[기자수첩 연속기획③] 반월·시화 AX 허브 280억 투입…선도공장 성과, 2만2000개 기업으로 확산해야

[뉴스타운/김병철 기자] 반월·시화국가산업단지의 인공지능 전환이 선언과 정책 건의 단계를 넘어 생산현장에서 성과를 만들어야 할 실행 단계로 접어들고 있다. 앞선 기자수첩에서 이민근 안산시장이 정부에 제안한 안산사이언스밸리지구 활성화, 중소기업형 SDF 연구개발, 안산스마트허브 기반시설 정비 등 3대 과제의 의미를 살펴봤다면 이번에는 총 280억 5000만 원이 투입되는 ‘반월·시화형 AI 제조혁신 실증 및 AX 허브 구축사업’이 실제 제조기업에 어떤 변화를 가져올 수 있는지를 짚어본다.

핵심은 자동차부품과 인쇄회로기판, 이른바 PCB 분야의 AX 대표 선도공장과 제조 AI 오픈랩, AX 종합지원센터다. 이들 사업이 계획대로 운영된다면 반월·시화산단은 AI 기술을 단순히 전시하거나 상담하는 공간에서 벗어나 제조기업이 직접 기술을 시험하고 생산공정에 적용하며 효과를 확인하는 실증 거점으로 성장할 수 있다.

정부 계획에 따르면 반월·시화 AX 허브 구축사업은 2028년까지 추진된다. 총사업비는 280억 5000만 원이며 국비 140억 원과 지방비, 민간투자가 함께 투입되는 구조다. 현재 공개된 자료에는 경기도비 9억 원, 안산시와 시흥시가 각각 10억 5000만 원, 민간이 110억 5000만 원을 부담하는 것으로 제시돼 있다. 국비만으로 운영되는 사업이 아니라 지방정부와 산업계도 비용과 책임을 함께 부담하는 민관 공동 프로젝트인 셈이다.

반월·시화산단이 정부의 제조업 인공지능 전환 실증지로 주목받는 이유는 분명하다. 이곳에는 기계와 전기·전자, 자동차부품, 금속, 석유화학, 철강 등 다양한 분야의 2만2000여 개 기업이 모여 있다. 제조기업의 96.8%가 50인 미만 사업장으로 파악될 만큼 중소기업 중심의 산업구조를 갖고 있다. 대기업처럼 자체 연구소와 전문인력, 대규모 투자재원을 갖추기 어려운 기업이 대부분이라는 뜻이다.

반대로 보면 반월·시화산단에서 성공한 AI 모델은 전국 중소 제조업으로 확산할 가능성이 크다. 대기업의 첨단공장은 자본과 인력, 생산설비 규모가 달라 중소기업이 그대로 따라 하기 어렵다. 그러나 반월·시화산단의 소규모 제조기업에서 비용과 기술 효과가 검증된 모델이라면 비슷한 공정과 설비를 가진 다른 산업단지 기업도 비교적 쉽게 도입할 수 있다.

산업통상부가 반월·시화산단에서 구현하겠다고 밝힌 것도 대기업 중심의 수직적 확산이 아니라 다수의 중소기업이 데이터를 공동으로 축적하고 AI 모델을 활용하는 수평적 확산 방식이다. 정부는 자동차부품과 PCB 분야 대표 선도공장을 구축하고 제조 AI 오픈랩과 AX 종합지원센터를 통해 AI 모델의 개발·실증과 입주기업 확산을 지원할 계획이다.

자동차부품 분야의 선도공장은 반월·시화산단 제조혁신의 첫 시험대가 될 것으로 보인다. 자동차부품은 품질과 정밀도, 납기 관리가 중요한 업종이다. 하나의 부품에서 발생한 미세한 불량도 완성품의 안전과 신뢰성에 영향을 줄 수 있다. 다양한 규격과 주문에 맞춰 생산해야 하는 중소 협력기업은 공정 변경과 품질관리 부담도 크다.

