민관 연구시설 180곳 모여 있어인프라 공유… 산학연 교류 활발석박사 과정 꾸준한 유입 있지만점점 단기 성과 요구에 부담도 지난달 22일 일본 도쿄에서 북동쪽으로 약 50㎞를 달려 ‘일본 과학의 중심’인 이바라키현 쓰쿠바시에 닿았다. 역을 나서니 걸어서 10~15분 거리 안에 산업기술종합연구소(AIST), 국립재료연구소(NIMS), 우주항공연구개발기구(JAXA) 등이 차례로 이어졌다. 북쪽의 쓰쿠바대학까지 도시 전체가 하나의 ‘연구 캠퍼스’로 보였다. 쓰쿠바시에는 대학과 국립연구기관 소속 연구시설 29개가 집적돼 있다. 민간 연구소 등 연구 관련 기관은 총 150여곳에 달한다. 약 26만명의 시민 중에 연구 관련 근로자가 2만 3000여명으로 10명 중 한 명꼴로 과학기술계에 종사한다. 1970년대 조성된 쓰쿠바시는 일본에서 도쿄 23구를 제외하고 인구 증가율 1위다. 이곳에서 들여다본 일본 기초과학은 사회적 관심 속에 제도·기관·산업이 맞물려 중장기 투자로 인재를 키워내는 구조였다. 쓰쿠바대에서 만난 소립자 물리이론 연구자 아사노 유마(40) 조교수는 “기초과학은 당장 돈을 벌지 못한다는 인식도 강하지만 사회적으로는 ‘없어지면 안 된다’는 공감대가 유지되고 있다”고 말했다. 그는 “쓰쿠바는 다른 대학에 비해 연구 외 업무 부담, 즉 잡일이 상대적으로 적어 연구 흐름을 끊지 않고 이어가기 쉽다”고 말했다. 쓰쿠바대에서 플라스마·핵융합 연구를 하는 요시카와 마사노 준교수(부교수)도 “쓰쿠바에는 실험을 준비하고 장비를 제작·조정할 공간과 시설이 충분하다”며 “쓰쿠바대는 여러 국립 연구기관과 가까운 곳에 만들어진 대학이라 다양한 분야의 연구자들과 자연스럽게 교류할 기회가 많다”고 말했다. NIMS 관계자도 “쓰쿠바의 강점은 개별 연구 인프라를 단독으로 사용하는 것이 아니라 여러 대형 연구 시설을 연계해 ‘면(面)’으로 활용하는 것”이라며 “고도의 전문성을 갖춘 기술 인력이 상시 배치돼 있어 연구 속도와 효율성을 높이고 있다”고 말했다. ‘연계대학원’ 제도 역시 쓰쿠바의 강점이다. 국립 연구기관 연구자가 대학원생을 지도하고 대학 강의도 맡는다. 인적 교류 활성화 효과와 함께 연구원들의 수입 증가에도 도움이 된다. 행정업무가 적은 연구 집중 구조, 대형 연구 인프라 집적, 대학과 국립연구기관의 협업 등으로 쓰쿠바시는 인재가 선순환된다. 아사노 조교수는 “기초과학 전공을 택하는 학생 비율은 줄고 있지만 쓰쿠바대의 경우 석·박사 과정 지원자가 꾸준히 들어오고 있다”고 말했다. 쓰쿠바의 과학자들은 기초과학이 발전하려면 정부가 ‘통섭 연구 환경 조성’, ‘연구 자율성을 보장하는 투자’ 등을 지속적으로 수행해야 한다고 입을 모았다. 쓰쿠바는 도시 차원에서 축적한 협업 구조에 더해 지방자치단체가 여러 분야의 과학자들이 서로 만날 기회를 만든다. 현과 시를 포함해 75개 기관이 참여해 정기적으로 교류하는 ‘쓰쿠바 연구학원도시 교류협의회’가 대표적이다. 연구자들은 이를 ‘느슨하지만 끊기지 않는 네트워크’라고 했다. 쓰쿠바시 과학기술전략과 관계자는 “행정(기관)은 앞에서 방향을 정하는 조직이 아니라, 각 기관이 느슨하게 연결된 상태에서 스스로 움직일 수 있도록 판을 깔아주는 역할을 한다”고 설명했다. 쓰쿠바 연구단지에서 그간 4명이 노벨상을 받았다. 쓰쿠바대 전신인 도쿄교육대 교수였던 도모나가 신이치로가 1965년 노벨 물리학상을 수상했다. 에사키 레오나 쓰쿠바대 전 총장이 1973년 물리학상을, 시라카와 히데키 쓰쿠바대 명예교수가 2000년 화학상을, 고에너지가속기연구소의 고바야시 마코토 박사가 2008년 물리학상을 받았다. 다만, 기초과학의 미래를 둘러싼 우려는 일본에서도 적지 않다. 연구비가 단기 성과나 유행하는 분야를 중심으로 배분되는 경향이 점점 강해진다는 것이다. 요시카와 준교수는 “예산과 인력이 줄어드는 상황에서 매년 가시적인 성과를 요구받는 부담은 작지 않다”며 “기초과학과 인재 양성에는 결국 시간과 사람이 필요하다”고 말했다.

2026년 개장일인 2일 코스피가 사상 처음으로 4300선을 돌파한 가운데 올해 한국 경제는 반등 기대와 구조적 불안이 교차하는 출발선에 섰다. 구윤철 부총리 겸 재정경제부 장관은 이날 “올해를 본격적인 성장을 견인하는 경제 대도약의 원년으로 만들겠다”고 밝혔다. 다만 고환율과 통상 환경 불확실 등 변수도 여전히 부담 요인으로 꼽힌다. 국내외 주요 기관들은 올해 한국 경제성장률을 1%대 후반에서 2%대 초반으로 내다봤다. 한국은행은 1.8%, 경제협력개발기구(OECD)는 2.1%로 전망했다. 국제통화기금(IMF)은 1.8%, 아시아개발은행(ADB)은 1.7%를 제시했다. 비상계엄과 탄핵 정국을 거친 뒤 출범한 새 정부의 인공지능(AI) 대전환 기조와 확장 재정 효과 기대가 반영된 결과다. 지난해 한국 경제는 정치적 불확실성 속에 1분기 -0.2%로 역성장을 기록한 뒤 2분기 0.7%, 3분기 1.3%로 점차 회복세를 보였다. 양준석 가톨릭대 경제학과 교수는 “지난해보다 올해 성장률이 나아질 건 분명하다”면서도 “구조개혁 없이 생산성을 억지로 끌어올리면 반짝 성장은 가능하지만, 임금 인플레이션이나 부채 증가 등 부작용이 더 커질 수 있다”고 말했다. 트럼프 리스크 등 통상 변수 여전“기후위기 대응 식량 정책 필요”지난해 한국 경제 성장률을 떠받친 것은 수출이었다. 한국 수출은 지난해 사상 처음 7000억 달러(약 1004조 7000억원)를 돌파했다. AI 열풍에 힘입어 반도체 수출이 1734억 달러로 역대 최대치를 경신하며 전체 수출 증가를 이끌었다. 그러나 올해 수출 전망을 두고는 시각이 엇갈린다. 한국개발연구원(KDI)은 미국 관세 인상 영향이 본격화하며 반도체 등을 제외한 수출 증가세가 크게 둔화할 것으로 봤다. 반면 한국무역협회는 AI 수요를 기반으로 반도체와 IT 제품이 수출을 견인하며 지난해보다 약간 높은 7110억달러를 기록할 것으로 전망했다. 김정관 산업통상부 장관은 전날 신년사에서 “한미 관세협상을 마무리했지만 15% 상호관세는 여전히 수출에 큰 부담이고 글로벌 공급망 분절도 경제 안보를 계속 위협하고 있다”며 “M.AX(제조 인공지능 대전환)를 제조업 재도약의 결정적인 승부수로 삼아 국익을 확장해 나가겠다”고 강조했다. 가장 큰 변수는 고환율이다. 서울 외환시장에 따르면 새해 첫 거래일인 이날 원·달러 환율은 전 거래일인 지난달 30일 대비 0.5원 오른 1439.5원에 개장했다. 지난해 연간 평균 환율(매매기준율)은 1422.16원으로 역대 최고 수준이었다. 개인 투자자와 국민연금의 해외 투자 확대와 한미 관세 협상에 따른 기업들의 달러 보유, 금리 격차 확대 등이 복합적으로 작용한 결과다. 시장에서는 1400원대 환율이 ‘뉴노멀’로 굳어질 수 있다고 우려한다. 신세돈 숙명여대 경제학부 명예교수는 “고환율이 이어지면 국내외 투자자 이탈로 환율이 더 오를 수 있다”며 “환율을 1400원 아래로 낮추려면 기준금리를 최소 0.5%포인트 올릴 필요가 있다”고 말했다. 물가 불안도 완전히 해소되지 않았다. 지난해 소비자물가 상승률은 2.1%로 5년 만에 가장 낮았지만, 석유류와 신선식품을 중심으로 한 체감 물가 부담은 여전하다. 이정희 중앙대 경제학부 교수는 “이상기후 영향으로 농수산물 가격 변동성이 커질 수 있다”며 “어종·품종 변화에 대비한 중장기 대응이 필요하다”고 강조했다.

4대 금융지주(KB·신한·하나·우리) 회장들이 신년사를 통해 올해 생산적 금융, 인공지능(AI) 전환, 원화 스테이블코인 관련 사업 등에 방점을 찍은 경영 전략을 펴겠다고 밝혔다. 2일 금융권에 따르면 진옥동 신한금융 회장은 새해 경영 슬로건으로 ‘그레이트 챌린지 2030, 미래 금융을 향한 대담한 실행’을 내놓고, 인공지능 전환(AX)·디지털 전환(DX)에 속도를 내자고 임직원들을 독려했다. 진 회장은 “디지털 자산, 웹3(Web3) 지갑, 에이전틱 AI의 확장이 현실화되고 있다”며 “예금, 대출, 송금 등에서 기존 금융회사들의 영향력이 감소할 수 있다는 전망도 나온다. 기술이 금융의 질서를 바꾸는 중대한 변곡점”이라고 현 상황을 진단했다. 함영주 하나금융 회장 역시 신년사를 통해 “AI 기술이 발전하고 은행에서 자본시장으로 머니무브(자산이동)가 가속하는 등 금융의 패러다임이 변하면서 은행이 위기를 맞고 있다”며 “디지털 금융의 패러다임이 재편되는 지금, 주어진 틀 안에서 움직이는 참여자에 머물러서는 안 된다”고 강조했다. 아울러 “(원화 스테이블)코인의 발행·유통·사용·환류로 이어지는 생태계를 주도적으로 설계하고, 선제적으로 구축해야 한다”고 덧붙였다. 양종희 KB금융 회장은 새해 경영계획 방향으로 ‘전환과 확장’을 제시하면서 “새로 형성되는 디지털 자산, AI 비즈니스 시장에서도 우리가 먼저 고객과 사업 기회를 확보해야 한다”고 주문했다. 연임에 사실상 성공한 임종룡 우리금융 회장도 “전사적 AX 추진으로 그룹의 AI 역량을 고도화하고 디지털 신산업 분야 미래 경쟁력도 더 강화하겠다”고 밝혔다. 아울러 임 회장은 “생산적 금융을 본격적으로 추진해 미래 성장동력을 확보하고 포용금융을 실천해 금융의 사회적 역할을 다하겠다”며 “생산적 금융은 기업금융 명가인 우리금융이 가장 자신 있게, 그리고 가장 잘 할 수 있는 분야”라고도 했다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

