2040년 최대 1만 1000명 증원 필요새달 보정심 거쳐 의대 정원 확정의협 “교육 여건보다 숫자만 맞춰” 의대 정원 규모를 정하는 ‘의사인력 수급추계위원회’(추계위)가 2040년 국내 의사가 최대 1만 1136명 부족할 것이라는 추계 결과를 내놨다. 2035년에는 최대 4923명의 인력 부족이 발생할 것으로 추정했다. 정부는 추계를 토대로 다음 달 2027학년도 이후 의대 정원을 확정할 방침인데, 부족분을 고려하면 10년 또는 15년간 매년 500명씩 늘리는 방안이 유력해보인다. 의대 증원 논의가 다시 탄력을 받는 가운데, 대한의사협회(의협)가 투쟁을 예고하는 등 제2의 의정 갈등 가능성도 고개를 들고 있다. 추계위는 30일 회의를 열고 2035년과 2040년을 기준으로 한 의사 수급 추계 결과를 심의·확정했다고 밝혔다. 현재 의료 이용량과 인구 구조를 반영해 추산한 결과, 2040년 의사 수요는 14만 4688명에서 최대 14만 9273명으로 예상됐다. 반면 의사 공급은 13만 8137명에서 13만 8984명에 그칠 것으로 전망됐다. 부족분은 최소 5704명에서 최대 1만 1136명이다. 이를 15년으로 나누면 매년 최소 380명에서 최대 742명, 중간값 기준으로는 연 561명 수준의 증원이 필요하다는 계산이 나온다. 의사 공급은 현재 전국 40개 의대 총정원 3058명을 기준으로, 매년 새로 배출되는 의사 가운데 실제로 진료에 나서는 인원만 반영하고, 사망이나 은퇴로 현장을 떠나는 의사를 제외하는 방식으로 계산했다. 이 같은 조건을 적용하면 2040년까지 최대 1만 1136명의 의사 인력을 추가로 확보해야 한다는 것이 추계위의 판단이다. 연도를 2035년으로 좁히면, 의사 수요는 13만 5938명~13만 8206명, 공급 13만 3283명~13만 4403명으로, 최대 4923명의 인력 부족이 발생할 것으로 추정됐다. 10년간 최대치(4923명)를 해소하려면 연 500명 안팎의 증원이 필요하다. 추계위는 다만 의사 수요와 공급 모두 미래 의료 환경 변화에 따라 달라질 수 있다고 밝혔다. 인공지능(AI) 도입에 따른 생산성 변화, 근무 일수 변화, 의료 이용 적정화 정책 등을 반영한 시나리오 분석도 함께 제시했다. 필요한 증원 규모가 단일 수치가 아닌 범위로 제시된 만큼, 실제 의대 모집인원은 다음 달 중 보건의료정책심의위원회를 거쳐 보건복지부와 교육부 협의로 최종 확정될 전망이다. 의협은 “교육 여건에 대한 심도 있는 고려 없이 숫자만 맞추는 식의 논의는 어불성설”이라고 주장했고, 대한전공의협의회도 “부실한 데이터에 근거해 의대 정원 확대를 정당화하려는 시도”라며 “이전 정부의 일방적 정책과 다르지 않으며 수용할 수 없다”고 반발했다.

의대 정원 규모를 정하는 ‘의사인력 수급추계위원회’(추계위)가 2040년 국내 의사가 최대 1만 1136명 부족할 것이라는 추계 결과를 내놨다. 2035년에는 최대 4923명의 인력 부족이 발생할 것으로 추정했다. 정부는 추계를 토대로 다음 달 2027학년도 이후 의대 정원을 확정할 방침인데, 부족분을 고려하면 10년 또는 15년간 매년 500명씩 늘리는 방안이 유력해보인다. 의대 증원 논의가 다시 탄력을 받는 가운데, 대한의사협회(의협)가 투쟁을 예고하는 등 제2의 의정 갈등 가능성도 고개를 들고 있다. 추계위는 30일 회의를 열고 2035년과 2040년을 기준으로 한 의사 수급 추계 결과를 심의·확정했다고 밝혔다. 현재 의료 이용량과 인구 구조를 반영해 추산한 결과, 2040년 의사 수요는 14만 4688명에서 최대 14만 9273명으로 예상됐다. 반면 의사 공급은 13만 8137명에서 13만 8984명에 그칠 것으로 전망됐다. 부족분은 최소 5704명에서 최대 1만 1136명이다. 이를 15년으로 나누면 매년 최소 380명에서 최대 742명, 중간값 기준으로는 연 561명 수준의 증원이 필요하다는 계산이 나온다. 의사 공급은 현재 전국 40개 의대 총정원 3058명을 기준으로, 매년 새로 배출되는 의사 가운데 실제로 진료에 나서는 인원만 반영하고, 사망이나 은퇴로 현장을 떠나는 의사를 제외하는 방식으로 계산했다. 이 같은 조건을 적용하면 2040년까지 최대 1만 1136명의 의사 인력을 추가로 확보해야 한다는 것이 추계위의 판단이다. 연도를 2035년으로 좁히면, 의사 수요는 13만 5938명~13만 8206명, 공급 13만 3283명~13만 4403명으로, 최대 4923명의 인력 부족이 발생할 것으로 추정됐다. 10년간 최대치(4923명)를 해소하려면 연 500명 안팎의 증원이 필요하다. 추계위는 다만 의사 수요와 공급 모두 미래 의료 환경 변화에 따라 달라질 수 있다고 밝혔다. 인공지능(AI) 도입에 따른 생산성 변화, 근무 일수 변화, 의료 이용 적정화 정책 등을 반영한 시나리오 분석도 함께 제시했다. 필요한 증원 규모가 단일 수치가 아닌 범위로 제시된 만큼, 실제 의대 모집인원은 다음 달 중 보건의료정책심의위원회를 거쳐 보건복지부와 교육부 협의로 최종 확정될 전망이다. 의대 정원은 2006년부터 18년간 3058명으로 동결됐다가, 윤석열 정부 시절인 2024년 의료개혁으로 2025학년도에 1509명 증원(총 4567명)됐다. 이후 의사단체의 집단 반발로 2026학년도 정원은 다시 3058명으로 환원됐다. 의협은 “교육 여건에 대한 심도 있는 고려 없이 숫자만 맞추는 식의 논의는 어불성설”이라고 주장했고, 대한전공의협의회도 “부실한 데이터에 근거해 의대 정원 확대를 정당화하려는 시도”라며 “이전 정부의 일방적 정책과 다르지 않으며 수용할 수 없다”고 반발했다.

