조선업의 AI 대전환 (Part 2)

선박이 바다에 나간 이후 — 운영, 정비, 해체의 AI 혁신

Part 1에서는 선박이 만들어지기까지의 과정, 즉 R&D/설계, 영업/금융, 조달/공급망, 생산/건조의 4개 메가 프로세스에서 AI가 어떻게 적용되고 있는지를 분석했다. Part 2에서는 선박이 진수되어 바다에 나간 이후의 이야기를 다룬다.

선박의 생애주기에서 건조 이후의 기간은 20~30년에 달하며, 이 기간 동안 발생하는 운영비, 정비비, 보험료의 총합은 건조 비용을 훨씬 초과한다.[8] 따라서 운영 단계 이후의 AI 적용은 경제적 파급력 면에서 건조 단계 못지않게 중요하다.

Part 2에서는 선박 운영, 애프터마켓(MRO), 해체/재활용의 3개 메가 프로세스를 세부 프로세스별로 분해하여 AI 적용 현황을 분석하고, 마지막으로 조선업 전체에 걸친 AI 도입의 실무적 장벽과 대응 방안을 정리한다.

E2E 프로세스 전체 개요 (재게시)

※ 본 시리즈에서 사용하는 AI 적용 수준의 정의는 다음과 같다.

[상용화]는 해당 기능을 제공하는 상용 소프트웨어 또는 솔루션이 시장에 존재하며, 일부 기업/조선소에서 도입 사례가 보고된 수준을 의미한다. 이는 조선업 전체에서 표준적으로 운영되고 있다는 뜻이 아니다.
[시범]은 특정 조선소/기업에서 파일럿 프로젝트 또는 개념 검증(PoC) 단계에 있는 수준이다.
[연구]는 학술 연구 또는 기술 개발 단계에 있으며, 현장 적용 사례가 공개되지 않은 수준이다.

5. 선박 운영 단계

5.1 단계 개요

선박 운영 단계는 선박의 생애주기 중 가장 긴 기간(20~30년)을 차지하며, 운영비의 대부분이 연료비로 구성된다.[8] 이 단계에서의 AI 적용은 연료비 절감, 안전성 향상, 탄소 배출 규제 준수라는 세 가지 목표를 동시에 추구한다.

ResearchGate(2024)에 게재된 'Artificial Intelligence (AI) Applications and the Shipping Industry' 연구에 따르면, AI는 항로 계획, 엔진 관리, 연료 최적화, 항만 접안 등 운영 전 영역에 걸쳐 적용되고 있다.[14]

5.2 세부 프로세스별 AI 적용

5.2.1 항로 계획 및 최적화 (Voyage Planning) — [상용화]

항로 계획은 출발항에서 도착항까지의 최적 경로와 속도를 결정하는 프로세스이다.

아날로그 시대에는 종이 해도(paper chart)와 기상 통보를 참조하여 선장이 수동으로 항로를 설정했다.
IT/클라우드 시대에는 ECDIS(Electronic Chart Display and Information System)와 기상 소프트웨어가 도입되어 디지털 항로 설정이 가능해졌으나, 한번 설정된 항로를 실시간으로 조정하기는 어려웠다.

AI 적용 방법
AI 동적 항로 최적화 시스템은 실시간 기상 데이터, 해류 데이터, 항만 혼잡도, 연료 가격, 탄소 배출 규제 등을 종합 분석하여 총 운항 비용을 최소화하는 항로를 동적으로 제안한다.[14]

이 시스템은 단순히 최단 거리를 계산하는 것이 아니라, 파도의 높이와 방향에 따른 선체 저항 변화, 해류의 속도와 방향에 따른 추가/절감 연료, 항만의 접안 가능 시간(berth window)까지 종합적으로 고려한다. 항해 중에도 기상 조건의 변화에 따라 항로와 속도를 실시간으로 재조정한다.

