제조 AI 전환(M.AX), 공장의 첫 과제
수정일
정부의 제조 AI 전환(M.AX) 정책 추진이 하반기 들어 빨라지고 있습니다. 산업통상부는 연말까지 AI팩토리를 누적 220개로 늘리겠다고 밝혔습니다. 9월 21일 해커톤에서는 제조기업 CEO들이 AI 비전검사, 숙련자의 암묵지, 예지보전 등을 공장의 첫 과제로 논의했습니다.
이 글은 2026년 9월 26일 현재 공개된 산업통상부 발표와 정책브리핑, 관련 보도를 기준으로 작성했습니다. 2027년 예산은 국회 심의 전인 정부안입니다.
제조 AI 전환을 설명하기 위한 연출 이미지입니다. 사진 속 설비와 장면은 특정 사업장이나 정부 사업을 뜻하지 않습니다.
M.AX의 정의 및 추진 체계
M.AX는 Manufacturing AI Transformation의 약자입니다. 생산공정뿐 아니라 제품과 서비스 개발, 생산계획, 공급망과 재고관리까지 기업 활동 전반을 AI로 전환하는 전략입니다(정책브리핑).
민관 협의체인 M.AX 얼라이언스의 참여 기관은 2025년 9월 출범 당시 1,000여 개에서 현재 1,500여 개로 증가했습니다. 얼라이언스는 AI팩토리, AI반도체, AI로봇, 산단AX 등 11개 분과로 운영됩니다.
8-9월 주요 발표
| 날짜 | 일정 | 주요 내용 |
|---|---|---|
| 2026-08-04 | 하반기 업무보고 | 연말까지 AI팩토리 누적 220개(하반기 50개), 2030년 500개 목표 |
| 2026-09-01 | 2027년 예산안 | 13조 2,573억원, 전년 대비 40.5% 증가(정부안) |
| 2026-09-11 | 제1회 M.AX 지역 확산 컨퍼런스 | 경남 창원, 200여 명 참석, 신규사업 안내 |
| 2026-09-21 | M.AX CEO 해커톤 | 세종, 약 100명 참석, 10개 팀의 AX 과제 구성 |
자료: 산업통상부(2026-08-04, 2026-09-01), 정책브리핑, 언론 보도(2026-09-11, 2026-09-21)
8월 4일 하반기 업무보고
산업통상부는 8월 4일 청와대 영빈관 업무보고회에서 하반기 업무계획을 보고했습니다. 올해 말까지 누적 220개 제조공정을 AI팩토리로 전환하고, 30개 제조현장에서 숙련인력의 암묵지를 데이터화해 AI 모델을 개발한다는 계획입니다. 산업통상부는 2030년까지 AI팩토리 500개와 권역별 M.AX 클러스터 7개를 구축한다는 목표도 함께 제시했습니다.
같은 자리에서 정부는 AI팩토리 선도 프로젝트 42개 사업장을 분석한 결과 생산성이 평균 30.1% 향상되고 불량률이 평균 15.5% 감소했다고 발표했습니다. 이 수치는 지원 중인 170여 개 사업장 전체가 아니라 42개 사업장을 분석한 정부 발표치입니다. 개별 공장의 기대 효과로 인용하기보다 참고치로 해석하는 편이 정확합니다.
9월 1일 2027년 예산안 발표
산업통상부의 2027년 예산안은 13조 2,573억원입니다. 2026년 9조 4,342억원보다 3조 8,231억원(40.5%) 많은 역대 최대 규모이며, 미래대응기금을 포함하면 14조 1,691억원입니다(산업통상부 보도자료).
산업통상부는 약 1.5조원을 구조조정한 뒤 제조AI 전환, 메가프로젝트, 자원안보 등에 재원을 집중했습니다. 보도에 따르면 제조AI 파운데이션모델 개발과 제조 데이터 확보 사업이 포함됐지만, 세부 금액은 발표 자료 원문으로 확인해야 합니다. 국회 심의에서 규모가 변경될 수 있습니다.