AI를 활용하면 생산설비의 진동과 온도, 전류, 소리 등 각종 데이터를 실시간으로 분석해 이상 징후를 조기에 발견할 수 있다. 카메라와 영상분석 기술을 결합하면 사람이 육안으로 확인하던 표면 불량이나 치수 이상을 자동으로 판별할 수 있다. 설비 고장 가능성을 미리 예측해 정비하면 갑작스러운 생산 중단을 줄이고 납기를 안정적으로 관리하는 데에도 도움이 된다.

PCB 분야 역시 AI 적용 효과를 기대할 수 있는 업종이다. PCB 생산은 미세한 회로와 복잡한 공정을 다루기 때문에 작은 결함도 제품 성능에 영향을 미칠 수 있다. 공정마다 발생하는 검사정보와 설비 데이터를 연결해 분석하면 불량 원인을 빠르게 찾아내고 공정조건을 최적화할 수 있다. 검사 정확도가 높아지고 재작업과 폐기량이 줄어들면 기업의 원가 절감과 생산성 향상으로 이어질 수 있다.

그러나 선도공장은 첨단장비를 설치하고 공개하는 시범공장에 머물러서는 안 된다. 사업 전후의 생산시간과 불량률, 설비 가동률, 에너지 사용량, 납기 준수율, 원가 변화가 수치로 확인돼야 한다. 어떤 기술을 적용했고 기업이 얼마를 부담했으며 투자비를 회수하는 데 얼마나 걸리는지도 공개 가능한 범위에서 제시해야 다른 기업이 도입 여부를 판단할 수 있다.

선도공장의 진정한 가치는 한두 기업의 성공이 아니라 산단 전체로의 확산에 있다. 자동차부품과 PCB에서 개발한 AI 모델 가운데 설비 예지보전이나 품질검사, 에너지 관리처럼 여러 업종이 공통으로 활용할 수 있는 기술은 기계와 금속, 전기·전자 분야로 넓혀야 한다. 특정 기업의 설비에만 작동하는 맞춤형 시스템이 아니라 유사 공정에 적용할 수 있는 표준모델을 만들어야 공공투자의 효과도 커진다.

제조 AI 오픈랩은 이러한 확산을 담당할 핵심 공간이다. AI 도입을 고민하는 중소기업이 생산라인 전체를 바꾸기 전에 기술을 시험하고 성능을 확인할 수 있어야 한다. 기업이 보유한 공정자료를 활용해 모델을 시험하고 AI 공급기업과 제조기업이 공동으로 기술을 보완하는 실증환경이 필요하다.

오픈랩에서는 예지보전과 비전검사, 공정 최적화, 에너지 관리, 협동로봇 연계 등 현장에서 활용할 수 있는 기술을 중심으로 실증이 이뤄져야 한다. 장비 전시나 단기 교육에 치우치지 않고 기업이 가지고 온 문제를 실제 데이터로 해결하는 공간이 돼야 한다. 기업이 “어떤 AI 기술이 있는가”를 구경하는 곳이 아니라 “우리 공장의 불량과 설비 문제를 어떻게 해결할 수 있는가”에 대한 답을 얻는 곳이어야 한다.

중소기업이 오픈랩을 이용하기 쉽도록 접근성도 높여야 한다. 상당수 영세기업은 AI 도입 필요성은 느끼지만 어떤 자료를 준비해야 하는지, 어느 기관에 상담해야 하는지조차 알기 어렵다. 현장진단과 데이터 수집, 기술 매칭, 실증, 설치와 사후관리까지 한 번에 지원하는 절차가 필요하다.

기업이 생산을 중단하지 않고 기술을 시험할 수 있도록 이동형 장비와 현장 방문형 실증도 병행할 필요가 있다. 모든 기업이 공정자료와 제품을 들고 오픈랩을 방문하기는 어렵기 때문이다. 전문인력이 직접 사업장을 찾아가 설비 상태와 데이터 축적 수준을 진단하고 기업에 적합한 기술과 지원사업을 안내한다면 참여 문턱을 낮출 수 있다.

AX 종합지원센터는 사업의 컨트롤타워 역할을 맡아야 한다. 반월·시화산단에는 안산시와 시흥시, 한국산업단지공단, 한국공학대학교, 한양대학교 ERICA, 한국생산기술연구원 등 여러 기관이 참여한다. 기관마다 연구와 기업 지원, 인력 양성, 행정과 재정 역할이 다르기 때문에 이를 조정할 중심체계가 없으면 사업이 분산될 수 있다.