Maersk는 AI 항로 최적화 시스템을 통해 전체 선대에서 연간 연료비를 유의미하게 절감한 것으로 보고되고 있다.[6]

5.2.2 엔진 및 장비 관리 (Engine & Equipment Management) — [상용화]

엔진 및 주요 장비의 관리는 선박 운영의 핵심이다.
아날로그 시대에는 기관사가 수동 점검과 기록에 의존했으며, IT/클라우드 시대에는 디지털 센서와 모니터링 시스템이 도입되어 이상 징후 발생 시 알람이 발생하는 구조가 구현되었다.

AI 적용 방법
AI 상태 중심 예측 정비(Condition-Based Predictive Maintenance) 시스템은 수천 개의 IoT 센서가 수집하는 엔진 성능 데이터(온도, 압력, 진동, RPM, 연료 소비율 등)를 ML 알고리즘으로 분석하여, 장비의 고장 징후를 수주일 전에 미리 예측한다.[2][12]

일본의 상선회사 MOL(Mitsui OSK Lines)은 AI 예측 정비 시스템 도입 후 예상치 못한 엔진 고장을 70% 감소시켰으며, 정비 비용을 연간 30억 원 절감한 것으로 보고되고 있다.[12]

이 시스템은 단순히 '고장 전 교체'를 넘어, 각 부품의 실제 마모 상태를 기반으로 최적의 교체 시점을 산정하여, 과도한 예방 정비로 인한 불필요한 비용도 동시에 절감한다.

5.2.3 연료 소모 최적화 (Fuel Optimization) — [상용화]

연료비는 선박 운영비의 가장 큰 비중을 차지하며, IMO의 탄소 배출 규제(EEXI, CII) 강화에 따라 연료 효율의 중요성이 더욱 커지고 있다.

AI 적용 방법
AI 실시간 에너지 관리 시스템(EMS: Energy Management System)은 기상 조건, 해류, 선박의 흘수(draft) 변화, 트림(trim) 상태 등을 실시간으로 분석하여 최적의 엔진 출력과 프로펠러 회전수를 산정한다.[2] 특히 날씨 변화에 따른 선체 저항 변화를 예측하여, 미리 엔진 출력을 조정함으로써 연료 소비의 피크를 완화하는 '선제적 에너지 관리' 기능이 핵심이다.

바이오 연료나 LNG 이중연료(Dual-Fuel) 엔진을 탑재한 선박의 경우, AI가 연료별 가격과 탄소 배출량을 실시간으로 비교하여 최적의 연료 믹스를 자동으로 결정한다.

5.2.4 항만 접안 (Berthing) — [시범]

항만 접안은 도선사의 지원 하에 선박을 부두에 안전하게 정박시키는 프로세스이다.
아날로그 시대에는 전적으로 도선사와 예인선의 수동 가이드에 의존했다.

AI 적용 방법
AI 자동 접안 시스템은 LiDAR, 카메라, GPS RTK 등의 센서 데이터를 종합하여 부두와의 거리, 접근 각도, 풍속과 조류의 영향을 실시간으로 분석하며, 추진기(thruster)와 조타를 자동으로 제어하여 정밀 접안을 수행한다.[14]

이 기술은 현재 시범 운영 단계에 있으며, 완전 자율운항선박(MASS)의 핵심 기술 중 하나이다.

IMO는 MASS Code의 2028년 발효를 목표로 제도 정비를 진행하고 있다.[14]

5.3 선박 운영 단계 AI 적용 종합

6. 애프터마켓(MRO) 단계

6.1 단계 개요

선박의 생애주기 중 운영 기간에 발생하는 유지보수(MRO: Maintenance, Repair, and Overhaul)와 보험, 채권 관리를 포함하는 단계이다.

