경기도가 2026년을 맞아 도민의 삶을 더욱 풍요롭게 만들기 위한 행정제도와 정책을 새롭게 시행한다. 내년부터 달라지는 경기도 주요 행정제도와 정책을 복지·보건, 여성·교육, 노동·경제, 농어업, 환경·교통, 문화·안전 등 등을 중심으로 소개한다. [복지․보건] 경기도 거주 6·25 및 월남전 참전유공자에게 지급하는 참전명예수당을 연 60만 원에서 80만 원으로 인상한다. 사업 방식을 개선한 극저신용대출 2.0을 상반기에 시행한다. 경기극저신용대출 1.0은 2020년 4월 첫 접수를 시작해 2022년까지 신용등급이 낮아 제도권 금융 접근이 어려운 도민을 대상으로 최대 300만 원까지 긴급 생활자금을 연 1% 저금리로 대출 지원했다. 극저신용대출 2.0은 최대 300만 원을 5년 만기 상환하는 기존 방식을 최대 200만 원을 최장 10년 상환하는 방식으로 변경한다. 생성형 AI를 기반으로 다국어 상담 기능을 도입해 체류·노무·생활 등 분야별 맞춤형 안내를 지원하는 이주민 디지털 플랫폼이 가동되고, 미등록 외국인 아동에게도 월 10만 원씩 보육지원금을 지급한다. [노동, 산업·경제] 근로시간 단축제를 도입한 도내 중소·중견기업에 경기도 생활임금 수준의 장려금과 근태관리 시스템 구축을 지원한 주 4.5일제 시범사업을 지속한다. 지난 11월 말 기준 107개 사가 참여한 가운데 내년에 신규 30개 사를 모집한다. 도는 기존 지원금 외 고용장려금을 신설해 1인당 80만 원을 추가 지급한다. 화성, 파주, 의정부, 하남, 동두천 반환공여구역 내 도로, 공원, 하천의 토지매입비와 조성비, 공공기반시설 조성비의 50%를 지원한다. [환경, 도시, 교통, 건설] 1월 1일부터 경기도가 일산대교 요금소를 통과하는 모든 차량의 통행료 50%를 지원한다. 경기도 기후보험 보장 항목이 확대된다. 감염병 진단 시 10만 원을 지급하는 데 지급 기준이 기존 8종에서 지카바이러스 등 10종으로 늘어난다. 온열·한랭 질환, 기후재해 사고를 원인으로 한 사망 시 200만 원 보장, 응급실 진료 시 10만 원 보장 항목이 신설된다. 기후행동 기회소득 지급 대상이 다른 지역에 주소지를 둔 경기도 소재 대학 재학생까지 지원 범위가 확대된다. [기타] 가족돌봄수당에 참여하는 시군이 2025년 14곳에서 26곳으로 늘어나고 경기도 거주 청년 신혼부부 2880쌍에게 50만 원의 복지포인트를 지원한다. 경기도 거주 청년 약 4,400명을 대상으로 건강검진과 예방접종을 위한 비용을 1인당 최대 20만 원까지 지원한다. 여성청소년 생리용품 보편 지원과 112신고 폭력 피해자 지원 바로희망팀, 언제나 어린이집을 운영하는 시군도 늘어난다. 경기도 중장년 인턴(人-Turn) 캠프 지원 대상 인원도 120명에서 150명으로 확대된다. 영화, 공연, 전시, 스포츠, 숙박, 액티비티 문화소비를 지원하는 ‘경기컬처패스’ 제휴 분야가 도서, 웹툰까지 총 8개 분야로 확대된다. 1인당 지원금도 연간 2만 5000원에서 6만 원으로 오른다. 단독주택이나 아파트에 거주 중인 기초생활수급자 및 차상위계층의 주택화재 안심보험 가입을 지원한다. 화재 가구 피해 보장 최대 3000만 원, 가재도구 피해는 최대 700만 원이다. 파주 임진각평화누리 내에 9월쯤 안중근평화센터가 문을 열 예정이다.

