[AI 전환①] AI 사업 5개 중 1개만 투자수익…이재명 정부 9조4211억원과 산업 생산성

[KtN 임우경기자]이재명 정부가 2027년 인공지능(AI) 대전환에 9조4211억원을 투입하는 예산안을 마련했다. 올해보다 84.3% 늘어난 규모다. 국가 AI 컴퓨팅 인프라를 확충하고 반도체와 피지컬 AI, 독자 AI 모델 개발에 투자를 집중하는 가운데 세계 기업의 AI 활용에서는 투자 규모와 실제 경제적 성과 사이에 상당한 차이가 나타나고 있다. AI 도입이 빠르게 확산되고 있지만 긍정적인 투자수익을 거둔 활용 사업은 5개 가운데 1개 수준으로 조사됐다.

미국 올랜도에서 10월 19일 개막한 가트너(Gartner) IT 심포지엄에서는 기업의 AI 투자 성과와 위험 증가 속도를 비교한 조사 결과가 발표됐다. 부문별 책임자의 58%는 AI 사업에서 긍정적인 가치를 경험했다고 응답했다. 실제로 긍정적인 투자수익을 달성한 AI 활용 사업의 비율은 약 20%였다. 기술이 업무 처리에 도움을 주는 것과 투입한 비용을 넘어서는 경제적 수익을 확보하는 것 사이에 차이가 나타난 것이다.

기업이 AI를 적용하는 업무는 빠르게 늘고 있다. 문서 작성과 고객 상담, 데이터 분석, 프로그램 개발을 비롯해 제품 설계와 생산설비 관리까지 활용 범위가 확대됐다. 직원이 처리하던 업무의 일부를 AI가 수행하면서 시간을 절약하고 정보 분석 속도를 높이는 변화도 나타났다.

경제적 성과는 기술을 도입한 이후의 운영 방식에 따라 달라진다. AI 서비스 이용료와 데이터 처리비용, 기존 시스템과의 연계, 직원 교육과 결과 검증에 추가적인 비용이 발생하기 때문이다. 개별 업무에서 절약한 시간이 다른 부서의 생산성 향상이나 기업 전체의 수익 개선으로 이어지려면 업무 절차와 인력 운용까지 함께 조정해야 한다.

가트너가 진행한 별도의 2027년 최고정보책임자(CIO)·기술경영자 조사에서는 응답자의 13%만이 소속 기업에서 AI를 통해 상당하거나 혁신적인 수준의 가치를 실현했다고 평가했다. AI 활용이 늘어나는 속도에 비해 조직 전체로 성과를 확산하는 속도는 상대적으로 완만한 것으로 나타났다.

AI 도입 이후 기업의 실적을 평가하는 방식도 달라지고 있다. 기술을 적용한 업무의 수와 이용자의 증가가 초기 성과를 보여준다면, 실제 사업 단계에서는 매출과 영업비용, 생산성과 서비스 품질의 변화가 중요해진다. AI가 작성한 문서의 양보다 직원이 절약한 시간과 수정에 필요한 비용, 서비스 이용자의 만족도가 경제적 효과를 평가하는 기준이 되는 것이다.

한국의 AI 투자 역시 기술 개발과 보급을 넘어 산업 현장의 생산성과 연결되는 단계로 확대되고 있다.

과학기술정보통신부가 9월 1일 발표한 2027년도 예산안은 29조6000억원 규모다. 2026년 추가경정예산과 비교하면 24.5% 증가했다. AI 대전환 분야에는 전체 예산의 31.8%인 9조4211억원이 배정됐다. 정부는 독자 AI 기술 확보와 국가 컴퓨팅 인프라 확충, 산업별 AI 활용, 전문인력 양성 등을 중심으로 투자를 확대할 계획이다.

세부적으로는 독자 AI 모델과 차세대 기술 확보에 5조5937억원을 편성했다. 산업과 지역, 국민 생활 전반의 AI 활용을 확대하는 분야에는 1조8611억원, AI 인재 양성과 활용 역량 강화 등을 포함한 포용사회 분야에는 1조1707억원을 배정했다. 반도체와 피지컬 AI, AI 데이터센터를 중심으로 추진하는 3대 메가프로젝트에는 7956억원이 책정됐다.

