스마트공장 고도화 핵심 요약: AI 자율제조 단계는 2.0%입니다
12년 동안 2조5,156억 원을 들여 보급한 스마트공장 2만5,632곳 가운데 AI 기반 자율제조 단계에 오른 곳은 525곳(2.0%)입니다. 허성무 의원실의 2026년 국정감사 자료(포인트경제 보도)를 보면 70.1%(1만7,959곳)는 바코드·단순 전산화 수준의 기초 단계에 머물러 있습니다. 중소벤처기업부(중기부)의 2024년 스마트제조혁신 실태조사에서 제조AI 도입률은 0.1%였습니다.
스마트공장 고도화를 막는 것은 장비 보급량이 아니라 비용 분담 구조와 공장을 운영할 사람입니다. 2027년 정부안에서 4,682억 원으로 늘어나는 AI 스마트공장 예산도 보급 건수로 성과를 재는 방식이 그대로라면 기초 단계 70% 구조를 바꾸지 못합니다.
목차
- 스마트공장 고도화 핵심 요약: AI 자율제조 단계는 2.0%입니다
- 스마트공장 도입 현황: 보급률 13.5%, 10곳 중 7곳은 기초 단계
- 스마트공장 구축비 구조: 중소기업이 구축비의 73.3%를 부담합니다
- 스마트공장 성과 비교: 유지보수·전담인력이 활용률을 가릅니다
- 제조AI 도입률 0.1%의 병목은 데이터를 다룰 사람입니다
- 2027년 AI 스마트공장 예산 4,682억 원은 고도화 목표에 충분할까요
- 시사점: 스마트공장 고도화를 가늠할 지표 5가지
- 자주 묻는 질문
- 같이 읽으면 좋은 것들
스마트공장 도입 현황: 보급률 13.5%, 10곳 중 7곳은 기초 단계
정부 지원으로 스마트공장을 구축한 기업은 공장을 보유한 제조기업 18만9,833개사의 13.5%입니다. 2014~2025년 지원 건수는 3만8,611건, 구축 기업은 2만5,632개사로 한 기업이 평균 1.5회 지원을 받았고 누적 예산 기준으로 기업당 약 9,814만 원이 들어갔습니다. 흔히 함께 인용되는 도입률 19.5%는 중기부 실태조사의 표본 추정치입니다. 분모와 분자가 모두 달라 13.5%와 이어 읽을 수 없습니다.
스마트공장 단계는 실적 일부를 데이터로 관리하는 기초, 설비 데이터를 모으는 중간1, 모은 데이터로 제어를 자동화하는 중간2, 공장 전체를 사물인터넷(IoT)으로 연결해 운영하는 고도화로 나뉩니다. 국감 자료에서 기초(70.1%)와 중간2 이상(2.0%)을 빼면 중간1 등 나머지 단계는 7,148곳(27.9%)입니다. 중간2 이상 525곳 중 중소기업은 359곳으로 중소기업 구축분의 1.5%에 그칩니다.
격차는 지역보다 단계에서 크게 벌어집니다. 지역별 보급률은 울산 19.4%, 충남 18.5%, 대구 18.4%, 경남 18.2% 순으로 상위 지역 간 차이가 1.2%p에 불과합니다. 정부도 2025년 10월 'AI 기반 스마트 제조혁신 3.0 전략'에서 도입 기업 중 고도화를 진행하는 곳을 24.5%로 진단했는데요. 국내 제조업체 63만 개 중 56만 개(88.9%)가 소공인이라 대부분은 여전히 기초 단계 지원이 필요하다고 봤습니다. 보급은 바닥을 넓게 깔았지만 위로 오르는 계단은 좁습니다.
스마트공장 구축비 구조: 중소기업이 구축비의 73.3%를 부담합니다
중소기업이 스마트공장을 지으려면 평균 구축비 7억5,000만 원 가운데 5억5,000만 원을 스스로 마련해야 합니다. 중기부 실태조사에서 평균 구축비는 기업당 약 11억3,000만 원, 중소기업은 약 7억5,000만 원이었고 자금은 주로 자체 조달(56.9%)했습니다. 3.0 전략의 기업별 지원은 정부 2억 원에 기업 매칭 2억 원을 더한 4억 원입니다. 이 4억 원은 중소기업 평균 구축비의 53.3%이고 정부 지원 2억 원만 따지면 26.7%입니다. 매칭분 2억 원과 지원 구조 밖의 3억5,000만 원이 모두 기업 몫입니다.