서울시가 거주시설 퇴소 장애인에게 지원하는 자립정착금을 4년 만에 올린다. 자립정착금은 시설을 퇴소한 장애인의 주거부터 생활비까지 자립 초기 경제적 부담을 덜어주는 데 사용된다. 시는 ‘거주시설 퇴소 장애인 자립정착금’(자립정착금)을 인당 1500만원에서 내년부터 1700만원으로 200만원 인상한다고 30일 밝혔다. 인상된 자립정착금은 다음 달 1일 퇴소자부터 바로 적용된다. 자립정착금은 시가 지원하는 장애인거주시설에서 1년 이상 거주한 자립 정착을 위해 퇴소하는 기초생활보장 수급자 또는 차상위계층이라면 신청할 수 있다. 1회만 지원되며, 초기 정착에 활용될 수 있도록 퇴소 후 6개월 이내에만 신청 가능하다. 시는 자립정착금이 최초 도입된 2000년 이후 물가 상승, 주거비 부담 등을 고려해 지원액을 단계적으로 올려왔다. 이후 올해 8월 보건복지부 사회보장제도 변경 협의를 거쳐 인상폭을 결정했다. 자립정착금은 실제 수요가 높은 복지서비스다. 한국장애인개발원이 주거지원기관 종사자를 대상으로 ‘장애인의 자립을 위해 지속적으로 필요한 복지서비스’를 조사한 결과, ‘퇴소자 자립정착금 지원’이 89.2%로 가장 높게 나타나 정착금 확대의 필요성이 확인됐다고 시는 설명했다. 시는 올해 지원한 33명을 포함해 2021년부터 올해까지 최근 5년간 총 297명의 장애인에게 자립정착금을 지원했다. 윤종장 서울시 복지실장은 “다양한 자립지원 정책을 꾸준히 발굴·제공해 장애인이 지역사회 구성원으로 안정적으로 정착하고 사회 활동에 폭넓게 참여할 수 있도록 지원해 나갈 것”이라고 말했다.

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.

코스피 시가총액 상위 종목들이 전반적으로 엇갈린 흐름을 보이고 있다. 30일 오후 12시 20분 한국거래소에 따르면, 시가총액 1위 삼성전자(005930)는 현재가 120,400원으로 전 거래일 대비 0.75% 상승하고 있다. 시가총액은 712조 7244억원이며, 거래량은 1173만 1209주다. 외국인비율이 52.34%를 기록하고 있으며, PER은 25.00배, ROE는 9.03%로 수급과 재무 지표 모두에서 안정적인 모습을 보이고 있다. 반도체 대장주인 SK하이닉스(000660)는 648,000원으로 1.25% 상승하며 거래량 240만 3801주를 기록하고 있다. 외국인비율은 53.82%이며, PER 13.21배, ROE 31.06%로 견고한 재무 상태를 유지하고 있다. LG에너지솔루션(373220)은 -2.89% 하락했고, 삼성바이오로직스(207940)는 -0.59%로 약세를 보이고 있다. 삼성전자우(005935)는 -0.61% 하락하며, 현대차(005380)는 0.17% 상승 중이다. HD현대중공업(329180)은 -1.91%의 하락률을 기록하고 있으며, 한화에어로스페이스(012450)는 0.32% 상승하고 있다. 두산에너빌리티(034020)는 -0.78%, SK스퀘어(402340)는 5.92% 상승 중이다. 한편 시가총액 20위권 종목들은 KB금융(105560) 0.00%, 기아(000270) ▼0.25%, 셀트리온(068270) ▼0.83%, 삼성물산(028260) ▼1.04%, NAVER(035420) ▲0.52%, 신한지주(055550) ▼1.03%, 한화오션(042660) ▼1.47%, 현대모비스(012330) ▲0.95%, 삼성생명(032830) ▼0.25%, 한국전력(015760) 0.00% 등의 성적을 기록하고 있다. 시가총액 상위 종목들은 대체로 보합세를 띠는 가운데, SK스퀘어가 두드러진 상승세를 보이고 있다. 반면, LG에너지솔루션과 HD현대중공업은 하락세를 면치 못하고 있다. [서울신문과 MetaVX의 생성형 AI가 함께 작성한 기사입니다]