3대 메가프로젝트 예산은 올해 2981억원에서 약 2.7배로 늘었다. 반도체 기술의 경쟁력을 높이고 산업용 AI 개발에 필요한 컴퓨팅 기반을 확대하는 동시에 제조업 현장에서 활용할 수 있는 피지컬 AI 기술을 확보하려는 구상이다.

정부의 재정투자는 기업의 AI 사업과 다른 방식으로 경제적 효과를 창출한다. 기업은 기술 도입에 사용한 비용과 매출 증가, 인건비·운영비 절감 등을 비교해 투자수익을 산정한다. 국가가 구축하는 컴퓨팅 인프라와 공공 연구개발 기반은 여러 기업과 연구기관이 공동으로 활용하면서 기술개발에 필요한 비용과 시간을 줄이는 역할을 맡는다.

국가 AI 데이터센터의 가동률과 이용 기업 수, 연구기관에 제공한 연산 자원, 개발된 기술의 산업 현장 활용도는 공공투자의 효과를 살펴볼 수 있는 구체적인 지표다. 정부가 확보한 컴퓨팅 자원을 기업과 대학, 연구기관이 활용하고 그 결과가 기술개발과 사업화로 이어지면 인프라 구축의 경제적 효과도 산업 전반으로 확대될 수 있다.

2027년 예산안에는 첨단 그래픽처리장치(GPU) 1만 장 추가 확보를 위한 투자도 포함됐다. 독자 AI 모델 개발에 필요한 데이터와 전문인력 지원을 확대하고, 국내 연구기관과 기업이 고성능 컴퓨팅 자원을 활용할 수 있도록 기반을 넓히는 내용이다.

GPU는 대규모 AI 모델의 학습과 추론에 사용되는 핵심 장비다. 고성능 GPU를 확보하면 연구기관과 기업이 복잡한 AI 모델을 개발하고 성능을 개선하는 데 필요한 연산 자원을 사용할 수 있다. 확보한 장비의 가동률과 이용 수요, 전력과 운영비용은 국가 컴퓨팅 인프라의 효율성을 결정하는 요소로 작용한다.

AI 모델의 개발이 끝난 뒤에도 이용자의 요청을 처리하는 추론 비용과 지속적인 성능 개선, 데이터 관리에 지출이 발생한다. 이용자가 늘어날수록 연산 자원과 전력 수요도 함께 증가할 수 있다. 국가가 컴퓨팅 기반을 확대하는 정책과 기업이 AI 서비스 운영비용을 절감하는 기술은 함께 발전해야 한다.

정부가 초효율·경량화 AI와 온디바이스 AI, 자율 에이전트 기술개발을 지원하는 배경에도 이러한 산업적 수요가 있다. 모든 서비스를 대규모 데이터센터에서 처리하는 방식과 함께 스마트폰과 산업용 장비, 로봇 등 다양한 기기에서 필요한 기능을 효율적으로 실행하는 기술이 중요해지고 있다.

기업은 업무의 특성과 이용 규모에 맞춰 적절한 AI 모델을 선택할 수 있다. 복잡한 연구개발에는 대규모 모델을 활용하고 반복적인 현장 업무에는 경량화 모델을 적용하는 방식이다. 연산량과 전력 사용을 줄이면서 필요한 성능을 확보하면 AI를 운영하는 비용도 낮출 수 있다.

AI 활용 사업의 확대 속도는 가트너 조사에서도 두드러졌다. 평균적인 기업의 AI 활용 사업 수는 1년 사이 400% 넘게 증가했다. 새로운 사업이 빠르게 늘어난 만큼 이미 확보한 기술과 데이터를 다른 업무에 재사용하고 성공적인 운영 방식을 조직 전체에 확산하는 능력도 중요해졌다.

고객 상담과 문서 처리, 데이터 분석을 담당하는 부서가 각각 별도의 AI 서비스를 구축하면 업무별 요구에 빠르게 대응할 수 있다. 여러 부서에서 비슷한 기능을 사용하는 경우에는 공통 모델과 데이터를 활용하는 방식으로 운영비를 줄일 여지도 생긴다. 기업 전체의 AI 사업을 관리하면서 중복투자를 조정하고 검증된 기술을 공동으로 활용하는 체계가 경제적 성과에 영향을 주는 이유다.