내년 3월 지역사회 통합돌봄 제도 전면 시행을 앞두고 보건복지부가 관련 정책을 전담할 국장급 조직을 신설하는 등 대대적인 직제 개편에 나섰다. 제도 시행을 석 달 앞두고 ‘통합돌봄 추진본부’ 형태의 임시조직이 ‘상시 행정 체계’로 옮겨갔다. 복지부는 30일 ‘보건복지부와 그 소속기관 직제 일부개정령안’을 공포·시행하고, 지역사회 통합돌봄 정책을 총괄하는 국장급 조직인 ‘통합돌봄지원관’과 산하에 통합돌봄정책과·통합돌봄사업과를 신설한다고 밝혔다. 여기에 제약바이오산업과와 재난의료정책과도 신설했다. 국장급 1개 관과 4개 과가 새로 만들어지는 것은 2020년 2차관 신설 이후 최대 규모의 조직 개편이다. 이번 개편의 핵심은 내년 3월 27일 시행되는 ‘돌봄통합지원법’에 맞춰 통합돌봄을 복지부의 정규 업무 체계 안에 안착시키는 데 있다. 노쇠·장애·질병 등으로 일상생활이 어려운 사람이 요양시설이나 병원이 아닌, 살던 곳에서 의료·요양·돌봄 서비스를 통합적으로 제공받도록 하는 것이 법의 취지다. 복지부는 그간 통합돌봄을 임시조직 형태로 운영해왔다. 2018년 시범사업을 시작한 이후 한시 조직을 통해 제도를 설계하고 지역 실험을 이어왔지만, 법 시행 이후 전국 단위 본사업으로 확대하기에는 행정적 기반이 충분하지 않다는 지적이 제기돼 왔다. 이번 직제 개편은 이러한 한계를 인정하고, 제도를 ‘상설 정책’으로 끌어올리겠다는 판단이 반영된 것으로 보인다. 복지부 관계자는 “통합돌봄은 단순한 복지사업이 아니라 의료·요양 등 돌봄 지원을 지역사회에서 통합 연계해 제공하는 돌봄 패러다임의 전환”이라며 “전담 조직 신설을 통해 대상자 확대와 서비스 연계를 보다 안정적으로 추진할 수 있을 것”이라고 설명했다. 이번 개편에서는 통합돌봄 외에도 제약·바이오 산업 육성을 위한 조직 개편과 재난의료 대응 체계 강화가 함께 이뤄졌다. 제약·의료기기·화장품 산업 육성 예산이 대폭 늘어나면서 기존 보건산업진흥과는 제약바이오산업과와 의료기기화장품산업과로 분리됐다. 국가 재난 발생 시 보건의료 분야 컨트롤타워 역할을 맡는 재난의료정책과도 임시기구에서 정규 직제로 전환됐다. 아울러 복지부는 차세대 사회서비스 정보시스템 구축, 자살 고위험군 관리 강화, 보건의료·복지 행정의 인공지능(AI) 정책 기획 등을 위해 총 39명을 증원했다. 정은경 복지부 장관은 “이번 조직 개편은 새 정부의 보건복지 국정과제를 차질 없이 추진하기 위한 기반을 다지는 과정”이라며 “통합돌봄을 비롯해 지역·필수·공공의료 강화 과제에 안정적으로 대응할 수 있도록 조직과 인력을 지속적으로 보완해 나가겠다”고 밝혔다.

한국교통안전공단(TS)이 자동차검사부터 도로·항공·철도를 폭넓게 아우르는 ‘인공지능(AI) 기반 교통안전 시대’를 열어가고 있다고 30일 밝혔다. 먼저 공단은 지난 10월 13일부터 ‘AI 전담 전문조직’을 신설해 본격 가동 중이다. 세부적으로 이사장 직속 미래전략실을 ‘AI미래전략실’로, 기존 디지털전략실을 ‘AI디지털실’로 각각 확대·개편하고 AI디지털실 산하에는 ‘AI혁신처’를 신설해 조직 개편을 마무리했다. 공단은 연말까지 진행되는 ‘AI 공통 플랫폼 구축 용역’을 통해 AI 대전환을 위한 실행 전략을 구체화 한 중장기 로드맵을 마련할 계획이다. 특히 AI와 디지털기술, 빅데이터 등을 활용해 사고를 예방하는 ‘AI 교통안전 혁신 전략’을 수립한다는 방침이다. 공단은 또 AI 영상 분석 기술을 활용해 운전자의 신호위반과 졸음운전 등 위험 행동을 경고하는 교통안전관리 시범사업을 성공적으로 마무리했다. 이 사업에 참여한 LG전자 창원사업장 통근버스 장거리노선 운전자 안전점수가 48.4점에서 AI 관제 후 82.3점으로 약 70% 향상됐다. 특히 졸음운전은 100% 감소했다. 이어 불법 유턴은 80.3% 감소, 신호 위반은 64.2% 감소, 중앙선 침범은 56.7%, 휴대폰 사용도 44.4% 줄었다. 공단은 AI를 기반으로 한 전기차 배터리 관리체계도 마련했다. 그동안 차량의 성능과 직결되는 핵심 요소인 전기차 배터리 건강상태(SOH)는 검사 결과를 수치로 설명해 운전자가 실제 의미를 파악하기 어렵다는 한계가 있었다. 이에 배터리관리시스템(BMS) 정보를 활용해 차량의 SOH를 분석하고, 차종·연식 등이 비슷한 차량과 비교한 시각자료를 제공해 운전자의 이해를 높였다. 공단은 전기차 검사 결과를 통해 수집한 주행거리, 배터리 충전·방전 이력, 배터리 전압·전류·온도 등 약 20개 항목을 기반으로 정밀 진단·예측 모델링을 개발하기로 했다. 이를 통해 배터리 정비 시기와 정비 예상 비용 등 소비자 맞춤형 정보까지 제공한다. 아울러 공단은 지난 10월 30일 우체국물류지원단과 함께 소포를 배달하는 소형 화물차의 안전 운행과 교통안전 분야 상호 협력을 위한 업무협약을 체결했다. 우체국물류지원단의 업무 차량에 AI 첨단안전장치를 시범 설치해 도로상황과 운전자의 행동을 분석하고, 사고 위험요인이 발생하면 실시간 경보를 통해 교통사고를 예방하도록 했다. AI CCTV로 역사 내 캐리어 낙하 사고도 예방한다. 공단과 공항철도(AREX)는 역사 내 에스컬레이터 이용 시 캐리어 낙하로 인한 안전사고 예방을 위해 ‘객체인식 지능형(AI) 폐쇄회로(CC)TV 기술개발 시범사업’을 공동 추진하기로 했다. 객체인식 지능형 CCTV 기술은 캐리어가 방치되거나 떨어지는 상황을 실시간으로 감지한다. 위험한 상황이 발생하면 즉시 스피커를 통해 “위험! 캐리어를 꽉 잡아주십시오” 등 구체적인 경고 방송을 송출한다. 공단은 여행객과 수하물 비중이 높은 공항철도에 이번 기술을 시범 적용해 데이터를 축적하고, 향후 국토교통부와 철도 운영기관과 협의해 KTX 등 전국 주요 철도역사로 확대 적용할 계획이다. 공단은 “교통안전체계의 인공지능 대전환으로 이용자 중심의 정밀한 교통안전망을 구축해 나가 국민이 안전한 교통환경을 구축할 것”이라고 강조했다.