매년 사업 전략을 세울 때 가장 효과적인 방법은 목표가 실현된 미래의 모습을 먼저 그려보고, 그 미래에서 현재로 거슬러오며 단계별로 실행 가능한 계획을 세우는 것이다. 이 방식은 목표를 더 체계적으로, 더 현실적으로 달성하게 한다. 건설산업도 마찬가지라고 생각한다. AX가 완전히 자리 잡은 미래의 건설 현장과 도시의 모습을 먼저 상상해 본다. 이번 마지막 편에서는 AX 시대의 건설산업이 어떤 모습으로 진화할지, 그리고 그 변화의 중심에 있는 건설기계, BIM, 건설사업관리 플랫폼이 어떻게 재편될지 구체적으로 그려본다. ①로봇과 AI 기반의 건설기계 변화-무인화와 실시간 최적화 AX 시대의 건설 현장은 더 이상 사람이 중심이 아니다. 로봇과 AI 장비가 작업을 수행하고, 사람은 감독자나 의사결정자로서 역할을 한다. 로봇은 스스로 작업 경로를 계산하고, 공정 상황에 따라 자동으로 작업량을 조절한다. AI는 장비 고장이나 정비 필요 여부를 예측해 유지보수 일정을 자동으로 조정한다. 결과적으로 안전사고는 급감하고, 공정 효율은 비약적으로 향상될 것이다. ②BIM 기반 건축물 전 생애주기 관리의 변화-설계·시공·유지관리의 완전한 통합 AX 시대의 핵심 인프라는 BIM과 디지털 트윈이다. 이 두 기술은 건축물의 설계 → 시공 → 유지관리를 하나의 데이터 흐름으로 연결한다. 1.설계 단계-AI가 설계안을 자동 생성하는 시대 BIM 모델을 기반으로 AI가 수십~수백 개의 설계안을 자동으로 생성하고, 구조적 간섭 여부, 자재 사용량, 에너지 효율 등을 비교해 최적안을 제시하는 제너레이티브(Generative) 디자인이 대세로 자리 잡을 것이다. 십여 년 전 매개변수를 입력하여 설계안을 생성하는 파라메트릭(Parametric) 디자인이 유행처럼 번졌다. 이 방식은 사람이 직접 원하는 결과물을 도출하기 위해 매개변수를 입력해가며 설계안을 발전시키는 데 반해 제너레이티브 디자인은 사람이 원하는 성능과 목표, 방향성만 제시하면 알고리즘이 방대한 데이터를 탐색하고 조합해 전혀 예상치 못한 유기적 형태의 디자인을 도출할 수도 있다. 파라메트릭이 DX라면, 제너레이티브는 AX라고 할 수 있다. 설계는 더 이상 사람이 “처음부터 끝까지 직접 만드는 작업”이 아니라, AI가 제시한 옵션 중 최적안을 선택하고 조정하는 방식으로 바뀔 것이다. 2.시공 단계-오류 없는 시공, 안전 리스크 제로화 BIM 모델은 시공 단계에서 공정 간섭 자동 검출, 장비 동선 최적화, AR 기반 시공성 시뮬레이션 검토, 로봇과 자율주행 장비의 작업 기준 데이터 제공 등의 역할을 할 것이다. 즉, 관리자는 시공 전 미리 작업 상황을 고려, 공정 순서대로 공사를 미리 시뮬레이션해보고 어디가 위험하고, 품질관리 포인트는 어디인지를 분명히 알고 공사를 진행할 수 있다. 이를 통해 안전사고 예방뿐 아니라 품질관리 기준 또한 높아질 것이다. 3.유지관리 단계-디지털 트윈 기반의 지능형 건축물 운영 디지털 트윈은 실제 건축물의 상태를 실시간으로 반영하는 가상 복제 공간이다. 이 기술은 시설 유형별로 관리상의 여러 변화를 만든다. 아파트와 같은 주택에서는 누수·균열·배관 이상을 센서가 감지하고, 디지털 트윈이 고장 가능성을 예측하여 미리 보수할 수 있도록 알림을 줄 것이다. 또한 거주자의 생활 패턴을 분석해 난방·환기·조명을 자동 조절할 수도 있고 에너지 사용량을 최적화해 관리비 또한 절감할 수 있을 것이다. 공장과 같은 산업시설에서는 설비의 진동·온도·압력 데이터를 실시간 분석해 고장 전 징후를 감지해 다운타임(가동 중단 시간)을 최소화하여 공장을 운영할 수 있고 생산 라인의 병목을 자동 분석하고 운영 계획을 조정할 수도 있다. 또한 위험 지역은 로봇이 점검하고, AI가 유지보수 일정을 자동 생성해 줄 것이다. GE, Siemens, Bosch 등 글로벌 제조사는 이미 공장 디지털 트윈을 운영 중이며, 설비 고장 예측 정확도가 30~50% 향상된 사례도 보고되고 있다. 오피스 및 상업시설에서도 공간별 사용량을 분석해 냉난방과 조명을 자동 제어하고 실내 공기질을 실시간 모니터링하고 자동 환기 시키는 등 실내 거주자의 쾌적성을 위해 알아서 설비를 제어하게 될 것이다. ③건설사업관리 플랫폼의 변화-수주부터 준공까지 하나의 데이터 흐름 AX 시대에는 건설사업관리 방식도 완전히 바뀐다. 수주 단계에는 AI가 입찰 문서·계약 리스크·원가 구조 등을 신속하게 분석하고 경쟁사 전략과 시장 데이터를 기반으로 최적 수주 전략을 제시하게 될 것이다. 삼성물산은 이미 AI 기반 계약 리스크 분석 시스템을 운영 중이다. 시공 단계에서는 앞서 설명한 바와 같이 공정 계획은 AI가 자동 생성하고, 현장 상황에 따라 실시간 작업을 조율한다. 자재 수급·장비 배치·인력 투입은 AI의 분석과 계획에 따라 최적화하고 안전관리는 AI CCTV가 실시간으로 감지한다. 준공 및 운영 단계에서 준공 데이터는 BIM 초기 생성 모델과 As-built 도면을 바탕으로 업데이트된 모델이 디지털 트윈으로 자동 전환된다. 유지관리 계획은 관리 주체가 입력한 성능 목표에 따라 AI가 자동 생성하고 운영 시 축적된 데이터는 다시 설계, 시공 단계로 피드백돼 다음 프로젝트의 품질을 높인다. 즉, 건설사업관리는 프로젝트 단위 관리에서 데이터 기반 플랫폼 운영으로 진화하게 된다. AX는 건설산업을 무인화·지능화·지속가능성 중심 산업으로 재편한다. 로봇과 AI 장비가 현장을 운영하고, BIM과 디지털 트윈이 건축물의 생애주기를 관리하며, 건설사업관리 플랫폼이 수주부터 준공까지 모든 의사결정을 돕는다. 이제 건설산업의 리더는 기술을 따라가는 사람이 아니라, 기술로 미래를 설계하는 사람이 되어야 한다. AI와 로봇이 함께 움직이는 현장, 데이터가 실시간으로 흐르는 운영, 안전과 효율이 동시에 확보되는 산업. 건설은 더 이상 과거의 3D(Dangerous, Difficult & Dirty)가 아닌 디지털(Digital) 기술을 기반으로, 역동적(Dynamic)이며, 청년들이 선망하는 품격 있는(Decent) 일자리라는 새로운 ‘미래형 3D’로 변화할 것이다. 그 미래는 이미 시작되었고, 우리가 준비해야 할 시간은 지금이다.

건설산업의 디지털 전환(DX)이 이제는 자율 전환(AX)이라는 새로운 국면으로 넘어가고 있다. 앞선 5편에서 중장기 전략을 살펴봤다면, 이번 편에서는 해외 선진 건설사들이 실제로 어떻게 AX를 도입하고 있는지, 기술은 어디까지 발전했는지, 그리고 한국 건설산업이 무엇을 벤치마킹해야 하는지 구체적으로 살펴본다. ①미국-자율 장비와 AI 프로젝트 관리의 선두주자 미국의 건설사들은 이미 자율화 기술을 현장에 적용하고 있다. Built Robotics는 굴삭기, 불도저 등 중장비에 자율주행 기술을 탑재해, 사람이 없이도 24시간 작업이 가능한 시스템을 구축했다. 이 장비는 GPS, 센서, AI 알고리즘을 통해 작업 경로를 스스로 계산하고, 장애물을 회피하며 굴착 작업을 수행한다. Turner Construction은 스타트업 건설기술 업체인 Versatile과 협업해 ‘CraneView System’이라는 AI 시스템을 도입해 크레인 성능과 안전을 분석하며, 고층 건물 시공 시 장비 효율성과 안전성을 동시에 확보하고 있다. 미국 샌디에이고에 위치한 맨체스터 퍼시픽 게이트웨이 프로젝트는 17층, 연면적 약 3만 5041㎡ 규모인데 크레인뷰 시스템을 도입한 결과 계획 대비 약 17일 빨리 작업을 완료하고 크레인을 조기에 해체할 수 있었다. Mastt는 프로젝트 관리 플랫폼에 AI를 접목해, 예산, 리스크, 진척 상황을 실시간으로 분석하고 예측하며 시각적인 데이터와 대시보드 형태의 리포트를 생성한다. 실제로 호주 뉴캐슬 공항의 2억 5000만 달러 규모 리노베이션 프로젝트에서 Mastt의 보고 플랫폼을 활용한 결과 공기 10% 단축, 리스크 대응 속도 향상 등의 성과를 냈다. Dusty Robotics는 현장 레이아웃 작업을 로봇이 자동으로 수행하도록 개발했다. 이 로봇은 도면을 읽고 바닥에 정확한 위치 표시를 하며, 시공 오차를 획기적으로 줄이고 있다. 이런 사례는 단순한 기술 시연이 아니라, 실제 프로젝트에서 ROI를 입증한 상용화 사례라는 점에서 의미가 크다. ②유럽-AI 예측과 로보틱스 시공의 정교함 유럽은 기술의 정교함과 안전 기준의 엄격함을 바탕으로 AX를 빠르게 확산시키고 있다. 오스트리아 건설회사인 STRABAG SE는 Azure OpenAI 기반 모델을 활용해 DARIA(Data-Driven Risk Analysis) AI 솔루션을 개발하여 공정 지연을 예측하고, 입찰 단계에서 리스크 분석을 자동화하고 있다. 이는 프로젝트 초기 단계부터 AI를 활용해 전략을 수립하는 방식이다. 프랑스의 Bouygues Construction은 AI를 활용해 지하철 건설 프로젝트에서 철근량을 140t 이상 절감했다. 이는 설계 최적화와 자재 배치 자동화를 통해 비용과 자원 낭비를 줄인 사례다. 이처럼 유럽은 설계 운영 전 단계에 걸쳐 AI와 로봇을 정교하게 통합하고 있으며, 안전성과 품질을 동시에 확보하는 데 집중하고 있다. ③일본-로봇과 자동화의 현장 밀착형 전략 일본은 고령화와 인력 부족 문제를 해결하기 위해 로봇과 자동화를 적극 도입하고 있다. Obayashi Corporation은 Automated Inspection System(자동 검측 시스템)을 개발해 철근 배근, 콘크리트 타설, 품질 검사 등 다양한 작업을 자동화하고 있으며, Generative Design을 통해 설계안을 자동 생성하는 기술도 개발 중이다. 특히 철근 배근 검측 시스템은 Visual SLAM(동시 위치 추적 및 지도 작성) 기술과 건설 현장 관리자가 착용한 장비에 설치된 여러 대의 카메라에서 얻은 이미지를 활용, BIM 정보와 중첩해 검측함으로써 정확도가 우수하다. Komatsu는 ‘Smart Construction’ 플랫폼을 통해 자율주행 굴착기, 드론 측량, 클라우드 기반 공정 관리 시스템을 통합하고 있다. 이 플랫폼은 현장 데이터를 실시간으로 수집·분석해, 작업 계획을 자동으로 조정한다. 일본은 특히 현장 밀착형 기술 개발에 강점을 보이며, 로봇과 AI를 실제 작업자와 함께 작동하도록 설계하는 데 집중하고 있다. 한국은 이미 BIM, 드론, IoT 기반 DX를 빠르게 확산시키고 있다. 하지만 AX로 가기 위해서는 다음과 같은 전략 포인트가 필요하다. 현장 PoC 단계를 넘어 실제 프로젝트에서 AI 로봇 등을 적용해 ROI를 입증할 수 있는 사례를 축적해야 한다. 또한 BIM을 기반으로 한 설계부터 시공, 유지관리 및 운영 전 단계에 걸친 기술 통합을 만들어야 한다. 정부는 기업과 학계 등과 협력해 AI 도입에 따른 안전 기준, 법적 책임 구조 등을 신속하게 정비해야 하며 산학 협력으로 실무형 인재 양성 및 기술 검증 체계를 구축할 필요가 있다. AX는 더 이상 먼 미래의 기술이 아니다. 우리가 “과연 이게 될까?”란 의심 섞인 눈초리로 적극적인 실행을 주저하고 있는 동안 해외에서는 이미 실제 현장에서 활용하고 있고, 성과를 내고 있으며, 산업 구조를 바꾸고 있다.

