대한민국이 글로벌 '인공지능(AI) 3대 강국(G3)'으로 도약하기 위한 최우선 전략으로 AI 전문가들은 '산업 AI'를 지목했다. 범용 AI 경쟁에 뛰어들기보다 한국이 보유한 제조업 기반과 산업 현장에 축적된 데이터를 AI로 결합하는 전략이 글로벌 경쟁력을 확보할 수 있는 현실적 해법이라는 분석이다.
전자신문이 공학 분야 AI 전문가 101명을 대상으로 실시한 설문조사 결과, 'AI 3대 강국으로 도약하기 위해 가장 우선적으로 집중해야 할 전략 분야'를 묻는 질문(단일문항)에 응답자의 55.4%가 제조·공정 AI, 로보틱스, 피지컬 AI를 아우르는 산업 AI를 선택했다. 산업별 서비스 AI(15.8%)와 AI 반도체(14.9%)가 뒤를 이었고, 특화·도메인 대규모언어모델(LLM)을 최우선 전략으로 본 응답은 5.9%에 그쳤다.
◇ 제조업 역량, AI에 활용해야
AI 전문가들이 산업 AI를 최우선 전략으로 꼽은 배경에는 한국 AI 경쟁력에 대한 인식이 깔려 있다. '한국 AI 경쟁력의 강점'을 묻는 복수응답 질문에서 전문가 답변 248건 중 75건(30.2%)이 제조업 기반과 공정·품질 등 산업 데이터를, 70건(28.2%) AI 반도체 경쟁력을 나란히 지목했다. 대기업 중심의 실행력과 스케일업 능력 17.7%, ICT 인프라와 네트워크 경쟁력 16.1%가 뒤를 이었고, 로보틱스·피지컬 AI 기술을 직접적인 강점으로 꼽은 응답은 6.9%로 상대적으로 낮았다.
이는 한국 AI 경쟁력이 단일 기술보다 산업 구조 전반에 형성돼 있음을 보여준다. 제조 데이터와 반도체, 인프라, 실행 역량이 결합된 환경 자체가 경쟁력의 출발점이라는 인식이다. 새로운 범용 모델을 만드는 경쟁보다 이미 축적된 산업 자산을 AI로 연결하고 현장에 적용하는 역량이 중요하다는 판단으로 읽힌다.
중장기 성장 전망도 같은 흐름을 보였다. AI 전문가들은 산업 AI와 AI 반도체가 맞물려 성장할 가능성에 주목했다. '2026~2030년 사이 한국에서 가장 빠르게 성장할 것으로 예상되는 AI 분야'를 묻는 질문에는 179건의 답변 중 산업 AI(38.5%)와 AI 반도체(30.7%)가 1·2위로 지목했다. 로보틱스는 12.8%, 바이오·의료 AI 10.0%, 엣지 AI 7.3%의 응답률을 각각 기록했다.
산업 AI는 단기 실증과 중장기 확산을 동시에 추진할 수 있는 조건을 갖춘 분야로 평가됐다. 설비 예지보전, 공정 최적화, 품질 검사 자동화 등 산업 현장에서 AI 적용 수요가 빠르게 늘고 있다는 점도 이러한 전망을 뒷받침한다.
반면 범용 대규모언어모델이나 글로벌 플랫폼 중심 경쟁은 대규모 데이터와 자본, 전력 인프라를 동시에 요구하는 구조다. 글로벌 빅테크가 주도하는 경쟁 구도에서 단기간에 주도권을 확보하기 어렵다는 인식도 설문에 반영된 것으로 풀이된다.
한 응답자는 “대규모언어모델 경쟁에서는 살아남기 어렵다”며 “산업 AI 전환을 최우선 순위로 둬야 한다”고 의견을 제시했다. 다른 응답자도 “산업 AI는 산업체가 주도적으로 AI 기술을 접목하면서 시작돼야 한다”며 “정부는 산업이 잘할 수 있도록 지원하는 역할에 집중해야 한다”고 강조했다.
