제조 AX(M.AX) 170개 사업장, 생산성 30%: 중소기업이 AX를 시작하는 현실적 순서

2026년 9월 11일 산업통상부는 창원에서 첫 M.AX 지역 확산 컨퍼런스를 열며, 제조 AI 대전환 선언 이후 AI 시스템을 도입한 170개 사업장에서 생산성이 30% 개선되고 불량률이 15% 줄었다고 밝혔습니다. LG전자는 원소재 특성과 금형·설비 변화에 따른 생산 조건 조정과 불량 원인 파악을 숙련자의 경험에 의존하던 것을, 소재·설비·품질 데이터를 AI로 연결해 분석하는 방식으로 바꿨습니다. 같은 달 산업단지 CEO 50여 명이 참여한 해커톤은 설비 고장과 숙련 인력 부족을 AX 프로젝트로 구체화하는 자리였습니다.

대기업 사례의 공통 구조

보도된 사례를 걷어내고 보면 구조는 같습니다. 흩어져 있던 데이터(소재, 설비, 품질)를 하나의 흐름으로 연결하고, 숙련자의 판단을 규칙과 모델로 옮기되 최종 결정은 현장이 하며, 처리량·불량률·정지 시간처럼 원래 재던 지표로 효과를 잽니다. 새로운 지표를 만들지 않는다는 점이 중요합니다. AX는 '챗봇을 다는 일'이 아니라 '데이터가 다음 결정으로 이어지게 하는 일'입니다.

중소기업은 어디서 시작하나

• 데이터 연결부터. 모델보다 먼저 설비 로그, 검사 결과, 작업 일지가 한곳에 모이게 한다. 이것만으로 불량 원인 추적 시간이 줄어드는 경우가 많다.
• 가장 반복적이고 가장 잘 기록된 업무 하나를 고른다. 검사 판독, 발주 문서 정리, 고객 클레임 분류처럼 '이미 사람이 매일 같은 방식으로 하는 일'이 첫 대상이다.
• 판단은 현장에 남긴다. 에이전트는 제안하고 사람이 승인하는 구조로 시작해, 정확도가 확인된 범위만 자동으로 넘긴다.
• 규제를 설계에 넣는다. 2026년은 한국 AI 기본법(1월 22일 시행)과 EU AI Act 일반 의무(8월 2일 적용)가 겹치는 해다. 수출 제조업은 기록과 설명 가능성을 처음부터 갖춰야 한다.

노벤티스는 제조 현장 전문 기업은 아닙니다. 우리가 맡는 것은 데이터 파이프라인과 에이전트, 그리고 현장 담당자가 검토하는 화면을 하나의 흐름으로 만드는 엔지니어링입니다. 정부 바우처나 지역 확산 프로그램을 쓰더라도, 시작은 항상 '어떤 일이 반복되고 어디서 사람이 판단하는가'를 적는 진단입니다.