자동차 산업의 E2E 밸류체인 대전환 Part 1

제조자의 여정(Maker's Journey)

자동차 한 대에는 약 3만 개의 부품이 들어간다. 0.8밀리미터 두께의 강판이 프레스에 눌려 차체 패널이 되고, 5,000개의 용접점이 그것을 하나의 골격으로 이어 붙이며, 최소 세 겹의 도료가 그 위를 덮는다. 그리고 수천 개의 나사와 볼트가 엔진과 시트와 대시보드를 제자리에 고정시킨 뒤, 완성된 차는 10,800대를 실을 수 있는 거대한 자동차 운반선에 올라 대양을 건넌다.

이 모든 과정을 관통하는 하나의 질문이 있다. "어디까지 기계에게 맡기고, 어디서부터 인간이 판단할 것인가?"

자동차 산업은 지난 한 세기 동안 이 질문에 대한 답을 끊임없이 수정해왔다.
헨리 포드가 컨베이어 벨트 위에서 T 모델을 조립하던 시대, 그 답은 "표준화된 반복 작업은 기계에게"였다. 도요타가 '린(Lean) 생산방식'으로 세계를 놀라게 했을 때, 답은 "낭비 없는 흐름은 시스템에게, 개선은 사람에게"로 진화했다.

그리고 지금, 소프트웨어 정의 차량(Software-Defined Vehicle, SDV)과 인공지능이 공장의 문법을 다시 쓰고 있는 이 시대에, 그 답은 또다시 바뀌는 중이다.

2026년 1월, 라스베이거스에서 열린 CES에서 현대자동차그룹은 보스턴 다이나믹스의 휴머노이드 로봇 '아틀라스(Atlas)'를 무대에 세웠다.[1]

키 190센티미터, 56개의 자유도를 가진 이 완전 전기식 휴머노이드는 원격 조종 기반의 라이브 데모를 선보였는데, 자율 물류 작업은 이미 현대차 공장에서 별도로 검증을 마친 상태였다.[18]

현대차는 2028년부터 미국 조지아주 사바나 메타플랜트에 이 로봇을 실전 배치하고, 연간 3만 대 규모의 로봇 생산 공장을 건설하겠다고 발표했다.[2] 같은 시기, BMW 스파르탄버그 공장에서는 피규어(Figure AI)의 휴머노이드 로봇 '피규어 02'가 11개월간의 파일럿 프로젝트를 마치고 차세대 모델인 '피규어 03'에 자리를 넘겼다.[3]

메르세데스-벤츠는 베를린 마리엔펠데의 디지털 팩토리 캠퍼스에서 앱트로닉(Apptronik)의 '아폴로(Apollo)'를 물류 작업에 투입하며, 휴머노이드 로봇의 자율 운영이라는 다음 단계를 향해 나아가고 있다.[4]

이것은 더 이상 미래의 이야기가 아니다. 지금 벌어지고 있는 현실이다.

본 시리즈의 Part 1은 '제조자의 여정(Maker's Journey)'이다.

한 장의 강판이 자동차가 되어 대양을 건너기까지, R&D에서 설계를 거쳐, 부품을 사 모으고, 프레스·차체·도장·조립의 4대 공정을 통과하며, 품질의 관문을 넘고, RoRo 선박에 실려 전 세계 딜러십에 도착하기까지의 전 과정을 추적한다. 그리고 그 모든 단계에서 AI가 어떻게 게임의 규칙을 바꾸고 있는지를 살펴본다.

1. 연구개발 및 엔지니어링: 상상이 데이터가 되는 곳

자동차 R&D는 전통적으로 가장 보수적이고 시간이 많이 드는 영역이었다. 수천 개의 부품이 시속 200킬로미터의 충격에도, 영하 40도의 혹한에도, 사하라의 열사에도 견뎌야 하기 때문이다. 그런데 이 치밀한 세계에서, 지금 가장 파괴적인 변화가 일어나고 있다.

아날로그 시대의 R&D는 철저히 물리적 실체에 의존했다.
엔지니어들은 종이 위에 도면을 그렸고, 디자인은 점토(Clay) 모델을 깎아가며 완성했다. 공기역학을 검증하려면 실물 크기 모형을 풍동 실험실에 넣어야 했고, 안전성을 확인하려면 시제차 수십 대를 실제로 벽에 들이받게 해야 했다. 한 번의 설계 변경에 수개월이 걸렸고, 지식은 선배 엔지니어의 경험칙이라는 형태로만 전수되었다.