◇ K-AI 핵심 경쟁력, 제조+로봇·센서·반도체 시너지
한국의 제조업 경쟁력과 로봇·센서 등 하드웨어 분야 강점의 결합이 미래 산업 인공지능(AI) 성장 키포인트가 될 전망이다. 제조업 강국으로서 보유한 현장 기반의 경쟁력을 토대로 글로벌 AI 시장에서 존재감을 확보할 수 있다는 조언이다.
전문가들은 국가 AI 핵심 전략으로 산업 AI 주목받고 있는 것에 타국 대비 제조업 기반이 넓고, 이를 적용할 수 있는 분야 또한 명확하다는 점을 꼽았다.
전체 193건의 복수 응답 중에서 82명(42.5%)이 제조업 기반을 산업 AI 성장할 수 있는 배경으로 꼽았다. 제조업 비중이 높은 한국의 산업 특성을 반영하고, AI를 즉시 적용할 현장이 풍부한 점을 고려한 답으로 풀이된다. 제조업은 공정 자동화, 품질관리 등 산업 현장은 AI를 적용할 수 있는 구체적인 분야가 존재하며 기술 도입의 효과도 빠르게 확인할 수 있을 것으로 기대된다.
두 번째로 높은 응답률을 기록한 항목은 '로봇·센서·AI 반도체 등 하드웨어 강점과 시너지'(24.4%)였다. 한국이 기술력을 축적해 온 센서, 로봇, 반도체 분야를 중심으로 실증과 상용화가 빠르게 추진될 수 있다는 기대가 반영됐다.
이어 '공정·품질·물류 등에서 단기간 성과 창출 가능'(14.0%), 대기업 중심의 실증·확산 구조 용이'(10.9%), 글로벌 제조 공급망과 연계한 확장성'(7.3%)이 그 뒤를 이었다.
AI가 적용된 생산라인과 물류 시스템은 문제가 발생할 경우 실시간 모니터링과 원인 분석, 문제 해결까지 빠르게 대처할 수 있다. 이를 통해 생산비용 절감, 품질 개선 등의 즉각적인 성과를 기대할 수 있는 것으로 평가된다.
대기업 중심의 산업구조는 협력사의 생태계에 따른 산업 AI 환산 통로가 될 수 있다는 전망이다. 원하청 구조에서 통합적인 산업 AI 제조라인을 구축하고 이를 위한 신기술을 실증 하는 등 AI 도입이 빠르게 진행될 수 있다는 분석이다.
글로벌 제조 공급망과의 연계도 기술이 확보된 후 해외 진출 및 확산에 유리할 것이라는 평가가 반영됐다.
◇ 공학계 “AI G3 도약, 실증·인재·데이터 혁신에 달렸다”
공학 전문가들은 산업 AI의 비약적 성장을 위해 실증 인프라 고도화와 데이터 활용 체계의 전면적 혁신을 촉구했다. 이러한 혁신 과제 해결 없이는 글로벌 AI 전쟁에서 우위를 점하기 어렵다는 판단이다.
이와 관련해 국내 산업 인공지능(AI) 경쟁력 제고 전제 조건으로 '실증 인프라 확충'과 '데이터 생태계 혁신'을 시급 과제로 지목했다. AI 전문 인재 양성 역시 해결해야 할 과제로 꼽았다. 인력 확보는 물론, 핵심 인재의 유출을 차단할 수 있는 획기적 지원책 마련을 통해 현장 맞춤형 인재 공급망을 전면 재정비해야 한다는 제언이 잇따랐다.
국내 공학·산업 전문가들은 대한민국 AI 도약할 전기를 맞이했다고 진단했다. 특히 '산업 AI·로보틱스·반도체'가 결합된 융합 생태계의 비약적인 성장과 제조·물류·에너지 등 산업 전반에서 가속화되는 AI 전환이 강력한 우상향 엔진으로 작용하고 있다는 분석이다.