종합지원센터는 기업 수요조사부터 기술진단, 공급기업 연결, 연구개발, 현장 실증, 자금지원, 전문인력 교육과 사후관리까지 사업 전 과정을 관리해야 한다. 기업이 여러 기관을 찾아다니며 같은 자료를 반복해서 제출하지 않도록 단일 창구를 구축할 필요가 있다. 지원사업을 안내하는 수준을 넘어 기업별 AX 전환계획을 함께 설계하는 역할까지 맡아야 한다.

특히 참여기업 선정기준은 사업의 공정성과 확산성을 결정하는 중요한 요소다. 현재 공개된 정부와 관계기관의 발표에서는 선도공장과 AX 종합지원센터, 제조 AI 서비스 개발이라는 큰 방향은 확인되지만 기업별 신청요건과 평가항목, 지원한도 등 세부 선정기준은 충분히 드러나지 않았다. 사업계획이 구체화되는 과정에서 이를 명확하게 공개해야 한다.

참여기업은 단순히 규모가 크거나 사업계획서를 잘 작성하는 기업 위주로 선정해서는 안 된다. 해결하려는 공정 문제가 분명하고 데이터를 수집할 수 있으며, 경영진과 작업자가 기술 도입에 참여할 의지가 있는지를 함께 살펴야 한다. 실증 결과를 유사 업종에 공유하고 확산할 가능성도 중요한 평가기준이 돼야 한다.

영세기업이 행정 역량 부족으로 배제되지 않도록 별도의 진입경로도 마련해야 한다. 전담인력이 없는 소기업에는 사업계획서 작성과 데이터 진단을 지원하고, 개별기업 단독 참여가 어렵다면 같은 업종의 여러 기업이 공동으로 참여하는 방식도 검토할 수 있다. 공공지원이 이미 준비된 기업에만 집중되면 산단 내부의 기술격차가 더 커질 수 있다.

기술 공급기업 선정도 투명해야 한다. 기업의 생산공정을 충분히 이해하고 현장 문제를 해결할 능력이 있는지, 사업 종료 후 유지·보수를 지원할 수 있는지, 다른 장비와 데이터를 연계할 수 있는지를 평가해야 한다. 특정 공급기업의 프로그램에 지나치게 의존하지 않도록 데이터 이동권과 시스템 호환성, 장애 발생 시 책임도 계약 단계에서 정리할 필요가 있다.

업종별 지원은 서로 다른 생산 특성을 반영해야 한다. 자동차부품과 PCB 분야는 정밀한 품질검사와 설비관리가 중요하지만 금속과 기계 업종은 가공조건 최적화와 예지보전, 석유화학은 안전과 에너지 관리의 비중이 클 수 있다. 모든 기업에 동일한 솔루션을 공급하는 방식보다 업종과 공정, 설비 수준에 맞춰 단계별 지원모델을 마련해야 한다.

기업의 디지털 수준을 진단해 기초·실증·고도화 단계로 나누는 방법도 필요하다. 데이터를 아직 수집하지 못하는 기업에는 센서와 데이터 저장체계를 먼저 지원하고, 일정 수준의 데이터를 보유한 기업에는 AI 모델 개발과 실증을 제공해야 한다. 이미 스마트공장을 운영하는 기업에는 여러 공정과 시스템을 연결하는 고도화 지원이 적합하다.

전문인력 양성은 AX 사업의 지속 가능성을 좌우한다. AI 설비를 구축해도 이를 운용하고 문제를 해결할 사람이 없으면 시스템이 멈출 수 있다. 반월·시화산단의 인력난을 고려하면 외부 전문가에게만 의존하는 방식으로는 사업을 장기간 유지하기 어렵다.

전문인력은 AI 개발자만을 의미하지 않는다. 제조공정을 이해하면서 데이터를 해석할 수 있는 현장형 인재, AI 설비를 운용하고 관리할 작업자, 기술 투자 효과를 판단할 기업 관리자도 필요하다. 숙련 작업자에게는 자신의 경험을 데이터로 정리하고 AI 설비와 함께 일할 수 있는 재교육을 제공해야 한다.