코스닥 대장주 에임드바이오(0009K0) 6.95% 하락 디앤디파마텍(347850) -6.35%, 에코프로비엠(247540) -5.50%, 에코프로(086520) -5.37% 등락 코스닥 시가총액 상위 종목들이 혼조세를 보이고 있다. 30일 한국거래소에 따르면, 시가총액 1위 알테오젠(196170)은 현재가 449,500원으로 전 거래일 대비 1.21% 하락하고 있다. 시가총액은 24조 509억원에 달하며, 외국인 비율은 14.12%다. PER은 191.44배, ROE는 29.52%로 수급과 재무 지표에서 안정적인 모습을 보이고 있다. 에코프로비엠은 현재가 147,700원으로 5.50% 하락하며 거래량은 319,283주를 기록하고 있다. 시가총액은 14조 4453억원이며, 외국인 비율은 11.88%다. PER은 4,615.62배, ROE는 -6.26%로 나타나고 있다. 에코프로는 91,700원으로 5.37% 하락하였고, 에이비엘바이오(298380)는 3.36% 하락하고 있다. 레인보우로보틱스(277810)는 2.21% 하락했으며, HLB(028300)는 5.20% 상승하고 있다. 코오롱티슈진(950160)은 1.53% 상승, 리가켐바이오(141080)는 2.29% 하락, 펩트론(087010)은 1.58% 하락, 삼천당제약(000250)은 1.08% 하락하고 있다. 한편 시가총액 20위권 종목들은 리노공업(058470) ▼1.31%, 파마리서치(214450) ▲0.12%, 디앤디파마텍 ▼6.35%, 보로노이(310210) ▼4.55%, 로보티즈(108490) ▼3.18%, 원익홀딩스(030530) ▲1.05%, 에임드바이오 ▼6.95%, 케어젠(214370) ▼3.74%, 클래시스(214150) ▼0.55%, 이오테크닉스(039030) ▲1.50% 등의 성적을 기록하고 있다. 시가총액 상위 종목들은 대체로 혼조세를 보이며, 에임드바이오와 디앤디파마텍이 눈에 띄는 하락세를 보이고 있다. 반면, HLB는 강세를 나타내고 있다. [서울신문과 MetaVX의 생성형 AI가 함께 작성한 기사입니다]

농협중앙회 광주본부는 이철호(54) 신임 본부장이 내년 1월 1일 취임한다고 30일 밝혔다. 이 본부장은 1997년 농협중앙회에 입사해 영암군지부 단장, 기획실 국장, 전남검사국장, 원예수급부 국장, 인사총무부 국장, 경영혁신처장 등을 역임했다. 이 본부장은 “현장 중심의 경영을 바탕으로 소통을 강화할 것”이라며 “농업·농촌과 지역 사회가 함께 성장할 수 있도록 농협의 역할을 충실히 하겠다”고 말했다.

서울 동작구는 겨울철 난방에 어려움을 겪는 취약계층을 위한 ‘한파 대피 목욕탕’을 2곳 더 늘려 운영한다고 30일 밝혔다. ‘한파 대피 목욕탕’은 구가 지역 내 목욕탕과 협약을 체결해 한파특보(주의보·경보) 발령시 대피 시설로 운영할 수 있도록 하는 사업이다. 지난달 ▲광성사우나(사당로29가길 47) ▲장성그랜드사우나(장승배기로 113) ▲드봉여성전용사우나(서달로14가길 20)등 3곳에 12월 2~3일 총 139명이 방문했다. 구는 여기에 ▲블루스톤사우나(현충로 131) ▲워터힐스파(신대방1가길 38)를 새롭게 추가해 총 5곳으로 ‘한파 대피 목욕탕’을 운영한다. 이는 서울 자치구 중 가장 많다. 구는 대상자가 한파 대피 목욕탕을 편리하게 이용할 수 있도록 개별 안내 문자(알림톡)를 지속적으로 발송할 예정이다. 한파특보가 발효되면 대상자는 신분증과 안내 문자 또는 수급자 증명서를 지참해 지정 목욕탕을 방문하면 된다. 방문 시 입장료, 찜질복 사용료, 야간 이용료 등이 지원된다. 단, 식·음료, 이발·세신 등 부가서비스 비용은 제외다. 박일하 구청장은 “겨울철 한파로부터 취약계층의 건강과 안전을 지키기 위해 ‘한파 대피 목욕탕’을 확대했다”라며, “앞으로도 주민 생활과 밀접한 맞춤형 복지 정책을 추진해 나가겠다”라고 말했다.

