산업 AI 확산 가속 페달… 활용 정책, 데이터 인프라 구축 지원   산업통상자원부 산업인공지능혁신과 고상미 과장      산업 대전환을 주도하는 인공지능(AI) 활용을 본격적으로 지원하기 위해 산업통상자원부(이하 산업부)는 최근 산업 AI 정책을 주도적으로 추진하는 부서인 ‘산업인공지능혁신과’를 신설했다. 기존에 여러 부서로 분산되어 있던 산업AI 관련 정책과 업무를 통합해 전담 조직을 마련한 것으로, 조직 신설의 배경과 향후 산업AI 정책 추진 방향에 대해 해당 부서를 이끄는 산업인공지능혁신과 고상미 과장을 만나 이야기를 들어 보았다.   산업부 산업인공지능혁신과 신설의 배경은 무엇인가?   AI는 데이터 및 컴퓨팅 기술의 발전과 산업 자동화 수요 확대 등에 힘입어 다양한 산업에 빠르게 적용되고 있다. 산업 현장에서 AI의 중요성이 높아지면서, 산업부 내에서도 AI 정책을 체계적으로 수립하고 지원할 전담 조직의 필요성이 대두됐다. 이에 2024년 상반기부터 조직 신설을 준비해 2024년 12월 30일에 ‘산업인공지능혁신과’ 를 공식 출범시켰다. 산업 AI 확산과 기업지원 효과를 극대화하기 위해 산업정책과와 산업기술시장혁신과의 일부 업무인 ‘AI 산업정책 민관협의체 운영, 산업디지털전환 관련 법령, R&D 사업, 데이터 구축·관리’ 등을 산업인공지능혁신과로 이관했다. 산업인공지능혁신과의 주요 업무는 무엇인가? 산업인공지능혁신과는 제조업과 서비스업 전반에 걸쳐 인공지능(AI)과 산업데이터 활용을 촉진하기 위한 정책을 수립하고 제도를 정비하는 업무를 총괄하고 있다. 현재는 「산업디지털전환촉진법」을 개정해 「산업디지털 전환 및 인공지능활용촉진법(가칭)」으로 개편하는 방안 을 추진 중이며, 이를 통해 기존의 디지털 전환 중심 정책에 산업 AI 활용을 명시적으로 포함하고, 산업현장의 AI 확산을 위한 법·제도적 기반을 강화하고자 한다. 아울러, ‘AI 산업정책 위원회’와 ‘산업디지털전환 위원회’는 그 기능과 역할을 확대·통합해 ‘산업인공지능 위원회’로 개편하는 등 관련 위원회 체계도 정비 중이다. 산업 AI 기술의 확산과 현장 적용을 위해 산업별 맞춤 형 AI 기술개발과 기반구축, 산업현장에 필요한 AI 전문 인력 양성 등을 추진하고 있다. 또한, 산업데이터의 수집, 표준화, 연계, 품질관리 체계 마련은 물론, 데이터 플랫폼 구축 등 민간 활용 활성화를 위한 정책도 총괄한다. 민관 협력도 활발히 운영 중이다. 산업계와 학계, 전문가 그룹과 연계한 협의체와 자문단을 구성해 현장 중심의 정책 수립에 반영하고 있으며, 수요‧공급 기업 간 매칭 지 원, 산업 AI 컨설팅, 현장 실증 등의 사업도 확대할 예정이다. 이와 함께 한국산업지능화협회 등 유관기관과 협력해 산업 AI 세미나, 전시회, 컨퍼런스 등 교류 행사도 개최하고 있다. 산업부 내 타 부서와의 차별점은 무엇인가?  산업부 내 여러 부서가 산업 디지털전환 및 AI 활용 관 련 업무를 수행하고 있으나, 산업인공지능혁신과는 ‘산업 데이터’ 업무를 전담한다는 점에서 차별화된다. 「 산업디지털전환촉진법」에서도 산업데이터 지원 근거가 별도 장(章)으로 명시될 만큼 그 중요성이 커지고 있다. 그러나 현장에서는 산업데이터의 확보가 어렵고, 활용 수준 또한 낮은 것이 현실이다. 이를 개선하기 위해 산업 부는 2024년 R&D 사업으로 ‘데이터 전처리(산업AI용 데이터 전처리 자동화 기술개발)’, ‘탄소데이터 플랫폼 구축(제조데이터 표준 인공지능 활용 제품 전주기 탄소중립 지원 기술개발)’ 사업을 새롭게 추진하였으며, 산업데이터의 생성·가공·활용 전 주기를 촉진하기 위한 ‘데이터 스페이스(한국형 Manufacturing-X 플랫폼 표준모델 개발 및 실증)’ 사업도 기획 중이다. AI 확산이 기업에 실질적으로 영향을 미치기 위해 필요한 노력은 무엇이라고 보는가?  AI 확산이 기업에 실질적인 영향을 미치기 위해서는 산업 현장의 수요에 기반한 전략적 접근이 필요하다. 현장을 살펴보면, 많은 기업들이 AI 도입에 관심은 있으나 산업데이터 부족, 기술 검증 부담, 초기 투자 리스크 등 현실적 한계에 부딪히고 있다. 특히 제조업의 AI 적용을 위해서는 양질의 산업데이터 확보와 이를 기반으로 한 문제 정의 과정이 선행되어야 하며, 이를 위해 산업부는 기업 현장 문제 해결을 위한 산업데이터 기반 AI 기술개발을 추진하고 있다. 또한 산업 전반의 AI 확산이 실제 기업의 생산성과 경쟁력 향상으로 이어지기 위해서는 수요기업 중심의 실질적 확산 기반 마련이 중요하다. 이에 산업부는 권역별 거점으로 ‘산업AI 혁신센터’를 지정하고, 산업AI 수요기업(제조기업)과 공급기업(솔루션기업) 간 파트너십을 통해 AI 솔루션 공동 실증을 지원하여, 산업 전반에 걸친 전국적 산업 AI 확산을 추진하고자 한다.  ‘산업 AI 10대 과제’의 선정 배경과 중요성에 대해 소개한다면?  ‘산업 AI 10대 과제’는 2024년 5월부터 민관 합동으로 ‘AI산업정책위원회’를 출범한 이래, 한국공학한림원 회원 들을 비롯한 200여명의 민간 전문가들이 심도 있게 논의해 도출한 결과다. 민간 전문가 그룹이 산업 현장의 수요와 기술 변화를 반영해 과제를 선정했다는 점에서 의미가 크다. 10대 과제에는 ▲산업AI 선도 프로젝트 ▲AI 에이전트 와 피지컬 AI ▲산업 AI 컴퓨팅 인프라 ▲산업 데이터 ▲ AI 반도체 ▲AI 인재 ▲전력 인프라 ▲산업 AI 자본 ▲AI 생태계 ▲산업 AI 제도 등이 포함된다. 일부 선도 과제는 기존 사업과 연계해 조기 성과 도출을 지원하고, 산업데이터 스페이스 구축, AI 인재 양성 등 신규 과제도 추진 중이다.   최근 진행했던 ‘산업 AI 전략(M.A.P)’ 세미나의 성과와 향후 계획은 무엇인가? 최근 진행한 ‘산업 AI 전략(M.A.P, Manufacturing AI Policy)’ 세미나는 제조기업의 AI 도입을 실질적으로 지원하기 위한 소통의 장으로 의미 있는 성과를 거두었다. 많은 제조기업들이 AI 도입의 필요성에는 공감하지만, 실 제 도입 과정에서 많은 어려움을 겪고 있다. 이에 산업인공지능혁신과는 기업들이 AI 전문가와 직접 소통하고 실질적인 해법을 모색할 수 있도록 ‘M.A.P 세미나’를 기획하였다. 해당 세미나는 서울, 광주, 창원 등에서 개최되었으며, 매 행사마다 높은 관심을 받았다. 세미나 이후 질의응답에서는 고난이도 기술 질문이 이어져 산업 현장의 실질적 수요를 확인할 수 있었다. 앞으로도 M.A.P와 현장 밀착형 프로그램을 지속 확대해 기업들의 AI 도입을 실질적으로 지원하고, 산업계의 요구를 정책에 적극 반영해 나갈 계획이다. 국내 산업 AI·DX 도입 수준은 어떠하고, 확산을 위해 필요한 선결 과제는 무엇인가?  국내 산업계의 AI·DX 도입 수준은 여전히 초기 단계에 머물러 있으며, 실질적 확산을 위해 해결해야 할 과제가 적지 않다. 2024년도 한국생산성본부(KPC) 조사에 따르면, 국내 제조업체의 약 90%가 아직 AI를 실제로 도입하지 않았으며, 그 주요 원인으로 산업데이터 확보의 어려 움과 인프라 부족이 지목되었다. 또한, ‘AI 기술을 어떻게 활용해야 할지 모른다’는 점도 도입 저해 요인으로 나타났다. 산업 현장에 특화된 AI 솔루션에 대한 정보와 접근성이 낮기 때문이다. 산업 AI 확산을 위해서는 국가 차원의 전략도 중요하지만, 현장에서 필요한 AI 기술을 신속히 개발하고, 기업들이 쉽게 접근할 수 있도록 기술과 현장을 연결하는 실질적인 ‘연결고리’의 구축이 무엇보다 중요하다.   산업인공지능혁신과의 올해 및 중장기 계획에 대해 소개한다면? 산업인공지능혁신과는 AI 기술의 빠른 발전과 산업 전 반에 미치는 영향력을 고려해, 중장기 로드맵보다는 현장 수요와 단기 실현 가능성이 높은 과제 중심으로 지원 방향을 유연하게 설정하려 한다. ‘산업 AI 10대 과제’ 발표 이후, 실행력 있는 세부 실행 계획을 단계적으로 추진하고 있으며, 산업 현장에서 실질적인 효과를 낼 수 있도록 정책의 실행력을 높이는 데 중점을 두고 있다. 앞으로는 산업부 전체 차원의 중장기 전략을 재정립하고, 기업들이 실제로 필요로 하는 기술·데이터·인프라 요건을 면밀히 검토해 정책 대응을 강화할 계획이다. 산업 AI 활용 수혜기업과 한국산업지능화협회에 전하고 싶은 말이 있다면?  산업 AI 확산을 위해 여러 기관이 적극적으로 사업을 기획·발굴하고 있다. 현장의 수요를 신속하게 전달하는 것이 무엇보다 중요하며, 이를 통해 실질적으로 도움이 되는 정책과 사업이 만들어질 수 있다. 특히 한국산업지능화협회는 ‘산업AI 얼라이언스’ 운영, ‘산업AI 엑스포’ 개최 등 현장 중심 활동을 통해 정보 교류와 성공사례 확산에 앞장서고 있다. 앞으로도 수요기업과 공급기업의 현장 목소리가 정확히 전달되고, 산업계의 적극적인 참여와 소통이 실효성 높은 정책으로 연결될 수 있도록 협회의 적극적인 협력을 당부한다. ■    캐드앤그래픽스 최경화 국장 mail@cadgraphics.co.kr  

씽크포비엘은 6월 25일 국립군산대에서 ‘AI 신뢰성’ 검증 기술 다루는비교과 교육과정을 운영했다.   'AI 신뢰성' 검증 기술 관련 민간 공인 자격을 취득한 전문가가 배출되어 미래 일자리 창출에 기여할 것으로 기대된다. AI 신뢰성 전문기업 씽크포비엘은 6월 25일(수)부터 27일(금)까지 국립군산대학교 IT융합통신공학과 재학생을 대상으로 ‘AI 신뢰성’ 검증 기술 교육을 실시했다고 밝혔다. 이번 교육은 전북특별자치도와 전북테크노파크의 지원을 받아 국립군산대 ICT특성화취업연계형사업단이 마련한 비교과 프로그램으로, 실무 교육은 씽크포비엘에서 맡아 진행했다. 교육 과정은 농생명 분야의 AI 데이터 활용에 필요한 다양성‧편향성 진단 시나리오 설계, 신뢰할 수 있는 AI 개발 개론, 검증 프로세스 적용 방법 등 이론 강의와 실습, 토론으로 구성됐다. 