9월 11일 창원 지역 확산 컨퍼런스
첫 M.AX 지역 확산 컨퍼런스는 경남 창원에서 열렸고, 지역 제조기업, AI기업, 대학, 연구기관에서 200여 명이 참석했습니다. 행사에서는 1:1 현장 상담, 기업 사례 발표, 2027년 예산안의 M.AX 신규사업 안내가 진행됐습니다. 컨퍼런스는 충북, 경북, 광주전남에서도 차례로 열릴 예정입니다.
M.AX CEO 해커톤의 우선 과제
과제 발굴 워크숍을 연출한 이미지입니다. 실제 M.AX CEO 해커톤 현장 사진이 아닙니다.
9월 21일 세종에서 열린 M.AX CEO 해커톤에는 산단 제조기업 CEO 약 50명을 포함해 약 100명이 참석했습니다. "우리 공장, 무엇부터 AI로 바꿀까?"라는 질문에 CEO가 직접 답을 정하고, AI 전문가와 함께 10개 팀으로 과제를 구성했습니다(EBN).
논의된 과제는 제조 암묵지 AX, 육안검사를 대체하는 AI 비전검사, 설비 이상 징후를 미리 감지하는 예지보전, 조선 등의 피지컬AI와 자율제조였습니다. 설비 고장과 숙련인력 부족처럼 현장에서 오래 겪어 온 문제가 우선순위에 올랐습니다. 김정관 장관은 키노트에서 Adapt, Adept, Adopt의 3A를 제시했습니다. AX는 솔루션 도입이 아니라 일하는 방식을 다시 설계하는 일이라는 취지입니다.
우수 과제를 정부 지원사업과 연계해 후속 실증을 지원하는 방안도 보도됐습니다. 구체적인 연계 방식은 이후 공고로 확인해야 합니다.
세 과제의 데이터 요건
숙련자의 암묵지 전수를 연출한 이미지입니다.
비전검사, 암묵지, 예지보전은 목적이 다르지만 출발점은 같습니다. 비전검사는 양품과 불량 이미지가 있어야 착수할 수 있습니다. 암묵지 과제에는 숙련자가 언제 무엇을 근거로 판단했는지 적은 기록이, 예지보전에는 설비 상태 신호와 고장 이력이 필요합니다.
지원사업의 예산과 일정은 아직 확정되지 않았지만 데이터 수집은 지금 착수할 수 있습니다. 설비 고장 과제는 어떤 고장을 언제 감지해야 하는지 먼저 결정해야 센서와 수집 주기를 선택할 수 있습니다.
공장 단위 우선 확인 사항
- 가장 자주 반복되는 현장 문제 하나를 선택합니다. 불량 검사, 설비 고장, 숙련자 의존 공정 중 어디서 손실이 큰지 비교합니다.
- 그 문제에 필요한 데이터가 현재 축적되고 있는지 확인합니다. 기록이 종이나 개인 메모에만 있다면 저장 방식부터 결정합니다.
- 설비 고장 과제라면 정비 이력과 고장 기록을 설비별로 정리합니다.
- 숙련자의 판단 기준을 인터뷰나 작업 기록으로 남깁니다. 은퇴나 이직 전에 기록해 두는 편이 좋습니다.
- AI를 현장 판단에 사용할 계획이라면 적용되는 규제와 책임 범위를 미리 확인합니다.
- 지역 컨퍼런스 일정과 예산 확정 뒤 나오는 사업 공고를 확인합니다.
결론
M.AX는 하반기 업무보고, 역대 최대 예산안, 지역 컨퍼런스, CEO 해커톤을 거치며 구체적인 과제 단계에 들어섰습니다. 2027년 예산은 국회 심의를 거쳐 확정됩니다. 그 전에 공장별 첫 과제와 필요한 데이터를 정리해 두면 공고가 나왔을 때 바로 검토할 수 있습니다. 발표 원문은 정책브리핑과 산업통상부 누리집에서 확인할 수 있습니다.
예지보전을 첫 과제로 선택하면 설비 상태 데이터를 먼저 축적하는 도구가 필요합니다. 소리와 진동 신호로 설비 상태를 상시 기록하는 XyloZero가 이러한 도구에 해당합니다.
운영 노트 2편 상태기반정비, 센서보다 먼저 정해야 할 것에서 설비 진단을 시작할 때의 판단 기준을 다루었습니다. AI 규제는 EU AI법 연기와 한국 AI기본법, 공장 AI 규제 일정에 정리했습니다.
