AI 로봇이 습도까지 보고 나사 조인다, 제조업 일자리 변화가 이미 시작됐다

• 창원 제조 현장에서는 AI 자동화가 이미 꽤 깊게 들어와 있음. 신성델타테크 공장에는 세탁기 회전통에 스테인리스 통을 결합하는 자동 체결 로봇 십여 대가 줄지어 있음

  • 예전에는 작업자 4명이 한 조로 세탁기 1대당 나사 17개를 직접 조였음
  • 지금은 AI 로봇이 기온과 습도에 맞춰 나사 조임 강도를 조절하면서 조립함
  • 생산라인 곳곳에서는 카메라 영상을 분석하는 비전 AI가 불량 여부를 검사함

• 회사가 말하는 효율 개선 폭도 큼. AI 설비 도입 뒤 “이전에 100명이 하던 일을 60명이 할 수 있게 됐다”는 설명이 나옴

  • 신성델타테크는 3년 전부터 AI를 본격 도입하기 시작했다고 밝힘
  • 대표는 인건비가 올라도 직원 복지에 신경 쓰며 인력 규모를 유지할 수 있었다고 말함
  • 그러니까 이 사례는 단순 감원 뉴스라기보다, 같은 인력 구조를 더 높은 효율로 돌리는 쪽에 가까움

• 문제는 제조 현장만의 얘기가 아니라는 점임. 지식노동 쪽에서도 고용 변화가 데이터로 잡히기 시작함

  • 국가데이터처에 따르면 2026년 4월 전문·과학·기술서비스업 취업자는 1년 전보다 11만5천 명 줄었음
  • 2013년 통계 작성 이후 최대 감소 폭임
  • 이 업종에는 연구개발, IT 서비스, 법률·회계처럼 고학력 전문직이 많이 들어감
  • 업계에서는 생성형 AI 확산으로 문서 작성, 코딩, 회계 업무 일부가 자동화되면서 기업들이 신규 채용을 줄인 영향으로 보고 있음

• 개인의 진로 선택에도 이미 영향을 주고 있음. 컴퓨터공학 전공 후 개발자로 6년 일한 33세 박모 씨는 올해 2월 퇴사하고 해외 비행전문학교에 입학함

  • AI 확산으로 경쟁력을 잃을 수 있다는 불안감이 컸다고 말함
  • 실제 회사가 AI 도입을 이유로 신입 채용을 줄이려는 걸 보고 결심을 굳혔다고 함

• 글로벌 기업들도 AI와 자동화를 감원 명분으로 내세우고 있음

  • 아마존은 올해 1월 1만6천 명 감원 계획을 내놨음
  • 메타는 2028년까지 전체 인력의 20%를 줄이기로 함
  • HSBC홀딩스도 2만 명 규모 감원을 검토하는 것으로 알려짐
  • 채용과 해고가 유연한 기업일수록 AI·자동화에 따른 인력 효율화를 빠르게 실행하는 분위기임

• 제프리 힌턴은 더 세게 경고함. 이르면 올해부터 AI가 촉발할 “고용 없는 호황”이 본격화될 수 있다고 봄

  • 고급 소프트웨어 개발부터 수개월 걸리는 장기 프로젝트까지 AI가 혼자 관리할 수 있게 됐다는 주장임
  • AI의 업무 처리 능력이 커지면 지식 기반 직종 인력을 크게 줄이는 결과로 이어질 수 있다고 말함

• 전문가들이 말하는 해법은 “AI 막자”가 아니라 직무 재설계임

  • 이경전 경희대 교수는 AI를 혁신 도구로 삼아 어떤 비즈니스를 만들지 논의해야 한다고 봄
  • 송영희 객원교수는 빅테크 실무 교육과정을 대학 학점으로 인정하고, 기업 인턴십과 직무 훈련에 세제 혜택·재정 지원을 늘리자고 제안함
  • 서용석 KAIST 교수는 신규 채용이 줄면 숙련자의 암묵지 전수가 약해져 기업 경쟁력이 떨어질 수 있다고 지적함

---

기술 맥락

• 이 기사에서의 기술적 선택은 “사람이 하던 조립과 검수 업무를 AI 로봇과 비전 AI로 어디까지 넘길 것인가”예요. 신성델타테크 사례에서는 나사 체결과 불량 검사처럼 반복적이지만 품질에 민감한 공정이 자동화 대상이 됐어요.

• 기온과 습도에 따라 나사 조임 강도를 조절한다는 점이 중요한 이유는 제조 자동화가 단순 반복 동작을 넘어섰다는 뜻이기 때문이에요. 현장 조건이 바뀌면 결과 품질도 달라지니까, 센서와 모델이 그 변수를 반영해야 하거든요.

• 비전 AI가 들어가는 이유도 비슷해요. 사람 눈으로 하던 검사는 피로도와 숙련도에 따라 품질이 흔들릴 수 있어요. 카메라 기반 검수는 일정한 기준으로 계속 확인할 수 있어서 생산라인에서는 꽤 강한 유인이 있어요.

• 다만 자동화가 잘 된다고 신규 채용을 무작정 줄이면 암묵지 전수가 약해질 수 있어요. 숙련자가 왜 그 판단을 했는지, 어떤 예외 상황을 조심해야 하는지는 데이터만으로 바로 복원되지 않는 경우가 많거든요.

• 그래서 개발자나 엔지니어에게 중요한 건 AI 도입 자체보다 직무를 다시 설계하는 일이에요. 반복 작업은 자동화하되, 품질 기준 설정, 예외 처리, 모델 검증, 현장 피드백 수집 같은 역할을 사람이 가져가야 시스템이 오래 굴러가요.