제조AI, 기술이 아니라 순서의 문제다

• AI를 쓰는 국내 제조기업 가운데 영업이익이 늘었다는 곳은 32.2%입니다.
• 등대공장은 5년 만에 투자액의 4~5배를 회수했습니다.
• 그러나 등대공장도 파일럿이 다른 공장으로 번지지 않는 확산 정체를 겪습니다.

• AI를 검토하고도 쓰지 않은 EU 제조기업의 45.3%가 데이터 부족을 이유로 꼽았습니다.
• AI를 들인 미국 제조 사업체의 69.3%는 일하는 방식을 바꾸지 않았습니다.
• 공장을 보유한 국내 중소·중견 제조기업 가운데 제조데이터·AI 전담 부서와 인력이 있는 곳은 0.8%입니다.

미국 제조 사업체에서 AI를 가장 많이 쓰는 업무는 영업·마케팅(12.8%)이고, 품질 관리(2.3%)와 재화 생산(2.2%)이 가장 적습니다. ‘AI 도입률’이 올라도 공장 안으로 들어간 AI는 따로 봐야 합니다.

사무실 AI는 사람이 쓰면 끝나지만, 공장 AI는 결과를 받아 쓸 공정과 담당자가 있어야 끝난다.

검사 이미지·설비 센서·공정 기록이 이미 쌓여 있고, 결과를 받을 품질·정비 부서가 정해져 있기 때문입니다(컨티스 분석).

작업 표준서와 보고서 초안처럼 문서 일을 줄입니다. 공장 데이터 연결 없이도 시작할 수 있습니다.

공장을 보유한 국내 중소·중견 제조기업의 60.8%가 데이터를 모으지만, 제조 AI를 쓰는 곳은 0.1%입니다. 고리가 첫 칸과 둘째 칸 사이에서 끊깁니다.

등대공장은 설비·단말의 평균 85%를 하나의 IT·OT 구조에 잇고, 새 솔루션을 3~6개월 안에 배포합니다.

2024년 전략은 2028년까지 선도 과제 200개를 목표로 잡았고, 2025년 9월 M.AX 얼라이언스에는 1,500여 곳이 참여했습니다(2026.8.4 산업통상부 발표 기준).