경기도 산업단지의 제조업체들이 AI 솔루션을 본격적으로 도입하고 있다는 소식이다. 육안에 의존하던 불량 검사, 감으로 잡던 수요 예측, 고장 난 뒤에야 멈추던 설비 보전까지 적용 범위가 빠르게 넓어지고 있다. 그런데 실제 현장을 들여다보면 성패를 가르는 것은 모델의 성능이 아니라 그보다 한참 앞단이다. AI는 데이터를 먹고 자라는데, 상당수 중소 제조업체의 데이터는 아직 부서별 엑셀 파일과 종이 일지, 그리고 십수 년 경력 반장의 머릿속에 흩어져 있기 때문이다. 같은 솔루션을 도입해도 어떤 공장은 반년 만에 효과를 말하고 어떤 공장은 “우리 현장엔 안 맞더라”로 끝나는 이유가 여기에 있다.
AI보다 먼저 필요한 것은 ‘데이터가 모이는 구조’
AI 도입 실패 사례의 상당수는 알고리즘 문제가 아니라 입력 문제다. 생산 실적은 반장이 퇴근 전에 몰아서 적고, 재고는 창고에서 따로 관리하고, 출하는 영업이 별도 파일로 들고 있으면 어떤 모델도 배울 것이 없다. 반대로 흐름이 한 줄기로 모이는 회사는 AI를 붙이기 전에 이미 눈에 보이는 개선을 얻는다. 어제 라인이 몇 번 멈췄는지, 그 원인이 무엇이었는지가 숫자로 남는 것만으로도 관리의 질이 달라지기 때문이다. 순서를 뒤집지 않는 것이 핵심이다.
제조 현장 디지털 전환, 실제로 통하는 3단계
- 1단계 — 흩어진 기록을 한 곳으로: 생산·재고·출하·구매가 같은 판 위에서 움직이게 만든다. 부서별 엑셀을 없애는 것이 첫 과제다.
- 2단계 — 현장 입력을 단순하게: 사람이 오래 붙잡고 있어야 하는 입력은 반드시 비어 있는 칸을 만든다. 몇 번의 터치로 끝나는 라인 옆 단말은 범용 제품을 사기보다 공정에 맞춘 키오스크 제작으로 가는 편이 결국 저렴하고, 현장을 걸어 다니며 쓰는 모바일 입력 화면은 앱개발 업체와 짧게 만들어 붙이는 쪽이 빠르다.
- 3단계 — 그다음이 AI: 1·2단계로 6개월치 데이터가 쌓이면, 그때 붙이는 AI는 실험이 아니라 도구가 된다.
자동화가 늘어도 공장은 사람이 돌린다
또 하나 자주 빠지는 것이 사람 쪽 인프라다. 산업단지 공장은 대개 도심에서 떨어져 있고, 2교대·3교대로 돌아가는 라인은 식사 시간이 일반 사무실과 다르다. 인근 식당이 문을 닫은 시간대에 근무하는 인원, 야간 교대 조의 끼니는 생산성과 직결되는 문제다. 실제로 구내식당을 둘 규모가 안 되는 공장들이 정해진 시간에 도착하는 회사 도시락으로 이 공백을 메우는 사례가 늘고 있다. 설비를 자동화하는 만큼 사람이 버티는 조건도 함께 설계해야 라인이 멈추지 않는다.
AI는 마지막에 얹는 층이다. 그 아래에 데이터가 모이는 구조와 사람이 버티는 조건이 없으면, 아무리 좋은 모델도 공장에서는 겉돈다.
산업단지의 AI 도입 흐름은 되돌아가지 않을 것이다. 다만 도입 자체가 경쟁력은 아니다. 우리 공장의 데이터가 지금 어디에 흩어져 있는지, 현장 사람이 입력하는 데 몇 초가 걸리는지부터 확인하는 것. 거기서부터가 진짜 디지털 전환의 출발선이다.