경기도가 체납처분이 불가능해 회수가 어려운 소송비용 채권을 추적해 1억 6800만 원을 회수했다고 30일 밝혔다. 소송비용 채권은 경기도를 상대로 한 행정·민사소송에서 패소한 상대방에게 소송비용액확정결정에 따라 부과되는 사법상 채권이다. 이는 공법에 따른 지방세나 일반 세외수입과 달리 체납처분이 불가능한 탓에 압류와 강제집행 같은 절차 모두 법원을 통해 진행해야 하는 ‘고난도 채권’으로 분류된다. 경기도는 올해 1월부터 소송비용 채권에 대한 실태조사와 집중 회수를 진행한 결과 소송비용 채권 총 158건, 3억 1500만 원 중 44건, 1억 6800만 원을 징수했다. 다만, 도는 회수가 사실상 불가능하다고 판단되는 채권 19건(7300만 원)에 대해서는 관련 법령에 따라 추심을 포기했다. 이는 기초생활수급자나 개인회생·파산면책 대상자, 사망·실종 등으로 집행 자체가 불가능한 경우거나 채권액이 강제집행에 소요되는 비용보다 적어 실익이 없는 소액 채권이다. 경기도는 남아 있는 미회수 채권 95건, 7400만 원에 대해 재산조회와 강제집행을 이어갈 계획이다. 노승호 경기도 조세정의과장은 “소송비용 채권은 제도적으로 회수가 쉽지 않지만, 포기하지 않고 법적 절차를 끝까지 진행해 의미 있는 결과를 거둘 수 있었다”며 “앞으로도 한 푼의 공공 재원도 허투루 넘기지 않겠다는 각오로 채권 관리에 최선을 다하겠다”라고 강조했다.

Q. 아동 치과 주치의 시범사업이란. A. 아동이 학기마다 1회씩(최대 6회) 지정된 치과 주치의를 방문해 구강검진과 교육, 예방 서비스를 정기적으로 받는 제도다. 현재 서울·광주·대전·세종과 강원 원주, 전남 장성, 경북 경주·의성, 경남 김해 등 9개 지역에서 2027년 2월까지 시범 운영 중이다. Q. 참여 대상은. A.2025년 기준 1·2·4·5학년이 대상이다. 내년 3월부터는 전 학년(1~6학년)으로 확대된다. 해당 지역에 주민등록 돼 있더라도 그 지역 초등학교에 재학하지 않으면 참여할 수 없다. Q. 제공 서비스와 비용은. A.치아 발육·건강 상태를 확인하고, 구강 보건교육, 불소도포 등 예방 서비스를 제공한다. 건강보험 가입자와 피부양자는 진료비의 10%를 부담한다. 의료급여 수급권자와 차상위 본인 부담 경감 대상자는 본인 부담금이 없다. 다만 치아 홈 메우기나 충치 치료 등 추가 진료는 별도 비용이 발생할 수 있다. Q. 신청 방법은. A. 시범사업 참여 의료기관에 신청하면 된다. 참여 기관은 국민건강보험공단 홈페이지 또는 모바일 앱 ‘The건강보험’의 ‘병(의)원 찾기’ 메뉴에서 확인할 수 있다.

내년부터 국민연금 보험료율이 현행 9%에서 9.5%로 오른다. 지난 3월 이뤄진 국민연금 개혁에 따른 조치다. 29일 보건복지부에 따르면 전체 가입자의 월 평균소득(309만 원)을 기준으로 할 때 직장가입자는 근로자와 사용자가 절반씩 부담해 매달 약 7700원(13만 9050원→14만 6775원)을 더 내게 된다. 지역가입자는 전액을 본인이 부담해 보험료가 월 1만 5400원 늘어난다. 소득이 낮은 지역가입자에게는 결코 가볍지 않은 변화다. 연금 보험료율은 내년 9.5%를 시작으로 2027년 10%, 2028년 10.5% 등 매년 0.5%포인트씩 인상돼 2033년부터 13%로 유지된다. 정부는 보험료 인상에 따른 부담을 완화하기 위해 저소득 지역가입자에 대한 지원을 확대하기로 했다. 내년부터 월 소득 80만 원 미만인 지역가입자는 보험료로 월 최대 3만 7950원을 지원받을 수 있다. 보험료율 인상과 함께 노후 소득 보장도 일부 강화된다. 소득대체율은 기존 41.5%에서 43%로 인상된다. 다만 43% 소득대체율은 내년 이후의 가입 기간에만 적용되며, 이전 가입 기간에는 종전 소득대체율이 유지된다. 이미 연금을 받는 수급자에게는 변화가 없고, 앞으로 보험료를 낼 현세대 가입자가 인상 효과를 보게 된다. 출산·군 복무 크레딧도 확대된다. 현재는 둘째 자녀부터 12개월, 셋째부터 18개월씩 최대 50개월을 가입 기간으로 인정하고 있으나, 내년부터는 첫째 자녀 출산 시에도 12개월이 인정된다. 셋째 자녀부터는 18개월씩 상한 없이 가입 기간이 추가된다. 군복무 크레딧 역시 최대 6개월에서 12개월로 늘어난다. 크레딧은 출산이나 군 복무로 보험료를 내지 못한 기간을 가입 기간으로 인정하는 제도다. 이와 함께 일하는 노인의 연금을 깎는 감액 제도도 완화된다. 내년 6월부터는 월 소득 509만 원 미만은 감액 없이 연금을 전액 받을 수 있다.