IT/클라우드 시대는 이 물리적 족쇄를 상당 부분 풀어냈다.
3D CAD가 종이를 대체했고, CAE(Computer-Aided Engineering) 시뮬레이션이 풍동과 충돌 시험의 상당 부분을 가상 공간으로 옮겼다. PLM(Product Lifecycle Management) 시스템은 설계 데이터의 이력을 추적하고 부서 간 협업을 가능하게 했다. 하지만 이 시대의 시뮬레이션은 여전히 인간이 설정한 규칙 안에서만 작동하는 '결정론적 모델'의 한계에 갇혀 있었다.[5]

AI 네이티브 시대의 R&D는 '생성형 혁명'을 맞이하고 있다.
생성형 디자인(Generative Design)은 엔지니어가 중량, 강도, 비용이라는 제약 조건만 입력하면 AI가 수백만 개의 최적화된 기하학적 구조를 스스로 탐색하여 제안한다.[6] 인간의 직관으로는 결코 떠올릴 수 없는, 유기체를 닮은 구조물이 탄생하는 것이다. 디지털 트윈은 단순한 3D 복제를 넘어, 실시간 데이터와 동기화되는 '프로세스 트윈'으로 진화하여 물리적 시제차가 만들어지기도 전에 성능을 99% 이상 예측한다.[7]

AI 네이티브 시대핵심적 전환은 개발 사이클의 압축이다. 과거 수개월이 걸리던 설계-검증 루프가 AI 네이티브 환경에서는 '분(Minutes)' 단위로 단축된다.[8] 부품 수준의 '컴포넌트 트윈'부터 전체 생산 라인을 모델링하는 '시스템 트윈'까지 계층화된 분석을 통해, 설계 단계에서 이미 양산 가능성과 품질 문제를 사전에 검증할 수 있게 된 것이다.[7]

2. 품질 기획 및 관리: 불량이 태어나기 전에 차단하는 시대

자동차 산업에는 다른 제조업에서는 찾아보기 힘든 독특한 품질 체계가 존재한다. IATF 16949라는 국제 인증 표준이 그것이며, 이를 충족하지 못하면 어떤 협력사도 글로벌 OEM에 부품을 납품할 수 없다.[9] 이 표준의 정신은 명확하다.
"불량은 검사로 걸러내는 것이 아니라, 프로세스에서 원천적으로 차단하는 것이다."

이 철학을 실현하는 구체적 방법론이 바로 APQP(선행 품질 기획)와 그 핵심 도구들—FMEA(고장 모드 영향 분석), SPC(통계적 공정 관리), MSA(측정 시스템 분석), PPAP(양산 부품 승인)—이다.
2023년 기준, 글로벌 자동차 OEM들이 워런티 클레임으로 지불한 금액은 510억 달러에 달하며, 이는 전체 매출의 약 2%에 해당한다.[10] 자동차 한 대에 3만 개 부품, 수백 개 협력사가 관여하는 세계에서, 품질 실패의 경우의 수는 문자 그대로 천문학적이다.

아날로그 시대의 품질 관리는 '탐정 게임'이었다.
종이에 적힌 FMEA 시트를 회의실에서 돌려가며 검토하고, 숙련된 검사관이 육안으로 도장 표면의 티끌을 잡아냈다. 불량이 시장에 나간 뒤에야 원인을 추적하는, 전형적인 사후 대응이었다.

IT/클라우드 시대는 품질을 '숫자'로 만들었다.
디지털 QMS(품질경영시스템)가 도입되고, SPC 소프트웨어가 공정 능력 지수(Cp/Cpk)를 자동으로 산출했다. 3차원 측정기(CMM)가 사람의 눈을 대체했고, PPAP 서류는 전자화되었다. 하지만 여전히 데이터의 분석은 사후적이었고, "왜 이 불량이 발생했는가"라는 질문에는 전문가의 경험과 직관이 동원되어야 했다.

AI 네이티브 시대의 품질은 '예언자의 시대'다.
AI-SPC 시스템은 공정 데이터의 미세한 트렌드 변화를 실시간으로 감지 하여 불량이 발생하기 전에 조정 신호를 보낸다.[11] 컴퓨터 비전은 샘플링 검사를 100% 전수검사로 대체하며, 0.1밀리미터의 표면 결함까지 잡아낸다. NLP(자연어 처리) 기반 워런티 분석 시스템은 전 세계에서 접수되는 수백만 건의 고객 불만(VOC)을 자동으로 분류하고, 특정 부품이나 공정에서 불량이 급증하는 '조기 경보'를 발령한다.