서울 강남구는 보건복지부 주관 ‘2025 지역복지사업 평가’에서 ‘찾아가는 보건복지서비스’ 부문 우수 지자체로 선정됐다고 30일 밝혔다. 강남구가 복지사업 우수구로 선정된 것은 이번이 세 번째다. 보건복지부는 매년 전국 17개 시도와 226개 시군구를 대상으로 복지 사각지대 해소, 취약계층 지원 성과 등을 종합 평가한다. 강남구는 위기가구 조기 발굴과 맞춤형 보건·복지서비스가 좋은 평가를 받았다고 설명했다. 강남구 복지 서비스의 가장 큰 특징은 단순히 신청이 들어온 문제만 해결하는 것이 아니라 선제적으로 복지 대상과 수요를 발굴하는 것이다. 구는 2024년 사회보장급여 신청 과정에서 부적합 판정을 받은 4199가구를 대상으로 올해 전수 점검을 실시해 지원이 필요한 가구를 재발굴했다. 또 중장년 1인 가구, 가족돌봄청년, 자립준비청년 등 새로운 복지 사각지대로 분류되는 대상군도 별도 관리하고 있다. 구 관계자는 “별도 관리를 통해 올해만 2만 2837건의 복지 서비스를 발굴해 지원했다”고 설명했다. 스마트 기술을 활용한 위기 대응도 확대했다. 복지 사각지대 대상자 6350명을 대상으로 인공지능(AI) 기반 초기상담을 실시하고, 정보통신기술(ICT) 기기와 전문 관제 시스템을 결합한 ‘스마트 안부확인 서비스’도 3223가구를 대상으로 진행하고 있다. 민관협력 기반의 지역 밀착형 사업도 성과를 뒷받침했다. 22개 동에서 건강과 복지를 함께 돌보고 고독사를 예방하는 226개 특화사업을 추진했다. 우체국, 강남구약사회 등 지역 기관과 협력해 위기가구를 발굴하고 필요한 지원을 연계했다. 조성명 강남구청장은 “이번 수상은 현장에서 주민 삶을 직접 살피며 찾아가는 보건복지서비스를 수행해 온 직원들의 노력과 민관협력이 만든 결과”라며 “앞으로도 현장 중심의 서비스를 강화해 위기가구를 선제적으로 발굴하고, 구민 누구도 소외되지 않는 촘촘한 복지 안전망을 구축해 나가겠다”고 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.

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.

팡고지와이, 인터넷 신문 솔루션 ‘팡고링고’ 통해 언론사 창업의 기술·비용 장벽 허물어 AI 기사 작성부터 72개국 번역·배포까지…‘트래픽이 곧 수익’인 미디어 생태계 최적화 월 7만 원대 파격 조건에 커스터마이징 및 자체 광고 수익화 모델까지 지원 AI 기반 디지털 광고 솔루션 기업 팡고지와이의 ‘팡고링고’가 예비 언론사 창업자들 사이에서 ‘창업 필수 선택지’로 떠오르고 있다. 팡고링고는 기사 작성부터 배포, 사이트 관리, 수익화까지 미디어 운영의 전 과정을 AI 기술로 혁신하며, 소규모 창업자도 대형 언론사 못지않은 경쟁력을 갖출 수 있도록 지원하는 인터넷 신문 솔루션이다. 검증된 기술력과 밀착 지원 팡고링고는 디지털 광고 시장에서 풍부한 노하우를 쌓아온 팡고지와이의 기술력을 기반으로 설계돼 탄탄한 시스템 안정성을 자랑한다. 실제 도입 매체들은 팡고링고의 신속한 피드백과 밀착 기술 지원(CS)을 가장 큰 신뢰 포인트로 꼽는다. 팡고링고는 단순한 솔루션 판매를 넘어 창업자의 성공을 돕는 ‘기술 파트너’로서의 역할을 수행한다. AI 기사 보조와 글로벌 번역 신규 언론사가 겪는 가장 큰 어려움은 기사 생산량 부족과 저조한 트래픽이다. 팡고링고는 생성형 AI를 활용한 기사 작성 어시스턴트 기능을 탑재해, 기자가 핵심 키워드만 입력하면 양질의 기사 초안을 작성해주고 문맥까지 다듬어준다. 이를 통해 1인 미디어도 풍부한 콘텐츠를 지속적으로 발행할 수 있다. 특히 국내 독자에게만 머물지 않고 글로벌 시장을 겨냥할 수 있다는 점이 강력한 무기다. 팡고링고는 72개 언어 자동 번역 및 현지 최적화(Localization) 기능을 제공해 클릭 한 번으로 전 세계 100여 개국 독자에게 뉴스를 송출할 수 있다. 여기에 전문가 수준의 검색 엔진 최적화(SEO) 로직이 기본 적용돼 구글 등 주요 검색 포털 상위 노출을 강력하게 지원한다. 독창적 브랜드 정체성 구축 기존의 구독형 언론사 CMS는 정해진 레이아웃 안에서만 운영해야 하는 한계가 있었다. 반면 팡고링고는 창업자가 원하는 기능을 최대한 반영하는 ‘맞춤형 플랫폼’을 지향한다. 천편일률적인 디자인에서 벗어나 각 언론사의 브랜드 정체성을 살린 독창적인 레이아웃 세팅과 기능 개발을 적극 지원해 차별화된 미디어 사이트 구축을 돕는다. 월 7만 원 합리적인 비용과 상생 모델 팡고링고는 초기 자본이 부족한 창업자를 위해 진입 장벽도 획기적으로 낮췄다. 월 7만 원이라는 합리적인 비용으로 ▲월 전송량 500GB ▲저장 공간(HDD) 100GB ▲72개국 AI 자동 번역 등 타사 대비 월등한 스펙을 제공한다. 프로모션으로 1개월 이용료 무료 및 팡고링고의 다양한 AI 유료 기능을 즉시 활용할 수 있는 5만 원 상당의 포인트를 지급해 실질적인 혜택을 더했다. 팡고링고는 단순한 솔루션 제공을 넘어 언론사의 지속 가능한 성장을 돕는 수익화 로드맵도 제시했다. 향후 팡고링고 자체 광고 시스템을 도입해 오픈 초기라 직접 광고 영업이 어려운 신생 언론사도 사이트 트래픽에 비례해 광고 수익을 얻을 수 있는 구조를 마련할 예정이다. 팡고지와이 관계자는 “팡고링고는 기술적인 장벽 때문에 언론사 창업을 주저했던 분들에게 가장 확실한 솔루션이 될 것”이라며 “누구나 팡고링고를 통해 로컬을 넘어 글로벌 미디어 오너가 될 수 있도록 기술 지원을 아끼지 않겠다”고 밝혔다. 서비스에 대한 자세한 내용과 도입 문의는 팡고링고 공식 홈페이지에서 확인할 수 있다.

