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.

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.

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.

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.

국내 대표 에듀테크 기업 크레버스(대표 이동훈)는 AI 기반 학원 운영 솔루션 AI개인비서 ‘OPTI’와 AI부원장 ‘CORI’를 공개하고, 상담·행정·운영 전반에 AX(AI Transformation)를 적용한 새로운 학원 운영 모델 CREVAX를 선보였다. 해당 솔루션은 크레버스가 LG U+와 MOU를 체결하고 공동 개발한 서비스로, 12월 19일 가맹 설명회를 통해 청담어학원과 April어학원 가맹점주들을 대상으로 소개됐다. 크레버스는 이번 솔루션 공개를 통해 AI를 활용해 현장 직원의 업무 환경을 보다 효율적인 구조로 전환하고, 몰입도 높은 근무 환경을 구현하는 데 초점을 맞췄다고 설명했다. 상담 업무를 지원하는 AI 개인비서 ‘OPTI’ OPTI(Optimia)는 상담 직원의 업무 부담을 줄이면서도 상담의 완성도를 높이기 위해 설계된 AI 기반 상담 포털이다. 상담 과정에서 발생하는 음성 정보는 자동으로 저장되고 AI가 상담내용을 실시간으로 요약해주어 핵심 내용만 빠르게 확인할 수 있으며, 상담 이후 반복적으로 소요되던 기록·정리 업무를 최소화한다. 학생의 학습 이력과 성취도 등 개인화된 데이터를 바탕으로 학생 맞춤형 상담이 가능한 상담 가이드를 제공한다. 상담가이드를 통해 전국단위 학습지표를 기반으로 객관화된 학생의 학습 성취도를 진단하여, 학생에게 정확한 학습방향을 제시한다. 크레버스는 OPTI는 학원 상담 업무의 효율성을 극대화하고 상담 품질을 상향 표준화하는 혁신적인 상담 서비스 솔루션이라고 설명했다. 학원 운영을 관리하는 AI 부원장 ‘CORI’ CORI(Corina)는 학원 운영 전반의 업무를 체계적으로 설계하고 실행을 지원하는 ‘AI 부원장’ 개념의 운영 포털이다. CORI는 기존에 개인의 경험에 의존하던 운영 방식을 구조화하고, 현장 상황에 맞춰 업무를 효율적으로 관리할 수 있게 함으로써, 업무의 연속성과 생산성을 동시에 높이는 데 목적을 두고 있다. CORI는 학원 운영에 필요한 주요 업무 리스트와 업무별 업무 수행가이드를 제공하고, 제공된 업무 리스트와 수행가이드는 커스터마이징하여 각 학원의 상황에 따라 운영할 수 있다. CORI는 정기적으로 반복되는 업무를 주기별로 자동 관리하며, 개인별 업무 이력은 자연스럽게 축적되어 담당자 변경이나 인수인계 상황에서도 업무의 흐름이 끊기지 않도록 설계됐다. 또한 업무 교육시간 대비 효율성을 극대화한 업무 코칭 서비스로 사용자가 이를 통해 신속하고 누락없이 업무를 수행할 수 있도록 돕는다. 크레버스는 OPTI와 CORI를 통해 상담–운영을 하나로 연결한 AX 기반 학원 운영 모델 CREVAX를 구축했다. 이동훈 대표는 “AI는 현장을 대체하는 기술이 아니라, 사람이 본질에 집중하도록 돕는 기반”이라며 “운영의 비효율을 줄이고 상담과 교육의 질을 높이는 환경을 만들어가겠다”고 밝혔다.

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.

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.

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.

강원 춘천시는 후평AX(AI Transformation·인공지능 전환) 얼라이언스를 출범했다고 17일 밝혔다. AX 얼라이언스는 후평스마트그린산단의 AI 전환을 위한 협력네트워크다. AX는 AI로 제조 공정 전반을 분석, 예측, 최적화해 생산성을 높이고 품질을 개선하는 혁신을 말한다. 앞선 지난 1일 후평산단은 산업통상부가 주관한 AX 실증산단 구축사업 공모에 선정됐다. 이 사업에는 춘천시 산하 춘천바이오산업진흥원과 한국산업단지공단 춘천지사, 강원정보문화산업진흥원, 강원ICT융합연구원, RMS플랫폼이 참여한다. 춘천시 관계자는 “AX 얼라이언스는 실증 성과와 사업 모델을 공유해 산업단지 전체의 AI 전환을 이끄는 협력 플랫폼”이라며 “춘천이 바이오와 AI 융합 제조 혁신을 선도하는 도시로 자리매김하도록 지원을 아끼지 않겠다”고 말했다.