품질의 패러다임 전환은 사후 조치(Reactive)에서 사전 조치(Proactive)로 전환되며, 결국 이것은 하나의 문장으로 요약된다.

과거에는 "불량이 발생한 후 원인을 찾았다면", AI 시대에는 "불량이 발생하기 전에 차단한다."

3. 조달 및 공급망 관리: 3만 개 부품의 오케스트레이션

자동차는 대표적인 조립 산업이다. OEM은 본질적으로 '시스템 통합자(System Integrator)'이며, 차량을 구성하는 3만여 개 부품의 70~75%를 외부 협력사로부터 조달한다. 이 복잡한 네트워크를 관리하는 것이 조달의 영역이다.

여기서 주목해야 할 점은 '부품'이 단일한 범주가 아니라는 것이다.
시트 모듈이나 콕핏 모듈처럼 Tier 1 협력사가 설계부터 조립까지 담당하는 모듈 부품, 타이어나 배터리처럼 협력사가 자체 기술로 만드는 완제품(Black Box) 부품, OEM이 설계하고 협력사가 도면대로 생산하는 도면(White Box) 부품, 강판이나 알루미늄 같은 원자재, 그리고 볼트와 너트 같은 범용 부품까지—각각의 조달 방식은 완전히 다르다.

아날로그 시대의 조달은 전화와 팩스, 그리고 인맥의 세계였다.
구매 담당자들은 종이 카탈로그를 뒤지며 업체를 발굴했고, 견적 요청서(RFQ)는 우편으로 오갔다. 부품이 필요한 시점에 도착하지 않으면 라인이 멈췄고, 그 손실은 분당 수천만 원에 달했다.

IT/클라우드 시대는 ERP와 SRM(공급업체 관계 관리) 시스템을 가져왔다.
구매 승인 프로세스가 디지털화되었고, EDI(전자 데이터 교환)를 통해 발주가 자동화되었다. 바코드와 RFID가 재고 가시성을 높였다. 하지만 예상치 못한 코로나 팬데믹이나 수에즈 운하 사고 같은 충격 앞에서, 이 시스템은 여전히 '사후 대응'의 한계를 드러냈다.

AI 네이티브 시대에는 '에이전틱 AI(Agentic AI)'가 구매 담당자의 역할을 근본적으로 바꾼다.
AI 에이전트는 이메일, 내부 문서, 글로벌 뉴스를 실시간으로 분석하여 잠재적 공급 부족이나 비용 절감 기회를 스스로 식별한다.[13] 인간의 개입 없이 적절한 RFx 템플릿을 선택하고, 복수의 공급업체 대안을 분석하며, 최적의 협상 전략까지 수립한다.[14]

자연어 처리(NLP)는 수천 페이지의 공급 계약서에서 위험 조항을 짚어내고, 위성 이미지와 지정학적 뉴스를 결합한 리스크 모니터링 시스템은 2차·3차 협력사의 위기까지 사전에 감지한다.[15]

현대차 울산공장의 하루 생산대수는 약 5,000대다. 라인이 1분 멈추면 수천만 원의 손실이 발생한다. 타이어 하나가 안 와도 라인은 선다. 완제품 부품 하나의 결품이 수십억 원의 손실로 번지는 세계에서, AI의 '예측적 오케스트레이션'은 보험이 아니라 생존 전략이다.

4. 생산 및 제조: 4대 공정과 피지컬 AI의 등장

자동차 공장의 심장부에는 다음의 '4대 공정'이라 불리는 일련의 과정이 있다.
1. 프레스(Stamping), 2. 차체(Body/Welding), 3. 도장(Paint), 4. 의장/조립(Final Assembly).
한 장의 강판이 자동차로 변하는 이 여정은 자동차 제조업의 가장 본질적인 프로세스이자, 지금 가장 극적인 AI 변혁이 벌어지고 있는 현장이기도 하다.

4.1 프레스(Press Shop): 강판에 형상을 새기다

모든 것은 강판 코일에서 시작된다. 수톤 무게의 강판 코일이 풀리고, 블랭킹 공정에서 필요한 크기로 잘린다. 이 평평한 강판은 수천 톤의 압력을 가하는 프레스 기계에 들어가 후드, 도어, 루프, 펜더 같은 차체 패널로 태어난다. 차체에 사용되는 강판의 두께는 대부분 0.8~1.0밀리미터. 이 얇은 금속에 복잡한 3차원 형상을 만들어내는 것은 정밀 금형 기술의 정수다.