삼성물산, 차세대 주거 모델 선봬hy, 부설연구소서 균주 연구 활발 KB국민카드, 디지털 혁신에 속도영남이공대, 학생 중심 경영 강화 아파트 부문 1위 ‘삼성물산’삼성물산이 29일 한국생산성본부가 발표한 ‘2025 NCSI(국가고객만족도)’ 조사에서 아파트 부문 28년 연속 1위를 차지했다. 최근 삼성물산은 거주자가 라이프스타일에 맞춰 주거 공간을 자유롭게 디자인할 수 있는 차세대 주거 모델 ‘넥스트홈’을 선보였다. 앞서 지난해에는 기존 홈 플랫폼 ‘홈닉’을 업그레이드한 ‘홈닉 2.0’을 론칭했다. 홈닉 2.0은 관리비 및 월세 납부 등 결제 기능은 물론, 가전과 IoT 기기를 통합 제어하는 ‘매터’(Matter) 기술을 도입해 완결형 홈 플랫폼을 구현하는 입주민 생활 밀착형 서비스다. 아울러 삼성물산은 주거성능연구소를 설립해 결로, 소음, 누수 등 하자 최소화를 위한 공법 개발에 매진해 왔다. 시공 단계부터 엄격한 품질 기준을 적용하는 ‘품질실명제’와 ‘품질시연회’ 등이 대표적이다. 층간소음 해결에도 적극적이다. 건설업계 처음으로 설립된 층간소음연구소는 재료와 구조, 신공법을 망라한 종합 솔루션을 확보했다. 고객 서비스 브랜드 ‘헤스티아’ 역시 진화를 거듭하고 있다. AI 기반의 이미지 분석 기술을 도입한 ‘헤스티아 2.0’ 앱을 통해 입주민의 AS 요청을 실시간으로 분류하고 엔지니어를 배정함으로써 서비스 만족도를 높이고 있다. 우유·발효유 부문 1위 ‘hy’hy가 2025 NCSI 조사에서 우유·발효유 부문 1위에 올랐다. 1997년 조사 시작 이래 28년 연속 수상이다. hy의 경쟁력은 1976년 설립한 기업 부설 연구소에서 나온다. 50년 넘게 축적한 연구 노하우를 바탕으로 현재 전체 연구 인력의 90%가 석박사급으로 구성돼 있다. 이들이 전 세계에서 수집한 5000여종의 균주 라이브러리는 hy만의 핵심 자산이다. 현재 120건 이상의 특허와 다수의 개별인정형 균주를 보유하고 있다. 최근 hy는 건강과 즐거움을 동시에 추구하는 ‘헬시플레저’ 열풍에 맞춰 당, 지방, 첨가물을 줄인 ‘로우스펙’(Low-Spec) 제품 개발에 집중하고 있다. 올해 출시한 ‘야쿠르트 XO’는 독자 발효공법(LF-7)을 통해 당과 지방을 0%로 낮췄다. 또한 스테디셀러 ‘윌’에 작약추출물을 더해 위 건강 케어를 강화한 ‘윌 작약’ 등 기능성 라인업을 고도화했다. 전국 단위 콜드체인망과 1만 1000여명의 ‘프레시 매니저’는 hy만의 차별화한 오프라인 경쟁력이다. 전동 카트 ‘코코’(CoCo)를 활용한 신선 배송은 물론, 3만여명의 홀몸노인을 정기 방문하며 고독사 예방 등 지역사회 안전망 역할을 하고 있다. 신용·체크카드 부문 1위 ‘KB국민카드’KB국민카드가 상품 경쟁력과 디지털 혁신을 결합해 고객 접점을 넓히고 있다. 지난해 4월 출시한 해외 특화 상품 ‘KB국민 트래블러스 체크카드’는 56종 통화 100% 환율 우대와 해외 이용 수수료 면제 등의 혜택을 제공한다. 최근에는 홍콩·마카오 에디션을 내놓으며 라인업을 강화했다. 일상 혜택을 담은 ‘위시(WE:SH) 카드’ 시리즈는 8종의 세분된 맞춤형 혜택을 통해 누적 가입자를 늘리는 등 생애주기별 필수 카드로 자리매김했다. KB국민카드의 디지털 전환 핵심인 ‘KB페이’는 가입자 1500만명을 돌파했다. 온오프라인 전 가맹점 결제는 물론, 타사 카드까지 통합 관리하는 ‘오픈페이’(Open Pay) 기능을 통해 범용성을 확보했다. 단순 결제를 넘어 개인 자산 관리(PFM)와 마이데이터 서비스, 모바일 학생증, 공공 서비스 알림 등 일상 밀접형 서비스를 결합해 금융과 생활의 경계를 허물었다는 평가다. KB국민카드는 소비자 보호를 위해 AI 모델을 활용한 ‘불완전판매 모니터링 자동화 시스템’을 전면 가동 중이다. 또한, 고객 패널 ‘이지토커’의 의견을 경영에 반영하고 있으며, 점자카드 도입 등 금융 취약계층을 위한 ESG 경영에도 앞장선다. 전문대학 부문 1위 ‘영남이공대학교’영남이공대학교는 매 학기 소통의 장을 정례화한다. 수렴된 의견은 ▲현장 중심 교육 강화 ▲최신 산업 트렌드 커리큘럼 개편 ▲취업 연계 프로그램 확대 등에 적극 반영한다. 