- 양기관, AI기반 미래 농정과 R&D협력을 위한 논의의 장 마련 한국농촌경제연구원(원장 한두봉)은 농촌진흥청(청장 이승돈)과 12월 15일 농촌진흥청 국제회의장에서 ‘한국농촌경제연구원-농촌진흥청 정책협의회’를 개최했다. 양 기관은 농업의 경제·정책 분야와 농업과학기술 분야의 정보교류 및 상호 이해 증진을 위해 2003년부터 정책연구협의회를 개최하면서, 17년째 협력 관계를 이어가고 있다. 올해 협의회는 ‘AI 대전환, 국가농정과 R&D 전략’을 주제로 농업의 미래 방향을 집중 논의했다. 이날 협의회에서는 네이버클라우드 오정식 이사가 ‘생성형 AI가 바꾼 비즈니스 프로세스와 미래전망’을 주제로 기조강연을 진행하였다. 네이버의 AI 활용 사례와 AI 기반 기업의 AX(AI Transformation) 추진 현황을 소개하고, 정부가 추진 중인 AI 대전환 흐름 속에서 향후 AX의 방향성을 제시했다. 이어진 주제발표에서 농촌진흥청 정강호 기술융합전략과장은 ‘농촌진흥사업 AI 융합전략’을 발표하며, 연구-기술보급-행정 등 농촌진흥사업의 전 주기에 AI 기술을 적용하기 위한 디지털 기반의 혁신 전략을 제시했다. 한국농촌경제연구원 이석일 관측모형팀장은 ‘농업관측과 AI: 농업관측 적용 사례’를 발표하며, 농업관측의 정확도 향상을 위한 과학적인 관측체계를 구축하는 방안을 제시했다. 한국농촌경제연구원 한두봉 원장은 “농업·농촌의 지속가능한 미래를 위해 정책연구 강화와, AI 기반 관측체계 고도화 등 다양한 분야에서 농촌진흥청과 더욱 긴밀히 협력해 나가겠다”라고 밝혔다. 농촌진흥청 이승돈 청장은 “이번 협의회를 통해 AI 시대 농정체계와 농업 R&D 간 협력의 폭을 넓히고, 국가 식량안보 강화와 농업·농촌의 지속 가능한 발전을 위해 함께 힘을 모아 나가겠다”라고 말했다.