가트너는 AI의 성과가 지속적으로 축적되는 구조를 설명하기 위해 '가치·위험 플라이휠(Value-Risk Flywheel)'을 제시했다. 개별 사업에서 축적한 경험과 데이터를 새로운 업무에 활용하면 다음 사업의 개발시간과 시행착오를 줄일 수 있다. 여기에 업무 재설계와 조직의 신뢰, 기술 관리체계가 결합하면 성공적인 기술을 다른 부서로 확산하는 기반도 마련된다.

기업들이 AI 투자에서 얻은 성과를 축적하는 방식은 실제 산업 현장에서도 중요한 의미를 갖는다.

제조업에서는 생산설비의 고장 가능성을 예측하고 제품의 불량을 조기에 발견하는 데 AI가 활용되고 있다. 설비에 설치된 센서와 생산기록을 분석해 이상 징후를 찾거나 제품의 이미지를 분석해 품질검사를 지원하는 기술이다.

AI가 고장 가능성을 조기에 파악하면 기업은 정비 일정을 조정하고 예상치 못한 생산 중단을 줄일 수 있다. 품질검사 과정에서는 불량품을 구분하는 속도와 정확성을 높일 수 있으며, 물류 분야에서는 운송 경로와 창고 운영을 개선하는 데 활용할 수 있다.

이러한 기술의 경제적 효과는 생산설비의 구조와 운영 방식에 영향을 받는다. 같은 AI 모델을 적용하더라도 공장마다 생산품과 설비의 노후 정도, 데이터 축적 수준이 다르기 때문이다. 현장에서 사용하는 데이터를 안정적으로 확보하고 기존 설비와 AI를 연결하는 과정이 실제 성과를 좌우한다.

AI를 적용한 생산라인에서는 불량률과 설비 가동시간, 정비비용, 에너지 사용량 등을 비교해 생산성 변화를 측정할 수 있다. 기술 도입 전후의 작업시간과 품질검사 결과를 함께 살피면 인력과 설비를 얼마나 효율적으로 운영하고 있는지도 평가할 수 있다.

이재명 정부가 추진하는 피지컬 AI 정책은 이러한 제조업의 구조와 연결된다. 피지컬 AI는 인공지능이 로봇과 생산설비, 물류장비 등 물리적인 시스템의 작동과 판단에 활용되는 기술이다. 정부는 범용 피지컬 AI 파운데이션 모델 개발과 산업 현장 실증, 관련 데이터 확보에 투자를 확대할 계획이다.

한국은 반도체와 자동차, 조선, 전자, 기계 등 제조업 기반을 갖추고 있다. 생산설비와 로봇, 물류 시스템에 AI를 적용하면 기존 산업의 기술 경쟁력을 높이는 방향으로 활용할 수 있다. 제조 현장에서 축적된 데이터를 AI 개발에 활용하고 개발된 기술을 다시 생산공정에 적용하는 구조가 마련되면 산업별 기술 축적도 가능해진다.

대기업과 중소기업의 AI 도입 여건에는 차이가 있다. 대기업은 자체적인 정보기술 조직과 데이터 분석 인력을 확보하고 여러 생산시설에서 기술을 시험할 수 있다. 중소기업은 초기 투자비용과 전문인력, 데이터 확보 여건에 따라 활용 범위가 달라진다.

국가 AI 컴퓨팅 인프라와 산업별 기술 지원사업은 중소기업의 도입 부담을 줄이는 수단이 될 수 있다. 여러 기업이 공통으로 활용할 수 있는 기술과 데이터 기반을 마련하면 개별 기업이 모든 시스템을 처음부터 개발하는 비용을 줄일 수 있다.

중소기업 지원사업에서도 실제 생산성 개선과 기술의 지속적인 활용이 중요하다. 정부 지원을 받아 AI를 도입한 뒤 기업이 자체적으로 시스템을 운영할 수 있는지, 생산비용과 불량률이 얼마나 달라졌는지에 따라 사업의 효과를 평가할 수 있다. 현장 직원이 AI를 활용할 수 있도록 교육하고 업무 절차를 조정하는 과정도 기술 정착에 영향을 준다.