마지막 날에는 수강생을 대상으로 한 자격 시험도 진행됐다. 교육을 수료하고 자격 기준을 충족한 수강생에게는 한국산업지능화협회(KOIIA)가 발급하는 ‘산업인공지능데이터검증전문가’ 2급 자격증이 주어진다. 이 자격은 씽크포비엘이 준비 중인 ‘AI 신뢰성 검증전문가’ 자격과는 별개로, AI 신뢰성 검증 기술 중 ‘데이터 밸런스’ 기법에 초점을 맞춘 것이다. 해당 자격은 2024년 2월, 한국직업능력연구원에 정식 등록됐다. 씽크포비엘과 국립군산대는 산업부 산하 인가 단체의 공인 자격을 취득할 수 있는 교육 과정이 처음 마련됐다는 점에 의미를 두고 있다. 씽크포비엘에서는 2020년부터 국립군산대와 함께 동일한 교육과정을 6년째 운영 중이며, 지난해에는 자격증을 시범 발급한 바 있다. 그러나 공인 자격이 부재했던 과거에는 교육 이수자들의 취업에 실질적인 도움이 되지 못했다는 평가도 있었다. 국립군산대 관계자는 “AI 신뢰성 관련 기술을 배우고 자격까지 취득함으로써 학생들의 실무 역량과 현장 이해도가 높아질 것으로 기대된다”고 밝혔다. 한편, 한국산업지능화협회는 향후 ‘산업디지털전환촉진법’에 따른 디지털전환(DX) 전문기업 인증 기준에 ‘산업인공지능데이터검증전문가’ 보유 인력 여부를 포함하는 방안을 검토 중이다. 기업 수요 확대와 전문 인력 양성을 동시에 꾀한다는 전략이다. 이 자격과 교육은 특히 지방대 출신 구직자에게 새로운 기회가 될 전망이다. 씽크포비엘은 “AI 신뢰성 분야는 아직 초기 단계로, 수도권 대학 출신과의 경쟁에서 대등한 조건을 만들 수 있는 영역”이라고 강조했다. 또한 AI 신뢰성 교육은 해외에서도 주목받고 있다. 씽크포비엘에 따르면 태국 정부에서는 지난해부터 관련 아카데미 설립을 준비 중이며, 우즈베키스탄도 정부 주도의 교육 기관 설립을 검토하고 있다. 이 같은 글로벌 관심 속에서 국내 전문 인력 양성이 본격화되면 AI 신뢰성 분야의 세계적 성장 가능성도 높아질 것으로 보고 있다. 박지환 씽크포비엘 대표는 “AI 기반 바이브 코딩이 부상하면서 기존 SW 개발자 직무에 변화가 생기고 있는 상황에서, AI 신뢰성 분야는 새로운 일자리로 주목받고 있다”며, “국립군산대에 데이터 취급 전문가 역량을 파악할 자격 과정을 최초 개설된 것은 의미가 크다. 하반기에는 AI 신뢰성 전문가 자격도 공인 민간자격으로 등록해 전문 인력 양성에 속도를 낼 계획”이라고 밝혔다.  

이 내용은 한국생산성본부(KPC)가 수행한 제조업 디지털전환(DX,  Digital Transformation) 및 AI 활용도 관련 공식 조사 결과이다.   주요 조사 결과 요약 AI 실제 도입률 제조업 응답 기업의 약 90%가 실제로 AI를 도입하지 않은 것으로 나타났습니다. 이는 제조업 내 AI 도입률이 3.9%에 그치는 등, 타 산업(정보통신 25.7%)에 비해 현저히 낮은 수치입니다. AI 도입 저해 요인 AI 도입이 저조한 주요 원인으로는 다음이 꼽혔습니다. 인프라 부족: 고성능 컴퓨팅 환경, 네트워크 등 AI 활용에 필요한 인프라가 미흡함. 산업 데이터 확보의 어려움: 제조 현장에서 발생하는 데이터의 품질 및 통합 문제, 데이터 자체의 부족이 큰 장벽으로 작용함. 전문 인력 부족, 초기 투자비용 부담, 기존 시스템과의 연계성 문제 등도 복합적으로 영향을 미침. 추가 참고 AI 활용률이 낮은 배경에는 산업 데이터의 관리 및 공유가 어렵고, AI 도입에 따른 실질적 변화(생산성, 비용 등)가 아직 제한적이라는 현장 평가도 반영되어 있습니다. 기업들은 AI 도입 필요성은 인식하고 있으나, 실제 활용률은 30% 미만, 제조업은 20% 내외로 조사되었습니다. 결론 한국생산성본부(KPC)가 발표한 제조업 디지털전환 및 AI 활용 실태조사 결과는 KPC 공식 홈페이지 공지사항에서 확인할 수 있습니다. 제조업의 AI 도입률은 매우 낮으며, 인프라와 데이터 확보의 어려움이 핵심 저해 요인임이 명확히 드러났습니다 ----------------------------------- 1.    조사 배경    인공지능, 빅데이터 등 디지털 기술의 등장은 과거 전통적 산업 간의 경계를 희미하게 만드는 동시에, 경제 성장의 새로운 원동력으로 각광받고 있음     이들 기술을 활용한 디지털 전환(DX; Digital Transformation)은 공정의 최적화는 물론, 제품 지능화, 서비스 고도화를 통해 산업에 당면한 과제를 해결하고 새로운 가치를 창출한다는 점에서 의미가 매우 크나, 현실적으로 중견, 중소기업에서는 인력, 자금 등의 문제로 산업 디지털 전환이 필요함에도 추진하기에 어려운 부분이 존재함     이처럼 기업의 애로사항과 불확실성이 존재하는 상황에서 정부에서 의결한 ‘산업 디지털 전환 촉진법’은 디지털 전환과 관련된 법적 사각지대를 해소하고 법률적 기반을 마련하는 계기가 될 것임     향후 산업 디지털 전환과 관련된 종합계획이 수립되고 각종 세부 정책들이 본격적으로 추진되기 위해서는 디지털 전환 역량이나 준비도 등의 산업계 실태를 면밀하게 파악하는 것이 선행되어야 함. 