“도전해 달라… 실패 책임은 경영진”품질·보안·안전 등 기본에 최우선몸집 키우기보다 ‘질적 성장’ 집중‘AI 전환’ 전 구성원 생존 과제 규정 “이제 CEO의 C는 Change(변화)다.” 정재헌 SK텔레콤 최고경영자(CEO·사장)가 취임 후 처음 연 전사 타운홀 미팅에서 스스로를 ‘변화 관리 최고책임자(Change Executive Officer)’로 규정하고 강도 높은 혁신을 선언했다. 정 CEO는 16일 서울 중구 SK텔레콤 본사 수펙스홀에서 열린 타운홀 미팅에서 “빠르게 바뀌는 시장 환경에서 과거의 방식을 반복하는 것만으로는 변화를 만들 수 없다”며 “실패의 책임은 경영진이 지겠다. 구성원들은 그 안에서 과감히 도전해 달라”고 밝혔다. 정 CEO는 통신 사업의 본질을 ‘고객’으로 규정했다. 품질·보안·안전 등 기본과 원칙을 최우선에 두고 고객 신뢰를 회복하는 데 집중하겠다는 구상이다. 또 SK텔레콤은 경영 체질을 바꾸기 위해 성과 평가 기준도 손질한다. 매출과 이익의 규모를 보여주는 그간의 EBITDA 대신, 투자한 자본이 얼마나 효율적으로 수익을 냈는지를 따지는 ROIC를 핵심 지표로 삼기로 했다. 단순한 몸집 키우기식 성장보다, 실제 ‘진짜 돈이 되는 질적 성장’에 집중하겠다는 취지다. 인공지능(AI) 사업은 ‘선택과 집중’을 통해 글로벌 빅테크와의 경쟁에 나선다. AI 데이터센터 분야에서 경쟁력을 확실히 구축하고 고부가가치 솔루션으로 사업을 확장하는 한편, 제조 AI와 독자 모델 영역에서는 지속적인 전환을 통해 성과를 내겠다는 전략이다. AI 전환(AX)은 특정 조직이 아닌 전 구성원이 참여해야 할 생존 과제로 규정했다. 이를 위해 전사 AI 도구 활용, 업무용 AI 개발 체계, AX 대시보드 구축 등을 추진한다. 조직문화의 지향점으로는 ‘역동적 안정성’을 제시했다. 구성원은 변화와 도전으로 성장하고, 회사는 실패를 감내하는 견고한 기반이 되겠다는 의미다. 정 CEO는 “가치를 공유하고 실행 역량과 단단한 내면을 갖춘 드림팀이 돼야 다시 뛰는 SKT가 될 수 있다”고 했다. 정 CEO는 올해 초 유심(USIM) 해킹 사태 이후 신뢰 회복이라는 과제를 안고 선임됐다. 법조인 출신으로 그룹 내에서 법무·대외협력·거버넌스 분야를 두루 거쳤다.

전라남도가 AI 산업의 글로벌 전초기지 조성을 위해 2026년 정부 예산에 AI 분산형 전력망 신산업 육성과 국가 AI컴퓨팅센터 등 총 1614억 원의 AI·우주산업 관련 국비를 확보했다. 국내외 데이터 기업과 AI 관련 기관과의 협력을 기반으로 ‘오픈AI-SK 데이터센터’와 ‘국가 AI 컴퓨팅센터’ 유치 성공에 따라 2026년 국비에 다양한 AI 관련 핵심사업이 반영됐다. 주요 사업은 국가 AI 컴퓨팅센터 구축 118억 원(총사업비 2조 5천억 원), AI 분산형 전력망 신산업 육성 1196억 원(총사업비 1조 200억 원), 대불산단 AX 실증 협업 플랫폼 구축 20억 원(총사업비 220억 원), 철강·금속산업 인공지능 전환(AX) 지원센터 구축 28억 원(총사업비 220억 원), 여수국가산단 AX 실증산단 구축 20억 원(총사업비 205억 원) 등이다. 이들 사업은 전남의 산업구조를 고도화하고, AI 기반 제조혁신과 데이터 산업 생태계를 구축하는 중추적 역할을 할 것으로 기대된다. 전남도는 또 우주산업 관련 예산도 대거 확보해 글로벌 우주 강국의 핵심 거점으로 발돋움할 기반을 마련했다. 주요 사업은 민간전용 우주발사체 엔진연소시험시설 구축 20억 원(총사업비 485억 원)과 국방 발사지원시설 구축 6억 5천만 원(총사업비 417억 원), 민간 발사장 1단계, 2단계 조성 112억 원(총사업비 1705억 원), 발사체 기술사업화센터 구축 27억 원(총사업비 274억 원) 등이다. 이들 사업은 전남 우주산업 인프라 확충과 민간기업 참여 촉진을 통해, 국내 우주산업 생태계를 한 단계 도약시키는 교두보가 될 전망이다. 전남도는 이번 2026년 국비 확보 성과를 기반으로 앞으로도 산업통상자원부, 과학기술정보통신부, 기후에너지부 등 관계 부처와 긴밀히 협력해 신규 첨단사업을 적극 발굴, 2027년 국비 확보에 총력을 기울일 계획이다. 김기홍 전남도 전략산업국장은 “이번 국비 확보로 AI와 우주산업을 빠르게 추진할 든든한 디딤돌을 마련했다”며 “전남이 대한민국 AI·에너지 수도로 도약하도록 사업 추진에 최선을 다하겠다”고 말했다.