경북 경산에서 일가족 5명이 숨진 채 발견된 사건과 관련, 부검 결과 40대 가장은 목을 매 숨졌고 나머지 4명은 경부 압박에 의한 질식사로 추정된다는 소견이 나왔다. 경북 경산경찰서는 30일 오전 9시부터 국립과학수사연구원(국과수)이 변사자 5명에 대한 부검을 실시한 결과 가장인 A(40대)씨는 목맴에 의한 사망, A씨 아내(40대)와 아들(10대)·A씨 부모(70대·60대) 등 나머지 4명은 경부 압박 질식사로 보인다는 예비 부검 소견을 경찰에 전달했다고 밝혔다. 다만 경찰과 국과수는 약물에 의한 중독 가능성 등을 배제할 수 없는 만큼 약독물 검사를 추가로 진행할 예정이며, 최종 사인은 정밀 검사 결과를 토대로 판정할 방침이다. 약독물 검사 결과가 나오기까지는 최소 3주 이상이 소요될 것으로 예상된다. 경찰은 정확한 사망 원인과 범행 동기, 경위 등을 규명하기 위해 수사를 계속하고 있다. 이날 오전에는 국과수 부검과 동시에 전날 사건이 발생한 경산 서부동 아파트 2곳에 대한 현장 감식을 실시했다. 숨진 이들이 발견 당시 비교적 반듯한 자세로 누워있었던 점, 범행에 대한 저항 흔적이 발견되지 않은 점 등을 바탕으로 지인과 친인척 등을 상대로 정확한 사건 경위를 조사하고 있다. 앞서 A씨가 지인에게 “뒷수습을 부탁한다”는 취지의 문자메시지를 보낸 사실이 확인된 만큼, 그가 사망 사건의 핵심적 역할을 했을 것으로 추정하고 A씨의 사망 전후 행적을 중심으로 사건 경위를 집중적으로 들여다보고 있다. 또 숨진 이들의 휴대전화 포렌식과 아파트 주변에 설치된 폐쇄회로(CC)TV 녹화 장면을 확보해 분석하고 있다. 경찰은 CCTV 화면 분석을 통해 사건 직전까지 숨진 이들이 귀가할 때 귀가한 순서와 당시 모습 등을 확인할 계획이다. 행정 당국은 A씨 일가족이 기초생활수급자나 차상위계층은 아니었던 것으로 파악했다. A씨 일가족이 숨진 아파트 일대에서 만난 주민들은 이번 일에 대해 알고 있지 못하거나, 알더라도 말을 극도로 아끼는 모습이었다. 한 주민은 “아파트에서 안 좋은 일이 있었다는 이야기만 들었다”고 말하며 황급히 자리를 떴다. 앞서 지난 28일 오전 경북 경산시 아파트 2곳에서 가장인 A씨와 그의 아내, 10대 아들, 부모 등 5명이 숨진 채 발견됐다. 경찰은 A씨가 보낸 비관적 내용의 메시지를 받은 지인의 신고를 받고 출동해 시신을 발견했다. 현장에서 유서 등은 발견되지 않은 것으로 전해졌다. ※ 우울감 등 말하기 어려운 고민이 있거나 주변에 이런 어려움을 겪는 가족ㆍ지인이 있을 경우 자살예방 상담전화 ☎ 109 또는 자살예방 SNS상담 ‘마들랜’에서 24시간 전문가의 상담을 받을 수 있습니다.

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.

서울 강남역 인근에서 근무하는 회사원 김모씨는 올해 초 5000만원을 달러로 환전해 미국 주식에 투자했다. 고환율 국면에서 환차익과 주가 상승이 겹치며 수익이 쌓였지만, 지난 24일과 26일 환율이 급락하자 그는 보유 물량의 절반을 서둘러 매도했다. 김씨는 “내년에 미국 주식을 다시 사야 할지, 국내 주식으로 옮겨야 할지 판단이 쉽지 않다”고 말했다. 외환당국이 강도 높은 구두개입과 환율 안정 정책을 잇달아 내놓으면서 원달러 환율이 두 거래일(24·26일) 동안 30원 넘게 떨어졌다. 지난 26일 원달러 환율은 주간 거래 종가 기준 1440.3원으로, 11월 4일(1437.9원) 이후 한 달 반 만에 가장 낮은 수준을 기록했다. 전문가들은 28일 연말까지 큰 반등 없이 환율이 1450원 아래에 머물 것으로 전망했다. 백석현 신한은행 S＆T센터 이코노미스트는 “단기적으로 환율이 오르는 관성이 꺾인 데다 심리적 저항이 생겨 최소한 연말까지 당국의 존재감이 환율을 눌러둘 가능성이 크다”면서 연말 종가를 1400∼1420원대로 예상했다. 다만 고환율이 ‘뉴노멀’로 굳어진 상황에서 내년까지 안정세가 이어질지는 불투명하다는 평가가 많다. 올해 평균 환율 자체가 이미 ‘역사적 고점’ 구간에 들어섰기 때문이다. 한국은행 경제통계시스템에 따르면 26일까지 집계된 올해 평균 원달러 환율은 1421.9원으로, 외환위기 직후였던 1998년(1394.9원)보다도 높다. 연간 평균 기준으로 역대 최고치다. 대외 여건을 봐도 고환율 기조가 쉽게 꺾이기 어려운 흐름이다. 최근 한은 뉴욕사무소가 공개한 ‘2026년 미국경제 전망 및 주요 이슈’ 보고서에 따르면 내년 미국의 정책금리 인하는 한두 차례에 그치고 3분기 이후 인하 사이클이 종료될 가능성이 크다. 한미 금리 역전 해소에 대한 기대가 약해지면서 원달러 환율이 다시 상승 압력을 받을 수 있다는 의미다. 이런 가운데 시장의 관심은 정부의 ‘달러 수급 관리’가 내년에도 효과를 낼 수 있을지에 쏠린다. 일각에서는 지난 24일 정부가 구두개입을 넘어 실제로 외환보유액을 활용해 실제로 달러를 시장에 풀었을 가능성도 제기한다. 한은에 따르면 지난달 말 우리나라의 외환보유액은 약 4306억 달러(약 622조원)로 6개월 연속 증가했다. 여기에 국민연금이 ‘전략적 환헤지‘에 나섰다는 소식이 전해진 26일에는 환율이 장중 1429.7원까지 떨어졌다.