아날로그 시대에는 숙련공이 프레스 기계를 수동으로 조작했고, 금형의 상태는 장인의 감각으로 판단했다.
IT 시대에는 CNC 제어 프레스와 자동 이송 장치가 도입되었다.
AI 네이티브 시대에는 프레스 성형 중 소재의 미세한 변형을 실시간으로 감지하여 크랙(균열)을 사전에 예측하고, 금형의 마모 상태를 AI가 모니터링하여 최적의 교체 시점을 산출한다.

4.2 차체(Body-in-White): 5,000개의 용접점이 만드는 골격

프레스에서 나온 300여 개의 패널은 차체 공장으로 이동한다.
여기서 로봇들은 스팟 용접, 레이저 용접, 접착, 헤밍 등의 기법으로 이 패널들을 하나의 차체로 결합한다. 차종에 따라 한 대당 3,000~5,000개의 용접점이 필요하며, 현대적인 차체 공장의 자동화율은 90%를 넘어 일부 최신 라인에서는 98%에 달한다. 최대 12대의 로봇이 동시에 하나의 차체에 달라붙어 용접하는 광경은 그것 자체로 장관이며 자주 미디어에 노출되어 익숙한 광경이기도 하다.

이 공정에서 AI의 역할은 미세하지만 결정적이다.
용접 중 전류와 전압의 패턴을 실시간으로 분석하여 불량 용접을 즉각 감지하고, 인라인 레이저 측정 시스템과 결합하여 차체 치수를 100% 전수 검사한다. 과거에는 샘플링으로 확인하던 것을 모든 차체에 대해 수행할 수 있게 된 것이다.

4.3 도장(Paint Shop): 가장 까다로운 공정

도장은 자동차 제조의 4대 공정 중 가장 기술적으로 까다롭고 에너지 집약적인 공정이다.
차체는 먼저 탈지와 인산염 피막 처리를 거친 뒤, 전착 도장(E-Coating)으로 방청 처리된다. 이어서 실링 공정에서 차체 이음새를 밀봉하고, 프라이머(중도)→베이스코트(상도)→클리어코트의 최소 세 겹의 도료가 겹겹이 입혀진다. 이 과정에서 온도, 습도, 먼지가 도장 품질에 치명적인 영향을 미치기 때문에, 도장 공장은 클린룸에 가까운 환경을 유지해야 한다.

AI는 이 민감한 공정에서 약품 농도와 도막 두께를 실시간으로 제어하고, 미세한 도장 결함—먼지 부착, 흘러내림, 오렌지필—을 비전 시스템으로 자동 판별한다. 에너지 소비 최적화 역시 AI의 중요한 역할이다.

4.4 의장/최종 조립(Final Assembly): 인간과 기계가 만나는 최전선

의장 공장은 4대 공정 중 유일하게 인간의 손이 여전히 지배적인 영역이다. 와이어링 하네스, 대시보드, 시트, 타이어, 엔진(또는 EV 모터와 배터리팩)—약 3,000개의 부품이 정확한 순서대로 차체에 장착된다.

이 공정의 하이라이트는 '매리지 스테이션(Marriage Station)'이다. 위에서 내려오는 차체와 아래에서 올라오는 파워트레인이 하나로 결합되는 순간. 이 결합의 정밀도가 차량의 전체 품질을 좌우한다.

조립이 끝난 차량은 기능 검사, 수밀 테스트(레인 테스트), 롤러 테스트, 도로 주행 시험을 거쳐 최종 품질 게이트를 통과한다. AI 종합 진단 시스템은 엔진 이상음, 전장 오류, 미세 진동까지 자동으로 감지한다.

4.5 피지컬 AI와 휴머노이드: 공장에 '뇌'를 이식하다

여기서 이 시대의 가장 근본적인 변화를 이야기해야 한다. 바로 '피지컬 AI(Physical AI)'의 등장이다.

이전 시대의 산업용 로봇은 '규칙 기반(Rule-based)'이었다. 미리 프로그래밍된 궤적을 따라 용접이나 도장을 수행하며 높은 반복 정밀도를 보여주었지만, 조금이라도 부품의 위치가 어긋나거나 공정에 변동이 생기면 대응할 수 없었다. 단지 '몸'만 가진 기계였다.