한국공학대학교와 한양대학교 ERICA, 한국생산기술연구원 등이 기업의 실제 공정 문제를 교육과정에 반영한다면 실무형 인재를 양성할 수 있다. 학생이 기업 현장을 방문해 데이터를 분석하고 개선과제를 수행한 뒤 취업으로 연결되는 프로젝트형 교육도 검토할 만하다. 교육 수료증을 발급하는 데서 끝나지 않고 수료자의 취업률과 기업의 장기근속률까지 관리해야 한다.

청년취업 연계는 별도 행사가 아니라 AX 허브 사업 안에 포함돼야 한다. 선도공장과 AI 오픈랩에서 현장실습을 운영하고 참여기업이 필요로 하는 직무와 인원을 사전에 조사해 교육과 채용을 연결해야 한다. AI 설비운영과 로봇 유지관리, 제조데이터 분석, 품질관리 등 새로운 직무를 구체적으로 제시하면 청년들에게 제조업의 변화된 모습을 보여줄 수 있다.

이민근 안산시장이 정부에 건의한 안산사이언스밸리지구 활성화도 이 지점에서 AX 허브와 맞닿는다. 안산사이언스밸리의 대학과 연구기관이 기술과 인재를 공급하고 반월·시화산단의 기업이 실증과 채용을 담당하면 연구개발과 생산, 교육과 취업이 하나의 지역산업 생태계로 연결된다.

일자리 성과를 단순한 고용 인원으로만 평가해서도 안 된다. 신규 채용자의 직무와 고용형태, 임금 수준, 근속기간을 함께 살펴야 한다. AI 도입으로 일부 단순 업무가 줄어들 수 있는 만큼 기존 근로자의 재교육과 직무전환 지원도 필요하다. 제조혁신의 목표는 사람을 줄이는 것이 아니라 사람이 더 안전하고 생산적으로 일하는 환경을 만드는 데 있어야 한다.

280억 5000 만 원이라는 사업비는 작지 않지만 반월·시화산단 전체 규모와 비교하면 제한적이다. 국비 140억 원과 지방비, 민간투자가 선도공장과 오픈랩, 지원센터에 분산되는 만큼 사업별 예산과 연차별 집행계획을 분명히 공개해야 한다. 시설 구축비와 연구개발비, 기업 지원비, 인력 양성비가 각각 얼마나 배정되는지도 확인할 필요가 있다.

민간부담 110억 5000만 원이 어떤 기관과 기업에 어떻게 배분되는지도 중요하다. 영세기업에 과도한 자부담을 요구하면 참여가 어려워질 수 있다. 기업 규모와 재무상태, 기술 도입 단계에 따라 자부담 비율을 차등화하고 공동 실증설비를 활용하는 방안을 마련해야 한다.

사업 성과는 상담 횟수나 참여기업 수만으로 설명해서는 안 된다. 선도공장의 불량률 감소와 생산시간 단축, 설비 가동률 증가, 에너지·원가 절감액을 측정해야 한다. 오픈랩을 이용한 기업 가운데 실제 기술을 도입한 비율과 사업 종료 후에도 시스템을 운영하는 기업의 비율도 성과지표에 포함해야 한다.

고용 분야에서는 전문교육 이수자 수보다 실제 취업자와 장기근속자, 청년 채용 증가를 살펴야 한다. AX 사업을 통해 새로운 직무가 얼마나 생겼고 기존 근로자가 어떤 재교육을 받았는지도 공개해야 한다. 산업단지 전체의 생산성과 일자리 창출로 이어졌는지를 판단하려면 최소한 사업 시작 전 기준자료부터 확보해야 한다.

안산시도 분명한 역할을 맡아야 한다. 국가사업이라는 이유로 산업통상부와 한국산업단지공단에만 의존할 것이 아니라 안산지역 기업을 직접 찾아 수요를 조사하고 참여를 지원해야 한다. 안산시가 부담하는 재정이 어떤 사업에 투입되는지, 안산 소재 기업이 어느 정도 참여하는지, 지역 청년 채용으로 얼마나 연결되는지도 관리해야 한다.