최양희 한림대 총장인재들에게 맞는 고액 연봉사회적 위상·연구 환경 주면외국으로 나가지 않아바이오·헬스케어 분야반도체처럼 육성해야박인규 과기부 혁신본부장기초 연구 인재들어떤 산업도 적응 가능애플·MS 美대기업처럼지방에 골고루 있다면지역 인재 모여들 것윤성로 서울대 교수우수한 인재들 줄어들면 기업 경쟁력까지 약해져대학 인프라 매우 열악학생들 연구 제대로 못 해 기업의 기부 문화 절실인공지능(AI), 양자 과학, 바이오, 로봇 등 첨단 전략기술 분야 경쟁력을 확보하기 위해 전세계 각국이 치열한 두뇌 획득 경쟁을 벌이고 있다. ‘세계의 공장’으로 불렸던 중국은 진공청소기처럼 인재를 빨아들여 국가가 거대한 연구소처럼 움직이고 있으며, 일본은 올해도 노벨과학상 수상자를 2명이나 배출하면서 확고한 아시아 기초과학 맹주 자리를 지키고 있다. 반면 우리나라는 고질적인 이공계 인력 부족 문제, 거기다 윤석열 정부 당시 연구개발 예산 삭감 사태 등으로 과학기술 생태계가 흔들리고 있다는 위기감이 높아지는 게 현실이다. 서울신문은 과학기술인재 육성이란 주제로 지난 17일 서울 중구 한국프레스센터에서 ‘과학기술인재육성 죄담회’를 열었다. 안준모 고려대 행정학과 교수 사회로 최양희 한림대 총장(전 미래창조과학부 장관), 박인규 과학기술정보통신부 과학기술혁신본부장, 윤성로 서울대 전기·정보공학부 교수가 미래 한국의 과학기술 경쟁력을 끌어올리기 위한 인재 양성과 과학기술 기반 확보 방안을 주제로 다양한 논의를 했다. -거시적 방향성에 관해서 묻고 싶다. 우리나라에 어떤 인재상이 필요하고, 어느 분야에 과학기술 인재가 필요하다고 보나. 최양희 한림대 총장(이하 최 총장) “어렵고 복합적인 질문이다. 일단 기술과 산업적 관점으로 봤을 때 어떤 인재를 확보해야 하는지 알려면 10년, 20년 뒤에 우리가 그걸 안 했을 때 어떤 불이익이 있을지 생각해야 한다. 모든 산업 분야의 핵심 기초 기술이고 파급효과가 크다면, 전적으로 외국에 의존하면 국가의 주권이나 안보가 위험해질 수 있다. 그런 대체할 수 없는 분야는 어떻게든 해야 한다. 요즘은 파급효과와 함께 융합 가능성도 봐야 한다. 우리나라는 정보기술(IT) 분야 중에서도 반도체 분야는 세계적인 경쟁력을 가진 만큼 절대 놓쳐서는 안 된다. 한국에서 고급 인력이 가장 많이 가는 분야가 의료 분야이기 때문에, 바이오, 헬스케어 분야를 반도체에 이어 두 번째 주력 분야로 잡아 나가는 게 좋다고 본다.” 박인규 과학기술혁신본부장(이하 박 본부장) “과학은 지식을 창출하고, 기술은 그 지식을 이용해 부를 창출한다. 그 돈을 다시 기초과학에 투자해서 지식을 만드는 선순환 구조를 만들어야 한다. 이재명 정부 슬로건이 ‘기술 주도 성장’, ‘모두의 성장’이다. AI나 에너지 같은 전략기술 분야로 3분의 2 정도 예산이 집중된다. 거기에 맞춰서 인재를 육성해야 한다. 한편으로는 미래는 쉽게 예측하기 어렵고, 주도산업도 자주 바뀐다는 점을 명심해야 한다. AI라는 게 이렇게 빨리 다가올 줄 알았나. 기초 연구 인재는 특정 산업에 바로 투입되는 인력이 아닌 어떤 산업이 오더라도 써먹을 수 있도록 변신할 수 있는 인재이니만큼 미래를 위해서는 두 측면의 인재가 모두 중요하다.” -우리나라는 우수 인재들이 의대에 관심을 갖거나, 실리콘밸리처럼 연봉이나 근무 환경이 훨씬 우수한 외국으로 눈을 돌리는 경우가 많아 세계 최고 수준의 AI 인재가 부족하다는 지적이 많다. 인재 수급 불균형에 대해 어떻게 대응해야 하나. 윤성로 서울대 전기정보공학부 교수(이하 윤 교수) “내가 대학에서 AI 분야를 연구하고 학생을 교육하다보니, 그런 문제를 피부로 느끼고 있다. 학교나 연구소, 기업도 마찬가지지만 연구개발과정에서 기술적 난제에 부딪히면 단박에 해결해주는 사람들이 있다. 과거에는 공대에 우수한 학생들이 많이 몰렸지만 지금은 그렇지 않다. 인재 층이 얇아지다 보니 기업 경쟁력을 확보하거나, 연구논문의 핵심 아이디어를 내는 경우가 이전보다 많이 약해졌다. 학교, 연구소 뿐만 아니라 기업에서도 비슷한 상황에 직면한 것으로 알고 있는데, 결국 국가 경쟁력 약화로 이어질 것이 불 보듯 뻔하다. 의대 쏠림 때문이라는 이야기도 있지만 꼭 그렇게 보지는 않는다. 의대 집중 현상이 바이오메디컬 분야 발전의 원동력이 될 수도 있다. 의대에 가더라도 과학기술에 관심을 갖고 의사 과학자를 꿈꾸는 이들도 의외로 많다. 이들을 자연스럽게 연구 현장으로 끌어들이는 정책이 필요하다.” 박 본부장 “학부모나 학생들이 의대 진학을 하려는 이유는 의대를 나오면 인턴, 레지던트를 끝내고 대학교수나 대형 병원, 또는 병원 개업으로 이어져 진로에 대해 예측이 쉽기 때문이다. 과학기술 분야는 다르다. 