피지컬 AI는 이 기계에 '뇌'를 이식하는 것이다. '인지(Perception)—추론(Reasoning)—행동(Action)'의 루프를 갖춘 로봇은 고해상도 카메라와 촉각 센서를 통해 실시간 공정 상태를 파악하고, 예측하지 못한 변수에 대해 스스로 판단하여 동작을 수정한다.[16]

현대적인 AI 네이티브 공장에서는 세 가지 유형의 로봇이 공존하며 계층적 자동화 전략을 형성한다.

첫째, 규칙 기반 로봇
프레스 라인이나 차체 스팟 용접처럼 구조화된 고속 반복 작업에서 여전히 최고의 속도와 정밀도를 발휘한다.[17]

둘째, 훈련 기반 로봇
강화학습(Reinforcement Learning)과 모방학습(Imitation Learning)을 통해 가변적이고 복잡한 작업을 습득한다. 가상 환경에서 수백만 번의 시뮬레이션을 거친 후 실제 현장에 배치되는 'Sim-to-Real' 전략이 핵심이다.[16]

셋째, 맥락 기반 로봇
멀티모달 파운데이션 모델을 탑재하여 자연어 지시를 이해하고, 처음 보는 환경에서도 별도 프로그래밍 없이 작업을 수행할 수 있는 '제로샷(Zero-shot)' 실행 능력을 가진다.[16]

"케이블 타이를 조여줘"라고 말하면, 시각 데이터를 통해 케이블의 위치를 파악하고 적절한 힘으로 작업을 수행하는 로봇이다. 그리고 이 계층 구조의 정점에 휴머노이드 로봇이 서 있다.

BMW 스파르탄버그 공장에서 Figure 02는 11개월간 실제 생산 라인에서 판금 부품 적재 작업을 수행했다.[3] 작업자가 랙에서 판금 부품을 집어 용접 지그 위에 올려놓으면 6축 산업용 로봇이 용접을 수행하는, 전형적인 'Pick-and-Place' 작업이었다.
Figure 02에게 부여된 KPI는 명확했다. 즉, 1) 전체 사이클 타임 84초(적재 37초), 2) 5밀리미터 이내 배치 정확도, 그리고 3) 인간 개입 최소화다.
Figure AI 발표와 다수 산업 매체 보도에 따르면, 1,250시간 이상의 운영 시간 동안 9만 개 이상의 부품을 적재했고, 이 과정에서 3만 대 이상의 BMW X3 생산에 기여했다.[3]

이 경험은 차세대 모델인 Figure 03의 기계적 설계와 부품 아키텍처에 직접 반영되었다.

현대자동차그룹은 한 발 더 나아갔다.
2026년 CES에서 공개된 보스턴 다이나믹스의 프로덕션 버전 아틀라스는 보스턴 다이나믹스 공식 스펙 기준으로 56개 자유도, 2.3미터의 도달 범위, 최대 50킬로그램 리프트 용량을 갖추고, 네 손가락 그리퍼에 촉각 센서가 내장되어 있다.[1] 영하 20도에서 영상 40도까지 작동하며(IP67 등급), 4시간 배터리를 3분 이내에 자율적으로 교체할 수 있어 24시간 연속 운영이 가능하다.[18]

현대차의 로드맵은 단계적이다.

2028년부터 부품 서열 배치(Parts Sequencing)에 투입하고, 2030년까지 부품 조립과 중량물 반복 작업으로 확장한다.[2]

모건 스탠리는 휴머노이드 로봇 시장이 2050년까지 공급망·유지보수 생태계를 포함해 약 5조 달러 규모에 이를 것으로 전망하며, 현재 대당 약 20만 달러인 가격이 대량 생산과 공급망 최적화를 통해 2050년까지 5만 달러 수준으로 하락할 것으로 예측한다.[19]

메르세데스-벤츠 역시 이 경쟁에서 빠지지 않는다.
베를린 마리엔펠데의 디지털 팩토리 캠퍼스에서 앱트로닉의 아폴로는 물류 작업—부품 키트를 조립 라인으로 운반하고 동시에 부품을 검사하는 '인트라로지스틱스'—에 투입되어 데이터를 축적하고 있다.[4]

메르세데스 직원들의 생산 현장 노하우가 텔레오퍼레이션과 증강현실을 통해 아폴로에 전수되고, 다음 단계는 완전 자율 운영이다.[20]

메르세데스는 이 비전에 대한 확신을 앱트로닉의 4억 300만 달러 시리즈 A 투자 참여로 증명했다.[21]

BMW의 AIQX(AI Quality Next) 플랫폼은 이 모든 변화의 '디지털 지휘소' 역할을 한다.