특히,  산업 디지털 데이터의 공유와 협업을  통한 수익 창출과 관련된 규범이 새롭게 마련된 만큼 이를 위한 정책적 근거자료 마련이 필수적임   조사 근거 : 산업디지털전환촉진법 2.    조사 목적     규모별 디지털 전환(DX) 인식 수준, 산업의 데이터 활용률, 디지털 전환 역량 및 애로사항, 요구사항 등을 종합적으로 조사함으로써 DX 역량진단 및 기업 수준을 분석, 평가할 수 있는 기초자료를 수립하고자 함     또한, 각종 데이터 수집 현황,  분석 및 활용 역량,  데이터 협력·거래  등 산업 데이터 역량과 니즈를 확인함으로써  실제  사업 수행 시 기업 간 매칭 및 맞춤형 지원사업을 가능토록 하고자 함   산업데이터 생성ㆍ활용의 활성화와 지능정보기술의 산업 적용을 통하여 산업의 디지털 전환을 촉진함으로써, 산업 경쟁력을 확보하고 국민의 삶의 질 향상과 국가 경제발전에 이바지하기 위해 필요한 ‘산업 디지털전환 종합 계획’ 수립 및 시행을 위한 관련 현황, 통계 및 실태 파악   목차 제 1장. 서론    1 01.    조사  배경 및 목적    3 1.    조사 배경    3 2.    조사 목적    3 01.    표본설계    4 1.    조사 대상    4 2.    모집단  분포 및 표본틀    5 3.    표본설계    6 4.    가중치와 추정    8 02.    조사 개요    11 1.    조사 개요    11 2.    조사 항목    11 03.    응답자 특성    13 제 2장. 조사결과    14 01.    디지털 전환 인식    16 (1)    DX에    대한 임직원의 인지도    16 (2)    디지털    비전과 리더십 단계    17 (3)    디지털    전략 단계    18 (4)    디지털    기술과 솔루션 이해도    19 02.    산업 데이터 역량    20 1.    데이터 수집    20 (1)    시장 및 고객 데이터 수집 방법, 비중    20 (2)    공정  데이터  수집 방법, 비중    21 (3)    제품 및 서비스 데이터 수집 방법, 비중    22   (4)    데이터 인프라    23 (5)    데이터  품질관리 성숙도 단계    24 (6)    데이터 수집시 애로사항    25 2.    데이터 분석·활용    26 (1)    ‘데이터    사용/관리’ 변화 정도    26 (2)    데이터    분석·활용 역량 수준    27 (3)    데이터    관련 전문인력 현황, 필요 규모    28 (4)    데이터    분석·활용 시 장애요인    29 3.    데이터 협력·거래    30     (1) 데이터 협력, 거래 활동 여부    30 (1-1) 데이터 협력, 거래 활동 목적    31 (1-2) 데이터 협력, 거래 활동이 없는 이유    32 (2)    데이터    협력,    거래를 위한 정보 획득 경로    33 (3)    데이터    협력,    거래의 애로사항    34 (4)    데이터    협력,    거래 과정에서 경험한 부당한 대우, 침해행위    35 4.    인공지능(AI) 활용    36 (1)    인공지능(AI) 기술의 업무 활용 여부    36 (2)    인공지능 기술을 업무에 활용하는 목적    37 (3)    인공지능 기술을 업무에 활용 시, 가장 어려웠던 점    38 (4)    인공지능 기술을 업무에 활용하지 않는 이유    39 03.    디지털 기반 프로세스 혁신    40 1.    디지털  프로세스 혁신 활동    40 (1)    업무 프로세스에 적용하고 있는  디지털 기술    40 (1-1) 디지털 기술별 적용  업무 프로세스_빅데이터    41 (1-2) 디지털 기술별 적용  업무 프로세스_인공지능    42 (1-3) 디지털 기술별 적용  업무 프로세스_IoT    43 (1-4) 디지털 기술별 적용  업무 프로세스_클라우드    44 (1-5) 디지털 기술별 적용  업무 프로세스_AR/VR    45 (1-6) 디지털  기술별 적용 업무  프로세스_지능형 협동 로봇    46 (1-7) 디지털  기술별 적용  업무 프로세스_RPA    47   (1-8) 디지털 기술별 적용 업무 프로세스_디지털마케팅솔루션    48 (1-9) 디지털 기술별 적용 업무 프로세스_3D 프린팅    49 (1-10) 디지털 기술별 적용 업무 프로세스_모바일 기술    50 (1-11) 디지털 기술별 적용 업무 프로세스_5G 기술    51 (1-12) 디지털 기술별 적용 업무 프로세스_보안    52 (2)    각 디지털 기술별로 과거부터 현재까지 예상되는 투자 비중    53 (3)    지난 1년간 디지털 기술 관련 투자액    54 (4)    빅데이터 부문 투자 금액(최근 1년)    55 (5)    인공지능 부문 투자 금액(최근 1년)    56 (6)    도입한 디지털 기술/도입하지는 않았으나 도입 효과가 좋을 것으로 예상되는 기술 · 57 (7) 디지털 기술 도입에 있어 자체 도입 & 아웃소싱 비중    59 (8) 디지털 기술 도입 후,  사후 관리    60 2.    (8-1) 사후 활동이 잘 되지 않는 이유    61 (9)    ‘정보화  준비도’ 변화 정도    62 (10)    ‘정보화  기술  수준’ 변화 정도    63 디지털  기반  프로세스 혁신 성과    64 (1)    ‘업무 프로세스 개선’ 변화 정도    64 (2)    자동화를    통한 업무시간 단축 여부 및 단축된 시간    65 (3)    프로세스    자동화율    66 (4)    프로세스    지능화율    67 (5)    프로세스    통합 연계율    68 04. 디지털 신기회    창출    69 1.    비즈니스 모델 혁신 활동    69   (1)    ‘비즈니스 모델’ 변화 정도    69 (2)    최근 3년간 디지털 기반 비즈니스 모델 혁신 및 변경 시도 여부    70 (2-1) 비즈니스 모델 혁신을 위한  시도의 목적    71 (2-2) 디지털 기반 비즈니스 모델  혁신의 유형    72 (3)    ‘고객 관련 업무’ 변화 정도    73 2.    디지털 제품 및 서비스 창출    74 (1)    최근 3년 디지털 연구 성과  창출 경험    74 (2)    ‘신제품/서비스 개발’ 변화 정도    75 (3)    최근 3년간 디지털 기술 적용을 통한 획기적 개선, 새롭게 출시된 제품 및 서비스 · 76 (3-1) 제품 및 서비스 개선, 출시를 위해 적용한 디지털 기술    77 (3-2) 제품 및 서비스 혁신을 위해 적용된 디지털 기술 획득 경로    78 (3-3) 전체 매출액에서 디지털 혁신 제품 및 서비스 매출이 차지하는 비중    79 (3-4) 디지털 혁신 제품 및 서비스가 개선, 출시되지 않은 이유    80 05.    디지털 전환 역량    81 (1)    ‘정보화 비전과 전략’ 변화 정도    81 (2)    ‘디지털 전환 인식’ 변화 정도    82 (3)    ‘혁신 문화 수준’ 변화 정도    83 (4)    디지털 전환 추진 여부    84 (4-1) 디지털  전환 추진 주도 부서    85 (5)    디지털 부문 연구개발 투자 금액(최근 1년)    86 (6)    디지털 부문 연구개발 인력 수    87 (7)    ‘정보화 인력 수준’ 변화 정도    88 (8)    디지털 전환 추진계획 보유 여부    89 (8-1) 디지털 전환 추진 시기    90 (8-2) 디지털 전환 추진을 위한  자금 조달 방식    91 (9)    디지털 전환 관심 분야    92 (10)    디지털 전환 관련 인력 양성을 위한 직원 교육 프로그램 실시 여부    93 (11)    디지털 전환 추진을 위한 인력 양성 및 외부 충원 계획 여부    94 (11-1) 디지털 전환 추진을 위해 필요한  인력 유형    95 (12)    디지털 전환 관련 협업 여부    96 (12-1) 디지털 전환 관련 외부 협업  유형별 수요    97 (13)    ‘지식 공유 수준’ 변화 정도    98 (14)    디지털 전환 관련 수출 애로사항    99 06.    디지털 전환 애로사항 및 정책 수요    100 (1)    디지털 전환 추진 애로사항    100 (2)    정부 및 지자체의 디지털 전환 정책지원 수요    101 (2-1) 정책지원을 받지 않은 이유    102 (3)    필요로 하는 디지털 전환 관련 정부  정책 분야    103   (4)    ‘정부    DX 지원 및 규제 환경’ 변화 정도    104 (5)    ‘시장    환경’ 변화 정도    105 (6)    ‘기술    환경’ 변화 정도    106 (7)    ‘경쟁    환경’ 변화 정도    107 부록. 설문지    108 상세내용 보러가기

