울산, 제조업 인공지능 전환 거점으로 뛰겠다고 민관 협의체 띄움

울산이 제조업 인공지능 전환 판을 깔기 시작함

• 울산시가 7월 9일 시청에서 ‘울산 제조산업 AX 확산을 위한 업무협약’을 맺고, 실행 조직 격인 ‘울산산업 AX 협의체’를 출범시킴

  • AX는 인공지능 전환을 뜻함. 제조업 현장에 인공지능을 붙여 생산성, 품질, 공정 운영 방식을 바꾸겠다는 얘기임
  • 이번 협의체는 사업 발굴, 정책 자문, 기관 간 협력과제 논의를 맡게 됨

• 참여자 구성이 꽤 현실적임. 지자체 행사치고는 제조 현장과 인프라 쪽 플레이어가 같이 들어옴

  • 현대자동차, HD현대중공업, SK에너지 같은 울산 제조 대기업이 참여함
  • 네이버클라우드, SK텔레콤, 울산대학교, 전남대학교, 경북대학교, 울산과학기술원(UNIST) 등 기업·대학·연구기관까지 포함해 총 13개 기관이 동참함
  • 제조 데이터, 클라우드, 통신망, 연구개발, 인력 양성을 한 테이블에 올려놓겠다는 구조임

뭘 하겠다는 건가

• 협약의 중심 과제는 제조 데이터 기반 인공지능 생태계 구축임

  • 산업 AX 실증연구단지 조성을 위한 기반 시설 구축과 데이터 공유가 포함됨
  • 단, 보호 대상 정보를 제외한 데이터 활용을 전제로 함. 제조 데이터는 경쟁력과 직결되니 이 선은 중요함

• 기술 키워드는 제조 특화 소형언어모형(sLLM)과 실물 인공지능(피지컬 AI)임

  • sLLM은 대규모 범용 모델을 그대로 쓰기보다 제조 현장 언어, 공정 문서, 설비 로그 같은 특정 도메인에 맞춘 작은 모델을 뜻함
  • 피지컬 AI는 화면 속 챗봇이 아니라 실제 장비, 공정, 로봇, 센서와 연결되는 인공지능 쪽에 가까움
  • 제조업에서는 “답변을 잘함”보다 “불량을 줄임”, “설비 이상을 빨리 잡음”, “현장 작업을 바꿈”이 더 중요하니 방향 자체는 맞음

• 울산시는 대기업 선도공정에서 검증된 인공지능 모델과 현장 적용 기술을 중소·중견기업, 협력사까지 확산시키겠다고 밝힘

  • 이게 진짜 어려운 부분임. 대기업 공정에서 되는 기술이 협력사 현장에서도 바로 먹히는 경우는 흔치 않음
  • 데이터 품질, 설비 표준화, 현장 인력 역량, 보안 조건이 다 달라서 실증 이후 확산 전략이 관건임

인력 양성도 같이 묶임

• 이날 행사와 연계해 인공지능 데이터센터 운영 전문인력 양성 간담회도 열림

  • SK텔레콤과 지역 대학 관계자들이 참여함
  • 인공지능 데이터센터 특화 교육과정 공동 개발, 인턴십·현장실습, 계약학과 신설, 졸업생 취업 연계 방안을 논의함

• 이 포인트가 은근 중요함. 인공지능 산업은 모델 연구자만으로 굴러가지 않음

  • 데이터센터 운영, 그래픽처리장치 서버 관리, 냉각·전력 운영, 네트워크, 보안, 장애 대응 인력이 같이 필요함
  • 울산이 제조 현장만 있고 인공지능 인프라 운용 인력이 부족하면 실증도시 얘기가 구호로 끝날 수 있음

하정우 전 수석이 던진 메시지

• 하정우 전 대통령비서실 인공지능미래기획수석은 강연에서 “인공지능이 생산성을 높이면 고용이 줄어든다”는 우려를 경계함

  • 다만 더 센 발언도 같이 했음. “인공지능을 쓰지 않은 사람은 인공지능을 쓰는 사람으로 99% 대체될 것”이라고 강조함
  • 표현은 세지만, 개발자 입장에서는 익숙한 얘기임. 도구가 사람을 바로 대체한다기보다, 도구를 쓰는 사람이 안 쓰는 사람을 밀어내는 구조임

• 하 전 수석은 울산의 약점과 강점을 같이 짚음

  • 기초 인공지능 연구는 다소 늦었지만, 막강한 전통 제조업에 접목할 수 있는 장점이 있다고 봄
  • 정부 메가프로젝트와 맞물려 울산이 인공지능 인프라와 제조 현장을 동시에 가진 산업 인공지능 실증도시로 가야 한다고 제안함

• 한국 개발자 입장에서 볼 포인트는 “지역 제조업 인공지능”이 이제 채용·인프라·모델 개발·데이터 거버넌스 이슈로 연결되고 있다는 점임

  • 웹서비스나 챗봇 중심 인공지능과는 다른 판임
  • 공정 데이터, 현장 장비, 보안, 클라우드, 데이터센터 운영이 한꺼번에 얽힘
  • 제조업 고객을 상대하는 개발자라면 앞으로 이런 프로젝트 요구사항을 더 자주 보게 될 가능성이 큼

---

기술 맥락

• 울산이 고른 방향은 범용 챗봇보다 제조 현장형 인공지능에 가까워요. 제조업은 공정 문서, 설비 로그, 품질 데이터처럼 폐쇄적이고 맥락이 강한 데이터가 많아서, 그냥 큰 모델을 붙이는 것만으로는 현장 문제가 잘 안 풀리거든요.

• 그래서 제조 특화 sLLM이 등장해요. 큰 모델보다 작더라도 특정 공정과 용어에 맞춰 학습하면 비용과 속도, 보안 면에서 더 현실적일 수 있어요. 특히 협력사까지 확산하려면 비싼 인프라를 전제로 한 구조는 오래 가기 어렵거든요.

• 피지컬 AI를 같이 언급한 것도 제조업 맥락에서는 자연스러워요. 인공지능이 보고서를 요약하는 수준을 넘어서 센서, 설비, 로봇, 품질 검사 흐름과 연결돼야 실제 생산성 개선으로 이어지기 때문이에요.

• 데이터센터 인력 양성을 따로 논의한 건 인프라가 병목이 될 수 있다는 뜻이에요. 인공지능 모델을 돌리려면 그래픽처리장치 서버, 전력, 냉각, 네트워크, 장애 대응이 필요하고, 이건 소프트웨어 개발만으로 해결되지 않거든요.