Mordor Intelligence(2024)에 따르면, 선박 MRO 시장은 지속적으로 성장하고 있으며, 선박의 평균 수명 증가와 환경 규제 강화가 시장 성장의 주요 동인이다.[12]

Market Research Future(2024)는 이 시장이 2035년까지 상당한 규모로 확대될 것으로 전망하고 있다.[13]

아날로그 시대의 MRO는 수동 장부와 부품 카탈로그를 참조하며 부품을 주문하는 방식이었고, 보험 청구는 손해 사정인이 직접 현장을 방문하여 수개월에 걸쳐 진행되었다.[17]

IT/클라우드 시대에는 선박 관리 시스템(PMS: Planned Maintenance System)이 도입되어 정비 이력과 부품 재고를 디지털로 관리하기 시작했으며, 보험사는 선박 블랙박스(VDR: Voyage Data Recorder) 데이터를 활용하기 시작했다.[1][4]

6.2 세부 프로세스별 AI 적용

6.2.1 정비 및 부품 공급 (Maintenance & Parts Supply) — [상용화]

정비 및 부품 공급은 선박의 주요 장비와 시스템의 상태를 유지하고, 필요한 부품을 적시에 공급하는 프로세스이다. 전통적인 시간 기반 정비(Time-Based Maintenance)는 부품의 실제 상태와 무관하게 정해진 주기에 따라 교체하는 방식으로, 과잉 정비에 따른 비용 낭비가 발생했다.[13]

AI 적용 방법
AI 예측 정비 시스템은 IoT 센서 데이터 분석을 기반으로 부품의 잔여 수명을 예측하고, 최적의 교체 시점을 산정한다. 이 시스템의 핵심 가치는 정비 계획과 부품 공급망의 연동에 있다. AI가 특정 부품의 교체가 2주 후에 필요하다고 예측하면, 자동으로 부품 공급사에 발주하고 선박이 다음에 입항할 예정인 항구의 정비소에 인력과 장비를 사전 배치한다.[1][12] 이러한 '선제적 서비스(Proactive Service)' 모델은 선박의 비계획 정지를 최소화하여 가동률(Uptime)을 향상시킨다. The Business Research Company(2026)의 보고서에 따르면, AI 예측 정비는 MRO 시장에서 가장 빠르게 성장하는 세그먼트 중 하나이다.[15]

6.2.2 보험 요율 산정 (Insurance Rating) — [상용화]

선박 보험 요율은 전통적으로 선박의 종류, 선령, 선주의 과거 사고 기록 등 정적 데이터에 기반하여 연 단위로 고정 산정되었다.

AI 적용 방법
AI 기반 동적 보험 요율 시스템은 선박의 실시간 운항 데이터(항로, 기상 조건, 항해 속도, 정비 상태)를 분석하여 리스크 프로파일을 동적으로 산정한다.

Hicron Software(2024)는 AI가 보험 클레임 데이터를 분석하여 보험 요율 최적화에 기여하고 있다고 보고하고 있다.[17]

VerticalServe(2024)에 따르면, Lloyd's Register와 같은 보험사는 AI를 통해 보험 언더라이팅 정확도를 향상시키고 있으며, 매 분기마다 보험료를 동적으로 재조정하는 방식을 도입하고 있다.[19]

First Policy(2024)는 이러한 기술 발전이 해상 보험 시장 전체의 구조적 변화를 이끌고 있다고 분석하고 있다.[21]

6.2.3 보험 사고 조사 (Claims Investigation) — [시범]

보험 사고 조사는 사고 발생 후 손상 범위를 확인하고 보험금을 산정하는 프로세스이다.
아날로그 시대에는 손해 사정인의 현장 방문이 필수적이었으며, IT/클라우드 시대에는 VDR 데이터와 디지털 사진이 활용되었다.

AI 적용 방법
드론과 AI 컴퓨터 비전을 결합한 자동 피해 분석 시스템은, 사고 선박의 손상 부위를 드론으로 촬영한 후 AI가 이미지를 분석하여 손상 범위, 깊이, 수리에 필요한 재료와 공수를 자동으로 산출한다.[21]

이 시스템은 손해 사정인의 현장 방문 없이도 초기 피해 평가를 수행할 수 있어, 보험금 산정 기간의 단축이 기대된다.