카메라와 센서 기반의 실시간 품질 검사, 변이 감지, 음향 분석(Acoustic Analytics), 그리고 차량 스스로 자신의 조립 상태를 확인하는 'Car2X' 기능까지—생산 라인의 모든 데이터가 하나의 플랫폼으로 수렴한다.[22] 딩골핑, 레겐스부르크, 스파르탄버그, 그리고 2025년 10월 문을 연 헝가리 데브레첸 공장까지, BMW는 NVIDIA Omniverse를 활용하여 30개 이상의 글로벌 공장 전체를 디지털 트윈으로 구현했다.[22]

피지컬 AI의 도입으로 공장은 더 이상 정적인 장소가 아니다. 매일 더 똑똑해지는 학습 네트워크로 진화하고 있다. 과거에는 자동화가 불가능하다고 여겨졌던 유연한 케이블 배선이나 복잡한 부품 조립까지, 로봇의 손길이 닿기 시작했다.

5. 완성차 품질 보증 및 출하: 공장 문을 나서기 전 마지막 관문

생산 라인을 통과한 차량이 곧바로 고객에게 가는 것은 아니다.

최종 품질 게이트에서 종합 판정을 받아야 하고, PDI(Pre-Delivery Inspection, 출하 전 검사)에서 외관, 기능, 옵션 사양의 최종 점검을 거쳐야 한다.

완성차는 야적장(Vehicle Yard)에 보관되며, 각 차량의 위치는 GPS와 AI 시스템으로 추적된다.

울산이나 아산 같은 대규모 공장의 야적장에는 수천~수만 대의 차량이 대기하고 있으며, 이 차량들이 딜러 주문과 정확히 매칭되어 올바른 운송 수단에 실려야 한다.

AI 최적 배분 알고리즘은 수천 건의 주문과 수천 대의 차량, 그리고 수백 대의 카캐리어 트레일러를 실시간으로 매칭하여 물류 효율을 극대화한다.

6. 수출 물류 및 글로벌 유통: 대양을 건너는 자동차들

자동차 생산국은 한정적이다. 한국, 일본, 독일, 미국, 중국—이 다섯 나라가 전 세계 자동차 수출의 대부분을 담당한다. 그리고 이 차들이 전 세계 소비자에게 도달하는 주요 수단이 바로 RoRo(Roll-on/Roll-off) 선박이다. 차량이 자기 바퀴로 굴러서 배에 올라타고, 목적항에서 다시 굴러서 내려오는 방식이다.

글로벌 RoRo 해운 시장의 규모는 약 270~290억 달러(2025년 기준)이며, 연간 3,000만 대 이상의 자동차가 해상으로 운송된다.[23]

전 세계에 4,000척 이상의 RoRo 선박이 운항 중이며, 최대 규모의 PCTC(Pure Car and Truck Carrier)는 한 번에 8,500~10,800대를 실을 수 있다.

이 시장에서 주목할 움직임이 세 가지 있다.

첫째, 현대글로비스의 대규모 투자다.

10,800 CEU(자동차 환산 단위)급 LNG 이중연료 선박 12척에 약 1조 8,900억 원을 투자하며, 2027년까지 순차 인도될 예정이다.[24]

둘째, 중국 OEM의 수직 계열화다.

BYD와 SAIC 등 중국 자동차 업체들은 자체 RoRo 선박을 운항하기 시작했다. SAIC의 '안지안셩(Anji Ansheng)'호는 9,500 CEU급으로, 관세 장벽을 우회하고 물류 주도권을 확보하려는 전략의 일환이다.[25]

셋째, 환경 규제의 강화다.

신조 RoRo 선박의 40% 이상이 LNG 또는 이중연료 시스템을 채택하고 있으며, EV 화물에 최적화된 카고 데크 설계가 확산되고 있다.[23]

한국의 관점에서 보면, 부산항과 평택항은 한국 자동차 수출 물류의 양대 축이다.

한국은 2024년 약 278만 대의 완성차를 수출했으며, 현대·기아의 울산, 아산, 광주 공장에서 생산된 차량은 카캐리어 트레일러나 철도를 통해 이 항구들로 이동하고, 여기서 전 세계로 수출된다.

7. S&OP: 자동차 기업의 중추 신경계

S&OP(Sales and Operations Planning)는 시장의 수요와 공장의 생산 능력을 일치시키는 프로세스다.

자동차 기업의 '중추 신경계'라 불리는 이유가 여기에 있다.