이재명 정부는 산업과 지역의 AI 전환을 국가 성장전략과 연결하고 있다. 독자 AI 모델과 컴퓨팅 인프라를 확보하는 동시에 제조업과 공공서비스에서 실제 활용할 수 있는 기술을 확대하려는 정책이다.

10월 1일 대통령 주재 수석보좌관회의에서는 '국가 AI 정책 2.0' 추진 방안이 논의됐다. 공공과 산업 현장의 수요를 AI 서비스와 시장으로 연결하고, 개발된 기술이 실제 사업과 국민 생활에서 활용되도록 지원하는 방향이 제시됐다. AI 개발·활용과 함께 위험 평가 및 안전관리 역량도 강화하는 내용이다.

국가 AI 정책의 범위가 연구개발에서 산업 현장과 공공서비스로 넓어지면서 사업별 성과를 측정하는 기준도 구체화되고 있다. 독자 AI 모델은 기술 성능과 실제 이용 규모를, 산업 AX 사업은 생산성 개선과 기업의 운영비용 절감을, 공공 AI 서비스는 행정업무의 효율과 국민이 이용하는 서비스의 품질을 중심으로 성과를 살펴볼 수 있다.

공공행정에서 AI를 활용하면 반복적인 민원 상담과 문서 처리, 정책정보 안내 등의 업무를 지원할 수 있다. 공무원이 처리하는 시간을 줄이고 민원인이 필요한 정보를 신속하게 제공받는 방식이다. 실제 운영에서는 답변의 정확성과 정보 접근성, 민원 처리시간의 변화가 주요한 성과 지표가 된다.

2027년 예산안에는 국민의 AI 서비스 이용을 지원하는 신규 사업에 2500억원도 편성됐다. 범용 AI 챗봇과 공공 AI 에이전트 등 다양한 서비스를 국민이 이용할 수 있도록 지원하는 내용이다. AI 기술에 대한 접근성을 높이는 정책이 생활 속 편익으로 연결되려면 이용자의 수와 서비스의 정확성, 지속적인 사용 여부를 함께 고려해야 한다.

AI 인력 양성도 정부의 산업 전환 정책에서 큰 비중을 차지한다. AI 중심대학은 2026년 18곳에서 2027년 67곳으로 확대하는 계획이 마련됐다. 기술개발에 필요한 전문인력을 확보하고 대학에서 습득한 역량을 기업과 산업 현장으로 연결하려는 구상이다.

AI 전문인력의 역할은 모델 개발과 데이터 분석뿐 아니라 현장에서 기술을 실제 업무에 적용하는 영역까지 확대되고 있다. 제조업에서는 설비 운영을 이해하는 인력이 AI 분석 결과를 생산공정에 반영해야 하고, 서비스업에서는 고객 응대와 업무 처리에 적합한 방식으로 AI를 활용할 수 있어야 한다.

기술 도입 이후의 업무 재설계는 생산성 향상과도 연결된다. AI가 반복적인 작업을 처리하면 직원은 결과를 검토하고 복잡한 업무를 해결하는 데 더 많은 시간을 사용할 수 있다. 기존 업무에서 절약한 시간이 새로운 업무와 서비스 개선에 활용될 때 기업 전체의 경제적 효과도 커진다.

AI 투자 확대에 따라 정보보안과 운영 안정성, 기술의 신뢰성을 확보하는 비용도 중요해지고 있다. 가트너 조사에서는 최고정보책임자의 86%가 AI 위험이 경제적 가치보다 빠르게 증가한다고 응답했다. 위험의 증가 속도는 가치 증가 속도보다 평균 4배 빠른 것으로 나타났다.

여러 AI 모델과 서비스를 연결하면 기업이 관리해야 할 데이터와 접근권한도 늘어난다. AI 에이전트가 외부 시스템에 접속해 업무를 수행하는 환경에서는 실행 결과를 기록하고 필요한 경우 사람이 개입할 수 있는 관리체계가 요구된다. 보안과 성능 검증, 비용관리와 사고 대응은 AI 서비스가 안정적으로 운영되기 위한 기반이다.

AI 위험을 관리하는 투자는 실제 사업의 지속성과 연결된다. 모델의 오류가 발생했을 때 피해가 확대되는 것을 줄이고, 데이터 유출과 잘못된 의사결정을 예방하면 운영 과정에서 발생하는 경제적 손실도 관리할 수 있다.