6.2.4 용선료 및 채권 관리 (Charter Hire & Receivables) — [상용화]

용선료 관리는 선주가 용선주로부터 선박 사용료를 징수하는 프로세스이다.

Reed Smith(2024)에 따르면, 용선료 미납 시의 법적 대응(hire and withdrawal)은 해운업의 주요 분쟁 유형 중 하나이다.[18]

AI 적용 방법
AI 지능형 추심 시스템은 용선주의 결제 패턴을 분석하여 미납 가능성이 높은 차주를 사전에 식별하고, 자동으로 결제 리마인더를 발송한다.[5][20]

HighRadius(2024)의 AI 기반 신용 및 추심 자동화 소프트웨어는 결제 패턴 분석을 통해 연체 리스크를 사전에 감지하는 기능을 제공하고 있다.[5]

FinTech Weekly(2024)는 AI가 채무 회수 과정의 효율성을 높이면서도 채무자와의 관계를 유지하는 '프릭션리스(frictionless)' 추심 모델을 가능하게 한다고 분석하고 있다.[20]

6.3 애프터마켓 단계 AI 적용 종합

7. 해체 및 재활용 단계

7.1 단계 개요

선박의 수명이 다하면(통상 25~30년) 해체 및 재활용 단계에 진입한다. Riviera Maritime Media의 보고에 따르면, 선박 재활용은 홍콩 협약(Hong Kong Convention)과 EU 선박 재활용 규정(EU Ship Recycling Regulation) 등 국제 규제의 적용을 받는다.[3] 과거에는 방글라데시, 인도 등지의 해변에서 비칭(Beaching) 방식으로 해체하는 것이 일반적이었으나, 환경 및 노동 안전 규제가 강화되면서 승인된 시설에서의 체계적 해체가 요구되고 있다.[8] Shipfinex(2024)는 선박 재활용이 지속 가능한 해운 투자의 핵심 요소로 부상하고 있다고 분석하고 있다.[23]

7.2 세부 프로세스별 AI 적용

7.2.1 유해물질 검사 및 해체 계획 (Hazmat Survey & Dismantling Plan) — [시범]

유해물질 검사는 선박 내 석면, 중금속, PCB 등 유해물질의 존재 여부와 위치를 파악하는 프로세스이다.

홍콩 협약에 따라 선박은 유해물질 목록(IHM: Inventory of Hazardous Materials)을 보유해야 하며, 해체 전 업데이트가 필요하다.[3]

AI 적용 방법
Maritime-Innovations(2024)에 따르면, AI와 드론을 결합한 자동 스캔 시스템이 선박 내부를 3D 매핑하여 유해물질의 정확한 위치를 파악하고, 디지털 트윈을 생성한다.[24]

AI는 이 디지털 트윈을 기반으로 구조적 붕괴 위험을 최소화하는 최적의 해체 순서를 수립한다.

예를 들어, 선미 엔진 제거 시 무게 중심 변화에 따른 선체 경사 위험을 사전에 계산하여 양현 밸런스를 맞추는 작업을 먼저 수행하도록 순서를 설정한다.

ResearchGate(2024)에 게재된 'The future of robotic disassembly' 연구는 AI 기반 해체 계획 수립이 작업자 안전 확보와 해체 효율성 향상에 동시에 기여한다고 분석하고 있다.[27]

7.2.2 강재 분류 및 재활용 (Material Sorting & Recycling) — [연구]

해체된 선박의 강재는 성분과 상태에 따라 재활용 가치가 크게 달라진다.

BMU Journal(2020)의 연구에 따르면, 선박 재활용 산업의 자재 흐름 분석에서 강재의 성분별 정밀 분류가 재활용 가치를 결정짓는 핵심 요소이다.[25]

AI 적용 방법
AI 기반 자동 분류 시스템은 분광 분석(spectroscopy)과 컴퓨터 비전을 결합하여 강재의 성분(탄소, 망간, 크롬 등)과 등급을 자동으로 판별하고, 재활용 용도에 따라 분류한다.