이런 ‘학생 중심 경영’은 2023~2025학년도 3년 연속 신입생 100% 등록과 12년 연속 NCSI 전문대학 부문 1위라는 성과로 이어지고 있다. 최근 영남이공대는 재학생들의 진솔한 목소리를 대학 운영에 담기 위해 마련한 ‘총장 토크 콘서트’(미팅위크)를 성공적으로 마쳤다고 밝혔다. 학생복지처 주관으로 지난 9월 8일부터 24일까지 총 9회에 걸쳐 진행된 이번 행사는 간호학과, 소프트웨어융합과 등 32개 학과(계열)에서 2100여명의 학생이 참여했다. 특히 학생들이 가장 편안하게 대화할 수 있는 점심시간을 활용해 조별로 자유롭게 의견을 나누는 방식으로 진행됐다. 이재용 영남이공대 총장은 이번 콘서트에서 학생들과 눈높이를 맞추며 대학 생활 만족도, 진로 준비의 어려움, 학과 교육환경 개선 등 실질적인 고민을 경청했다. 학생들은 평소 전하기 힘들었던 건의사항을 제안했으며, 대학 측은 이를 기록해 학사제도 개선과 복지시설 확충에 단계적으로 반영하기로 약속했다.

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.

미중 경쟁을 설명할 때 흔히 ‘신냉전’이라는 말이 등장한다. 하지만 요즘의 싸움은 냉전과도 무역 전쟁과도 닮지 않았다. 총성이 울리지 않는 대신 데이터가 흐르고, 전차 대신 반도체와 알고리즘이 전장을 채운다. 미국의 최근 국가전략 문서를 읽다 보면 전장의 중심에 인공지능(AI)과 첨단 제조, 그 연장선에 로봇이 놓여 있음을 확인할 수 있다. 흥미로운 점은 미국이 이 싸움을 “지금 당장 이겨야 할 전쟁”으로 규정하지 않는다는 사실이다. 전략 문서 속 언어는 강경하지만, 정책의 실제 작동 방식은 놀랄 만큼 계산적이다. 최근 반도체 추가 관세는 유보됐고, 고성능 AI 반도체인 H200의 미국 수출도 허용됐다. 겉으로 보면 모순이다. 그러나 이 모순은 오히려 미국 전략의 핵심을 드러낸다. 싸우지 않기 위해 관리하고, 관리하는 동안 판을 다시 짜겠다는 계산이다. 미중 AI 전쟁은 단순히 누가 더 똑똑한 모델을 만드느냐의 싸움이 아니다. 진짜 경쟁은 AI를 산업과 군사, 국가 시스템 전체에 얼마나 깊숙이 녹여 낼 수 있는가에 있다. 중국은 이미 이 방향으로 움직이고 있다. 공장, 도시, 군부대에 AI를 빠르게 이식하며 규모의 힘으로 밀어붙인다. 미국은 다른 길을 택한다. 핵심 기술의 고지 즉 반도체 설계, 알고리즘, 클라우드 인프라를 틀어쥐고, 응용과 확산의 속도를 조절한다. H200 수출 허용은 바로 이 지점에서 이해해야 한다. 미국은 중국의 AI 개발을 완전히 차단할 수 없다는 것을 안다. 대신 ‘최신을 막고, 한 박자 늦은 접근만 허용’하는 방식으로 경쟁을 관리한다. 그사이 미국은 자국 내 AI 인프라를 폭발적으로 확장시킨다는 구상이다. 데이터센터, 전력망, 첨단 칩 생산라인이 동시에 움직인다. 대중 관리 체제를 띄우면서 결정적 격차를 쌓겠다는 전략이다. AI 전쟁이 머리의 싸움이라면, 로봇은 손과 발의 싸움이다. 트럼프 시대 미국 국가전략이 로봇을 주목하는 이유도 여기에 있다. AI가 아무리 발전해도 그것이 현실 세계를 바꾸려면 결국 물리적 실행 수단이 필요하다. 그 역할을 하는 것이 로봇이다. 실제로 트럼프 행정부는 로봇 산업을 차세대 전략 제조업으로 규정하고 내년 초에 행정명령을 통해 연방 차원의 지원 체계를 가동하는 방안을 준비하고 있다. 상무부와 백악관을 중심으로 산업계와의 협의가 이어지고 있다. 로봇·자동화 기술을 제조업 재건과 공급망 복원, 국방 산업까지 포괄하는 핵심 축으로 끌어올리겠다는 구상이다. 이는 연방 조달, 세제, 규제 완화, 안보 명분을 결합한 ‘국가 전략 산업’ 편입을 염두에 둔 움직임이다. 미국이 노리는 것은 사람이 거의 보이지 않는 공장, 즉 로봇과 AI가 결합된 완전 자동화 제조다. 반도체, 센서, 소프트웨어, 전력, 국방 기술이 하나의 생태계로 묶인다. 이 전략은 중국의 제조업 굴기를 정면으로 겨냥한다. 로봇과 AI가 결합된 초정밀 제조로 넘어갈수록 기술 축적과 시스템 통합 능력이 결정적 변수가 된다. 미중의 기싸움이 계산된 관리 국면으로 접어든 것과 달리 동북아는 충돌의 에너지가 축적되는 시기에 들어섰다. 