가트너가 제시한 가치·위험 플라이휠은 기술을 활용해 성과를 축적하는 활동과 위험을 통제하는 활동을 함께 다룬다. 검증된 기술을 재사용하고 업무를 개선하는 과정에서 경제적 효과를 높이는 동시에 보안과 책임관리, 지출 통제를 통해 안정적인 운영 기반을 마련하는 방식이다.

기업의 AI 투자에서는 이러한 관리체계가 장기적인 성과와 연결된다. 시스템을 처음 구축하는 비용 외에도 유지보수와 성능 개선, 보안관리, 직원 교육에 지출이 이어지기 때문이다. 기술의 도입 단계에서 예상한 성과를 운영 과정에서도 지속적으로 측정하면 사업의 개선과 투자 방향을 판단하는 데 도움이 된다.

국가 차원의 AI 투자도 산업과 공공서비스에서 나타나는 변화를 통해 성과를 축적할 수 있다. 정부가 구축한 컴퓨팅 자원을 연구기관과 기업이 활용하고, 산업별 기술개발이 실제 생산성 개선으로 이어지며, 공공 AI 서비스가 국민의 이용 편의를 높이는 방식이다.

여러 분야에서 개발한 기술을 함께 활용하는 체계도 중요하다. 제조업과 물류, 공공행정에서 공통으로 사용할 수 있는 AI 기술과 데이터 관리 기반을 마련하면 사업마다 발생하는 개발비용과 운영 부담을 줄일 수 있다. 지역과 기업 규모에 따른 기술 활용의 차이를 줄이는 효과도 기대할 수 있다.

가트너가 10월 발표한 조사 결과에서 AI 사업의 긍정적인 투자수익 달성 비율은 약 20%였다. 별도의 조사에서는 조직 전체에 걸쳐 상당하거나 혁신적인 가치를 실현했다고 응답한 최고정보책임자가 13%에 머물렀다. AI 활용 사업이 빠르게 증가하는 가운데 경제적 성과를 조직 전체로 확산하는 능력이 기업 경쟁력의 중요한 요소가 되고 있다.

이재명 정부의 2027년 AI 대전환 예산안은 기술개발과 컴퓨팅 인프라, 제조업의 AI 전환, 국민 생활과 전문인력 양성에 재정을 배분했다. 9조4211억원의 예산은 국회 심의를 거쳐 최종 확정되며, 사업별 집행계획에 따라 실제 투자 규모와 추진 일정이 구체화된다.

국가 컴퓨팅 인프라는 연구개발과 기업의 기술 활용을 지원하고, 피지컬 AI와 산업 AX 사업은 생산설비의 운영과 품질관리, 물류 등 현장 업무의 개선을 목표로 한다. 공공 AI 서비스와 인재 양성은 행정서비스의 이용 편의와 산업의 기술 역량을 높이는 정책이다. 각 사업의 특성에 맞춰 컴퓨팅 자원 활용률과 생산성, 서비스 품질, 전문인력의 산업 현장 진출 등을 살피면 재정투자의 성과도 구체화할 수 있다.

정부와 기업이 AI에 투입하는 자금은 앞으로도 늘어날 것으로 예상된다. 국내에서는 반도체와 데이터센터, 피지컬 AI를 중심으로 산업기반 투자가 확대되고 있으며, 세계 기업들은 AI를 활용해 업무와 조직을 바꾸는 과정에 들어섰다. 기술을 확보하는 투자와 실제 경제적 가치를 창출하는 운영 능력이 함께 요구되는 시기다.

2027년 AI 예산안 9조4211억원은 한국의 기술개발과 산업 전환을 뒷받침할 재정 기반이다. 독자 AI 모델과 컴퓨팅 인프라에 대한 투자가 기업의 연구개발 비용 절감으로 이어지고, 제조업의 AI 활용이 생산성 개선으로 연결되며, 공공서비스의 변화가 국민의 생활에서 나타날수록 재정투자의 성과도 더욱 구체적으로 축적될 수 있다. AI 기술의 발전 속도와 함께 실제 산업과 경제에 남는 성과가 국가 AI 경쟁력의 중요한 기준으로 자리 잡고 있다.