숙련공 떠나는 제조현장…피지컬 AI로 '노하우' 보존한다
한국 제조업의 고령화가 빠르게 진행되면서 숙련공이 보유한 작업 노하우를 데이터로 전환해 인공지능(AI)과 로봇에 접목하려는 움직임이 확산되고 있다. 산업용 로봇 보급이 세계 최고 수준에 이르렀지만 작업자의 경험과 판단에 의존하는 공정은 여전히 자동화가 쉽지 않아 피지컬 AI가 제조 현장의 기술 단절을 보완할 대안으로 떠오르는 모습이다. 27일 업계에 따르면 국내 제조업에서 60세 이상 고용 비중은 2010년 5.4%에서 지난해 17.5%로 증가했다. 기간제 근로자 기준으로는 같은 기간 7.1%에서 31.7%로 높아지며 제조 현장의 고령화가 빠르게 진행 중이다. 제조업 고령화는 단순한 인력 구성 변화를 넘어 기술 전승 문제로 이어질 수 있다는 우려가 나온다. 도장·연마·용접·검사 등 일부 공정은 제품 형상과 표면 상태, 작업 각도와 순서 등에 따라 결과가 달라져 작업자의 오랜 경험을 통해 축적된 숙련도가 품질에 영향을 미친다. 이같은 노하우는 표준화된 매뉴얼만으로 전달하기 어려운 것으로 평가된다. 숙련 인력이 은퇴할 경우 작업 과정에서 축적한 암묵지도 함께 사라질 가능성이 있어 최근 제조 현장에선 숙련 기술을 데이터로 보존·활용하는 것이 주요 과제로 부상 중이다. 업계에 따르면 한국은 이미 산업용 로봇 활용 측면에선 높은 수준의 인프라를 갖추고 있다. 제조업 종사자 1만 명당 산업용 로봇은 약 1220대에 달한다. 그러나 기존 산업용 로봇은 정형화된 반복 작업에 강점을 가진 반면 작업 대상의 위치나 형상, 표면 상태가 달라지면 별도의 티칭과 보정 작업이 필요한 상황이다. 특히 표면처리처럼 제품별 편차가 크고 작업자의 판단이 많이 개입되는 공정은 자동화 난도가 높은 분야로 꼽힌다. 기업 규모에 따른 스마트 제조 역량 차이도 존재한다. 2024년 스마트 제조혁신 실태조사에 따르면 중견기업의 스마트공장 도입률은 85.7%인 반면 소상공인은 18.6%에 그쳤다. 이에 제조업 자동화의 무게중심도 단순한 로봇 도입에서 제조 AI와 피지컬 AI, AI 팩토리 등으로 확대되는 양상이다. 피지컬 AI는 AI를 로봇과 센서, 비전, 3D 측정, 제어 소프트웨어 등 물리적 시스템과 결합해 실제 작업을 수행하도록 하는 기술이다. 기업들의 관심도 높아지고 있다. 한국경영자총협회가 종사자 500인 이상 제조기업 100개사를 대상으로 실시한 피지컬 AI 도입 실태 및 인식 조사에선 응답 기업의 84%가 피지컬 AI를 이미 도입했거나 향후 도입할 예정이라고 답했다. 제조업 고령화와 인력난, 생산성 개선 요구가 맞물리면서 관련 기술 수요가 확대되는 것으로 풀이된다. 글로벌 로봇 경쟁에서도 현장 데이터의 중요성이 커지고 있다. 제조·물류·로봇 현장에서 작업 데이터를 확보하고 이를 AI 모델 개선에 다시 활용하는 이른바 '데이터 플라이휠' 구조가 경쟁력의 핵심으로 떠오르고 있어서다. 제조 현장에서 얼마나 많은 작업 데이터를 확보하고 실제 공정 자동화에 활용할 수 있느냐가 제조 AI 경쟁력을 좌우할 수 있다는 분석이다. 이런 흐름 속에서 금융 스마트 플랫폼 전문기업 핑거도 제조 AI와 로봇 지능화 사업으로 영역을 확대 중이다. 금융 IT와 데이터 처리, 플랫폼 구축, AI 서비스 개발 등을 주력으로 해온 핑거는 최근 표면처리 공정에 특화된 산업용 로봇 지능화 솔루션 기업 미켈로로보틱스의 지분 79.48%를 인수했다. 미켈로로보틱스는 작업자의 동작 기록과 CAD·3D 스캔 기반 로봇 경로 생성, 비전·3D 측정을 활용한 오차 보정 기술 등을 보유 중이다. 숙련 작업자의 동작을 데이터화하고 제품 형상과 현장 오차, 표면 상태 등을 반영해 로봇의 작업 경로를 생성·수정하는 방식이다. 핑거는 미켈로로보틱스의 표면처리 자동화 기술에 자사 데이터·AI 플랫폼 역량을 연계해 제조 AI 솔루션의 현장 적용 범위를 확대한다는 계획이다. 대기업 양산 라인에서 축적한 적용 경험을 토대로 중견·중소 제조기업에도 적용할 수 있는 표준화 솔루션을 마련해 제조 현장의 자동화·지능화 수요에 대응한다는 목표다. 업계 관계자는 "한국 제조업은 높은 로봇 도입 기반을 갖추고 있지만, 숙련공 의존도가 높은 일부 공정에선 여전히 자동화와 데이터화가 과제로 남아 있다"며 "숙련 인력이 은퇴하기 전 현장의 작업 지식을 데이터로 전환하고 이를 AI와 로봇 제어 기술에 연결하는 것이 제조 AI 적용의 핵심 과제"라고 말했다.