최근 핵추진 잠수함을 둘러싼 한중일의 신경전은 이 변화를 가장 선명하게 보여 준다. 일본은 대만 유사시를 거론하며 핵잠 도입 가능성을 공개적으로 언급했고, 중국은 이를 자국의 핵심 이익에 대한 도전으로 간주해 외교·군사적 압박 수위를 높였다. 미국의 최근 국가전략은 중국을 ‘가장 중대한 장기적 도전자’로 규정하면서도 단기적 충돌은 관리해야 할 비용으로 분류한다. ‘전면전을 피하되 경쟁은 멈추지 않는다’는 이 전략은 대신 동맹국들의 억지력을 확대하고, 그 억지력이 만들어 내는 긴장을 미국이 관리하겠다는 의미도 있다. 미 국가전략 문서가 반복해서 강조하는 것은 동맹의 역할 확대와 분담이다. 이는 동북아의 긴장을 방치하겠다는 뜻이 아니라 직접 개입의 비용을 동맹 억지력으로 대체하겠다는 계산에 가깝다. 그사이 미국은 AI, 반도체, 첨단 제조 같은 진짜 경쟁 전선에 집중할 시간을 확보한다. 미중 관계에서는 관세 유보와 제한적 기술 허용이 등장하는 반면 동북아에서는 군사적 갈등과 대립이 격화되는 이유다. 오일만 논설위원

보안 합성데이터 및 AI 프라이버시 전문 기업 큐빅(CUBIG)이 공공기관의 개인정보 영향평가 수행 안내서 개정(2025.10)과 개인정보 유출 사고 급증에 맞춰 공공ㆍ금융기관이 합성데이터를 활용해 영향평가와 AI 도입을 동시에 추진할 수 있는 인프라 솔루션 DTS(Data Transform System) 기반 대응 전략을 공개했다. 개인정보보호위원회에 따르면 2025년 1월부터 9월까지 접수된 개인정보 유출 신고 건수는 311건으로 이미 전년도 전체 건수를 넘어섰다. 통신사ㆍ카드사 등에서 수천만 건 규모의 대형 사고가 이어지며 정보주체의 불안이 커지고 있다. 이러한 상황에서 개인정보보호위원회와 한국인터넷진흥원은 공공기관의 개인정보 영향평가 수행 안내서(2025.10 개정)를 공개했다. 이번 개정의 핵심은 인공지능(AI) 평가 분야 및 항목 신설로, AI 시스템 학습ㆍ개발 단계와 운영ㆍ관리 단계에서 발생할 수 있는 개인정보 침해 요인을 분석하고 위험도를 산정하는 기준이 구체화됐다. 안내서는 대규모ㆍ민감 정보 처리 사업에서 사전에 영향평가를 실시하고, 기술적 보호 조치와 대체 수단을 마련할 것을 강조한다. 한편 개인정보보호위원회는 별도의 합성데이터 생성ㆍ활용 안내서를 통해 실제 데이터를 직접 사용하지 않고도 통계적 특성과 구조를 재현하는 합성데이터가 개인정보 유출 위험을 최소화하면서 데이터 분석ㆍ인공지능 학습ㆍ정책 연구를 가능하게 하는 수단임을 제시하고 있다. 큐빅의 DTS는 이러한 정책 흐름에 맞춰 설계됐다. DTS는 공공ㆍ금융기관이 영향평가 과정에서 식별된 고위험 처리 영역을 합성데이터로 대체해 위험도를 구조적으로 낮출 수 있도록 지원한다. 원본 데이터는 기관 내부망에 그대로 두고 통계적 패턴만 학습해 새로운 데이터를 생성하는 원본 비접근(Non-Access) 구조와 차등 정보보호(Differential Privacy) 기술을 결합해 데이터 3법ㆍ개인정보보호법ㆍGDPR 수준의 규제를 충족하면서도 분석ㆍAI 활용이 가능한 AI-Ready 데이터셋을 제공한다. DTS는 표, 텍스트, 이미지, 시계열 등 다양한 형식의 데이터를 합성하고, 합성 후에는 통계적 유사도ㆍ머신러닝 성능ㆍ재식별 위험도를 함께 측정하는 합성데이터 검증 리포트(SynData Report)를 자동으로 생성한다. 이를 통해 기관은 영향평가 보고서에서 요구하는 안전성 및 유용성 검증 근거를 수치와 지표로 제시할 수 있다. 배호 큐빅 대표는 “최근 대형 개인정보 유출 사고가 반복되면서 영향평가만으로는 위험을 서류상으로 관리하는 데 그친다는 우려가 커지고 있다”며 “DTS는 민감한 원본을 직접 쓰지 않고도 정책ㆍ연구ㆍAI 학습에 활용할 수 있는 AI-Ready 합성데이터를 만들고 검증 결과를 영향평가에 바로 첨부할 수 있게 해 공공기관이 규제 준수와 디지털 전환을 동시에 달성하도록 돕는 인프라”라고 밝혔다. 큐빅은 앞으로 공공기관의 개인정보 영향평가 컨설팅, 공공데이터포털 AI-Ready 데이터셋 구축, 부처ㆍ지자체 간 합성데이터 결합 분석 시범 사업 등을 확대해 영향평가 제도와 연계된 합성데이터 활용 모델을 단계적으로 선보일 계획이다.