제조업 혁신 서비스와 수익모델 창출의 열쇠, ‘산업데이터스페이스’   제조산업이 폭발적으로 성장하려면 디지털 사회와 연결되어야 한다는 사실은 모두가 알고 있다. 이런 연결 수단 중 하나가 ‘데이터 스페이스’이다. 한국산업지능화협회 산업데이터스페이스(IDS, 이하 IDS) 기술위원회 위원장이자 고려대학교 디지털혁신연구센터장인 이영환 교수를 만나 국내 산업계의 데이터 서비스 경쟁력 강화 방안에 대해 들어보았다. ■ 최경화 국장     센터장을 맡고 계신 ‘고려대학교 디지털혁신연구센터’에 대해 소개 부탁드린다. ‘디지털혁신연구센터’는 고려대학교 융합연구원 산하기관으로 빅데이터, 인공지능, 블록체인 등의 최신 기술을 활용하여 제조산업 등에 활용할 수 있는 혁신 서비스와 사업 모델, 산업 기술 정책 등을 연구하고 있다. 주요 성과는 산업자원부의 제조산업 디지털전환 정책 연구, 과기부 AI·빅데이터 국가연구개발 과제, 지자체 빅데이터 분석 사업 등 최근 약 100여 건 이상의 과제를 수행했다. 즉, 제조산업 등 기술의 활용과 사업화에 대해 집중적으로 연구하고 있다.   산업데이터스페이스 기술위원회에 대한 소개한다면. 산업데이터스페이스(IDS : Industry Data Space) 기술위원회는 한국산업지능화협회 산하의 조직으로 제조산업의 디지털 전환을 통한 혁신 서비스와 새로운 수익모델의 개발을 목표하고 있다. 제조산업 업종별 기업들과 데이터스페이스를 기반으로 도전적이고 창의적인 과제를 기획하고 추진하는 것이 본 기술위원회의 핵심 가치이다. 특히 데이터 기반의 이종 산업 간 융합은 새로운 가치를 창출할 기회가 되기 때문에 경쟁이 심화되고 있는 제조산업의 새로운 돌파구라고 생각하며 이를 위한 혁신 프로젝트를 기획 및 추진하고자 한다.   IDS가 주목받는 배경은 무엇이며, 왜 중요한가? IDS는 말 그대로 산업데이터스페이스(Industry Data Space)의 약자이며, EU에서 활발하게 추진되고 있는 EU Data Space와 궤를 함께한다. 4차 산업혁명 이후 제조산업은 단위 공정 혹은 개별 기업 수준에서 빅데이터, AI, 디지털 트윈, 스마트공장, 로봇 등 다양한 시도가 있고 성공 사례가 나오고 있다. 그러나 제조산업이 더 폭발적으로 성장하려면 디지털 사회와 연결되어야 한다. 데이터를 통해서 의료 및 금융 등 이종 산업, 스마트폰을 매개로 하는 개인, 공공 기관 등과 데이터로 연결이 되어야 한다. 이런 연결을 위한 하나의 방법이자 수단이 데이터스페이스라고 생각한다.  기술적 측면만이 아니라 법 제도와 같은 사회 시스템까지 고려해야 디지털 기반의 제조산업 생태계가 구현될 수 있다. 하나의 예로서 자동차에서 운전자의 건강관리를 할 수 있는 기술은 이미 있다. 그러나 운전자의 건강데이터 등 개인정보를 연결하고 응급 상황 시 병원과 연결이 되어야 하는데, 아직 법 제도적인 부분이 따르지 못하고 있다. 이런 부분까지 고려하고 구현이 되어야 IDS 기반의 디지털 산업 생태계를 구축할 수 있다고 보다. 이미 EU뿐만 아니라 세계 각국에서 빠르게 추진하고 있기에 우리나라도 시급한 상황이다.   국내외 IDS 관련 주요 동향에 관해 소개한다면. 앞서 소개한 것처럼 EU는 데이터 기반 혁신과 디지털 단일 시장 강화를 위해 공통 유럽 데이터스페이스(Common European Data Spaces) 구축을 추진하고 있다. 공공, 산업(헬스, 농업, 에너지 등), 개인 부문 데이터의 공유와 활용을 촉진하며, 동시에 데이터 주권 확보와 보안 강화를 목표로 힌다. IDS 기술위원회가 관심이 많은 건강 분야인 유럽 헬스 데이터스페이스(EHDS : European Health Data Space)는 시민이 데이터를 통제하면서 연구자와 정책수립자들이 건강데이터를 활용할 수 있도록 지원한다. 또한 GAIA-X(가이아엑스) 프로젝트는 유럽의 데이터 주권을 강화하고 신뢰할 수 있는 데이터 인프라를 구축하기 위해 노력하고 있다. 이러한 노력은 EU의 데이터 경제를 활성화하고 안전한 데이터 공유 환경 조성에 기여하고 있다.    IDS 기술위원회와 관련해 향후 계획이 있다면. 우리 기술위원회는 진취적이고 역동적인 회원으로 구성되어 있고 이러한 기조를 바탕으로 가장 도전적이고 혁신적인 시도를 할 계획한다. 제조산업에서 이종 산업 간 융합 사례를 기획 및 발굴할 것이고, 국내외 산업데이터스페이스 기반 협력 네트워크를 구축하여 작지만 파괴적이고 혁신적 노력을 통해 거대한 비전을 천천히 실현하기 위해 노력할 것이다. 운전자의 헬스케어 데이터를 활용하여 자동차에서 구현할 수 있는 혁신 서비스를 개발할 것이고 국내 모빌리티 시장뿐만 아니라 EU 등 해외 시장에도 진출할 것이다. 법·제도적 제약, 기술적 한계, 개인의 참여 촉진 등은 우리 기술위원회가 극복해야 할 미션이기도 하다.    IDS 이외에도 교수님이 참여하신 활동이 있다면. 한국산업지능화협회의 ‘찾아가는 DX 캐러반’에 참여하면서, 제조산업 기업의 디지털 전환을 위한 정책 연구, 기술 사업화를 위해 노력했다. 서울, 경기, 인천, 강원, 대전충남, 광주전남, 부산, 울산, 강원 등 전국 시도를 순회하면서 지역 기업의 경영진과 실무진께 제조산업 디지털 전환의 사례와 방법을 소개했고 현장의 실질적인 애로사항을 듣고 조사하기도 했다. 현장의 상황은 이상적인 모습과 달랐으며 기업의 디지털 경쟁력은 오롯이 기업의 노력만으로는 한계가 있고, 정부, 대학, 연구소, 산업계 등 모든 주체의 협력이 필요함을 알게 되었다.     ■ 기사 내용은 PDF로도 제공됩니다.