Electronica(2024)는 AI와 로봇을 결합한 자동 분류 시스템이 재활용 산업 전반의 효율성을 재정의하고 있다고 보고하고 있다.[28]

Amtec Solutions Group(2024)은 로봇이 순환경제를 구동하는 핵심 기술이라고 분석하고 있다.[30]

7.2.3 머티리얼 패스포트 (Material Passport) — [연구]

머티리얼 패스포트는 건조 단계부터 선박에 사용된 모든 재료의 성분, 이력, 인증 정보를 블록체인에 기록하여, 해체 단계에서 효율적 재활용을 가능하게 하는 개념이다.

AI 적용 방법
Bain & Company(2024)는 AI가 순환경제 전환에 기여하는 사례를 분석한 바 있다.[7] ResearchGate(2024)에 게재된 연구는 해운업의 순환경제 관행을 촉진하기 위한 데이터베이스 기반 접근법을 제안하고 있다.[29]

네덜란드의 Madaster 플랫폼은 건설업에서 머티리얼 패스포트를 이미 상용화한 사례이며, 조선업에서도 유사한 시스템의 도입이 논의되고 있다. EU는 2030년부터 신조 선박에 디지털 패스포트 의무화를 검토 중이다. 건조 단계부터 블록체인에 기록된 재료 정보가 해체 단계에서 활용되면, 고순도 강재의 정밀 분리가 가능해져 재활용 가치를 크게 높일 수 있다.

7.2.4 자산 재판매 (Asset Resale) — [시범]

해체된 선박의 엔진, 발전기, 항해 장비 등 일부 구성품은 재정비 후 중고 시장에서 재판매될 수 있다.

AI 적용 방법
AI 기반 자산 가치 평가 시스템은 해체 대상 구성품의 상태 데이터(디지털 트윈에서 축적된 운영 이력, 잔여 수명 예측값)를 분석하여 재판매 가치를 자동으로 산정한다. 재판매 가치가 해체 후 고철 가치보다 높은 구성품을 자동으로 식별하여, '재제조(remanufacturing)' 또는 '재판매' 경로를 추천한다. 이를 통해 해체의 경제성을 높이는 동시에 순환경제의 실현에 기여한다.[23]

7.3 해체 및 재활용 단계 AI 적용 종합

8. AI 도입의 실무적 장벽과 대응 방안

8.1 데이터 인프라의 부재

AI 도입의 가장 근본적인 전제 조건은 양질의 데이터이다. 그러나 다수의 조선소, 특히 중소 조선소에서는 데이터가 각 부서의 개별 시스템에 분산되어 있으며, 데이터 형식이 표준화되어 있지 않다.

레거시 시스템 간의 호환성 부재는 데이터 통합을 어렵게 만든다.[9] 협력사 간 데이터 공유 거부도 주요 장벽이다. 협력사들은 자사의 가격 정보와 생산 데이터가 경쟁사에 유출될 것을 우려하여 데이터 공유에 소극적인 경향이 있다.

대응 방안
전사 데이터 통합 프로젝트를 한 번에 추진하기보다는, 가장 효과가 큰 단일 영역(예: 조달, 품질 검사)의 데이터만 먼저 정리하여 AI 시범 프로젝트를 운영하는 단계적 접근이 권장된다.

협력사의 데이터 공유에 대해서는 데이터를 익명화(anonymization)하여 개별 협력사를 식별할 수 없도록 하고, 데이터 공유 협력사에 우선 발주 등의 인센티브를 설계하는 방안이 있다.

8.2 투자 비용과 ROI

중소 조선소의 경우, AI 시스템 구축에 필요한 초기 투자 비용이 상당한 부담이 된다.

대응 방안

클라우드 기반 SaaS(Software as a Service) 모델은 초기 대규모 투자 대신 월 구독료 방식으로 AI 시스템을 도입할 수 있는 대안이다. 실제로 조선·해양 특화 SaaS 솔루션이 이미 다수 상용화되어 있다.

