현장 개선 DNA와 한국어 장벽

AI 시대에 한국 기업만이 가진 두 개의 해자(moat) 전략

Mar 27. 2026 brunch_membership's

현장 운영 지식이라는 '최후의 해자'

'현장력'이란 무엇인가를 다시 정의한다

"한국 기업의 강점은 현장력이다"라고 자주 말해진다. 그러나 이 말은, 의외로 내용이 모호한 채로 사용되고 있다. 데이터 사이언티스트의 눈으로 분해하면, 현장력이란 구체적으로 무엇인가.

나는 이렇게 정의하고 싶다. 현장력이란 '문제를 발견하고, 원인을 특정하고, 개선책을 실행하고, 그것을 표준화하여 다음 개선으로 연결하는, 조직적인 반복 사이클'이다. 개인의 장인 기술이 아니라, 조직 전체가 돌리는 지속적 학습 루프다.

그리고 이 루프야말로, AI와의 조합으로 폭발적인 경쟁 우위를 만들어낸다.
왜인가?
AI는 단독으로는 "정답이 없는 문제를 발견하는 능력"을 갖지 않는다. 무엇을 이상이라 부르고, 무엇을 개선 목표로 하는가라는 정의는 인간의 현장 지식에서 온다.

지속적 개선 문화가 뿌리내린 조직은 '문제 설정 능력'을 가지고 있다.
이것은 프롬프트로 살 수 없고, GPU를 쌓아도 손에 들어오지 않는다.

개선 활동이란 무엇인가 - '개선'이 아니라, '학습 시스템'이다

한국 제조업에도 일본의 카이젠(kaizen) 철학이 깊이 스며들어 있다. 현대자동차는 Toyota Production System을 벤치마킹하며 자체적인 현대 생산 방식(HPS)을 확립했고, 삼성전자는 TDR(Tear Down & Redesign) 활동을 통해 공정 전반의 지속적 개선을 제도화했다.

중요한 것은 이 '개선 사이클'의 본질이다. 단순히 효율을 높이는 것이 아니라, '있어야 할 모습'을 설정하고, 달성하면 더 높은 '있어야 할 모습'을 목표로 하는, 조직 자신이 진화해가는 사이클을 만들어낸다는 것이다.

AI로 말하면, 인간 피드백에 의한 지속적인 파인튜닝에 해당한다.

그러나 이 개선 활동의 경우, 그 피드백을 주고 있는 것은 공장의 라인 작업자이며, 품질 검사원이며, 설비 보전 담당자다. 현장에 가장 가까운 인간이, 문제를 정의하고, 개선을 돌리고 있다.

이것을 수십 년에 걸쳐 계속해온 조직은, AI에 학습시켜야 할 '좋은 문제 제기 방법'을 문화로서 가지고 있다. 이것을 외부에서 사는 것은 불가능하다.

AI×개선 활동이 만들어내는 '신삼현주의'

제조 현장의 '삼현주의는 현장·현물·현상에 직접 임하여 문제를 판단한다라는 한국 제조업에도 깊이 뿌리내리고 있다. 이것이 AI 시대에 형태를 바꿔 부활하고 있다.

현장·현물·현상을 눈으로 보고 적절한 상황을 판단하는 삼현주의는 제조 품질·생산성, 나아가 현장의 안전성을 유지·향상시켜 나가기 위한 중요한 개념이다. 최근 인공지능이나 IoT 등의 정보처리 기술을 활용한 외관 검사를 도입하여 목시 검사와 병용하는 '신·삼현주의'라 부를 수 있는 어프로치가 도입되고 있다.

'신·삼현주의'란 무엇인가?
베테랑 검사원의 "이 미세한 상처 패턴은 후공정에서 균열로 이어진다"는 경험칙을, AI가 이미지로 학습한다.
AI는 24시간 365일, 베테랑이 하루에 볼 수 있는 수의 수십 배의 제품을, 같은 기준으로 계속 본다.
베테랑이 '오늘은 피곤하다', '조명 각도가 다르다'는 조건에 좌우되는 일 없어야 한다. 그러나 AI가 "무엇을 불량으로 하는가"라는 정의는, 베테랑이 준다. AI는 그 정의를 일관되게 적용하는 기계다.