#플랜트조선컨퍼런스2025 #한국플랜트정보기술협회 #얼리버드무료선착순이벤트 #플랜트조선산업전망   플랜트조선컨퍼런스 2025 내용이 보이지 않으면 여기를 클릭하세요!       #플랜트 #조선 #디지털트랜스포메이션 #디지털전환 #디지털트윈 #DT #DX #플랜트조선산업전망 #HD현대삼호 #포스코이앤씨 #현대건설 #SK에너지 #HD현대미포 #삼성중공업 #아비바코리아 #소프트힐스 #클루닉스 #팀솔루션 #다우데이타 #씨앤지소프텍 #세이브잡스 #한국플랜트정보기술협회 #캐드앤그래픽스 #플랜트조선산업동향 #미래모빌리티

아래 내용이 보이지 않으면 여기를 클릭하세요!     행사 아젠다 소개 공통 세션 [개회사] 한국플랜트정보기술협회 신안식 회장 [기조연설] 산업AIX (AI Transformation) – 산업 생산성 관점에서 ‘파괴적 혁신’이 가능한가? / 원프레딕트 윤병동 CEO(서울대 교수) [기조연설] 조선 디지털 혁신과 디지털 트윈 / HD현대삼호 유영웅 상무  [기조연설] 인간과 인공지능(AI), 디지털 트윈으로 소통하다 / 소프트힐스 최우영 부사장       Track A (Digital Engineering & Construction) AVEVA E3D의 AI기술 소개 / 아비바코리아 김민규 프로 플랜트 스마트 설비/공정 원격 진단 및 최적화 솔루션 개발 성공사례 / 포스코이앤씨 박종환 차장     미래 모빌리티 기반의 새로운 도시모델 연구(New Urban Model for Future Mobility) / 현대건설 박혜성 책임연구원   SK에너지 Smart Plant 추진 사례 / SK에너지 박혜준 PM   Process 산업의 디지털 트윈 성공 전략과 도입 가속화 방안 / PwC컨설팅 신민용 파트너      Track B (Smart Ship & Smart Tech) 디지털 트윈을 활용한 플랜트 조선 업계의 자원 효율화 방안 제시 / 팀솔루션 송희삼 상무 HD현대미포 조선 특화 Digital Manufacturing 구축 현황 소개 / HD현대미포 김성민 부서장 국내 대기업 사례로 보는 R&D 디지털 전환 전략 / 클루닉스 사업본부 박정환 이사 삼성중공업 AI를 이용한 업무 자동화/무인화 사례 소개 / 삼성중공업 윤시록 그룹장  DX전환의 마지막 퍼즐 - 성과제 시스템 / 세이브잡스 장용진 대표 #플랜트조선컨퍼런스2025 #플랜트조선컨퍼런스 #플랜트 #조선 #디지털트랜스포메이션 #디지털전환 #디지털트윈 #DT #DX #플랜트조선산업전망 #HD현대삼호 #포스코이앤씨 #현대건설 #SK에너지 #HD현대미포 #삼성중공업 #아비바코리아 #소프트힐스 #클루닉스 #팀솔루션 #다우데이타 #씨앤지소프텍 #세이브잡스 #한국플랜트정보기술협회 #캐드앤그래픽스 #플랜트조선산업동향 #도시설계 #미래모빌리티 #AI #인공지능 #생성형AI

디지털 기반의 새로운 생산 환경과 제조 혁신   제조산업을 둘러싼 환경의 변화와 과제에 대응할 필요성이 높아지는 가운데, 기술의 발전이 제조업계에 새로운 기회를 제공하고 있다. 제조산업의 혁신은 제조 생산기계와 설비를 포함한 생산 과정의 전체 수명주기를 디지털화하는 것을 필요로 한다.    ■ 오병준 지멘스 디지털 인더스트리 소프트웨어 코리아의 한국지사장이다. SAS 코리아 대표이사를 지냈으며 오라클 코리아, 테라데이터 코리아, IBM 코리아 임원으로 재직하면서 엔지니어링, 영업, 채널 관리, 마케팅 등 다양한 관련 분야 전문성을 보유하고 있다. 홈페이지 | www.sw.siemens.com/ko-KR   그림 1. 미래 공장을 위한 스마트 기계 르네상스(이미지 출처 : 지멘스)   오늘날 기계 제조업체들은 불안정한 시장 환경에 직면하고 있으며, 차세대 제품 개발을 위해 새로운 접근 방식을 채택해야 하는 압박을 받고 있다. 예상대로 품질, 비용, 성능에 대한 부담은 여전히 존재한다. 이 가운데 지속가능성에 대한 요구사항이 이제 화두로 떠오르고 있다. 핵심은 에너지 사용량 감소, 탄소 배출 절감, 폐기물 최소화에 초점이 맞춰져 있다.  이러한 글로벌 트렌드가 전 세계 제조업체에 영향을 미치고 있으며, 정치 사회적 변화가 비즈니스 모델의 변화를 이끌고 있다. 이는 리쇼어링, 서비스화, 신규 시장 진입 등 비즈니스 모델의 변화로 이어지고 있다. 제조업체들은 기존 영역에서 인접 시장이나 새로운 시장으로 이동하면서 신흥 영역에서 기회를 포착하고 있다. 일례로, 제지기계 제조업체들은 전기차 수요의 급증을 충족하기 위해 배터리 기계 제조로 사업을 확장하고 있으며, 유리 산업의 기계 제조업체들도 마찬가지다. 한편, 기계 제조와 제조 운영 측면에서 인력부족 현상은 자동화에 대한 필요성을 증가시키고 있다. 미래 공장은 이제 지속가능성, 유연성, 미래 인력의 패러다임 중심으로 개발되고 있다. 산업계가 해결해야 할 많은 과제 속에서 기술의 발전은 제조업체에 번영의 기회를 제공하고 있다. 이는 디지털화로부터 생성된 인텔리전스와 풍부한 데이터에 의해 가능해졌다. 또한 디지털 도구, 시스템, IoT(사물인터넷) 데이터를 통합해 디자인, 엔지니어링, 생산 및 서비스 전반에 걸쳐 이전에 격리되었던 정보의 연결을 가능하게 하고 있다.    그림 2. 디지털화를 통해 필요할 때, 필요한 곳에서 중요한 데이터에 액세스할 수 있게 됐다.(이미지 출처 : 게티이미지/Cravetiger)   제조업체는 디지털화를 통해 자동화를 넘어서 예측 가능하고 적응적인 생산 환경으로 나아갈 수 있다. 적응형 제조(adaptive manufacturing)는 시장과 고객 요구사항이 변화함에 따라 생산을 손쉽게 전환할 수 있는 유연성을 제공한다. 