한국이 보유한 세계적 수준의 제조 기반과 반도체 기술력이 AI와 결합할 때 발생하는 시너지가 글로벌 시장에서 독보적인 경쟁력을 창출할 것으로 내다 본 것이다.
다만 이러한 성장 잠재력을 현실화하기 위한 과제도 만만치 않다고 지적했다. 전문가들은 실증 인프라 부족 등 '발목 잡는 걸림돌'을 선제적으로 제거해야 한다고 강조했다.
이들은 먼저 산업 AI 확산을 위한 최우선 정책 과제로 '제조 AI 실증 인프라 구축 및 규제 개선'(40.6%)을 꼽았다. 산업 AI 확산을 가로막는 요인으로 '실증·시험 환경 및 규제 한계'를 지목한 것과 궤를 같이한다.
뛰어난 AI 알고리즘을 개발하더라도 이를 실제 산업 현장에 적용하고 효과를 검증할 이른바 '테스트베드'가 턱없이 부족하다는 인식이 반영된 결과다.
한 응답자는 “데이터와 공정 노하우를 가진 대기업과 AI 솔루션 개발 능력을 갖춘 스타트업·학계 간의 협력이 필수적”이라며 “이들이 마음껏 협업할 수 있는 산업 AI 실증 사례를 지속적으로 발굴해 성공에 대한 구체적인 비전을 제시해야 한다”고 강조했다.
인력 부족 문제 역시 시급히 해결해야 할 과제로 나타났다. 191건의 복수응답 중 23.0%는 'AI 전문 인재 부족'을 주요 걸림돌로 꼽았다. 특히 석·박사급 고급 인재의 배출 저조와 이들의 해외 유출을 한국 AI 생태계의 구조적 약점으로 진단했다.
이와 관련해 전문가들은 △대학 수학교육 등 기초 역량 강화 △산학 협력을 통한 현장 맞춤형 교육 △주니어 인력의 산업 현장 유입 촉진 등을 대안으로 제시했다. 특히 국내 인력 공급의 한계를 인정하고, 해외 우수 인재 영입을 위한 파격적인 정책 지원과 국내 연구 인력의 이탈을 막기 위한 보수 체계 개편이 시급하다는 의견도 이어졌다.
노동 시장의 경직성도 지적했다. 또 다른 전문가는 “글로벌 경쟁이 치열한 AI 분야만큼은 주 52시간 규제를 유연하게 적용해 연구 몰입도를 높여야 한다”고 제언했다.
산업 AI 경쟁력 확보를 위한 기술적 과제로는 '제조·공정 데이터 확보 및 표준화'가 194건의 복수응답 중 38%로 1순위에 꼽혔다. 한국 AI 생태계의 취약점을 묻는 항목에서도 '데이터 접근성·표준화·품질 한계'가 1위를 차지해, 현장에서 쓸 수 있는 '양질의 데이터' 부족이 심각함을 방증했다.
한 전문가는 “과도한 개인정보보호 규제를 완화하고 인프라 데이터를 적절히 개방해 국가 데이터의 효용성을 높여야 한다”고 조언했다.
그는 “AI 데이터의 수집, 정비 등 데이터엔지니어링의 중요성이 커지는데 비례해 현장에서 느끼는 어려움도 커지고 있다”며 “데이터 선정·정제·메타데이터 추출·오토 라벨링 등 엔지니어링 방법론을 포함한 실증사업을 반드시 개발해야 한다”고 덧붙였다.
◇ “데이터·GPU·투자·인재 사중고”…2026년, 韓 AI 경쟁력 분수령
정부가 '인공지능(AI) 3대 강국'을 최우선 국정과제로 내걸었지만, 전문가들은 구조적 한계가 해소되지 않을 경우 2026년을 기점으로 한국은 글로벌 AI 경쟁에서 격차가 더 벌어질 수 있다고 경고했다.