우수한 학생이라도 과학고에 입학하고, 카이스트 같은 과학기술특성화대에 가고 대학원에 진학하고 교수가 되던지, 기업으로 가든지 하는 모든 과정에서 탈락하는 사람들이 많다. 이런 진로 불안정성이 과학기술 쪽으로 진로를 정하는 걸 주저하게 만드는 요인이 되는 것 같다. 과학기술 공부를 열심히 하면 얼마든지 좋아하는 연구를 평생 할 수 있다는 믿음을 주는 것이 필요하다.” -다른 선진국들의 인재 육성 정책에서 우리가 배워야 할 건 무엇일까. 최 총장 “한국이 ‘AI 3대 강국’이 되기 위해서는 ‘3력’이 필요하다. 바로 ‘인력·실력·전력’이다. 중국을 미국보다 AI 반도체 성능이 떨어진다고 하면 엄청나게 많은 인재가 관련 연구에 투입돼 기술적 열세를 극복한다. 어려운 문제를 끝까지 물고 늘어지는 과학자의 도전 의식, 열악한 상황을 극복하는 정신이 필요한데, 요즘 우리에게서는 찾아보기 힘들다. 돈과 연구자에 대한 사회적 위상, 연구할 환경이 제공되어야 우수 인재들이 외국으로 나가지 않는다. 중국으로 사람들이 몰리는 이유는 간단하다. 이 세 가지를 다 해주기 때문이다. 중국 기업은 연구자에게 연봉 100만 달러를 턱턱 내주고, 미국에서도 과학기술 인재 연봉은 수십만 달러에 이른다. 그렇지만 한국에서는 박사 학위를 받은 뒤 기업에 들어가도 1~2억원 받기 어렵다. 그렇기 때문에 요즘 우리나라 인재들이 외국으로 나가는 것이다. 그걸 애국심이 없다고 비난할 문제가 아니다. 우리도 반도체 최고 전문가들한테 연봉을 5억~10억원씩 준다면 2~3년만 지나도 우수 인재가 반도체 분야로 몰리는 나라가 될 것이다.” 윤 교수 “AI 인재 육성에 국가적인 자원이 들어가고 있는데 우리 연구실을 포함해서 주변을 보면 의외로 AI 인재들이 박사 과정을 마친 뒤에도 갈 곳이 없다는 한탄이 나온다. 그래서 50~75% 정도는 학위를 받은 뒤 곧바로 취업을 못 하는 상황이 벌어지기도 한다. 우리 우수 인재들이 외국으로 갈 수밖에 없는 것은 눈높이 차이로 볼 수도 있겠지만, 기업들이 AI 전공자들을 받아주는 숫자가 급감하고 있기 때문일 수도 있다. 이런 문제가 풀리지 않으면 과학기술 생태계 선순환은 사실상 어렵다고 봐야 한다.” -AI가 연구 개발의 효율성을 높이는 건 분명하지만 학생들이 제대로 학습할 기회를 잃게 만드는 것도 사실이다. AI는 인재 육성의 측면에서 득일까 실일까. 박 본부장 “무조건 득이 된다고 본다. 과거 80년대에는 이공계 학생들이 공학용 계산기를 쓸 때나, 90년대 인터넷으로 자료를 검색할 때 걱정하는 사람들이 많았다. 그런데, 어느 순간 컴퓨터는 정보검색과 연구에서 필수 도구가 됐다. 결국 AI도 과학과 공학 연구에서 공학용 계산기나 인터넷 같은 도구가 될 것이다. 인간은 그 도구를 이용해서 한 걸음 더 도약하는 계기가 되지 않을까 생각된다.” 윤 교수 “득과 실을 물으면 득이 될 수밖에 없다고 생각한다. 물론 실도 있다. 생성형 인공지능 챗GPT가 상용화되기 시작한 게 2022년인데, 그때부터 취업률 분석을 해보면 4년제 졸업자들의 취업률이 2022년 이후에 계속 감소하고 있다. 초급 엔지니어나 사무직들이 영향을 받는 건 분명하다. 흔히 ‘어쏘 변호사’라는 소속 변호사들의 수요가 급감하고, 엔터테인먼트 쪽도 마찬가지라고 한다. 없어지는 것만큼 새로 생기는 직업도 있는 만큼 우리가 역량을 다른 식으로 어떻게 가져가야 할지 고민해봐야겠지만, 인공지능은 과학기술 발전이나 인재 양성 측면에서 결국 득이 될 것이다.” -현대 과학기술 발전을 이끄는 중요한 축이 기업이다. 사실 이 좌담회도 호반그룹이 이공계 우수 인재 양성을 위한 ‘K-과학인재 아카데미’ 출범을 앞두고 열린 것이다. 대학생 대상으로 과학 경연대회도 하고, 중고등학교 과학 영재들한테는 여름 캠프를 열고, 해외 연구소 탐방, 장학금 지급 등도 계획하고 있다. 기업들은 과학기술 인재 육성을 위해서 어떤 역할을 할 수 있을까. 박 본부장 “미국을 보면 애플이나 거대 기술중심 기업들은 캘리포니아에 많다. 마이크로소프트나 아마존은 워싱턴에 있고, GM은 미시간에, 테슬라는 텍사스에 있다. 이렇게 정보 기술 대기업이 지역별로 골고루 있고, 해당 지역에 인력 확보가 가능한 대학들이 있다. 그런 환경에서 우수 인재들이 자연스럽게 나오고, 지역 균형 발전이 가능한 것이다. 이런 측면에서 지금 우리가 시급하게 해야 할 건 정보 기술 분야 대기업이 지방에도 만들어져야 하고, 그 지역 대학들과 클러스터(산학협력단지)를 구성해서 인재들이 모여들 수 있게 환경을 조성하는 것이다.” 윤 교수 “서울대만 놓고 보면 1990년대까지만 해도 국내 굴지의 기업들이 기부한 건물들이 많았다. 하지만 지금은 상황이 달라졌다. 세제 지원도 있어야겠지만, 대학의 인프라가 굉장히 열악하기 때문에 기업들의 기부 문화 활성화를 통해 우수한 학생들이 연구할 수 있는 인프라 구축에도 많이 나섰으면 좋겠다.”