더욱이, 이는 공정 시스템을 간소화해 제조업체가 동일한 인력으로 더 많은 일을 할 수 있게 한다. 이러한 이점 때문에 국내에서도 기계 제조의 디지털화를 촉진하기 위한 다양한 노력이 진행되고 있다. 최근 산업통상자원부는 ‘AI 자율제조 전략 1.0’을 발표하면서, 5년 동안 1조 원 이상을 R&D에 투자해 기계 분야를 포함한 핵심 제조업의 디지털 전환을 지원함으로써 자율제조 보급률을 30% 이상 높이고 제조업 생산성을 20% 이상 향상시킬 것이라고 발표했다. 또한 경상남도는 ‘기계·방산 제조분야 디지털전환(DX) 지원센터 구축과 운영사업’을 추진해 기술 지원과 인력 양성 등을 포함한 디지털 전환 생태계를 확장하고 지속 가능한 미래를 선도할 것이라고 발표했다. 디지털화는 보다 유연한 프로세스를 만들고, 여러 엔지니어링과 생산 분야에 걸쳐 중요한 디지털 데이터를 활용함으로써 제조 리스크를 줄일 수 있다. 이전에 사일로(silo)화되어 있던 다양한 분야의 데이터를 통합하기 위해서는 기계 설계, 시뮬레이션, 공장 자동화, 제품 수명주기 관리(PLM)에 대한 깊은 이해를 바탕으로 한 솔루션이 필요하다.   디지털화의 핵심, 디지털 트윈 제조업의 혁신은 제조 생산기계와 설비를 포함한 생산 과정의 전체 수명주기를 디지털화하는 것을 필요로 한다. 이는 설계 단계에서 생산 장비의 디지털 트윈을 생성함으로써 시작된다. 디지털 트윈은 설계 프로세스 전반에 걸쳐 기계 역학, 소프트웨어, 전기, 자동화 시스템을 아우르는 다분야 엔지니어링을 기반으로 개발된다. 이러한 디지털 트윈은 가상 프로토타이핑에서 설계 탐색과 평가에 사용된다. 생산 장비의 배치가 준비되면 디지털 트윈은 생산 설비가 실제로 설치되기 전에 가상의 커미셔닝(commissioning)을 가능하게 하고, 장비에 대한 사전 운영자 교육을 제공해 배치에 필요한 시간과 위험을 크게 줄일 수 있다.   그림 3. 디지털 트윈은 초기에 설계 탐색과 가상 프로토타이핑에 사용되며, 설치 전 가상 커미셔닝에도 활용돼 운영 데이터로 실제와 디지털 사이의 루프를 연결할 수 있다.(이미지 출처 : 지멘스)     ■ 자세한 기사 내용은 PDF로 제공됩니다.

#지멘스 #항공우주 #시스템엔지니어링 #디지털전환    

한국산업지능화협회(이하 ’협회‘)와 코엑스 주최로 사흘간 열리는 이번 전시회는 ’Make Your Factory More Sustainable‘을 주제로, 전시회와 전문 컨퍼런스가 동시 개최된다.  개막식에는 산업통상자원부 강경성 제1차관, 중소벤처기업부 오기웅 차관의 축사를 시작으로 LS 일렉트릭, 한국미쓰비시전기오토메이션, 한국지멘스, 로크웰오토메이션코리아, LG CNS, CJ올리브네트웍스, SK주식회사 C&C, 한화로보틱스 등 참여기업 대표를 비롯하여 유관기관 및 주최기관 장들과 함께 성공적인 개막을 알리는 테이프 커팅이 진행됐다.   스마트공장엑스포에서는 산업 AI 기술을 적용하여 디지털전환을 추진 중인 국내외 기업들의 수요·공급기업간 디지털전환 협업사례, 산업현장 중심의 최신 기술 및 동향을 확인할 수 있다.  한국지멘스에서는 “생산을 위한 혁신 가속화”를 주제로 디지털트윈, 인더스트리 엣지, SIMATIC 로봇 통합솔루션을 선보인다. 한국미쓰비시전기오토메이션은 FA기술과 IT를 활용하여, 개발·생산·보수의 토탈 코스트를 절감하는 FA-IT 통합솔루션 'e-F@ctory' 등 지속가능한 미쓰비시의 디지털 솔루션을 공개한다.  SK주식회사 C&C는 고객과 사회의 통합 디지털전환 파트너로서 AI/Cloud/Digital Manufacturing/Digital ESG 등 디지털 실행 가속화를 통한 SK의 미래전략을 선보이며, 메가존 클라우드는 클라우드 도입시 컨설팅과 전략, 구축, 운영에 대한 라이프사이클의 체계적인 방법론을 바탕으로 고객의 니즈에 맞는 I.P.A.D (Infrastructure, Platform, Application, Data) 오퍼링 서비스 솔루션을 전시한다. 이어서 전시회 기간 중 3월 28, 29일 개최되는 ’산업지능화 컨퍼런스‘에서는 'Sustainable DX, Discover Your Digital Potential' 지속가능한 미래를 위한 제조산업의 디지털 혁신을 주제로 △산업 AI 도입을 통한 생산성 향상, △인공지능 아키텍처, △ESG 및 탈탄소 실현, △데이터 금융, △밸류체인 지능·고도화, △자율제조화 등 혁신적 변화를 가속화하는 기술·솔루션, 적용 사례를 선보인다.  또한, 협회는 이번 전시회에서 'KOIIA ENC 기업지원라운지'를 마련하여 대·중견·중소기업별로 참여가 가능한 지원사업 및 혜택 안내까지 패키지 상담을 지원한다. 한국산업지능화협회 김도훈 회장은 ”탄소중립과 디지털화에 따른 산업구조 전환은 기업의 사업전환을 촉발함에 따라 협회가 전문성을 보유한 디지털전환을 바탕으로 기업이 맞닥뜨린 고충을 선제적으로 해결할 수 있도록 실효성 있는 컨설팅을 제공할 계획”이라며 “앞으로도 협회는 우리기업의 산업DX 및 사업전환에 필요한 기업 진단부터, 맞춤형 컨설팅, 인증 등 연계 지원을 통해 새로운 도약의 기회를 제공하는 역할을 수행할 것이다.”라고 밝혔다.  

한국BIM학회는 건설 디지털전환 요구와 BIM 전면발주로 데이터 품질의 중요성이 높아지고 있는 시점에서 BIM 데이터 품질 백서를 발간하게 되었다.    스마트건설 활성화 방안에는 BIM을 포함 건설디지털데이터 개발·활용을 건설산업발전의 핵심으로 규정하고 있다. 이에 따라, 학회는 중요성이 높아지고 있는 건설디지털데이터 품질에 관한 사례·기술·도구·QA방안을 논의하였으며, 이를 정리해 백서로 발간하였다.    출처 : 한국BIM학회