문제 정의 능력은 개선 문화가, 일관된 실행 능력은 AI가 담당한다. 이 분업이 '신·삼현주의'의 본질이다.

숫자로 보는 'AI×제조 현장'의 성과

추상적인 이야기에서 구체적인 성과로 이동하자.

삼성전자의 반도체 예지 보전: 삼성전자는 반도체 제조 라인에서 AI 기반 예지 보전 시스템을 도입하여, 돌발적인 설비 정지를 대폭 줄이는 성과를 내고 있다. 제조 라인의 돌발 정지는 단순한 다운타임 비용이 아니라, 후공정 전체로의 연쇄, 품질 불안정화, 납기 영향을 일으킨다. 예지 보전의 도입으로 계획 외 다운타임의 30~50% 삭감, 메인터넌스 비용의 20~25% 삭감이라는 효과가 글로벌 제조업에서 확인되고 있다.

현대자동차 생산 라인 AI 검사: 현대자동차그룹은 AI 비전 검사 시스템을 용접·도장·조립 공정에 도입하여, 0.1mm 이하의 미세 결함 검지를 24시간 365일 일관된 기준으로 운용하고 있다. 딥러닝을 활용한 AI 화상 검사 시스템은 미세한 상처나 색 불균일, 형상의 왜곡 등을 높은 정밀도로 검출하며, 인간의 눈으로는 놓치기 쉬운 결함도 검지할 수 있어 제품 품질 안정화에 크게 기여하고 있다.

'퇴직하지 않는 검사원'이라는 개념이 여기서 중요해진다.
베테랑이 30년에 걸쳐 쌓아온 검사 지식이, AI 모델로서 조직 안에 영속한다. 같은 모델이 국내외의 복수 거점에 전개할 수 있다. 이것은 인간 숙련공에서는 불가능했던 품질 균일화이며, 그 노하우는 퇴직하지 않는다.

피지컬 AI라는 다음 전장 - 한국의 '접지력'

2025년 이후, 제조 현장의 AI 경쟁에 새로운 국면이 찾아오고 있다. '피지컬 AI'다.

피지컬 AI란, 디지털 공간만이 아니라 물리 공간에 직접 작용하는 AI다. 공장의 로봇이 자율적으로 조립 라인을 조정한다, 센서 데이터를 리얼타임으로 해석하여 설비의 이상을 예측한다, AI가 생산 계획 전체를 최적화한다라는 것들이 피지컬 AI의 세계다.

한국은 로봇 개발과 관련 부품에서 세계적인 경쟁력을 보유하고 있다. 현대로보틱스, HD현대, LG전자, 레인보우로보틱스 등이 산업용·서비스용 로봇 분야에서 빠르게 성장하고 있다. 피지컬 AI 개발에 필요한 학습 데이터에 대해서도, 반도체·자동차·조선·디스플레이 제조 대국인 한국에는 세계 최고 수준의 공정 데이터가 축적되어 있다.

피지컬 AI 파운데이션 모델의 개발 경쟁에서는, 미국과 중국이 거대한 자본을 투입하여 선행하고 있다. 모델 층의 주도권은 미중이 쥐어가고 있다. 그러나 중요한 것은 여기서부터다.

실험실의 데모에서는 완벽하게 작동하는 로봇이, 실제 제조 현장에서는 전혀 사용할 수 없다라는 것은 현장을 모르는 모든 AI 기업이 벽에 부딪히는 문제다. 현장에는 분진이 있고, 진동이 있고, 조명 조건이 일정하지 않고, 작업자가 예기치 않은 움직임을 하고, 제품의 개체 차이가 있다.

이것들을 '현장 사양'으로 흡수하여, AI 시스템을 실용 수준까지 작성하는 능력이야말로 한국의 현장력이 빛나는 장면이다.

한국의 대표적인 방향이 이미 가시화되고 있다. 삼성전자는 NVIDIA와의 협업으로 반도체 제조 공정 최적화에 AI를 통합하고 있으며, 현대자동차 및 HD현대는 Boston Dynamics를 인수하여 산업 현장 로봇 솔루션에 현장 노하우를 접목하고 있다. 모델은 글로벌에서, 현장으로의 접지는 한국이 담당하는 분업 구조다.