투자 의지와 실행 사이에도 틈이 있습니다. 활용 수준을 고도화해야 한다는 응답은 45.7%였지만 자체 투자계획이 있는 기업은 25.6%로 20.1%p 낮았습니다. 인력 채용 계획이 있는 기업은 14.5%였고 인력을 늘리지 못하는 가장 큰 이유는 비용 부담(47.1%)이었습니다. 고도화는 설비 값보다 데이터를 다룰 사람을 뽑고 붙잡아 두는 비용에서 먼저 막힙니다.
스마트공장 성과 비교: 유지보수·전담인력이 활용률을 가릅니다
정기 유지보수를 받는 제조기업은 79%가 솔루션을 적극 활용하지만 유지보수가 끊긴 기업은 50%에 그칩니다. 이데일리 단독 보도에 따르면 임문영 의원실(국회 산업통상자원중소벤처기업위원회)이 2026년 9월 19~23일 제조기업 105곳을 대상으로 자동화 설비·MES(생산실행시스템)·POP(생산시점관리)·ERP(전사적자원관리) 활용 실태를 조사한 결과입니다. 전담인력이 있는 기업의 적극 활용 비율은 83%로 없는 기업(49%)보다 34%p(1.69배) 높아 유지보수 여부에 따른 차이 29%p(1.58배)보다 컸습니다.
같은 조사에서 영세 제조사의 71%는 유지보수가 끊긴 상태였고 100인 이상 기업도 전담인력이 없거나 겸직인 비율이 20%였습니다. 규모가 작을수록 유지보수와 인력이 함께 비어 있다는 뜻입니다.
3.0 전략이 내세운 도입 성과는 생산성·품질·원가·납기(PQCD) 개선과 고용 증가, 산업재해 12.8% 감소입니다. 모두 도입 기업 전체의 평균이라 단계별 차이와 도입 2~3년 뒤의 지속 여부는 드러나지 않습니다. 운영이 끊기면 활용률이 절반 수준으로 떨어지는 만큼 성과는 단계별·경과 연수별로 다시 재야 합니다.
제조AI 도입률 0.1%의 병목은 데이터를 다룰 사람입니다
중소·중견 제조기업의 60.8%가 제조데이터를 모으지만 데이터·AI 전담 인력을 둔 곳은 0.8%뿐입니다. 실태조사 지표를 단계 순서로 놓으면 끊기는 지점이 보입니다.
| 지표(공장 보유 중소·중견 제조기업) | 비율 |
|---|---|
| 제조데이터 수집 | 60.8% |
| 제조데이터 분석 | 52.1% |
| 데이터·AI 교육 예산 별도 편성 | 6.6% |
| 데이터·AI 전담 부서·인력 보유 | 0.8% |
| 제조AI 도입 | 0.1% |
자료: 중소벤처기업부, 2024년 스마트제조혁신 실태조사(2025년 4월 28일 발표)
수집 기업의 85.7%가 분석까지 나아가지만 분석하는 기업 비율은 전담 인력을 둔 기업 비율의 약 65배입니다. 쌓인 데이터를 AI 활용으로 이어 갈 사람이 없는 구조입니다. 제조 데이터셋 1,000개 표준화, 구독형(SaaS) 스마트공장, AI 인력 교육 강화, 제조AI 전문기업 500개 육성과 관련 법률 제정은 정부가 3.0 전략에서 내건 과제입니다. 2027년 중기부 예산안에는 4대 과학기술원과 연계한 제조AI 전문인력 양성 사업 284억 원이 새로 담겼습니다. 과기원이 길러 내는 고급 인력과 소규모 공장에 필요한 현장 운용 인력은 층위가 다릅니다.
보안 공백도 같은 자리에서 생깁니다. 유지보수 단절과 구축업체 교체에 원격 유지보수 접속까지 겹치면 생산 설비를 움직이는 운영기술(OT) 계층의 관리 책임이 흐려집니다. 고도화 지원 요건에 접속 통제와 백업을 넣어야 하는 이유입니다.