아날로그 시대의 S&OP는 부서 간 칸막이 속에서 수동으로 이루어졌다. 영업의 낙관적 전망과 생산의 보수적 계획이 충돌했고, 데이터를 취합하는 데만 몇 주가 소요되어 계획이 확정될 때쯤 이미 시장 상황이 바뀌어 있었다.[26]

IT/클라우드 시대에는 통합 비즈니스 계획(IBP) 소프트웨어가 재무, 영업, 생산 데이터를 하나의 플랫폼에 모았다. 하지만 여전히 엑셀 기반의 수동 조정이 많았고, 'What-if' 시나리오 분석에는 많은 시간이 걸렸다.[26]

AI 네이티브 시대의 S&OP는 '전사적 지식 그래프(Enterprise Knowledge Graph)'를 기반으로 운영된다.[26] 공급망 전체를 디지털 트윈으로 구현하여, 원자재 가격 변동이나 항만 체선 같은 외부 충격이 수익성에 미치는 영향을 실시간으로 계산한다.

AI 네이티브 S&OP의 가장 혁신적인 성과는 '보이지 않는 수요'를 식별하는 능력이다. 과거에는 공급 부족으로 판매하지 못한 것도 수요가 낮은 것으로 오인하는 경우가 빈번했다.[27]

AI는 이벤트 인텔리전스(신차 출시, 프로모션의 일시적 충격을 분리), 계층적 예측(개별 모델/지역 단위와 글로벌 계획의 실시간 정합), 유사 모델 매칭(과거 이력 없는 신규 EV에 대해 유사 세그먼트 패턴 학습)을 통합하여 '진정한 수요(Unconstrained Demand)'를 도출한다.[27]

글로벌 OEM의 실제 사례에 따르면, 이러한 AI 기반 S&OP 전환을 통해 재고 수준을 최적화하고 비상 생산 계획 수정을 줄임으로써 1억 파운드(약 1,700억 원) 이상의 경제적 가치가 창출되었다.[27]

Part 1을 마치며: 디지털 스레드가 관통하는 제조자의 여정

지금까지 추적한 제조자의 여정을 하나의 흐름으로 정리하면 아래와 같다.

이 모든 단계를 관통하는 핵심 키워드는 '디지털 스레드(Digital Thread)'다.

과거에는 R&D의 CAD 데이터, 생산의 MES 데이터, 품질의 SPC 데이터, 물류의 TMS 데이터가 각각 독립된 '사일로'에 갇혀 있었다. AI 네이티브 시대에는 이 모든 데이터가 하나의 끊김 없는 실(Thread)로 연결된다. 설계 단계에서 결정된 파라미터가 생산 단계의 로봇 경로로 직결되고, 생산 중 축적된 품질 데이터가 다음 세대 차량의 설계를 개선하는 '폐쇄 루프(Closed-loop)'가 완성된다.

그리고 이 루프의 가장 극적인 변화는, 공장에 '걸어 들어오는' 휴머노이드 로봇이다.
BMW의 파일럿이 증명했듯, 이것은 더 이상 공상과학이 아니다. 현대차가 2028년부터 본격 투입을 선언한 것은, 자동차 산업이 '피지컬 AI'라는 새로운 장으로 넘어가고 있음을 보여주는 가장 선명한 신호다.

Part 2에서는 완성차가 공장 문을 나선 이후의 이야기를 다룬다. 자동차 금융과 리스, 딜러십의 영업과 마케팅, 커넥티드 카의 실시간 운영, 애프터마켓 서비스, 그리고 EV 배터리가 새로운 생을 얻는 순환경제까지—소비자의 여정(Owner's Journey)이 펼쳐진다.

참고문헌 (References)

1. Boston Dynamics, "Boston Dynamics Unveils New Atlas Robot to Revolutionize Industry," January 5, 2026, https://bostondynamics.com/blog/boston-dynamics-unveils-new-atlas-robot-to-revolutionize-industry/

2. CNBC, "Hyundai Motor Group plans to deploy humanoid robots at U.S. factory from 2028," January 6, 2026, https://www.cnbc.com/2026/01/06/hyundai-motor-group-plans-to-deploy-humanoid-robots-at-us-factory-from-2028.html

3. Figure AI, "F.02 Contributed to the Production of 30,000 Cars at BMW," November 2025, https://www.figure.ai/news/production-at-bmw

4. Automotive Manufacturing Solutions, "Mercedes-Benz accelerates AI and robotics at Berlin-Marienfelde," July 4, 2025, https://www.automotivemanufacturingsolutions.com/automation/mercedes-benz-accelerates-ai-and-robotics-at-berlin-marienfelde-transforming-digital-production-with-humanoid-robots-and-next-generation-automation-technologies/540897