건설산업의 디지털 전환(DX)이 이제는 자율 전환(AX)이라는 새로운 국면으로 넘어가고 있다. 앞선 5편에서 중장기 전략을 살펴봤다면, 이번 편에서는 해외 선진 건설사들이 실제로 어떻게 AX를 도입하고 있는지, 기술은 어디까지 발전했는지, 그리고 한국 건설산업이 무엇을 벤치마킹해야 하는지 구체적으로 살펴본다. ①미국-자율 장비와 AI 프로젝트 관리의 선두주자 미국의 건설사들은 이미 자율화 기술을 현장에 적용하고 있다. Built Robotics는 굴삭기, 불도저 등 중장비에 자율주행 기술을 탑재해, 사람이 없이도 24시간 작업이 가능한 시스템을 구축했다. 이 장비는 GPS, 센서, AI 알고리즘을 통해 작업 경로를 스스로 계산하고, 장애물을 회피하며 굴착 작업을 수행한다. Turner Construction은 스타트업 건설기술 업체인 Versatile과 협업해 ‘CraneView System’이라는 AI 시스템을 도입해 크레인 성능과 안전을 분석하며, 고층 건물 시공 시 장비 효율성과 안전성을 동시에 확보하고 있다. 미국 샌디에이고에 위치한 맨체스터 퍼시픽 게이트웨이 프로젝트는 17층, 연면적 약 3만 5041㎡ 규모인데 크레인뷰 시스템을 도입한 결과 계획 대비 약 17일 빨리 작업을 완료하고 크레인을 조기에 해체할 수 있었다. Mastt는 프로젝트 관리 플랫폼에 AI를 접목해, 예산, 리스크, 진척 상황을 실시간으로 분석하고 예측하며 시각적인 데이터와 대시보드 형태의 리포트를 생성한다. 실제로 호주 뉴캐슬 공항의 2억 5000만 달러 규모 리노베이션 프로젝트에서 Mastt의 보고 플랫폼을 활용한 결과 공기 10% 단축, 리스크 대응 속도 향상 등의 성과를 냈다. Dusty Robotics는 현장 레이아웃 작업을 로봇이 자동으로 수행하도록 개발했다. 이 로봇은 도면을 읽고 바닥에 정확한 위치 표시를 하며, 시공 오차를 획기적으로 줄이고 있다. 이런 사례는 단순한 기술 시연이 아니라, 실제 프로젝트에서 ROI를 입증한 상용화 사례라는 점에서 의미가 크다. ②유럽-AI 예측과 로보틱스 시공의 정교함 유럽은 기술의 정교함과 안전 기준의 엄격함을 바탕으로 AX를 빠르게 확산시키고 있다. 오스트리아 건설회사인 STRABAG SE는 Azure OpenAI 기반 모델을 활용해 DARIA(Data-Driven Risk Analysis) AI 솔루션을 개발하여 공정 지연을 예측하고, 입찰 단계에서 리스크 분석을 자동화하고 있다. 이는 프로젝트 초기 단계부터 AI를 활용해 전략을 수립하는 방식이다. 프랑스의 Bouygues Construction은 AI를 활용해 지하철 건설 프로젝트에서 철근량을 140t 이상 절감했다. 이는 설계 최적화와 자재 배치 자동화를 통해 비용과 자원 낭비를 줄인 사례다. 이처럼 유럽은 설계 운영 전 단계에 걸쳐 AI와 로봇을 정교하게 통합하고 있으며, 안전성과 품질을 동시에 확보하는 데 집중하고 있다. ③일본-로봇과 자동화의 현장 밀착형 전략 일본은 고령화와 인력 부족 문제를 해결하기 위해 로봇과 자동화를 적극 도입하고 있다. Obayashi Corporation은 Automated Inspection System(자동 검측 시스템)을 개발해 철근 배근, 콘크리트 타설, 품질 검사 등 다양한 작업을 자동화하고 있으며, Generative Design을 통해 설계안을 자동 생성하는 기술도 개발 중이다. 특히 철근 배근 검측 시스템은 Visual SLAM(동시 위치 추적 및 지도 작성) 기술과 건설 현장 관리자가 착용한 장비에 설치된 여러 대의 카메라에서 얻은 이미지를 활용, BIM 정보와 중첩해 검측함으로써 정확도가 우수하다. Komatsu는 ‘Smart Construction’ 플랫폼을 통해 자율주행 굴착기, 드론 측량, 클라우드 기반 공정 관리 시스템을 통합하고 있다. 이 플랫폼은 현장 데이터를 실시간으로 수집·분석해, 작업 계획을 자동으로 조정한다. 일본은 특히 현장 밀착형 기술 개발에 강점을 보이며, 로봇과 AI를 실제 작업자와 함께 작동하도록 설계하는 데 집중하고 있다. 한국은 이미 BIM, 드론, IoT 기반 DX를 빠르게 확산시키고 있다. 하지만 AX로 가기 위해서는 다음과 같은 전략 포인트가 필요하다. 현장 PoC 단계를 넘어 실제 프로젝트에서 AI 로봇 등을 적용해 ROI를 입증할 수 있는 사례를 축적해야 한다. 또한 BIM을 기반으로 한 설계부터 시공, 유지관리 및 운영 전 단계에 걸친 기술 통합을 만들어야 한다. 정부는 기업과 학계 등과 협력해 AI 도입에 따른 안전 기준, 법적 책임 구조 등을 신속하게 정비해야 하며 산학 협력으로 실무형 인재 양성 및 기술 검증 체계를 구축할 필요가 있다. AX는 더 이상 먼 미래의 기술이 아니다. 우리가 “과연 이게 될까?”란 의심 섞인 눈초리로 적극적인 실행을 주저하고 있는 동안 해외에서는 이미 실제 현장에서 활용하고 있고, 성과를 내고 있으며, 산업 구조를 바꾸고 있다.

■과학기술정보통신부 ◇실장급 전보△정보보호네트워크정책실장 최우혁 ◇과장급 전보△연구기관혁신정책과장 온정성△미래전략기술정책과장 이우진△핵융합에너지환경기술과장 김태영△연구인프라혁신과장 황한진 ■농림축산식품부 ◇국장급 파견복귀△농식품공무원교육원장 김철 ◇국장급 전보△농산업혁신정책실 농촌소득에너지정책관 강동윤△농림축산검역본부 동식물위생연구부장 박선우 ■기후에너지환경부 ◇과장급 전보△풍력산업과장 황윤길△프로젝트관리팀장 권기만△인프라지원팀장 조진화 ■금융위원회 ◇고위공무원 전보△구조개선정책관 김기한△기획조정관 손주형△금융정보분석원 제도운영기획관 하주식 ■국민체육진흥공단 △홍보실장 최륜경△스포츠컬처본부장 성욱제△경륜경정총괄본부 성북지사장 최민호△디지털혁신실장 정민화△기금관리실장 김찬△투표권건전화실장 김정훈△레거시사업실장 유은철△파크텔사업실장 백성봉△사업기획실장 배장환△사업서비스실장 김한용△강남지사장 황원기△천안지사장 목승훈 ■국립공원공단 ◇본부장급 전보△중부지역본부장 서영교△북부지역본부장 강동익 ◇처·실장 인사△행정처장 남성열△환경협력처장 현병관△탐방시설처장 이천규△재난안전처장 박용선△홍보비서실장 박선규△AI정보융합실장 박해찬△성과혁신실장 박소영△일터안전실장 위중완 ■한국산업은행 ◇부행장 선임△자본시장부문장 신승우△글로벌사업부문장 오재균△기획관리부문장 고병규△재무·지원부문장 최혁수 ■신한카드 ◇부사장 신규 선임△CSO 경영기획그룹장 이정빈 ◇전무 신규 선임△CCO 소비자보호본부장 김종화 ◇상무 신규 선임△고객정보관리인 테크그룹장 윤승원 ◇본부장 신규 선임△파트너십본부장 마채성△신용관리본부장 김광욱△페이먼트혁신실장 남궁설△플랫폼솔루션본부장 원성준 ◇상무 승진△CRO 리스크관리본부장 박찬호 ◇본부장 승진△AX연구소장 안성희△법인사업본부장 안우경 ◇부사장 이동△경영지원그룹장 박창석 ■우리카드 ◇부사장 이동△금융사업본부 부사장 나용대△마케팅본부겸디지털본부 전무 유태현△정보보호본부 상무 김창규 ◇신규 상무대우△기업영업본부 상무대우 정주영 ■동원그룹 ◇사장△조성진(동원건설산업 대표이사)△노경탁(동원팜스 대표이사) ◇부사장△김세훈(동원산업 지주부문 대표이사)△이영상(동원홈푸드 축육부문 대표이사) ◇전무이사△박종성(동원산업 지주부문 DT본부장)△이준석(동원산업 경영지원실장) ■DB증권 ◇본부장 보임△WM기획본부장 민경준△IB4본부장 류용동△복합금융본부장 조학현△멀티에셋솔루션본부장 김범진 ◇본부장 전보△디지털영업본부장 최성호 ■동아일보 ◇논설위원실△논설위원 박용 ◇편집국△부국장 유재동 ◇부장△산업1부 김현수△산업2부 신수정△경제부 이상훈△사회부 한상준△정책사회부 정임수 ◇팀장△전략영상팀 임현석 ■채널A ◇보도본부△부본부장 홍성규(뉴스커넥트랩장 겸직) ◇랩장△디지털랩 박소윤 ◇부장△편집2부 노은지△경제산업부 이현수△국제문화스포츠부 구가인 ◇팀장△특별취재팀 조영민 △디지털뉴스팀 김범석△뉴스룸기획팀 조현선△뉴스브릿지팀 황순욱 ■포춘코리아 △부사장 배정윤△편집국장 김타영