시흥시와의 협력도 중요하다. 반월·시화산단은 행정구역이 나뉘어 있지만 기업과 근로자에게는 하나의 산업권역이다. 두 지방정부가 서로 다른 지원기준을 운영하거나 실적 경쟁에 치우치면 사업 효율이 떨어질 수 있다. 기업정보와 지원체계, 교육과 채용 프로그램을 공동으로 운영하고 성과도 산업단지 전체의 관점에서 평가해야 한다.

반월·시화 AX 허브의 목표는 대표 선도공장 몇 곳을 만드는 데 있지 않다. 선도공장에서 검증한 기술을 오픈랩을 통해 다른 기업이 시험하고 종합지원센터가 도입과 사후관리를 지원하며, 대학과 연구기관이 필요한 인력을 양성하는 확산구조를 완성해야 한다.

첫 단계에서는 자동차부품과 PCB 분야에 집중하더라도 최종 목적지는 산단 전체여야 한다. 예지보전과 품질검사, 에너지 관리처럼 공통으로 활용할 수 있는 기술은 기계와 금속, 전기·전자 등으로 확산해야 한다. 기업들이 공동으로 축적한 데이터와 AI 모델을 안전하게 활용할 수 있는 기준도 마련해야 한다.

반월·시화산단에는 오랜 제조 경험과 숙련기술이 축적돼 있다. 정부의 재정과 대학·연구기관의 기술, 지방정부의 행정지원이 제대로 결합하면 대기업을 모방하는 방식이 아닌 중소 제조기업에 맞는 새로운 AX 모델을 만들 수 있다. 정부가 말한 ‘중소의 기적’을 현실로 만들 수 있는 조건은 충분하다.

앞으로 중요한 것은 속도와 함께 구체성이다. 참여기업 선정기준과 지원한도, 선도공장 위치와 운영주체, 오픈랩 이용절차, 종합지원센터의 기능, 전문인력 교육과 청년채용 계획을 조기에 공개해야 기업도 준비할 수 있다. 사업 내용을 모르는 기업은 참여할 수도 없고 정책의 성과를 확산할 수도 없다.

지난 기자수첩에서 강조했듯 반월·시화산단의 AI 전환은 선언의 크기가 아니라 제조현장의 변화로 평가받아야 한다. 이번 280억 5000만 원의 투자가 생산시간 단축과 불량률 감소, 기업 매출 증가, 안전한 작업환경, 청년 일자리로 이어진다면 반월·시화산단은 대한민국 중소 제조업 AX의 표준을 만들 수 있다.

이민근 시장과 안산시는 정부에 3대 과제를 제안한 데 이어 AX 허브가 안산 기업과 청년에게 실질적인 기회가 되도록 실행과정을 세밀하게 챙겨야 한다. 정부도 2028년 사업 종료만을 바라볼 것이 아니라 성과가 확인된 기술을 산단 전체와 전국 제조업으로 확산하는 후속 투자계획을 준비해야 한다.

반월·시화산단의 제조혁신은 이제 선포식 무대에서 생산라인으로 이동해야 한다. 대표 선도공장이 길을 열고 제조 AI 오픈랩이 기술을 검증하며 AX 종합지원센터가 기업과 인재를 연결할 때 280억 5000만 원의 투자는 하나의 시설이 아니라 산업단지 전체의 체질을 바꾸는 출발점이 될 수 있다.

기자 한마디 "280억 5000만 원의 가치는 선도공장 숫자가 아니라 검증된 AI 기술이 얼마나 많은 중소기업으로 확산되고 청년의 안정적인 일자리로 이어졌는지에서 결정된다."

본지는 다음 [기자수첩 연속기획④]에서 반월·시화산단 제조데이터의 수집·공동 활용과 보안체계를 중심으로 기업의 영업비밀 보호, 데이터 소유권, AI 공급기업과 제조기업 간 계약구조, 사업 종료 후 유지관리 방안을 살펴볼 예정이다. 공공재정으로 개발된 AI 모델이 특정 기업에 종속되지 않고 산단 입주기업이 안전하게 공동 활용할 수 있는 제도적 조건을 집중 분석한다.