스마트비즈엑스포 2026은 10월 13~16일 서울 코엑스에서 열렸다. 중소벤처기업부가 주최하고 삼성전자와 중소기업중앙회가 주관했으며 53개 기업이 참여했다. 새로 마련된 AI관과 스마트공장 4.0 방향, 구매상담회와 벤치마킹 투어가 함께 소개됐다. 현재는 종료된 행사에서 공개한 제조 현장 사례를 돌아본다.
전시는 제조 기술 지원을 받은 기업의 제품과 협력 기회를 연결하는 자리로 운영됐다. 14일 발표된 현장 기사와 정책 자료는 참여 기업들의 공정 개선 성과와 도입 과정을 전달했다. 다만 전시에 참여했다는 사실 자체가 모든 기업의 인공지능 도입 수준이나 운영 성과가 같다는 의미는 아니다.
물류 자동화 시연과 복합 공정 연결의 현실
인쇄기업 프린피아는 생산 현장을 지원하는 에이전트와 물류 자동화 공정을 선보였다. 로봇팔과 자율주행 운반로봇을 이용해 책을 분류하고 적재하는 동작을 현장에서 시연했다. 회사 측은 스마트공장 도입 이후 설비 개선과 작업 환경 변화를 설명하며 향후 자율 작업을 구현하겠다는 목표를 제시했다.
관람객에게 공개된 특정 물류 동작 시연과 공장 전반의 자율화는 구분해 볼 필요가 있다. 정해진 분류와 적재 과정을 자동화한 사례가 작업자의 개입이 필요 없는 완전한 자율 운영 단계에 도달했음을 의미하지는 않는다. 시연에서 확인된 동작과 향후 목표 사이에는 단계적 검증 과정이 남아 있다.
정밀 부품기업 터보링크는 AI 비전과 로봇을 결합해 가공, 검사, 불량 재가공과 이송을 연결하는 제어 구성을 소개했다. 이 시스템 구축을 추진하며 생산량이 약 세 배 늘었다는 것이 기업 측의 설명이다. 하지만 이는 복합적인 공정 개선 결과로 제시됐으며 단일 모델 효과로 분리할 자료는 제시되지 않았다.
제품 스마트 기능과 품질 관리 계획의 분리
터보링크는 24시간 연속 가동 체계를 향후 구축해 경쟁력을 높이겠다는 계획을 함께 밝혔다. 원문 자료에는 비교 기간이나 제품 구성, 가동 시간 등의 구체적인 측정 조건이 포함되지 않았다. 따라서 현재 달성된 복합 설비 연계 성과와 향후 달성할 가동 목표를 나누어 살펴볼 필요가 있다.
선일금고는 카메라로 모니터링하는 스마트 금고와 제조 품질 관리 방향을 함께 공개했다. 삼성 스마트싱스 파인드를 적용한 위치 찾기 금고는 출시 예정 제품으로 안내됐다. 제조 현장에서는 도장 품질에 영향을 미치는 세척 과정의 오염 제거 상태를 감지해 이상을 파악할 계획이라고 밝혔다.
실제 전시된 완제품과 출시 예정 모델, 공정 품질 개선을 위한 개발 과제는 서로 다른 영역이다. 세척 공정의 이상 감지는 최종 제품에 적용되는 스마트 기능과 별개로 추진되는 품질 관리 계획이다. 해당 기사에는 이상 감지 시스템의 불량 검출률이나 오탐률 같은 정량 지표는 기재되지 않았다.
정책 지원 범위와 현장 전문 인력의 과제
중소벤처기업부는 스마트공장이 단순 자동화를 넘어 현장 판단을 지원하는 제조 인공지능으로 나아가야 한다는 정책 방향을 밝혔다. 2018년 정책 도입 이후 60여 대기업·공기업과 6800여 중소기업의 구축을 지원했다는 수치를 제시했다. 이 수치는 상생형 사업 전체의 누적 규모를 나타낸다.