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

4편에서 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 연결고리를 살펴봤다. 이제는 그 연결고리를 실제로 어떻게 구축할 것인지, 중장기 전략을 통해 구체적으로 준비해야 할 시점이다. AX는 단순한 기술 도입이 아니라 산업 구조의 재편이며, 건설사, 테크기업, 정부, 학계가 각자의 위치에서 전략을 세우고 함께 움직여야 한다. ①건설사의 중장기 전략-기술과 조직의 변화 건설사는 DX를 넘어 AX로 가기 위해 조직과 기술, 사업 전략을 동시에 변화시켜야 한다. 단기적으로는 BIM, 드론, IoT 센서 등을 활용해 현장 데이터를 디지털로 수집하고, 이를 CDE(Common Data Environment, 공동작업환경)에 통합하는 작업이 필요하다. 중기에는 AI 기반 의사결정 시스템을 도입해 공정 지연 예측, 자재 수급 최적화, 안전 위험 감지 등의 기능을 현장에 적용해야 한다. 현대건설은 2022년부터 ‘현장 CCTV 영상 분석 시스템’을 개발하고, AI CCTV를 활용해 위험 행동을 실시간 감지하며, 품질 관리에 AR 기술을 접목해 시공 오류를 줄이고 있다. 장기적으로는 자율주행 굴착기, 드론 순찰, 로봇 품질검사 등 자율 장비를 현장에 도입하고, 이를 운영할 수 있는 조직 체계를 갖춰야 한다. 조직 변화 측면에서 디지털 전담팀을 신설하고, 기존 직무를 재설계하며, 직원 교육을 강화해야 한다. DX는 기술 도입이 아니라 일하는 방식의 변화이기 때문에, 현장 직원들이 기술을 이해하고 활용할 수 있도록 체계적인 교육이 필요하다. 올해 삼성물산 데이터팀은 AWS와 공동으로 3대 ‘AI 에이전트’를 개발했다. ‘AI-ITB Reviewer’는 방대한 분량의 입찰제안서를 자동 분석해 리스크를 빠르게 식별하고, ‘AI-Contract Manager’는 법무 및 계약 리스크를 최소화해 전문적인 대응을 지원한다. 또 ‘AI-Project Expert’는 현장 데이터를 통합 분석해 숨겨진 인사이트를 도출하는 시스템으로, 프로젝트 전반의 효율성을 높이는 역할을 한다. 사업 전략 측면에서는 신규 프로젝트 수주 시 ‘AI 기반 시공 전략’을 제안 요소로 활용할 수 있다. 예를 들어, 스마트건설 인증제도를 활용해 발주처에 기술력을 어필하고, 공정 예측, 안전 관리, 품질 자동화 등의 기능을 제안서에 포함시키는 방식이다. ②테크기업의 전략-기술 방향성과 협업 체계 테크기업은 건설 현장에 맞는 기술을 개발하고, 건설사와 협업해 실제 적용 가능한 솔루션을 제공해야 한다. 핵심 기술 방향으로는 공정 예측 AI, 안전 감지 AI, 자율 장비(UGV, 드론, 로봇), 디지털 트윈 플랫폼 등이 있다. 최근 DL이앤씨는 Generative Design을 활용해 설계 자동화를 구현하고 있으며, 포스코이앤씨는 AI 기반 레미콘 품질 예측 시스템을 도입한 바 있다. 기술 개발 우선순위는 초기에는 현장 적용성이 높은 기술에 집중하고, 중기에는 AI 판단의 정확도와 속도를 개선하며, 장기에는 자율화된 현장 운영 시스템을 구축하는 방향으로 설정해야 한다. 투자 전략은 정부의 스마트건설 R&D 과제와 연계해 자금을 확보하고, 오픈이노베이션을 통해 유망 스타트업과 협력하는 방식이 효과적이다. 예를 들어, 중소 건설사와 기술기업 간의 공동 개발 프로젝트는 정부의 실증 지원을 받을 수 있으며, 현장 PoC를 통한 기술 검증과 시장 진입에 유리하다. 협업 체계는 건설사와 공동 개발 및 테스트베드 운영, 정부와 규제 대응 및 인증 체계 협력, 학계와 알고리즘 검증 및 인재 양성 연계를 포함할 수 있다. 이처럼 다자간 협력이 이루어질 때 기술은 현장에 빠르게 확산될 것이다. ③정부 및 학계의 전략-제도 정비와 인재 육성 정부와 학계는 기술 도입에 따른 제도적 혼란을 정비하고, 산업 전반의 방향성을 제시해야 한다. 제도 측면에서는 자율 장비 도입 시 안전 기준과 책임 범위를 명확히 하고, AI 판단 오류에 대한 법적 책임 구조를 정비해야 한다. 중대재해처벌법 시행 이후 건설업의 안전관리에 대한 책임 중요성이 부각되면서, 자율 시스템의 안전성과 책임 귀속 문제는 AX 확산의 핵심 과제가 될 것이다. 디지털 기록과 로그 기반의 안전관리 증빙 체계를 마련하고, 스마트건설 인증제도와 기술 검증 프로세스를 도입해야 한다. 국토교통부는 스마트건설 기술 실증 지원 사업을 통해 기술 검증과 현장 적용을 촉진하고 있으며, 이는 제도적 기반 마련의 좋은 사례이다. 학계는 건설 AI 융합형 교육과정을 신설하고, BIM, 로보틱스, 데이터 분석 중심의 실무형 커리큘럼을 개발해야 한다. 산학 협동 R&D를 통해 기술 검증과 표준화를 주도하고 테크기업, 건설사와 공동 인턴십, 현장 실습 프로그램을 운영함으로써 실무형 인재를 양성할 수 있다. 특히 AI 기술이 빠르게 발전하는 만큼, 학계는 기술 트렌드에 발맞춰 커리큘럼을 유연하게 개편하고, 산업 현장의 요구를 반영한 교육을 제공해야 한다. 이는 산업과 교육이 함께 성장하는 기반이 된다. 건설사, 테크기업, 정부, 학계가 각자의 위치에서 준비하고 협력할 때, 한국 건설산업은 AX 시대의 선도자로 자리매김할 수 있다.

건설산업은 지금 ‘디지털 전환(DX)’에서 ‘AI 전환(AX)’으로 넘어가는 거대한 변화의 초입에 서 있다. DX가 ‘기술을 도입하는 단계’였다면, AX는 ‘기술이 스스로 판단하고 움직이는 단계’이다. 이 변화는 단순한 업그레이드가 아니라, 건설산업의 운영 방식 자체를 다시 설계하는 과정이다. 그렇다면 어떻게 DX에서 AX로 자연스럽게 넘어갈 수 있을까? 그리고 아직 DX가 충분히 자리 잡지 않은 기업은 무엇부터 준비해야 할까? ①DX 성과를 기반으로 AX로 확장하는 방법 DX는 AX의 ‘기초 체력’이다. DX가 제대로 구축되지 않은 상태에서 AX를 시도하면, 마치 부실한 기초 위에 건물을 올리는 것과 같다. DX가 잘 된 기업은 크게 세 가지 특징이 있다. 데이터를 한 곳에 모으고, 표준화하며, 의사결정에 활용한다. 다시 말하면 자료는 클라우드 저장소에 모아 CDE(Common Data Environment) 환경을 구축하고, BIM, 드론 등을 활용해 정보를 디지털로 수집한다. 또한 데이터를 모으고 관리하는 툴이나 시트를 표준화하여 누구나 동일한 포맷을 사용하게 만든다. 마지막으로 이렇게 모은 정량적, 정성적 데이터를 바탕으로 의사결정에 활용한다. 이러한 기반이 갖춰진 기업은 AX로 확장할 때 AI가 학습할 자료인 데이터가 풍부하고, 자율 시스템이 작동할 환경(표준화된 프로세스)이 이미 마련돼 전환 속도가 빠르다. 그렇다면 아직 DX가 부족한 기업은 무엇부터 해야 할까? 우선 종이로 된 문서나 수기 기록들을 디지털 데이터로 변환해야 한다. 그리고 각자 관리하던 데이터를 한 곳에 집중해서 모으는 노력을 해야 한다. 또한 자재, 공정, 안전 등 관련 데이터를 일련 코드나 통일된 포맷으로 표준화하는 작업이 필요하다. 그리고 무엇보다 중요한 것은 직원들이 이러한 변화를 공감할 수 있도록 교육해야 한다. DX는 단순히 ‘특정 기술 도입’이 아니라 ‘일하는 방식의 총체적 변화’다. 이 변화가 자리 잡아야 AX가 비로소 현실이 된다. ②‘데이터 → 알고리즘 → 자율화’의 단계적 로드맵 AX는 하루아침에 완성되지 않는다. 다음 제시하는 3단계를 순서대로 진행해야 한다. 첫 번째, 모든 데이터를 디지털로 흐르는 상태로 만든다. 즉 현장에서 드론이 촬영한 영상이나 사진을 3D 지형 데이터로 변환하고 IoT 센서를 통해 읽어 들인 온도, 습도, 진동, 수치 등을 입력 데이터화하며, BIM에서 작성된 설계, 자재, 공정 등의 정보를 한 곳에 모아 디지털화한다. 이 데이터가 정확하고 표준화돼야 다음 단계로 넘어갈 수 있다. 다음은 알고리즘 단계로 AI가 판단을 돕는 단계다. 데이터가 쌓이면 AI가 패턴을 읽고 예측을 시작한다. 축적된 디지털 데이터를 기반으로 공정 지연 가능성, 자재 수급 부족 시점, 위험 구역 자동 감지, 장비 고장 가능성 등 사전 리스크를 감지하고 사람의 판단을 돕는다. 마지막은 자율화 단계로 AI와 로봇이 스스로 움직이는 단계이며 여기부터 진정한 AX가 시작된다. 예를 들어 자율주행 굴착기가 스스로 입력된 공정 계획에 따라 그날의 작업 경로를 계산해 굴착한다. 또한 드론이 주기적으로 현장을 순찰하며 위험 요소를 감지하고 필요 시 AI가 현장 상황을 판단해 공정 계획을 자동으로 조정한다. 또한 건설 로봇이 공종별 진척에 따라 Hold Point 도래 시 품질 검사를 수행하고 결과를 자동으로 보고한다. 이 단계에서는 사람이 감독자가 되고, AI는 실행자가 된다. ③협업 생태계 구축 “건설사 혼자서는 AX로 갈 수 없다” AX는 한 기업의 힘만으로는 불가능하다. 건설사, 테크 기업, 정부, 학계가 함께 생태계를 만들어야 한다. 건설사는 현장에서 도입하고자 하는 AI의 범위와 요구 조건을 명확히 정의하고 다양한 기술의 테스트베드를 제공해야 한다. 테크 기업들은 건설 현장의 요구에 맞는 솔루션을 커스터마이징하고 BIM을 활용한 공정 간 간섭 조율과 디지털 트윈 환경 구축, 건설 로봇 개발, 드론 기술 등을 선제적으로 개발해야 한다. 정부는 이러한 기술 개발과 적용 과정에서 필연적으로 발생할 수밖에 없는 제도적, 법적 허들을 완화 또는 제거할 수 있도록 관련 기업들과 적극적으로 소통하고 개선해 나가야 한다. 마지막으로 학계는 산학 연계 R&D 등을 통해 기술을 검증하고 관련 기술들에 대한 표준화, 전문 인력 양성 등의 노력을 기울여야 한다. 이 네 주체가 함께 움직일 때 비로소 AX는 산업 전체로 확산될 것이다. AX는 미래 기술이 아니라, 이미 시작된 변화다. 하지만 이 변화는 기술만으로 이루어지지 않는다. 데이터를 정제하고 조직 문화를 바꾸며, 협업 생태계를 구축하여 단계적으로 로드맵을 따라가야 자연스럽게 AX로 넘어갈 수 있다. DX가 기초 공사라면, AX는 그 위에 올라가는 건물이다.