IT 인프라 전문 기업 링네트(대표이사 이정민)는 부산에서 열린 ‘BWB 2025(Blockchain Week in Busan 2025)’에서 도시형 Web3 금융 인프라 솔루션 ‘CPG(Crypto Payment Gateway)’를 공개하고, 글로벌 스테이블코인 결제 인프라 시장을 겨냥한 ‘디지털 톨게이트’ 전략을 본격화한다고 밝혔다. 이번 발표는 링네트가 최근 BEATOZ 메인넷 블록검증인(Validator) 참여를 계기로, 블록체인 인프라 영역에서 ‘구축(SI) 중심 기업’에서 ‘플랫폼·운영 중심 기업’으로 사업 모델을 확장한다는 점에서 의미가 크다. 링네트가 선보인 CPG(Crypto Payment Gateway)는 스테이블코인 등 디지털 자산이 일상 결제 환경에서 원활하게 사용될 수 있도록 돕는 기업·도시용 결제 미들웨어 플랫폼이다. 글로벌 네트워크, 클라우드 보안, 시스템 운영 등 기반 인프라는 링네트가 담당하고, 블록체인 전문기업 BEATOZ(비토즈)는 아토믹 스왑, 자동 경로 탐색 등 핵심 Web3 엔진을 제공하는 구조다. 기업과 지자체는 CPG를 통해 기존 ERP(전사적 자원관리) 및 결제 시스템을 크게 수정하지 않고도 Web3 결제를 도입할 수 있으며, 결제와 동시에 회계 전표가 자동 생성되는 업무 자동화 효과를 기대할 수 있다. 링네트는 BEATOZ 메인넷 검증인으로서의 기술·운영 경험을 바탕으로, 도시 단위 디지털 자산 결제망을 구축하고 네트워크 상에서 발생하는 트랜잭션 수수료를 수익화하는 ‘디지털 톨게이트’ 전략을 추진한다. 단순 구축 대금에 의존하던 기존 SI 모델에서 벗어나, 인프라 운영(Infra Operation)을 기반으로 한 지속 가능한 반복 수익 구조를 만드는 것이 핵심 방향이다. BWB 2025에서 발표를 진행한 엄태경 링네트 상무는 “연간 112%씩 성장 중인 3,000억 달러(약 420조 원) 규모 스테이블코인 시장이 본격적으로 실물경제와 연결되기 위해서는, 안전하고 튼튼한 ‘결제 도로’가 필요하다”며, “링네트는 도시와 기업이 안심하고 사용할 수 있는 Web3 금융 인프라 고속도로를 구축하고, 그 위를 지나는 트랜잭션을 통해 안정적인 수익 구조를 만들 것”이라고 말했다. 이번 CPG 솔루션은 BEATOZ 메인넷 검증인 참여를 통해 확보한 Web3 인프라 기술 이해도와 운영 경험을 실제 비즈니스 모델로 확장한 첫 사례다. 링네트는 부산 블록체인 규제자유구역 내에서 부산디지털자산거래소(BDAN)와 시민 플랫폼 ‘비단주머니’를 연계하는 도시형 디지털 자산 인프라 실증 사업을 추진하고, 이를 기반으로 모델 고도화에 나설 계획이다. 링네트는 2027년까지 부산에서 검증된 CPG 기반 도시형 Web3 금융 인프라 패키지를 캄보디아 등 동남아 국가를 대상으로 한 G2G(정부 간) 도시 솔루션 수출 모델로 발전시키는 것을 목표로 하고 있다.