전문가들이 우리나라 AI 글로벌 경쟁력에서 가장 큰 약점으로 꼽은 것은 '데이터 접근성·표준화·품질 한계'였다. 101명이 복수 선택한 237개의 답변 중 59명(24.9%)이 이를 지목했다.
새해에는 AI 경쟁이 단순 알고리즘 성능을 넘어, 어떤 데이터를 얼마나 빠르고 자유롭게 학습시키느냐의 싸움으로 재편되고 있음을 시사한다. 미국과 중국은 공공·민간 데이터가 대규모로 결합된 학습 환경을 구축 중인 반면, 한국은 개인정보 규제, 산업별 데이터 파편화로 인해 범용 AI와 산업 특화 AI 모두에서 학습 효율이 떨어진다는 지적이다.
새해에는 멀티모달 AI와 산업 특화 파운데이션 모델이 본격 확산될 전망이다. 이 시점에서 데이터 표준과 공유 체계가 정비되지 않으면, 한국 기업들은 해외 모델 의존도를 더욱 높일 수밖에 없다.
'컴퓨팅 인프라 부족(22.8%)' 또한 새해 AI 경쟁력의 가장 직접적인 제약 요인 중 하나로 꼽혔다. 글로벌 빅테크들은 이미 수십만 장 규모의 GPU 클러스터와 전용 전력 인프라를 전제로 차세대 모델 개발에 돌입했다. 전문가들은 2026년을 AI 연산 능력의 계단식 도약이 일어나는 시점으로 예상했다. 이 시기를 놓칠 경우 한국은 모델 개발국이 아닌 AI 소비국으로 고착화될 위험이 커진다는 분석이다.
설문에서 '대규모 투자 및 자본시장 규모의 제약(21.1%)', 'AI 석·박사급 인재 배출 저조(20.7%)' 또한 다수 선택을 받았다. 한국의 벤처·자본시장은 초대형 적자를 감내하며 장기 투자에 나서기에는 구조적으로 취약하다. 미국·중국이 AI 박사급 인재를 대규모로 흡수·양성하는 동안, 한국은 대학·연구기관·기업 간 인재 순환 구조가 약해 연구 성과가 산업으로 연결되지 못하는 한계를 안고 있다.
'서비스·소비자 중심 AI 산업 기반 취약'을 약점으로 꼽은 비율은 9.7%에 그쳤다. 이는 한국이 응용 서비스 경쟁력 자체보다는, AI를 뒷받침하는 국가 시스템, 데이터, 연산, 전력, 인재 등에서 더 큰 위험에 놓여 있다는 인식을 보여준다.
◇ AI 생태계 확산 발목…“제도·인재 시급, 종합적 강화로 접근해야”
국내 인공지능(AI) 산업 생태계에서 제도 미비가 가장 큰 약점으로 지목됐다. 인재 부족과 중소 제조업의 낮은 디지털 전환 수준 역시 AI 확산을 가로막는 핵심 요인으로 꼽혔다. 전문가들은 AI 생태계 확산을 위해 제도·인력·현장 기반을 동시에 강화하는 종합적인 접근이 필요하다고 조언한다.
응답자들이 복수 선택한 총 191개의 답변 중 26개(24.1%)가 AI 생태계 확산의 최대 장애 요인으로 실증·시험 환경 및 규제 한계를 꼽았다. 산업 현장에서 AI 기술을 실제로 적용하고 성능과 안정성을 검증할 수 있는 테스트베드가 충분히 마련되지 않았고, 관련 규제가 신기술 도입 속도를 따라가지 못하고 있다는 인식이 반영된 결과로 풀이된다.
이어 AI 전문 인재 부족이 44개(23.0%)로 근소한 차이로 두 번째로 높게 나타났다. 산업 현장에서 AI를 설계·운영·고도화할 수 있는 전문 인력이 절대적으로 부족하다는 지적이다. 특히 중소·중견 제조기업의 경우 인재 확보 경쟁에서 대기업에 밀리며, AI 도입 자체가 지연되는 사례가 적지 않다는 분석이다.