설계·PLM 영역에서는 SSI의 ShipbuildingPLM(DigitalHub)이 클라우드 기반으로 조선소 엔지니어링 워크플로우를 지원하며, AVEVA Marine은 3D 설계·생산 솔루션의 클라우드 전환을 진행하고 있다.

생산 관리 영역에서는 네덜란드의 Floorganise(Floor2Plan)가 조선소 MES를 SaaS로 제공하여 2만 명 이상의 조선소 작업자가 일일 사용 중이다.

선박 운영 영역에서는 Wärtsilä Fleet Operations Solution, Cetasol의 iHelm, MariApps의 OceanAI 등이 항해 최적화·예측 정비·선원 관리를 클라우드 기반으로 제공하고 있다. 이러한 SaaS 도입 시 중소 조선소도 자체 IT 인프라 구축 없이 월 구독료만으로 AI 기능을 활용할 수 있다.

정부 지원 프로그램도 적극 활용할 수 있다.

산업통상부는 2025년 'M.AX(제조 AX) 얼라이언스'를 출범시키고 2026년 예산 7,000억 원을 투입하여 조선·해양을 포함한 제조업 전반의 AI 전환을 추진 중이다. 특히 조선·해양 분야에서는 'AI 완전자율운항선박 기술개발' 사업(산업부·해수부 공동, 6,034억 원, 2026~2032)이 예비타당성 조사 면제를 확보하여 본격 착수 예정이다.

금융 측면에서는 국민성장펀드(5년간 150조 원)가 AI 산업에 30조 원 이상을 투입할 계획이며, 산업은행의 'AI 코리아 펀드'(5,000억 원)도 AI 전 분야를 지원 대상으로 포함하고 있다.

중소벤처기업부의 '스마트 제조혁신 지원사업'은 AI 트랙을 별도 운영하며 구축 비용의 최대 50%를 정부가 지원한다(smart-factory.kr). 이러한 정책 수단들을 조합하면 중소 조선소의 실질적인 AI 도입 부담을 상당히 줄일 수 있다.

8.3 조직 저항과 변화 관리

TU Delft(2024)의 연구는 조선업 디지털 전환의 핵심 과제로 기술적 요인 못지않게 조직적, 문화적 요인을 강조하고 있다.[10] 현장 작업자들의 AI 시스템에 대한 거부감은 충분한 교육과 단계적 도입으로 대응할 필요가 있다.

대응 방안
핵심 원칙은 AI를 인력 '대체'가 아닌 인력 '증강(Augmentation)'의 도구로 포지셔닝하는 것이다. 숙련공의 노하우를 AI에 학습시켜 후배에게 전수하는 '디지털 마스터' 프로그램은 베테랑 기술자의 가치를 높이면서 동시에 기술 전수 문제를 해결하는 접근법이다. 또한 하루아침에 전체 프로세스를 전환하기보다는 6개월~1년에 걸쳐 점진적으로 적응할 시간을 확보하는 것이 중요하다.

8.4 AI 적용 우선순위 매트릭스

아래 표는 본 시리즈에서 분석한 28개 세부 프로세스의 AI 적용 영역을 ROI(투자 수익률)와 도입 장벽(Barrier)의 두 축으로 분류한 것이다.

9. 결론

Part 1과 Part 2를 통해 분석한 바와 같이, 조선업의 E2E 프로세스 7개 메가 프로세스, 28개 세부 프로세스 전체에 걸쳐 AI 적용이 진행되고 있다.

설계 단계의 생성형 설계와 ML 대리 모델, 영업 단계의 AI 수주 분석과 신용 스코어링, 조달 단계의 ML 수요 예측과 공급사 리스크 스코어링, 건조 단계의 CV 품질 검사와 강화학습 기반 동적 스케줄링, 운영 단계의 동적 항로 최적화와 예측 정비, MRO 단계의 동적 보험 요율과 지능형 추심, 해체 단계의 AI 해체 계획과 머티리얼 패스포트에 이르기까지, AI는 각 세부 프로세스의 효율성을 개별적으로 향상시키는 동시에 전체 밸류체인을 하나의 데이터 파이프라인으로 연결하는 역할을 수행한다.