정책 당국자가 방문한 군포 제조 현장에서는 전문 인력 수급의 어려움과 단계별 지원 필요성이 현장 애로로 지적됐다. 제조 현장에서는 장비와 모델의 도입뿐만 아니라 이를 운용할 인력과 데이터 관리 체계가 수반돼야 한다. 광학부품 검사에서 초당 20~40장 촬영 자료를 학습한 사례도 함께 소개됐다.
초당 20~40장을 촬영한다는 설명은 영상 취득의 속도를 나타내는 물리적 수치일 뿐 불량 판정의 정확도를 의미하지 않는다. 정책 지원의 누적 수치나 설비의 촬영 속도가 개별 공장에서 거둔 인공지능 모델 자체의 운영 성과와 동일시될 수는 없다. 현장의 지속 가능한 운영을 위한 조건 정립이 병행돼야 한다.
공정마다 바뀐 동작과 남은 과제가 다르다
프린피아는 책을 분류하고 적재하는 움직임을, 터보링크는 가공 뒤 검사와 재가공·이송을 잇는 흐름을 보여줬다. 선일금고의 세척 오염 감지는 품질관리 계획이다. 이 세 사례를 같은 자율화 수준으로 순위를 매기기보다 어떤 입력에서 어떤 후속 행동으로 연결되는지 비교할 수 있다.
특히 터보링크의 생산량 약 세 배는 복합 공정 개선에 관한 회사 설명이다. 검사 속도만 빨라져도 다음 공정의 수용량이 부족하면 전체 출하량은 같은 비율로 늘지 않을 수 있다. 전체 흐름에서 어느 병목을 바꿨는지가 다른 현장에 적용할 때 필요한 비교 기준이며, 공개 수치만으로 개별 AI 모델의 기여율을 분리할 수는 없다.
| 기업 | 중심 공정 | 자료에 제시된 상태 |
|---|---|---|
| 프린피아 | 도서 분류·적재·운반 | 로봇 동작 시연·자율화 목표 |
| 터보링크 | 가공·검사·재가공·이송 | 연계 추진·생산량 증가 설명 |
| 선일금고 | 세척 오염 상태 감지 | 품질관리 개발 계획 |
엑스포에 참여한 기업들은 각기 다른 공정 단계에서 제조 혁신을 추진하고 있다. 프린피아의 물류 시연, 터보링크의 가공·검사 연계, 선일금고의 세척 품질 감지 계획은 서로 다른 공정 문제를 다룬다. 정책 당국 역시 상생형 지원 사업의 누적 틀 안에서 전문 인력 확보와 같은 현실적 과제를 확인하고 있다.
현장에 소개된 내용들은 현재 시연 가능한 동작, 기업이 제시한 복합 성과, 앞으로 추진할 개발 목표로 층위가 나뉜다. 이를 명확히 구분해 살펴보는 태도가 선행될 때 각 기업의 실제 공정 개선 수준과 향후 해결해야 할 과제를 정확하게 파악할 수 있다.
ARCH.B 의견
제조 현장에 인공지능을 도입할 때는 공장 전체를 한 번에 전환하기보다 병목 공정부터 단계적으로 접근하는 판단이 유효하다. 물류 적재, 가공·검사 연계, 세척 오염 감지와 같이 각 사업장이 직면한 병목은 상이하다. 공정별로 측정 대상과 개선할 동작을 선별해 적용해야 실질적인 공정 효율을 기대할 수 있다.
기업이 발표한 생산성 변화를 평가할 때는 인공지능 모델 하나의 효과와 설비 재배치 같은 복합 개선의 영향을 분리해 판단해야 한다. 생산 수치뿐만 아니라 품질 지표, 실제 가동 시간, 작업자의 개입 빈도와 유지 비용이 종합적으로 검증되지 않는다면 다른 제조 현장으로 성과를 복제하기 어렵다.
시연된 기술과 출시 예정 제품, 개발 계획을 엄밀히 구별해 검토하는 과정이 제조 혁신 논의의 기본 전제다. 새로운 알고리즘이나 고속 촬영 장비를 들여오는 것만으로는 지속적인 현장 안착을 담보할 수 없으며 운영 인력과 유지·개선 체계가 함께 확보돼야 실질적인 전환이 완성된다.