서울 강남역 인근에서 근무하는 회사원 김모씨는 올해 초 5000만원을 달러로 환전해 미국 주식에 투자했다. 고환율 국면에서 환차익과 주가 상승이 겹치며 수익이 쌓였지만, 지난 24일과 26일 환율이 급락하자 그는 보유 물량의 절반을 서둘러 매도했다. 김씨는 “내년에 미국 주식을 다시 사야 할지, 국내 주식으로 옮겨야 할지 판단이 쉽지 않다”고 말했다. 외환당국이 강도 높은 구두개입과 환율 안정 정책을 잇달아 내놓으면서 원달러 환율이 두 거래일(24·26일) 동안 30원 넘게 떨어졌다. 지난 26일 원달러 환율은 주간 거래 종가 기준 1440.3원으로, 11월 4일(1437.9원) 이후 한 달 반 만에 가장 낮은 수준을 기록했다. 전문가들은 연말까지 큰 반등 없이 환율이 1450원 아래에 머물 것으로 전망했다. 백석현 신한은행 S＆T센터 이코노미스트는 “단기적으로 환율이 오르는 관성이 꺾인 데다 심리적 저항이 생겨 최소한 연말까지 당국의 존재감이 환율을 눌러둘 가능성이 크다”면서 연말 종가를 1400∼1420원대로 예상했다. 다만 고환율이 ‘뉴노멀’로 굳어진 상황에서 내년까지 안정세가 이어질지는 불투명하다는 평가가 많다. 올해 평균 환율 자체가 이미 ‘역사적 고점’ 구간에 들어섰기 때문이다. 한국은행 경제통계시스템에 따르면 26일까지 집계된 올해 평균 원달러 환율은 1421.9원으로, 외환위기 직후였던 1998년(1394.9원)보다도 높다. 연간 평균 기준으로 역대 최고치다. 대외 여건을 봐도 고환율 기조가 쉽게 꺾이기 어려운 흐름이다. 최근 한은 뉴욕사무소가 공개한 ‘2026년 미국경제 전망 및 주요 이슈’ 보고서에 따르면 내년 미국의 정책금리 인하는 한두 차례에 그치고 3분기 이후 인하 사이클이 종료될 가능성이 크다. 한미 금리 역전 해소에 대한 기대가 약해지면서 원달러 환율이 다시 상승 압력을 받을 수 있다는 의미다. 이런 가운데 시장의 관심은 정부의 ‘달러 수급 관리’가 내년에도 효과를 낼 수 있을지에 쏠린다. 일각에서는 지난 24일 정부가 구두개입을 넘어 실제로 외환보유액을 활용해 실제로 달러를 시장에 풀었을 가능성도 제기한다. 한은에 따르면 지난달 말 우리나라의 외환보유액은 약 4306억 달러(약 622조원)로 6개월 연속 증가했다. 여기에 국민연금이 ‘전략적 환헤지‘에 나섰다는 소식이 전해진 26일에는 환율이 장중 1429.7원까지 떨어졌다.