Microsoft(2025)가 제시한 'AI 기반 디지털 스레드' 개념은 이 변화의 핵심이다.[11]

설계 단계에서 생성된 데이터가 건조, 운영, 해체 단계까지 중단 없이 이어지고, 각 단계에서 생성된 운영 데이터가 다시 설계 단계로 피드백되는 폐쇄 루프 구조가 형성된다. 이 구조에서는 단일 프로세스의 AI 적용보다 전체 밸류체인에 걸친 데이터 연결이 더 큰 가치를 창출한다.

다만, AI 도입은 기술의 문제만이 아니다.

TU Delft(2024)의 연구가 강조한 바와 같이, 데이터 인프라 구축, 협력사 생태계 형성, 조직 변화 관리 등 비기술적 과제의 해결이 동반되어야 한다.[10]

특히 중소 조선소와 협력사들의 디지털 전환을 지원하는 산업 생태계 차원의 접근이 필요하다. Quick Win 영역에서의 조기 성공 사례를 확보하고, 이를 기반으로 점진적으로 확장하는 전략이 현실적이다.

조선업은 AI, IoT, 디지털 트윈, 블록체인 등 첨단 기술이 융합된 기술 집약 산업으로 전환되고 있으며, 이 전환의 속도와 깊이가 향후 글로벌 조선업의 경쟁 지형을 결정할 것이다.

참고문헌

본문에서 인용한 참고문헌의 상세 정보이다. 각 항목에 제목, 출처 기관, 발행 연도, 접근 가능한 URL 또는 DOI를 포함하였다. 참고문헌은 학술 논문·국제기구 보고서·선급 발표 등 1차 출처와, 산업 분석·기술 블로그 등 2차 출처를 포함한다. 2차 출처(벤더 블로그, 컨설팅 리포트 등)는 트렌드와 개념 설명의 맥락으로 인용하였으며, 본문의 정량 수치 및 KPI는 가능한 한 1차 출처에 기반하였다.

[1] UNCTAD Review of Maritime Transport 2024, United Nations Conference on Trade and Development, 2024. https://unctad.org/publication/review-maritime-transport-2024

[2] Ship Energy Efficiency and AI Applications, DNV Technical Report, 2024. https://www.dnv.com/maritime/maritime-forecast/

[3] "Ship Recycling: End of Life for a Ship but No End to Regulations," Riviera Maritime Media. https://www.rivieramm.com/news-content-hub/ship-recycling-end-of-life-for-a-ship-but-no-end-to-regulations-87144

[4] "Settlement Administration: Comparing Wire Transfer Methods vs ACH Digital Payments," Talli, 2024. https://blog.talli.ai/settlement-administration-comparing-wire-transfer-methods-vs-ach-digital-payments/

[5] "AI-Powered Credit & Collections Automation Software," HighRadius, 2024. https://www.highradius.com/product/credit-and-collections/

[6] "Shipping Industry Value Chain: Deep Dive," Flevy.com, 2024. https://flevy.com/blog/shipping-industry-value-chain-deep-dive/

[7] "How AI Is Starting to Transform Circular Packaging," Bain & Company, 2024. https://www.bain.com/insights/how-ai-is-starting-to-transform-circular-packaging/

[8] THE SHIP LIFECYCLE, Institute for Human Rights and Business, 2022. https://ihrb-org.files.svdcdn.com/production/assets/uploads/briefings/Shipping_Lifecycle-vF.pdf

[9] "Navigating shipbuilding 4.0: analysis and classification of technologies for the digital transformation of the sector," TU Delft Repository, 2024. https://repository.tudelft.nl/file/File_08bed111-6281-4af1-909a-cbef88d522ef

[10] "Navigating shipbuilding 4.0," Ship Technology Research, Taylor & Francis, 2025. DOI: 10.1080/09377255.2025.2522600

