정보, 에너지 사용량이 쌓여 있다. 피지컬 AI는 이 데이터를 먹고 움직인다. 다만 제조 데이터는 기업마다 형식이 다르고, 설비마다 저장 방식이 다르며, 품질과 영업비밀, 협력사 정보가 함께 걸려 있다. 데이터가 공장 안에 있어도 AI가 바로 쓸 수 있는 상태로 정리돼 있지 않은 경우가 많다.

반도체 공장은 피지컬 AI의 수요처이자 공급처다. 첨단 공정은 미세한 온도, 습도, 진동, 장비 상태에 따라 수율이 달라진다. AI는 장비 이상 감지, 불량 예측, 공정 조건 최적화, 물류 자동화에 쓰일 수 있다. 동시에 반도체 공장은 AI 서버에 들어가는 고대역폭메모리(HBM), 메모리, 센서, 전력반도체 공급망과 연결된다. 한국 반도체 기업은 AI를 쓰는 제조기업이면서 AI 산업에 부품을 공급하는 기업이다.

자동차 산업에서는 AI가 생산라인과 차량 안으로 동시에 들어간다. 공장 안에서는 용접, 도장, 조립, 검사, 물류 자동화가 고도화된다. 차량 안에서는 자율주행, 운전자 보조, 배터리 관리, 소프트웨어 업데이트가 AI와 연결된다. 완성차 업체와 부품사는 생산 데이터와 주행 데이터를 함께 다루는 방향으로 움직인다. 공장 자동화와 소프트웨어 중심 자동차 전환이 따로 갈라지기 어려워졌다.

조선업은 피지컬 AI가 더 어려운 현장이다. 조선소는 넓은 야드, 무거운 블록, 고위험 작업, 협력업체 인력, 날씨와 작업 순서 변화가 함께 얽혀 있다. 용접과 절단, 도장, 검사, 물류에 AI와 로봇을 붙이면 생산성을 높일 수 있지만, 자동차 공장처럼 정해진 라인에서 반복 생산하는 구조와는 다르다. 선박 종류와 설계, 작업 위치가 계속 바뀌는 만큼 현장 데이터와 안전 검증이 더 많이 필요하다.

중소 제조기업의 부담은 더 크다. 대기업은 자체 연구소와 클라우드 계약, 보안 조직, 교육기관, 설비 데이터 관리 체계를 갖췄다. 중소기업은 설비가 오래됐고, 데이터가 분산돼 있으며, 생산 차질을 감수하면서 시스템을 바꿀 여력이 작다. AI 솔루션을 들여와도 운영할 사람이 없으면 외부 용역 의존도가 커진다. 피지컬 AI가 대기업 공장 안에서만 빠르게 확산될 경우 협력사와 지역 제조업의 격차는 더 커질 수 있다.

원청과 협력사 사이의 데이터 관계도 민감하다. 원청이 품질 개선과 납기 관리를 위해 협력사의 공정 데이터를 요구할 수 있다. 협력사는 데이터 제공을 통해 불량률을 낮추고 생산 효율을 높일 수 있지만, 같은 데이터가 원가 압박과 납품 단가 협상에 쓰일 가능성도 배제하기 어렵다. 피지컬 AI는 공장 효율을 높이는 기술인 동시에 제조 공급망의 정보 권력을 다시 나누는 기술이 될 수 있다.

노동시장도 같은 속도로 흔들린다. AI 로봇은 위험하고 반복적인 작업을 줄일 수 있다. 고령화와 숙련공 부족을 겪는 제조업에는 필요한 변화다. 그러나 단순 검사, 운반, 포장, 기초 조립 업무는 자동화 압력을 더 크게 받는다. 반대로 로봇 유지보수, 데이터 관리, 설비 제어, 안전 검증, AI 품질관리 인력 수요는 늘어난다. 사라지는 일과 새로 생기는 일이 같은 노동자에게 곧바로 이어지지는 않는다.