건설산업은 지금 ‘디지털 전환’(DX)에서 ‘AI 전환’(AX)으로 넘어가는 거대한 변화의 초입에 서 있다. DX가 ‘기술을 도입하는 단계’였다면, AX는 ‘기술이 스스로 판단하고 움직이는 단계’이다. 이 변화는 단순한 업그레이드가 아니라, 건설산업의 운영 방식 자체를 다시 설계하는 과정이다. 그렇다면 어떻게 DX에서 AX로 자연스럽게 넘어갈 수 있을까? 그리고 아직 DX가 충분히 자리 잡지 않은 기업은 무엇부터 준비해야 할까? ①DX 성과를 기반으로 AX로 확장하는 방법 DX는 AX의 ‘기초 체력’이다. DX가 제대로 구축되지 않은 상태에서 AX를 시도하면, 마치 부실한 기초 위에 건물을 올리는 것과 같다. DX가 잘 된 기업은 크게 세 가지 특징이 있다. 데이터를 한 곳에 모으고, 표준화하며, 의사결정에 활용한다. 다시 말하면 자료는 클라우드 저장소에 모아 CDE(Common Data Environment) 환경을 구축하고, BIM, 드론 등을 활용해 정보를 디지털로 수집한다. 또한 데이터를 모으고 관리하는 툴이나 시트를 표준화하여 누구나 동일한 포맷을 사용하게 만든다. 마지막으로 이렇게 모은 정량적, 정성적 데이터를 바탕으로 의사결정에 활용한다. 이러한 기반이 갖춰진 기업은 AX로 확장할 때 AI가 학습할 자료인 데이터가 풍부하고, 자율 시스템이 작동할 환경(표준화된 프로세스)이 이미 마련돼 전환 속도가 빠르다. 그렇다면 아직 DX가 부족한 기업은 무엇부터 해야 할까? 우선 종이로 된 문서나 수기 기록들을 디지털 데이터로 변환해야 한다. 그리고 각자 관리하던 데이터를 한 곳에 집중해서 모으는 노력을 해야 한다. 또한 자재, 공정, 안전 등 관련 데이터를 일련 코드나 통일된 포맷으로 표준화하는 작업이 필요하다. 그리고 무엇보다 중요한 것은 직원들이 이러한 변화를 공감할 수 있도록 교육해야 한다. DX는 단순히 ‘특정 기술 도입’이 아니라 ‘일하는 방식의 총체적 변화’다. 이 변화가 자리 잡아야 AX가 비로소 현실이 된다. ②‘데이터 → 알고리즘 → 자율화’의 단계적 로드맵 AX는 하루아침에 완성되지 않는다. 다음 제시하는 3단계를 순서대로 진행해야 한다. 첫 번째, 모든 데이터를 디지털로 흐르는 상태로 만든다. 즉 현장에서 드론이 촬영한 영상이나 사진을 3D 지형 데이터로 변환하고 IoT 센서를 통해 읽어 들인 온도, 습도, 진동, 수치 등을 입력 데이터화하며, BIM에서 작성된 설계, 자재, 공정 등의 정보를 한 곳에 모아 디지털화한다. 이 데이터가 정확하고 표준화돼야 다음 단계로 넘어갈 수 있다. 다음은 알고리즘 단계로 AI가 판단을 돕는 단계다. 데이터가 쌓이면 AI가 패턴을 읽고 예측을 시작한다. 축적된 디지털 데이터를 기반으로 공정 지연 가능성, 자재 수급 부족 시점, 위험 구역 자동 감지, 장비 고장 가능성 등 사전 리스크를 감지하고 사람의 판단을 돕는다. 마지막은 자율화 단계로 AI와 로봇이 스스로 움직이는 단계이며 여기부터 진정한 AX가 시작된다. 예를 들어 자율주행 굴착기가 스스로 입력된 공정 계획에 따라 그날의 작업 경로를 계산해 굴착한다. 또한 드론이 주기적으로 현장을 순찰하며 위험 요소를 감지하고 필요 시 AI가 현장 상황을 판단해 공정 계획을 자동으로 조정한다. 또한 건설 로봇이 공종별 진척에 따라 Hold Point 도래 시 품질 검사를 수행하고 결과를 자동으로 보고한다. 이 단계에서는 사람이 감독자가 되고, AI는 실행자가 된다. ③협업 생태계 구축 “건설사 혼자서는 AX로 갈 수 없다” AX는 한 기업의 힘만으로는 불가능하다. 건설사, 테크 기업, 정부, 학계가 함께 생태계를 만들어야 한다. 건설사는 현장에서 도입하고자 하는 AI의 범위와 요구 조건을 명확히 정의하고 다양한 기술의 테스트베드를 제공해야 한다. 테크 기업들은 건설 현장의 요구에 맞는 솔루션을 커스터마이징하고 BIM을 활용한 공정 간 간섭 조율과 디지털 트윈 환경 구축, 건설 로봇 개발, 드론 기술 등을 선제적으로 개발해야 한다. 정부는 이러한 기술 개발과 적용 과정에서 필연적으로 발생할 수밖에 없는 제도적, 법적 허들을 완화 또는 제거할 수 있도록 관련 기업들과 적극적으로 소통하고 개선해 나가야 한다. 마지막으로 학계는 산학 연계 R&D 등을 통해 기술을 검증하고 관련 기술들에 대한 표준화, 전문 인력 양성 등의 노력을 기울여야 한다. 이 네 주체가 함께 움직일 때 비로소 AX는 산업 전체로 확산될 것이다. AX는 미래 기술이 아니라, 이미 시작된 변화다. 하지만 이 변화는 기술만으로 이루어지지 않는다. 데이터를 정제하고 조직 문화를 바꾸며, 협업 생태계를 구축하여 단계적으로 로드맵을 따라가야 자연스럽게 AX로 넘어갈 수 있다. DX가 기초 공사라면, AX는 그 위에 올라가는 건물이다.

강기정 시장이 올해 군공항 이전 등 광주의 해묵은 난제들을 해결한 여세를 몰아 2026년을 ‘부강한 광주’ 원년으로 삼겠다는 비전을 제시했다. 강 시장은 23일 시청 중회의실에서 송신년 기자회견을 열고, 올해 시정 성과와 내년도 시정 방향을 설명했다. 강 시장은 “인공지능(AI)-미래차-반도체를 삼각 축으로 미래산업을 키우고, 그 성과를 산업 전반으로 확산시켜 이재명 정부와 함께 ‘부강한 광주’의 새 지평을 열겠다”고 밝혔다. 그는 올 한 해 동안 광주에서의 펼쳐졌던 결정적인 순간들을 사진과 함께 소개하며 민주주의 수호, 해묵은 지역현안 해결, 도시 변화, 미래 비전에 이르기까지 시정 전반의 메시지를 압축적으로 설명했다. 강 시장은 “광주는 위기의 순간마다 민주주의를 지켜온 도시”라며 계엄 당일부터 탄핵정국을 거쳐 전국 최고 투표율로 새로운 국민주권정부 탄생을 이끈 ‘다른 도시와 달랐던 광주의 한 해’를 돌아봤다. 지난 17일 광주에서 열린 ‘군공항 이전 6자 협의체’를 통해 18년 묵은 난제였던 광주 군공항 이전 문제의 매듭을 푼 강 시장은 ‘통합공항미래도시본부’를 신설하는 등 조직을 정비, 민·군 통합공항 이전을 속도감 있게 추진하겠다고 밝혔다. 또 248만평의 종전부지와 11만평 규모의 마륵동 탄약고 부지를 개발해 광주의 미래 100년을 설계하겠다는 복안도 제시했다. 강 시장은 특히 올해 ‘더현대 광주’ 착공식이 열린데 이어 ‘어등산 스타필드’도 인허가 관련 행정절차에 속도를 내는 등 ‘복합쇼핑몰 조성 사업’이 본격화하고 있다고 설명하고, 지역 상권과 동반 성장을 적극 지원하겠다는 방침을 밝혔다. 강 시장은 ‘인공지능과 미래차, 반도체’ 삼각축을 중심으로 미래산업을 육성하고, 그 성과가 기존 주력산업 전반으로 확산되는 선순환 구조를 만들겠다는 구상을 제시했다. 이를 위해 내년부터 ▲1조원 규모의 ‘국가NPU전용 컴퓨팅센터’ 설립 ▲6000억원 AX실증밸리 사업 ▲2조5000억원 규모의 ‘AI모빌리티신도시 조성사업’을 본격 추진한다고 설명했다. 이와 함께 ▲국비 617억원을 투입해 ‘자율주행차 200대’가 도심 곳곳을 누비는 자율주행 실증사업 ▲‘대한민국 반도체 첨단 패키징 기지’ 조성도 병행해 광주를 ‘규제프리 실증도시’로 도약시키겠다는 계획도 내놓았다. 강 시장은 “민주주의를 지키고, 해묵은 난제를 해결해 온 광주가 이제는 부강한 광주가 되도록 시정을 흔들림 없이 추진하겠다”고 말했다.