5. Lyzr, "The Procurement Automation Playbook + 90-Day Implementation Guide," 2026, https://www.lyzr.ai/playbook/the-strategic-procurement-automation-playbook/

6. Oliver Wyman, "7 Principles For Scaling AI In Automotive R&D Success," March 2025, https://www.oliverwyman.com/our-expertise/insights/2025/mar/7-principles-scaling-ai-in-automotive-research-development-success.html

7. S&P Global, "Digital Twins in the Automotive Industry Explained," August 2025, https://www.spglobal.com/automotive-insights/en/blogs/2025/08/digital-twins-in-the-automotive-industry-explained

8. IIoT World, "AI-Driven Digital Twins Transform Automotive Design & Production," 2025, https://www.iiot-world.com/smart-manufacturing/discrete-manufacturing/ai-digital-twins-automotive/

9. IATF 16949:2016, International Automotive Task Force, https://www.iatfglobaloversight.org/iatf-169/about/

10. Warranty Week, "Worldwide Auto Warranty Report," October 3, 2024, https://www.warrantyweek.com/archive/ww20241003.html

11. StartProto, "AI in Manufacturing vs. Traditional Automation: What's the Difference?," 2025, https://www.startproto.com/blog/ai-in-manufacturing-vs-traditional-automation-whats-the-difference

12. Capgemini, "Driving intelligent automotive manufacturing: How robotics and AI are transforming OEM operations," 2025, https://www.capgemini.com/insights/expert-perspectives/driving-intelligent-automotive-manufacturing-how-robotics-and-ai-are-transforming-oem-operations/

13. GEP, "AI-Powered Autonomous Sourcing Transforming Procurement," 2025, https://www.gep.com/blog/technology/ai-powered-autonomous-sourcing-transforming-procurement

14. Jaggaer, "Agentic AI Transforming Sourcing & Supplier Management," 2025, https://www.jaggaer.com/blog/agentic-ai-sourcing-supplier-management

15. Ivalua, "The Role of AI in Sourcing and Procurement: Benefits, Use Cases, and Roadmap," 2025, https://www.ivalua.com/blog/ai-in-sourcing-and-procurement/

16. World Economic Forum, "What is physical AI — and how is it changing manufacturing?," September 2025, https://www.weforum.org/stories/2025/09/what-is-physical-ai-changing-manufacturing/

17. World Economic Forum, "Physical AI: Powering the New Age of Industrial Operations," 2025, https://reports.weforum.org/docs/WEF_Physical_AI_Powering_the_New_Age_of_Industrial_Operations_2025.pdf

18. Boston Dynamics, "Enterprise Robotics, Redefined," January 5, 2026, https://bostondynamics.com/blog/enterprise-robotics-redefined/

19. Morgan Stanley, "Humanoid Robot Market Expected to Reach $5 Trillion by 2050," May 2025, https://www.morganstanley.com/insights/articles/humanoid-robot-market-5-trillion-by-2050

20. Mercedes-Benz Group, "Mercedes-Benz Digital Factory Campus — MBDFC humanoid robots," March 2025, https://group.mercedes-benz.com/company/production/procuction-network/mbdfc-humanoid-robots.html

21. Apptronik, "Apptronik closes additional Series A funding ($403M)," March 18, 2025, https://apptronik.com/news-collection/apptronik-closes-additional-series-a-funding

22. BMW Group, "Humanoid Robots for BMW Group Plant Spartanburg," September 2024, https://www.bmwgroup.com/en/news/general/2024/humanoid-robots.html

23. Market.us, "RORO Shipping Market Size, Share | CAGR of 5.6%," 2024–2025, https://market.us/report/roro-shipping-market/

24. 현대자동차 뉴스룸, "현대글로비스, 한국해양진흥공사와 초대형 자동차운반선 도입 위해 협력," May 2024, https://www.hyundai.co.kr/news/CONT0000000000134308

25. KED Global, "Korea sees record February auto exports before looming Trump tariffs," March 18, 2025, https://www.kedglobal.com/business-politics/newsView/ked202503180006

26. o9 Solutions, "Automotive OEMs Planning Software Solutions Powered by AI," 2025, https://o9solutions.com/industries/automotive/automotive-oems

27. Head of AI, "Automotive S&OP Boosts Forecast Accuracy and Delivers £100M+ Impact," 2025, https://headofai.ai/hoai-case-studies/automotive-sop-boosts-forecast-accuracy-100m-impact/