2027년 AI 스마트공장 예산 4,682억 원은 고도화 목표에 충분할까요
예산을 모두 구축 지원에 써도 2030년 보급 목표 속도에는 조금 못 미칩니다. 뉴스핌이 보도한 2027년 중기부 예산안에서 AI 중심 스마트공장 예산은 전체 예산보다 빠르게 늘었습니다. 정책의 무게중심이 AI 고도화로 옮겨 가고 있다는 신호입니다.
| 구분 | 2026년 | 2027년 정부안 | 증감 |
|---|---|---|---|
| 중기부 전체 예산 | 16조5,233억 원(본예산) | 18조724억 원 | +1조5,491억 원(9.4%) |
| AI 중심 스마트공장 예산 | 4,036억 원 | 4,682억 원 | +646억 원(16.0%) |
| 중기부 예산 대비 비중 | 2.4% | 2.6% | 상승 |
| 중소기업 피지컬 AI 실증 | - | 1,728억 원 | 신규 |
자료: 뉴스핌, 2027년 중소벤처기업부 예산안 보도. 비중은 AI 중심 스마트공장 예산을 중기부 전체 예산으로 나눈 값입니다.
3.0 전략은 2030년까지 AI 중심 스마트공장 1만2,000개 보급과 중소 제조업 AI 도입률 10%를 목표로 잡았습니다. 2026~2030년 5년간 고르게 채운다고 가정하면 해마다 2,400개가 필요합니다. 정부안 4,682억 원을 모두 기업당 정부 지원 2억 원에 쓴다고 해도 최대 2,341개입니다. 연간 목표에 59개 모자라고 유지보수와 운용 인력에 쓸 돈은 남지 않습니다. AI 도입률 10%는 지금의 0.1%보다 100배 높은 수준입니다.
임문영 의원은 이데일리 보도에서 “시스템을 운용할 사람도 없고 유지보수마저 끊긴 상태에서 AI만 얹는다고 AX가 되는 것은 아니다”라고 지적했습니다. 대안으로는 디지털 성숙도 사전 진단과 함께 구축 → 유지보수·운용 인력 → 데이터 활용(DX, 디지털 전환) → AI 적용(AX, AI 전환) → 자율제조로 이어지는 단계별 지원 체계를 제안했습니다. 늘어난 예산이 이 사다리의 중간 칸인 유지보수와 운용 인력에 얼마나 돌아가느냐가 고도화의 성패를 가릅니다.
시사점: 스마트공장 고도화를 가늠할 지표 5가지
스마트공장 정책의 성패는 몇 곳에 깔았는지보다 몇 곳이 한 단계 올라서 그 상태를 지키는지로 갈립니다. 보급률 대신 볼 지표는 다섯 가지입니다.
- 단계 상승률: 중간2 이상 2.0%(중소기업 1.5%), 고도화 진행 24.5%에서 출발해 단계별 분포와 상승 기업 수를 해마다 공개
- 운영 지속률: 영세 제조사 유지보수 단절 71%(2026년 9월) 기준으로 도입 2년·3년 차 정기 유지보수율 재측정
- 데이터 전환율: 수집 60.8%, 분석 52.1%, 제조AI 0.1%를 2030년 AI 도입률 10% 목표와 해마다 비교
- 성과 검증: 산재 12.8% 감소 같은 전체 평균 대신 생산성·불량률을 단계별·경과 연수별로 독립 검증
- 인력·보안 대비: 전담 인력 0.8%, 교육 예산 6.6%와 함께 OT 접속 통제·백업 체계를 갖춘 기업 비율
기업 디지털 전략: 설비 데이터 계층과 운용자부터
경영 전산화에 머문 기초 공장이라면 AI 솔루션보다 MES·제어 같은 설비 데이터 계층부터 설계하는 편이 낫습니다. 구축 계약 때 소스코드·설정값·사양서를 확보하고 전담 운용자를 지정해 두면 공급기업 의존도 줄어듭니다.
산업 정책: 보급 건수에서 단계 상승과 운영 지속으로
지원 한도를 올리기보다 단계 상승과 운영 지속을 조건으로 유지보수·운용 인력 패키지를 후속 지원하는 방식이 효과적입니다. 성과지표를 단계 상승률과 운영 지속률로 바꾸고 OECD 등 국외 통계와 같은 정의로 견줄 수 있는 제조AI 도입 통계도 갖춰야 합니다.