[11] "Unlocking the future of manufacturing with AI-powered digital thread," Microsoft Industry Blogs, 2025. https://www.microsoft.com/en-us/industry/blog/manufacturing-and-mobility/2025/03/13/unlocking-the-future-of-manufacturing-with-ai-powered-digital-thread/

[12] Boat and Ship MRO Market Analysis, Mordor Intelligence, 2024. https://www.mordorintelligence.com/industry-reports/boat-and-ship-mro-market

[13] Boat And Ship MRO Market Size, Growth, Trends Report 2035, Market Research Future, 2024. https://www.marketresearchfuture.com/reports/boat-ship-mro-market-34511

[14] "Artificial Intelligence (AI) Applications and the Shipping Industry," ResearchGate, 2024. https://www.researchgate.net/publication/393221150_Artificial_Intelligence_AI_Applications_and_the_Shipping_Industry

[15] Boat And Ship MRO Market Report 2026, The Business Research Company, 2026. https://www.thebusinessresearchcompany.com/report/boat-and-ship-mro-global-market-report

[16] "AI, Digital Twins Seen as Solution to Shipyard Backlogs," National Defense Magazine, January 2026. https://www.nationaldefensemagazine.org/articles/2026/1/8/ai-digital-twins-seen-as-solution-to-shipyard-backlogs

[17] "Optimizing Marine Insurance Premiums with Claims Analysis," Hicron Software, 2024. https://hicronsoftware.com/blog/marine-insurance-premiums-with-claims-analysis/

[18] "Hire and withdrawal," Reed Smith Ship Law Log, 2024. https://www.reedsmith.com/our-insights/blogs/ship-law-log/102k6k8/hire-and-withdrawal/

[19] "Transforming Marine Insurance with AI," VerticalServe Blogs, Medium, 2024. https://verticalserve.medium.com/transforming-marine-insurance-with-ai-57e5c50aa469

[20] "The Role of AI in Frictionless Debt Collection," FinTech Weekly, 2024. https://www.fintechweekly.com/magazine/articles/ai-frictionless-debt-collection-responsible-recovery

[21] "The Evolution of Marine Insurance," First Policy, 2024. https://firstpolicy.com/the-evolution-of-marine-insurance-how-emerging-technologies-are-shaping-the-future-of-freight-coverage/

[22] Naval Vessels MRO Market Size, Persistence Market Research, 2026. https://www.persistencemarketresearch.com/market-research/naval-vessels-mro-market.asp

[23] "Ship Recycling: Key to Sustainable Maritime Investments," Shipfinex, 2024. https://www.shipfinex.com/blog/ship-recycling-sustainable-maritime-investments

[24] "Modern Ship Recycling with AI and Robotics," Maritime-Innovations, 2024. https://maritime-innovations.com/modern-ship-recycling-with-ai-and-robotics/

[25] "Material Flow Analysis Technique for Material Assessment of Ship Recycling Industry," BMU Journal, 2020. https://bmu.edu.bd/public/files/econtents/5eb7a85de065fbmj-03-01-05.pdf

[26] THE SHIP LIFECYCLE (Updated), Institute for Human Rights and Business, 2022. https://ihrb-org.files.svdcdn.com/production/assets/uploads/briefings/Shipping_Lifecycle_2022-09-12.pdf

[27] "The future of robotic disassembly: a systematic review," ResearchGate, 2024. https://www.researchgate.net/publication/396370138

[28] "When robots recycle: How AI and automation are redefining post-use recycling," Electronica, 2024. https://electronica.de/en/industry-portal/detail/how-ai-and-automation-are-redefining-post-use-recycling.html

[29] "An Approach to Advance Circular Practices in the Maritime Industry," ResearchGate, 2024. https://www.researchgate.net/publication/377176460

[30] "How Robotics is Driving the Circular Economy," Amtec Solutions Group, 2024. https://www.amtecsolutionsgroup.com/how-robotics-is-powering-the-circular-economy/