중소 제조업의 낮은 디지털 전환 수준은 39개(20.4%)의 응답률을 보였다. 생산 데이터의 디지털화와 표준화가 충분히 이뤄지지 않아 AI 적용의 출발선조차 서지 못한 기업이 많다는 의미다. 이와 함께 산업 데이터 부족을 꼽은 응답도 18.8%를 기록해, 데이터 축적과 활용을 위한 정책적 지원 필요성이 다시 한번 드러났다.
반면 로봇·센서·AI 반도체 등 도입 비용 부담을 장애 요인으로 지목한 응답은 11.5%로 상대적으로 낮았다. 단순한 장비나 기술 투자보다 이를 뒷받침할 제도와 인력, 데이터 환경 조성이 더 시급하다는 인식이 산업 현장 전반에 확산해 있음을 보여주는 결과로 해석된다.
한 설문 참여자는 “핵심 인재와 데이터, 실증 기회가 대기업에 집중되면서 중소기업은 AI 도입의 출발선에조차 서기 어려운 상황”이라며 “이 같은 구조가 지속되면 산업 전반의 AI 확산 속도는 더욱 더뎌질 수밖에 없다”고 했다.
◇ 정부 AI 전략 '인재·전략·전력'에 집중 필요
전문가들은 자유 서술로 진행한 설문에서 '인재와 교육'이 가장 중요하다고 강조했다. 아울러 우리나라의 AI G3 도약을 위해 국가의 역할이 무엇보다 필요하다고 설명했다. 이들은 AI 강국 도약의 기본 토대가 국가 운영 역량에 달렸다는 입장이다.
우선 전문가들은 새로운 인력이 AI 분야에 진입할 수 있도록 메리트를 부여하는 등 적극적인 정책과 함께 전문 인재 육성 체계를 갖춰야 한다고 조언했다.
한 전문가는 “인력양성과 산학 협력 강화가 필요하다”면서 “주니어 인력들이 적극적으로 산업에 유입될 수 있도록 해야 한다”고 했다. 또 다른 전문가도 “분야를 넘는 인공지능 인재 양성 및 확보가 필요하다”고 강조했다.
아울러 해외 우수 인재 영입과 동시에 국내 인재 유출 방지를 위한 대책이 필요하다는 주장도 있었다. 다른 전문가는 “핵심 인력 유출이 큰 문제가 될 소지가 있다. 이를 위한 정책이 시급하다고 본다”면서 “핵심 인력이 적정한 대우를 받을 수 있어야 한다”고 했다. 이외에도 “탑 탤런트 인재의 한국 유입이 필요하다”는 조언도 있었다.
정부나 국회 등 정치권의 방향성이 중요하다는 조언도 주를 이뤘다. “정부 혁신이 필요하고 입법부의 반성과 전향적 지원도 중요하다”는 의견이 다수 있었다. 또 다른 전문가도 “정부가 중심이 돼 각 기업이 축적한 데이터를 통합할 수 있어야 한다”고 했다.
특히 “AI 프로젝트가 실패하는 주된 이유는 목표의 불명확성이다. 산업별·응용별로 AI 적용 목표를 분명하게 수립하고 추진하는 전략이 필요하다”거나 “범부처적인 종합 AI 전략 기술 설정과 이에 따른 체계적인 집행이 중요하다”는 입장도 있었다.
전력·에너지 인프라 확충에 대한 요구도 있었다. 현재 전력 생산 비용이 AI 산업 전반의 복병으로 작용하고 있는 만큼, 산업용 또는 대학·연구시설용 전기에 한해서라도 전력공급 비용을 낮추는 등 경쟁력 확보가 시급하다는 지적이다.
이와 관련 “값싼 산업용 전력 생산 역량과 송배전 그리드 확보도 함께 진행이 돼야 한다”는 대책 마련 요구도 많았다.
전자신문 신년TF