지역 산업에도 영향이 크다. 반도체는 경기 남부와 충청권, 조선은 울산·거제·부산, 자동차는 울산·화성·광주, 기계·로봇은 창원·대구·대전과 맞물려 있다. 피지컬 AI가 수도권 소프트웨어 기업과 일부 대기업 연구소에만 머물면 제조 현장은 필요한 사람을 구하기 어렵다. 지역대학, 산업단지, 출연연, 폴리텍, 대기업 협력사가 함께 움직여야 공장 안의 AI가 지역 생산성으로 바뀐다.

해외 플랫폼 의존도도 제조업 AI의 변수가 된다. 미국의 모델 기업과 클라우드 기업이 피지컬 AI 플랫폼까지 넓히면 한국 제조기업은 로봇과 설비를 국내 공장에서 돌리면서도 운영체계, 학습모델, 클라우드, 보안 체계를 해외 플랫폼에 의존할 수 있다. 공장 데이터가 해외 플랫폼 위에서 학습되고 관리되는 구조는 비용뿐 아니라 산업 주도권 문제로 이어진다.

전력망은 피지컬 AI의 또 다른 조건이다. 스마트팩토리는 설비 효율을 높이고 에너지 사용량을 줄일 수 있지만, 로봇과 센서, 데이터 수집 장치, 서버, 사내 데이터센터도 전력을 쓴다. 반도체 공장, 배터리 공장, 데이터센터가 같은 권역에서 전기를 요구하면 송전망과 계통 접속이 제약으로 올라온다. 산업부는 2026년 예산안에서 재생에너지 예산을 1조3000억 원으로 늘리고, 에너지 고속도로 등 전력 인프라 확충도 추진하겠다고 밝혔다.

안전과 책임 기준도 뒤따른다. 자율주행 로봇, 물류 로봇, 의료·돌봄 로봇, 건설 로봇은 사람과 같은 공간에서 움직인다. 공장 안의 AI가 불량을 놓치거나 설비 이상을 잘못 판단하면 생산 손실과 안전사고가 발생할 수 있다. 의료·돌봄 현장의 피지컬 AI는 개인정보와 인체 안전이 함께 걸린다. 기술 성능만으로 산업 확산 속도를 정하기 어렵고, 인증, 보험, 책임 기준, 현장 실증 제도가 함께 움직여야 한다.

한국형 AI 골드러시에서 제조업은 가장 현실적인 통로다. 초대형 모델과 클라우드 플랫폼에서 미국 빅테크를 단기간에 따라잡기는 어렵다. 한국은 이미 반도체, 자동차, 조선, 전자, 배터리, 로봇 활용 기반을 갖고 있다. 이 기반 위에 AI를 얹으면 생산성 개선과 수출 경쟁력 유지의 길이 열린다. 다만 높은 로봇 밀도는 출발선일 뿐이다. 공장 데이터, 현장 인력, 협력사 참여, 전력망, 안전 기준이 함께 정리돼야 제조업 AI 전환이 산업 전체로 퍼진다.

한국은 로봇을 많이 쓰는 나라다. 노동자 1만 명당 산업용 로봇 1220대라는 숫자는 제조업 자동화의 깊이를 보여준다. 그러나 피지컬 AI는 로봇을 더 설치하는 일보다 공장 데이터를 읽고, 설비를 연결하고, 사람을 다시 교육하고, 전력망과 안전 기준을 맞추는 일에 가깝다. 정부가 내건 5년 6조 원 규모의 피지컬 AI 투자는 대기업 공장 효율 개선에 머물지 않고 중소 협력사와 지역 산업단지까지 닿아야 산업 전환으로 남는다. 로봇 밀도 세계 1위 한국이 AI 공장 경쟁에서도 앞서려면, 설비 숫자보다 데이터와 사람, 전력망을 묶는 속도가 먼저 따라와야 한다.