중국의 기술굴기가 예상을 뛰어넘는 속도로 진행되고 있다. 호주전략정책연구소(ASPI)가 최근 20년간 전략기술 분야 논문 900만편 중 근래 5년간 인용 상위 10% 논문을 분석한 결과 중국이 74개 분야 중 66개에서 세계 1위를 석권했다. 원자력·소형 위성·인공지능(AI)을 비롯한 핵심 기술의 90%가 중국 차지다. 20년 전만 해도 미국이 94%를 장악했던 판도가 완전히 뒤집혔고, 생성형 AI와 컴퓨터 활용 이미지·영상 분석 등 일부 분야에서는 기술 독점 위험까지 거론된다. 한국의 성적표에는 희망과 우려가 교차한다. ASPI 조사에서 한국은 전력용 수소·암모니아 연구 2위를 비롯해 32개 분야에서 상위 5위권에 들었다. 영국 매체인 토터스미디어가 국가별 AI 경쟁력을 평가해 매년 발표하는 글로벌 AI 인덱스에서도 한국은 5위였다. 이 정도면 ‘AI 3대 강국’으로의 도약을 노려볼 만하다. 경쟁국들에 비해 제조업 기반이 강한 데다 글로벌 반도체 공급망의 일원이라는 것이 한국의 강점이다. 문제는 이런 잠재력을 현실로 바꿀 실행력이다. 출범 100일을 맞은 국가AI전략위원회가 ‘AI 액션플랜’을 발표했다. AI 혁신 생태계 조성, 범국가 AI 전환(AX), 글로벌 AI 기본사회 기여를 3대 축으로 98개 과제를 제시했다. 액션플랜에 AI 학습용 데이터·저작물 활용을 위한 법제 정비가 포함됐지만, 의료·금융·자율주행 등 분야별 진입 장벽은 여전하다. 반도체특별법에서 좌절됐던 주 52시간 예외 적용이 AI 산업에서 허용되리라 기대하기도 어렵다. 인재 양성 면에서도 초중고 AI 필수 교육체계 구축 계획이 나왔지만, 이공계 선호가 높고 ‘원사 제도’를 통해 최고 과학자를 종신 지원하는 중국과의 격차를 좁히기에는 역부족이다. ASPI는 점진적 정책 수정만으로는 격차를 뒤집기 힘들다고 경고했다. 중국의 질주 앞에서 한국에 남은 시간은 많지 않다. 이 시간을 놓친다면 기술 종속의 미래를 피하기 어렵다.

시범 운영 돌입… 2026년 CES 전시 예정 한국산업기술기획평가원(산기평)이 디자이너의 작업 효율을 극대화하는 자율형(Agentic) 인공지능 기반 디자인 플랫폼 ‘젠프레소(GenPresso)’의 시범 운영에 돌입했다고 15일 밝혔다. 젠프레소에 적용된 자율형 AI는 기존의 생성형 AI가 단순 결과물 생성에 그쳤던 한계를 넘어, 사람의 개입 없이 스스로 과업 목표를 설정하고 판단, 실행하는 능력을 갖췄다. 이 플랫폼은 제품, 공간, 그래픽, 영상 등 광범위한 디자인 프로세스 전반을 주도적으로 지원한다. 젠프레소는 산기평의 ‘디자인산업기술개발사업’ 성과물로, 한양대 연구팀과 리콘랩스가 공동 개발했으며, 이미 현직 디자이너 등 전문가 약 300명을 대상으로 실무 적용성 평가를 성공적으로 마쳤다. 산기평은 시범 운영을 통해 2028년까지 플랫폼 기능을 고도화하고, CAD 변환 및 제조 시뮬레이션 연동 기술 등을 구축할 계획이다. 한승엽 산기평 산업혁신부원장은 “디자인 산업의 인공지능 전환(AX) 시대에 특화된 지능형 기술 개발을 지속적으로 지원할 것”이라고 밝혔다. 현재 베타 버전으로 이용 가능한 ‘젠프레소(GenPresso)’는 2026년 라스베이거스 CES 2026에 전시될 예정이다.