AI 블록체인 인프라 기업 오픈렛저(OpenLedger) 가 넷마블 블록체인 전문 자회사 마브렉스(MARBLEX : KRX: 251270)의 투자를 유치하며 전략적 파트너십을 체결했다고 밝혔다. 양사는 이번 협력을 시작으로 AI와 데이터 투명성 기술을 게임, 엔터테인먼트, 콘텐츠 산업 전반으로 확장한다는 계획이다. 또한 글로벌 파트너십 및 공동 연구를 통해 AI와 블록체인의 실질적 결합 모델을 만들어가며, 산업 전반의 신뢰 인프라 구축을 함께 추진할 예정이다. 넷마블은 연 매출 20억 달러 이상, 시가총액 60억 달러 규모의 글로벌 게임 기업으로, 이번 협력은 마브렉스가 오픈렛저의 AI 분야 성장 잠재력과 기술 확장성을 높게 평가한 결과다. 양사는 이번 협력을 통해 검증 가능한 AI(Verifiable AI) 시스템과 탈중앙화 게임 생태계 등 인프라 구축을 함께 추진할 예정이다. 구체적으로는 오픈렛저의 검증형 AI 인프라를 활용하면 넷마블과 같은 게임 기업은 플레이어의 실제 행동 데이터가 게임 환경의 진화에 직접 반영되는 ‘적응형(Adaptive) 게임 월드’ 구축이 가능해진다. 이는 숨겨진 알고리즘이 아닌, 이용자 참여에 따라 변화하는 새로운 형태의 데이터 기반 게임 생태계를 열어갈 것으로 기대된다. 오픈렛저는 탈중앙화 AI(Decentralized AI)를 위한 핵심 인프라를 제공하는 기업으로, AI 모델·데이터·결과물의 생성 및 검증 과정을 온체인에서 기록·관리하는 ‘검증형 AI(Verifiable AI)’ 기술을 개발하고 있다. 이를 통해 기존 중앙화된 시스템에서는 구현하기 어려운 데이터의 신뢰성, 추적성, 투명한 소유 구조를 가능하게 한다. 이번 협력은 게임 혁신과 검증 가능한 인공지능의 강력한 결합을 상징한다는 평이 나온다. 넷마블의 글로벌 네트워크와 게임 생태계가 결합, AI 기반의 투명하고 데이터 중심적인 세계로 나아가는 산업적 변화를 주도한다는 이야기다. 더 나아가 오픈렛저의 검증 인프라가 창의성, 데이터, 커뮤니티 신뢰를 기반으로 한 산업 전반에 필수적인 기반 기술로 자리 잡을 가능성도 높게 제기된다. 오픈렛저 관계자는 “이번 마브렉스와의 협력은 단순한 기술 제휴를 넘어 AI와 블록체인의 융합을 통한 새로운 게임 패러다임의 시작”이라며, “AI가 학습과 적응을 통해 환경·캐릭터·스토리를 실시간으로 변화·발전시키는 ‘4D 게이밍(4D Gaming)’ 시대를 앞당길 것”이라고 말했다. 넷마블의 글로벌 영향력과 방대한 게임 생태계를 기반으로, 이번 협력은 AI 기반 검증형 인프라의 산업 확산을 가속화하며, 블록체인과 AI가 융합되는 차세대 기술 흐름의 핵심 이정표로 평가된다.

삼성SDS가 국내 기업 중 최초로 오픈AI의 ‘챗GPT 엔터프라이즈’(기업용 챗GPT)를 국내 기업에 제공하는 리셀러(재판매) 파트너 계약을 체결했다고 23일 밝혔다. 챗GPT 엔터프라이즈는 일반적인 대중용과 달리 보안 및 개인정보 보호 수준이 보다 높고 가동 속도 역시 빠르다. 더 긴 입력을 처리할 수 있도록 확장된 컨텍스트 윈도우는 물론 고급 데이터 분석 기능, 다양한 커스터마이징 옵션 등 기업이 활용하는 데 편리하도록 특화 기능을 제공한다. 고객 기업은 별도의 인공지능(AI) 개발 없이 외부 AI를 업무 시스템에 즉시 적용할 수 있다. 삼성SDS는 기업이 기존 업무 시스템과 챗GPT 엔터프라이즈를 연결해 활용할 수 있도록 필요한 기술 지원과 컨설팅, 보안 서비스를 제공한다. 삼성SDS는 챗GPT 엔터프라이즈의 도입, 운영, 관리 등 전 과정을 책임지며 기업의 성공적인 AI 전환(AX)을 돕겠다는 입장이다. 이번 계약은 이재용 삼성전자 회장이 지난 10월 삼성전자 서초사옥에서 샘 올트먼 오픈AI 최고경영자(CEO)와 글로벌 AI 핵심 인프라 구축을 위한 상호 협력 구매의향서(LOI)를 체결한 뒤 처음 공개된 AI 협력안이다. 삼성SDS는 기업용 챗GPT 외에도 오픈AI가 주도하는 미국의 ‘스타게이트 프로젝트’에도 참여한다. 이호준 삼성SDS 클라우드서비스사업부장(부사장)은 “오픈AI의 AI 서비스를 국내 기업에 최초로 제공해 기업 고객의 AX 혁신을 선도할 것으로 기대한다”고 밝혔다.

서울 금천구는 행정안전부가 주관하는 ‘2025년 공공데이터 품질인증’에서 최우수 등급을 전국 지방자치단체 최초로 획득했다고 23일 밝혔다. 금천구는 “최우수(ALL) 등급은 보유한 정보시스템(DB)이 모두 최고 수준의 품질을 충족했다는 의미”라며 “이번 성과는 기초·광역 지자체 전체를 통틀어 전례가 없는 사례”라고 강조했다. 행안부는 2022년부터 공공기관이 보유·관리하는 데이터 품질을 높이기 위해 품질인증 제도를 운영하고 있다. 품질 인증은 ▲ 공공데티어 관리 체계 ▲ 공공데이터 값 관리 ▲ 공공데이터 개방·활용 등 3개 영역을 대상으로 심사한다. 금천구는 축적된 고품질 데이터를 바탕으로 ▲ 행정 수요 예측 ▲ 위험 조기 탐지 ▲ 정책 효과 분석 고도화 등 데이터 활용 행정을 발전시키겠다는 구상이다. 또한 구민을 위한 맞춤형 행정 서비스를 확장해 나갈 계획이다. 유성훈 구청장은 “인공지능(AI)을 효율적으로 활용하기 위해서는 그 원료가 되는 데이터의 품질관리가 필수적”이라며 “이번 인증을 계기로 고품질 데이터를 기반으로 한 과학적이고 합리적인 행정을 통해 구민에게 실질적인 도움이 되는 정책을 추진하겠다”고 말했다.