포항에 AI센터 투자 몰리는 이유철강 등 국가 주력 제조산업 밀집AI 기반 산업전환 선도 수요 갖춰세계적 연구 인프라·AI 인재 탄탄경북 전력 자립률 262% 안정 공급“동남권에 AI 인프라 투자 나서야”전국 분산 구축… 지역 불균형 해소대한민국 혁신 견인 엔진으로 도약글로벌 강대국들이 인공지능(AI)을 국가 핵심 경쟁력으로 키우면서 관련 기술력과 인프라, 핵심 소재를 확보하기 위한 ‘총성 없는 전쟁’이 갈수록 치열해지고 있다. 정부는 내년 AI 관련 예산을 9조 9000억원으로 확대해 ‘AI 3대 강국’ 도약을 위한 본격 투자에 나선다. AI 강국으로 올라서기 위해서는 필수 인프라인 ‘AI 고속도로’ 구축이 필수다. 대규모 연산에 필요한 핵심 장비인 그래픽처리장치(GPU) 확보와 함께 이를 설치하고 운영할 AI 데이터센터를 조성해야만 가능하다. 지난 10월 ‘2025 아시아태평양경제협력체(APEC) 최고경영자(CEO) 서밋’ 참석을 계기로 젠슨 황 엔비디아 CEO는 한국에 26만장의 GPU를 공급하겠다는 협력 계획을 밝혔다. 정부는 내년 2분기까지 ‘데이터센터 구축 종합계획’을 수립하는 등 AI 데이터센터 구축에 팔을 걷어붙일 전망이다. 앞서 경북 포항시는 오픈AI와 네오AI 클라우드가 공동 추진하는 글로벌 AI데이터센터 건립지로 최종 확정된 바 있다. 안정적인 전력 공급과 연구 인프라, 철강·이차전지 등 산업 기반을 두루 갖춘 지역적 강점을 고려해 민간 기업이 투자를 결정한 것이다. 아직 초기 단계이기는 하지만 국가 차원의 투자는 서남권에 집중되고 있다. 이에 포항시는 국가균형발전과 전력·부지 확보, 연산 자원의 효과적인 분산 등을 고려한 동해안권 AI 인프라 국가 투자 유치에 더욱 공을 들이고 있다. ●AI 데이터센터 민간 투자 이뤄지는 포항 22일 포항시에 따르면 오픈AI와 네오AI 클라우드가 공동으로 추진하는 글로벌 AI데이터센터의 건립이 조만간 착공식을 시작으로 본격적으로 추진된다. AI데이터센터 건립은 단순한 인프라 유치에 머무르지 않고 포항과 대한민국 전반에 커다란 파급효과를 가져올 전망이다. 수조 원 규모의 투자와 함께 건설, 장비, 운영 등 연관 산업이 활성화되고, AI데이터센터 운영·보안·개발 분야 신규 고용도 기대된다. 지역 핵심 산업이라 할 수 있는 철강, 이차전지, 바이오를 AI와 결합해 스마트 제조, 신소재 개발, 신약 연구 등 신성장 동력 확보로도 이어진다. 지역 기업은 AI 연산자원에 대한 접근성이 강화되면서 글로벌 진출 기회도 넘볼 수 있다. 시는 정부, 오픈AI, 네오AI 클라우드와 긴밀히 협력해 AI데이터센터 건립이 차질 없이 진행되도록 행정·제도적 지원에 총력을 기울일 방침이다. 각종 인허가 절차를 신속하게 처리하기 위해 ‘인허가 패스트트랙 전담 태스크포스(TF)’를 구성하는 등 AI데이터센터 건립이 가장 빠르고 안정적으로 추진될 수 있도록 적극 지원할 방침이다. 시는 AI데이터센터를 구심점으로 산업·경제·사회를 아우르는 전주기 ‘AI 혁신 생태계’를 완성하고, 국가 혁신을 선도하는 ‘AI 고속도로 모델’을 구축할 계획이다. 지난 반세기 동안 철강산업으로 대한민국의 산업화를 이끌었던 만큼 이제는 AI 강국 도약을 견인하는 전략 거점이자, 세계가 주목하는 글로벌 AI 선도도시 포항으로 새롭게 도약한다는 구상이다. 이처럼 포항이 민간 차원의 AI데이터센터를 유치할 수 있었던 강점으로는 우선 철강·첨단소재·이차전지·기계·금속 등 국가 주력 제조산업의 밀집이 있다. 대한민국 제조산업 벨트의 중심지로서 AI 기반 산업전환(AX)을 선도할 수 있는 풍부한 산업수요를 갖춘 셈이다. 또한 인근 울산의 자동차·조선, 부산의 항만·물류, 대구의 기계·로봇 산업수요까지 연계되면 동해안권 전역의 산업 생태계를 AI 중심으로 확장할 수 있다. 다음으로는 AI 기술과 연구개발을 동시에 뒷받침할 수 있는 세계적 수준의 연구 인프라를 보유하고 있다는 점이다. 포항공과대(포스텍) 인공지능연구원, 4세대 방사광가속기, 한국로봇융합연구원, 나노융합기술원, 애플 R&D지원센터, 포스코 미래기술연구원 등 글로벌 수준의 연구시설이 집적돼 있다. 방대한 연구자료를 축적하고 있는 이들 기관은 국가급 AI 인프라와 연계될 경우 산업 혁신과 연구 성과를 가속하여 국제 경쟁력을 한층 높일 수 있다. 연구 인프라와 함께 풍부한 AI 인재 수급도 가능하다. 포항공대와 한동대를 중심으로 매년 수백 명의 석·박사급 AI 인재가 배출되고 있고, 이들은 AI 연구개발과 산업 현장에 즉시 투입할 수 있는 수준급 역량을 갖추고 있어 AI 생태계 전반의 지속 가능한 성장을 견인할 핵심 기반이 된다. 안정적인 전력공급 여건은 포항만의 확실한 강점이다. 울진과 경주 원자력발전소를 중심으로 한 대규모 전력망이 인접해 있다. 전력 수급에 제약이 큰 수도권과 달리 국가급 AI 인프라 운영에 안정적으로 대응할 수 있는 환경을 갖춘 것이다. ●가속화되는 패권 경쟁 시대 ‘생존법’ AI 인프라 확보를 둘러싼 기술 패권 경쟁이 가속화하면서 국가 투자도 전략적으로 이뤄져야 한다는 지적이 나온다. 미국은 700조 원 규모의 ‘스타게이트 프로젝트’를 추진하며 초대형 슈퍼컴퓨팅 인프라를 전국 단위로 분산 구축하고 있다. 중국 또한 베이징·상하이·광저우 등 8대 거점에 ‘국가 AI 컴퓨팅 망’을 구축해 권역별 초대형 GPU 인프라 확충에 속도를 내고 있다. 우리나라도 ‘AI 3대 강국 도약’을 목표로 대규모 AI 인프라 확충에 나서고 있지만 AI 인프라 입지는 수도권과 서남권에 편중되어 있다. 수도권에는 주요 데이터센터가 밀집해 있고, 광주는 6000억원 규모의 AX 실증 밸리 조성사업을 추진 중이다. 전남에는 국가AI컴퓨팅센터 사업이 단독 응모로 추진 중이다. 지역적 불균형을 해소하고, 전력·부지 확보, 연산자원 분산 등 전략적인 대응을 위해서는 동남권에 대한 투자도 이뤄져야 한다는 게 전문가들의 의견이다. 각 권역의 산업 특성을 기반으로 상호보완적인 역할을 수행할 수 있기 때문이다. 특히 포항은 동해안권 거점으로서 철강·이차전지 등 AI 제조혁신을 주도하고, 부산은 해양물류 AI, 광주는 모빌리티·로봇실증 중심, 전남은 국가AI컴퓨팅센터 중심의 연산 허브 거점으로 기능할 수 있다. 한국전력의 통계에 따르면 2025년 기준 경북도의 전력 자립률은 262%로 전국 1위를 기록하고 있다. 국가급 AI 인프라 구축과 운영에 가장 중요한 전력 인프라가 경북과 동해안권에 몰려있는 셈이다. 동해안권에 포항을 중심으로 한 전략적 투자가 이뤄진다면 대한민국 AI 고속도로의 오른쪽 축 완성을 기대할 수 있다. 이강덕 포항시장은 “철강으로 대한민국 산업화를 이끌었던 포항이 이제는 AI로 대한민국의 혁신을 견인하는 핵심 엔진으로 도약할 시기”라며 “전국을 잇는 AI 고속도로의 동해안권 거점으로 거듭나 대한민국이 AI 3대 강국으로 도약할 수 있도록 모든 역량을 총동원하겠다”고 강조했다.

건설산업이 DX(디지털 전환)를 넘어 AX(인공지능 전환)로 도약하려면 기술 자체만으로는 충분하지 않을 수 있다. 건설 현장의 고착화된 문화와 정서, 법과 제도, 공사비, 데이터 관리와 인력까지 모두 얽혀 있다. 이번에는 AX 전환을 위한 과정에서 기술, 제도, 조직, 경제적 측면의 허들이 어떠한 것들이 있고 극복 방안에 대해 살펴본다. ●기술적 허들: AI·로봇·자율시스템의 성숙도와 현장 적합성 CES 2025에 자율주행 굴착기를 비롯한 다양한 로봇들이 등장했다. 머신가이던스(MG), 머신컨트롤(MC), 드론 계측 등은 이미 시연 단계 또는 부분 적용 단계지만, “모든 현장에 당장 투입”은 아직 어려운 단계다. 복잡한 지반, 날씨 여건, 협소한 도심지 현장, 매일 변화하는 공정 간섭 속에서 센서 노이즈, 응답 지연, 맵 정합과 경로 계획 안정성 등을 기술적으로 극복하고 성숙 단계에 도달하기까지는 아직 많은 시행착오와 기술 개발이 숙제로 남아있다. 예를 들어 건설 현장에서 드론과 인공지능(AI)을 활용해 3차원(3D) 디지털 지도를 만들어 장비 투입 최적화 루트를 계산하지만, 최적 장비 조합을 실제 현장에서 구현 시 안전 구역 설정, 반출입 동선 관리, 공정 간섭 등과 충돌하여 실행에 옮기기까지는 어려움이 많다. 이는 건설 현장에서 지속적인 검토를 통해 통합 엔지니어링(로보틱스+BIM+시공 계획+HSE) 역량을 더욱 향상시켜야 비로소 AI 기술을 접목한 장비 활용이 가능할 것이다. ●제도적 허들: 규제, 안전 기준, 법적 책임의 명확화 2022년부터 중대재해처벌법 시행으로 사업주 및 경영 책임자의 책임 범위가 크게 확대됐다. 안전 관리 체계 구축과 실행 여부가 처벌 판단의 핵심 기준으로 작동한다. 이런 환경에서 건설사가 자율주행 지게차나 로봇과 같은 AI가 결합된 장비나 시스템을 도입하여 활용하다 안전 사고를 낼 경우 “사고의 법적 책임”이 쟁점이 될 수 있다. 디지털·AI 기반 안전 관리 증빙과 장비 운영 로그(데이터 거버넌스)가 관리 책임을 규명하는 주요 판단 근거가 될 것이다. 자칫 책임 불명확과 과도한 규제는 초기 AI 안전 관리 확산에 장애물이 될 수 있다. 결과적으로, 자율 주행 장비, AI가 결합된 기계의 의사 결정에 있어 안전 적합성 검증, 데이터 기반 위험 평가, 시정 조치 체계, 감리·발주자의 디지털 확인 절차 등이 제도적으로 내재화돼야 하며, 그렇지 않다면 AX의 PoC 단계에서 상용화 단계로 확대될 수 없다. ●조직적 허들: 보수적 문화와 인력 재교육 기술보다 더 어려운 것은 사람의 변화다. 건설업은 오랜 경험과 직관이 중요한 분야라, AI나 로봇이 판단한다고 해도 “과연 그게 맞아?”라는 의심이 생기기 쉽다. 또한 새로운 기술을 쓰려면 기존 인력의 재교육이 필요하다. 드론 조종, 데이터 분석, 로봇 운영 같은 새로운 직무가 생기기 때문이다. 일부 기업은 ‘디지털 전담팀’을 만들어 AX를 준비하고 있지만, 조직 전체가 바뀌려면 상당한 시간이 필요하다. AI가 의사 결정을 일부 대체하거나 지원하는 체계를 구축하려면, 권한과 책임의 위임 전결 설계, 새로운 직무 정의(로봇 운영, 데이터 엔지니어, HSE 데이터 관리자 등), 교육과 평가 체계 정립이 필요하다. 기업들은 ‘AX 조직’을 주축으로 프로세스 자동화, 데이터 기반 의사 결정 체계를 확립해야 하며, HR은 업무의 중요도와 분야에 따라 AI를 단순 참고용 의사 결정 도구로만 활용할지, 최종 의사 결정 권한을 부여할지에 대한 R&R을 분명히 정립해야 할 것이다. ●경제적 허들: 초기 투자, ROI 불확실성과 시장 변동성 AX 기술은 초기 투자 비용이 많이 들어간다. 드론, 센서, AI 시스템, 자율 주행 장비까지 도입하려면 수십억 원이 투입되기도 하는데 그만큼의 효과가 즉시 체감되지 않아 ROI(투자 대비 수익) 예측이 명확하지 않다. 그래서 많은 기업들이 “지금은 건설 경기도 안 좋은데, 이걸 무리해서 도입해도 괜찮을까?”라는 고민을 한다. 하지만 일부 기업은 과거부터 시스템적으로 공정 지연을 줄이고, 안전 사고를 예방하면서 실제로 비용을 절감하기 위한 시도를 해왔고 이를 통해 확보한 데이터를 활용하여 AI를 데이터 기반의 의사 결정 도구로 활용할 준비를 하고 있다. Q-cost(품질 비용)상 예방 비용을 선제적으로 투입함으로써 실패 비용을 낮춰 전체 품질 비용을 절감하기 위한 노력이기도 하다. 현재 대한민국 건설업은 2~3년 전부터 발주 물량 감소 및 착공 지연에 따라 수주 및 수익성 악화, 잠재된 PF 구조 부실, 높은 부채 비율 등 여러 리스크가 겹친 상태다. 경제 전문가들은 이르면 2026년 하반기부터 건설 경기가 서서히 회복될 것이라고 예측한다. 건설 경기 둔화와 회복의 사이클은 5~10년 주기로 반복되는 경향을 보이며 현재는 무리한 출혈 경쟁 수주보다 내실을 다지며 미래를 대비하기 위한 효율적인 업무 시스템을 정비할 필요가 있다. “데이터 통합→의사 결정 도구→운영 최적화”에 투자한 ROI는 다른 투자에 비해 더 빨리 다가올 수 있다. 위에 언급한 네 가지 허들이 전부는 아니겠지만 AX를 향해 건설사, 정부, IT 기업, 스타트업 기업들이 머리를 맞대고 장벽을 하나둘 논의하여 걷어냄으로써 대한민국의 건설 산업은 한 차원 높이 도약할 수 있을 것이다.

건설산업에서 디지털 전환(DX)은 단순히 컴퓨터를 잘 다루는 수준을 넘어 현장의 모든 정보를 데이터로 바꾸어 관리하는 시스템이다. 드론이 촬영한 현장 사진, IoT(사물인터넷) 센서가 기록한 온도와 습도, 설계 도면을 3차원(3D) 정보로 변환한 BIM(건축정보모델링) 객체까지 모두 데이터다. 하지만 중요한 점은 데이터를 모으는 것 자체가 목적이 아니라 잘 정리하고 활용해야 한다는 것이다. ●건설업의 데이터 활용사례 그렇다면 건설사에서는 프로젝트 수주, 설계, 시공 및 유지관리에 이르기까지의 방대한 데이터를 어떻게 다루고 있을까? 수주 단계에는 발주처의 요구사항, 입찰 조건 등의 자료와 함께 경쟁사 분석, 예상 손익, 리스크 등의 검토 자료들이 쌓인다. 삼성물산은 수천 페이지에 이르는 입찰 안내서를 효과적으로 분석하기 위해 LLM 기반의 AI 에이전트를 활용하여 리스크를 신속하게 분석하고 업무 효율을 높이고 있다. 설계 단계에는 BIM 모델, 설계 도면, 구조/환경 시뮬레이션 데이터를 활용하는데, 이런 데이터들을 활용해 설계 오류를 줄이고 공정과 공사비 예측 정확도를 높일 수 있다. 공사 중에는 현장에 심어놓은 각종 계측기를 통해 IoT 센서 데이터(온도, 습도, 변위값 등)를 수집하고 드론과 라이다 센서를 통해 측량한 데이터 등을 활용하여 품질 및 안전관리의 효율을 높인다. 준공 후 유지관리 단계에서는 시설물이나 건축물의 하자 이력, 유지보수 기록 등을 통해 설계 단계 혹은 공사 중 품질관리 방안, 대책을 수립하여 선 반영할 수 있으며 시설물을 디지털 트윈으로 구현하여 설계 단계부터 유지관리 단계까지 데이터를 연계해 관리하고 있다. ●데이터 관리의 허점과 실패 사례 하지만 데이터를 제대로 축적하고 정제하지 못하면 모으기만 하고 제대로 활용할 수 없다. 대표적인 사례가 표준화되지 않은 기록 관리다. 일부 회사에서는 똑같은 공사나 자재를 유사한 이름 여러 개로 관리하고 있어 어떤 공종과 이름으로 기록해야 할지 사용자가 고민하는 경우가 있다. 예를 들면, 방바닥 미장 공사를 방통 공사, 바닥 몰탈 공사, 바닥 미장 공사 등 여러 이름으로 등록해 두고 이 중에서 골라 입력하게 하여 업무에 혼선을 빚고 데이터를 제대로 모으기 어려운 경우가 있다. 다른 문제는 데이터 사일로 현상이다. 부서마다 별도로 데이터를 관리하여 서로 연결되지 못하고 중복되거나 위의 사례처럼 통일된 용어를 사용하지 않는 경우다. 또한 아날로그 데이터를 제대로 변환하지 못한 경우가 있다. 스캔 데이터를 제대로 디지털화하지 못해 활용이 불가능하기도 하다. 이러한 문제 때문에 건설사마다 “DX를 한다”면서도 실제로는 데이터가 흩어져 있고 제대로 정제되지 못해 활용률이 떨어지는 사례가 적지 않다. ●데이터 파이프라인과 표준화 데이터가 ‘생성→저장→정리→분석→활용’되는 흐름을 하나의 관처럼 연결해 놓은 것이 데이터 파이프라인이다. 예를 들어 현장에서 센서를 통해 읽어들인 온도가 자동으로 클라우드에 저장되고 불필요한 값은 걸러낸 후 분석 프로그램이 이를 분석해 공정 관리에 반영하는 과정이 바로 파이프라인이며 이 흐름이 끊기지 않고 매끄럽게 이어져야 DX가 제대로 작동된다. 또한 데이터는 자재, 공정, 품질 데이터 등 동일한 코드와 기준으로 기록해야 한다. 종이 문서, 스캔 데이터 등은 반드시 디지털로 변환해야 한다. 이 표준화와 디지털화가 갖춰져야 데이터가 ‘언어’로 인식되고 AI가 이해할 수 있다. 데이터는 많을수록 좋지만 정확하지 않으면 오히려 위험하다. 잘못된 데이터로 AI가 판단하면 엉뚱한 공정을 제시하거나 위험한 공법을 제안할 수도 있기 때문이다. 그리고 건설 데이터는 설계, 자재, 비용 등 민감한 정보가 많으므로 보안 관리가 필수다. 결국 데이터 관리는 단순히 많은 것이 최선이 아니라 정확하고 표준화된, 신뢰할 수 있는 데이터를 차곡차곡 모으는 것이 핵심이다. 잘 구축된 데이터는 AX(인공지능 전환) 시대에 건설 산업을 완전히 다른 차원으로 끌어올리는 원동력이 될 것이다.

광주 군 공항이 전남 무안으로 옮겨가 무안공항과 함께 호남 거점 공항인 ‘김대중국제공항’으로 거듭난다. 지역 최대 현안이었으나 3개 지방자치단체와 3개 정부 부처의 이해관계가 엇갈리며 20년 가까이 표류하던 ‘광주 민·군 공항 통합 이전’ 사업이 대통령실 주도로 전격 합의에 이른 것이다. 광주시는 17일 광주도시공사에서 열린 대통령실 주관 ‘광주 군 공항 이전 6자 협의체’에서 18년간 진척이 없던 광주 군 공항 통합 이전 사업에 대한 합의가 이뤄졌다고 밝혔다. 이날 6자 협의체 회의에는 김용범 대통령실 정책실장과 강기정 광주시장, 김영록 전남지사, 김산 무안군수, 구윤철 기획재정부 장관, 안규백 국방부 장관, 강희업 국토교통부 2차관이 참석했다. 6자 협의체는 공동 발표문을 통해 ‘광주시·전남도·무안군은 광주 군 공항 이전이 원활하게 추진되는 것이 각 지역 발전을 위한 중대한 계기가 되고, 주민 이익에도 부합한다는 데 뜻을 함께했다’고 밝혔다. 이에 더해 정부는 ‘이 사업이 국가균형발전의 중요한 과제임을 확인하며, 완전한 이행을 보장하기 위해 적극 지원하고 최선의 노력을 다하겠다’고 강조했다. 협의체는 무안 지원 방안에 공을 들였다. 무안 주민 지원 사업과 관련해 광주시와 정부가 모두 1조원을 투입하기로 했다. 정부가 3000억원, 광주시가 1500억원을 부담하고, 나머지 5500억원은 ‘기부 대 양여’(민간이 대체시설을 기부채납하면 국가가 용도폐지된 국유재산을 무상 양도하는 방식) 차액으로 충당한다는 계획이다. 또, 전남도와 정부는 무안 발전을 위해 국가 농업 AX 플랫폼 구축, 에너지 신산업, 항공 유지·보수·정비(MRO)센터 등 첨단산업 기반 조성 및 기업 유치를 추진하기로 했다. 정부는 무안국가산업단지 지정에도 나선다. 특히, 정부는 기존 무안공항을 서남권 거점으로 육성하기 위해 호남지방항공청을 신설한다. 또 공항의 명칭을 김대중국제공항으로 변경하는 방안을 적극 검토하기로 했다. 현재 군 공항 부지를 일부 임대해 운영 중인 광주공항 국내선은 호남고속철도 2단계 개통(2027년 말)에 맞춰 이전하기로 했다. 이전 사업의 핵심인 군 공항의 경우 시기가 특정되지 않았으나 ‘신속 이전’이 국방부 입장이다. 이와 함께 정부는 이전 사업의 원활한 추진을 위해 관련 특별법 개정에 적극 협력하기로 했다. 무안군의 경우 정부와 광주시, 전남도의 약속 이행에 기반해 이전 사업을 위한 제반 절차 진행에 적극 협조할 예정이다. 정부 관계자는 “합의 준수와 이전 사업 및 이전 주변 지역 지원 사업이 신속하게 진행될 수 있도록 6자 협의체를 지속 운영할 방침”이라고 말했다. 광주시는 이날 공동발표문을 통해 이해 당사자간 협의가 마무리된 만큼 이르면 이달 내로 국방부가 무안을 ‘군 공항 예비 이전 후보지’로 지정하고 내년 말에는 지역 주민투표를 통해 무안이 이전 후보지로 최종 확정될 것으로 내다봤다. 이전 사업이 마무리된 뒤 광주 군 공항 부지에는 ‘광주형 실리콘벨리’가 조성된다. 부지 면적은 8.2㎢(248만평) 규모로 광주 신도심 상무지구의 2.5배다. 매각 가격은 10조원대로 추산된다. 강기정 광주시장은 “군 공항 이전 사업은 광주·전남의 미래를 새롭게 설계하는 대장정”이라며 “무안은 명실상부한 공항 도시로 우뚝 서고 광주는 실리콘밸리를 갖추는 등 명실상부한 서남권 관문 공항 시대를 열겠다”고 말했다.

기동대 줄여서 보이스피싱 등 대응李 “매크로 여론조작은 나쁜 범죄”2030년까지 AI 팩토리 500개 보급내연차→전기차 전환 100만원 지원 이재명 대통령이 17일 경찰의 집회·시위 진압 인력을 재배치할 것을 지시했다. 검찰청 폐지와 맞물려 경찰의 수사 인력을 더 늘려 민생 치안을 강화하겠다는 의도로 풀이된다. 이 대통령은 이날 정부세종컨벤션센터에서 열린 경찰청 등을 대상으로 한 업무보고에서 “집회 참여 인원이 계속 줄어들고 있으니 시위 진압에 너무 많은 역량을 소진할 필요가 없다”면서 “범죄가 예전과 달리 복잡해지고 있는 만큼 수사를 위한 인력이 더 필요하다”며 집회 대응 인력을 줄일 것을 지시했다. 이에 경찰청은 “검찰청 폐지 등을 이유로 경찰의 수사 인력을 늘릴 필요가 있다”며 경비 인력 등의 조정을 통해 수사관을 1000명 넘게 전환 배치하겠다고 밝혔다. 경찰은 기존 기동대 인력을 보이스피싱·마약범죄 대응, 초국가 범죄·외사정보부 복원, 파출소·피해자 보호 등 민생 치안 부서로 재배치할 방침이다. 이 대통령은 인터넷 순위 조작이나 매크로 프로그램을 활용한 여론 조작을 ‘나쁜 범죄 행위’라고 지적했다. 그는 “유튜브, 기사 댓글, 커뮤니티에 명백한 가짜뉴스가 횡행하는데, 조직적·체계적으로 의도를 갖고 유포하는 사례도 있다”면서 “가짜뉴스라는 시각에서 접근하면 ‘명예훼손’에 해당하는지 논란이 있을 수 있지만, 포털 순위를 조작하려고 기술을 활용하는 건 명예훼손이 아니라 업무방해”라며 이를 방치하는 포털사이트를 겨냥했다. 한편 김정관 산업통상부 장관은 이날 업무보고에서 삼성전자·현대자동차·LG전자 등이 참여하는 ‘M.AX(제조업 AI 전환) 얼라이언스’를 중심으로 AI 팩토리를 내년에 100개 짓고 2030년까지 500개로 늘려 나가겠다고 밝혔다. AI 팩토리란 AI를 적용해 생산성을 높인 제조 공장을 뜻한다. 친환경 전기차 보급 확대를 위해 내년 전기차 충전기를 7만기 보급하고 전기차 전환 지원금도 최대 100만원까지 지원한다. 첨단산업 경쟁력 강화를 위한 지원도 확대한다. 구체적으로 자동차·가전·로봇 등 수요산업과 연계한 AI 반도체(NPU)를 개발하고, 국가 1호 상생 파운드리를 구축해 국내 팹리스 규모를 10배로 확장한다. ‘꿈의 배터리’로 불리는 전고체 배터리를 포함한 차세대 배터리 기술 개발에 1800억원 규모의 연구개발(R&D) 예산을 지원한다. 2000억 달러(약 296조원) 규모로 조성되는 대미 투자 펀드는 한국 기업이 주도적으로 참여해 투자가 국내로 환류될 수 있는 구조로 설계할 방침이다. 김 장관은 이날 조직문화 개선 방안으로 ‘가짜 일 30% 줄이기’를 제시했다. 가짜 일이란 상사 눈치 보기, 보여 주기식 행사와 불필요한 보고서 작성 등을 의미한다. 김 장관의 설명을 들은 이 대통령은 “재미있는 아이템 같다”며 “다른 부처도 동시에 진행하도록 하라”고 주문했다. 김성환 기후에너지환경부 장관은 업무보고에서 2030년 국가 온실가스 감축 목표 이행을 위해 재생에너지 100GW 보급, 에너지고속도로 구축 등을 과제로 제시했다.

광주 군 공항이 전남 무안으로 옮겨간다. 무안국제공항은 호남 거점 공항인 ‘김대중국제공항’으로 거듭난다. 서남권 최대 현안이었으나 3개 지방자치단체와 3개 정부 부처의 이해관계가 엇갈리며 20년 가까이 표류하던 ‘광주 민·군 공항 통합 이전’ 사업이 대통령실 주도로 전격 합의에 이른 것이다. 광주시는 17일 광주도시공사에서 열린 대통령실 주관 ‘광주 군 공항 이전 6자 협의체’ 첫 회의에서 18년간 진척이 없던 이전 사업에 대한 합의가 이뤄졌다고 밝혔다. 이날 회의에는 김용범 대통령실 정책실장과 강기정 광주시장, 김영록 전남지사, 김산 무안군수, 구윤철 기획재정부 장관, 안규백 국방부 장관, 강희업 국토교통부 2차관이 참석했다. 6자 협의체는 공동 발표문을 통해 ‘광주시·전남도·무안군은 광주 군 공항 이전이 원활하게 추진되는 것이 각 지역 발전을 위한 중대한 계기가 되고, 주민 이익에도 부합한다는 데 뜻을 함께했다’고 밝혔다. 이에 더해 정부는 ‘이 사업이 국가균형발전의 중요한 과제임을 확인하며, 완전한 이행을 보장하기 위해 적극 지원하고 최선의 노력을 다하겠다’고 강조했다. 이재명 대통령은 페이스북에 “국민주권정부 출범 이후 (지난 6월) 첫 타운홀 미팅에서 제기된 현안이었기에 오늘의 합의는 더욱 각별한 의미로 다가온다”며 “지역사회를 갈라놓았던 갈등을 대립이 아닌 협력으로, 충돌이 아닌 상생으로 전환한 모범 사례가 될 것”이라고 썼다. 6자 협의체는 무안 지원 방안에 공을 들였다. 무안 주민 지원 사업과 관련해 광주시와 정부가 모두 1조원을 투입하기로 했다. 정부가 3000억원, 광주시가 1500억원을 부담하고 나머지 5500억원은 ‘기부 대 양여’(민간의 대체시설 기부채납+용도폐지 국유재산의 무상 양도) 차액으로 충당할 계획이다. 또 전남도와 정부는 무안 발전을 위해 국가 농업 인공지능 전환(AX) 플랫폼 구축, 에너지 신산업, 항공 유지·보수·정비(MRO)센터 등 첨단산업 기반 조성 및 기업 유치를 추진한다. 정부는 무안국가산업단지 지정에도 나선다. 특히 정부는 무안공항을 서남권 거점으로 키우기 위해 호남지방항공청을 신설한다. 또 공항 명칭을 김대중공항으로 바꾸는 방안을 적극 검토하기로 했다. 군 공항 부지를 일부 임대해 운영 중인 광주공항 국내선은 호남고속철도 2단계 개통(2027년 말)에 맞춰 이전하기로 했다. 군 공항의 경우 시기가 특정되지 않았으나 ‘신속 이전’이 국방부 입장이다. 정부는 이전 사업의 원활한 추진을 위한 관련 특별법 개정에도 적극 협력하기로 했다. 무안군의 경우 정부와 광주시, 전남도의 약속 이행에 기반해 제반 절차 진행에 적극 협조할 예정이다. 김 군수는 “합의안에 무안군의 요구 내용이 반영됐다”며 “군민 찬성을 이끌어 내기 위해 6자 협의체를 통해 지속 협력할 것”이라고 말했다. 광주시는 이르면 이달 내로 국방부가 무안을 ‘군 공항 예비 이전 후보지’로 지정하고 내년 말에는 주민투표를 통해 무안이 이전 후보지로 최종 확정될 것으로 내다봤다. 군 공항이 떠난 부지에는 ‘광주형 실리콘밸리’가 조성된다. 부지 면적은 8.2㎢(약 248만평) 규모로 광주 신도심 상무지구의 2.5배다. 매각 가격은 10조원대로 추산된다. 강 시장은 “군 공항 이전 사업은 광주·전남의 미래를 새롭게 설계하는 대장정”이라며 “무안은 명실상부한 공항 도시로 우뚝 서고 광주는 실리콘밸리를 갖추는 등 서남권 관문 공항 시대를 열겠다”고 말했다.

정청래 더불어민주당 대표가 17일 강원 춘천과 강릉을 차례로 방문하며 내년 지방선거를 앞둔 강원 민심 공략에 나섰다. 정 대표는 이날 춘천 강원도당 대회의실에서 열린 강원 현장 최고위원회의에서 “강원에 대한 특별한 사랑을 품고 오늘 춘천에 왔다”면서 “강원도 전문가이신 의원들, 지역위원장과 머리를 맞대 강원특별자치도가 이름 그대로 진짜 특별도가 될 수 있도록 특별하게 챙기겠다”고 강조했다. 내년 지방선거에서 민주당의 험지로 평가받는 강원 지역 탈환을 노리는 민주당은 이재명 정부의 내년도 예산에 반영된 강원 지역사업을 강조하며 집권여당에 대한 지지를 호소했다. 정 대표는 “내년 예산안에 영동 가뭄 해결을 위한 435억원의 예산이 배정되었다”면서 “원래 정부안에는 312억원이었는데 123억 2800만원을 추가로 국회에서 확보했다”고 설명했다. 그러면서 “해수 담수화, 지하수 저류 댐 등 필수 인프라 구축의 초선이 마련되어 근본적인 해결이 가능하게 됐다”고 덧붙였다. 특히 정 대표는 “대한민국 발전의 핵심 과제인 국가균형발전 강원특별자치도가 앞장서야 한다”면서 “지난해 9월 송기헌 의원께서 공동 발의한 강원 특별법 3차 개정안에는 미래산업 글로벌 도시 비전을 뒷받침하는 첨단산업 특례와 자치권 강화 내용이 핵심 내용으로 담겨있다”고 소개했다. 이어 강원 교통망 확충뿐만 아니라 의료 분야 인공지능(AI) 전환(AX) 첨단 산업 프로젝트, 의료 반도체 실증 플랫폼 구축 사업, 관광·에너지·접경지역 개발 등 지역 현안을 거론하며 “민주당이 앞장서 해결할 수 있도록 최선을 다하겠다”고 언급했다. 황명선 최고위원은 국민의힘 소속 김진태 강원지사의 강원도정 성과에 대해 “정말 볼품없었고 논란과 불신만 키웠다”면서 “김 지사의 실언이 불러온 레고랜드 사태는 무책임한 도정이 어떻게 금융시장을 흔들고 대한민국 경제까지 위태롭게 만들었는지 생생하게 보여줬다”고 지적했다. 그러면서 “김진태 도정 4년은 도지사로서 자격이 없다는 것을 스스로 증명하고 있다”면서 “강원도에는 논란과 의혹을 만드는 사람이 아니라 실력과 성과로 만드는 진정한 일꾼이 필요하다”고 강조했다. 서삼석 최고위원은 “철원·화천·양구 등 접경지역은 군사시설보호법 등 중첩된 규제로 인해 경제활동과 지역발전에 심각한 제약을 받고 있다”면서 “심지어 국방개혁 등으로 군부대가 떠난 후 남겨진 유휴부지조차 제대로 활용되지 못하고 있는 것이 오늘날 현실”이라고 지적했다. 서 최고위원은 “이제는 국방부를 비롯한 정부 관계 부처가 책임 있게 나서서 이 유휴부지를 조속히 지방으로 이양해 지역발전의 기반으로 삼을 때”라면서 “강원도 주민들은 오랜 세월 국가 안보를 위해 희생하고 헌신해왔다. 이제는 정부와 당이 실질적인 지역 발전으로 그 헌신에 보답해야 할 때”라고 했다. 정 대표를 비롯한 당 지도부는 이날 오후에는 강릉 중부새마을금고 회의실에서 ‘강릉 물 부족 예산 확보 보고회’를 열어 지난여름 같은 가뭄 사태 방지를 위한 당과 정부의 노력을 강조했다. 정 대표는 “도시에 물이 부족하다고 대통령이 직접 현장에 와서 그걸 막 토론하고 묻고 듣고 지시하고 하는 경우도 예전에 우리가 잘 못 보았던 대통령의 모습”이라면서 “저희가 예산을 확보하고 이렇게 보고를 드릴 수 있는 것도 따지고 보면 저 당 대표 덕분이 아니라 대통령 덕분”이라고 치켜세웠다. 민주당 소속 강원 지역구 의원인 송기헌, 허영 의원을 언급하면서는 “더 많은 국회의원을 소개시켜 드리고 싶은데 두 분밖에 없다”면서 “‘더 많았으면 얼마나 더 좋았을까’ 그런 생각이 든다. 다음엔 국회의원 더 많이 소개시켜 줬으면 좋겠다”고 했다.