2026 울산포럼 인터세션 제1차 좌담회가 '피지컬 AI 시대, 대한민국 제조업 AX'를 주제로 지난달 UNIST 지관서가에서 열렸다. (왼쪽부터) 김진영 울산매일UTV 뉴스룸 국장과 각계 패널로 참석한 KAIST 박해원 교수, '모빌테크' 용석진 이사, 한국생산기술연구원 손웅희 수석고문. 무더위가 본격적으로 시작되던 7월 둘째 주. UNIST 지관서가에는 묘한 긴장감이 감돌았다. '기업 AI 도입률 OECD 1위', 이 화려한 수식어 뒤에 숨은 '현장 성과 제로'라는 한국 제조업의 냉정한 역설을 깨부수기 위해서다. 가상 세계의 AI를 물리적 현장으로 끌어내리는 '피지컬 AI' 시대를 맞아, 대한민국 제조업의 거대한 대전환을 이끌 각계 전문가들이 한자리에 모여 머리를 맞댔다. 현장의 진짜 장벽부터 인력·인프라·제도를 아우르는 국가 실행 전략까지 주요 논의 내용을 문답 형식으로 정리한다. 1부: 피지컬 AI와 한국 제조 AX의 현주소 박해원 KAIST 기계공학과 교수. Q1. 피지컬 AI는 기존 스마트팩토리나 에이전트 AI와 본질적으로 무엇이 다른가? 박해원 교수: 에이전트 AI는 생산 계획 수립이나 품질 데이터 분석 등 인지·업무적 자동화에 가깝다. 반면 피지컬 AI는 현실 세계에서 '몸'을 가진 시스템이 직접 인식·판단하고 물리적으로 행동한다. 정해진 동작을 반복하던 기존 공장 자동화와 달리, 변하는 현실 환경에서 행동 능력 자체를 일반화하는 기술이다. 용석진 이사: 에이전트 AI가 판단·계획하는 '두뇌'라면 피지컬 AI는 이를 실행하는 '몸'으로, 미래 공장에선 둘이 하나의 루프로 통합된다. 기존 자동화와 달리 피지컬 AI는 물리 법칙을 내재화해 현장을 스스로 인지·판단·제어한다. 공장 라인을 멈추지 않고 학습시키려면 가상 공간에서 사전 학습하는 '시뮬레이션 환경' 구축이 피지컬 AI 상용화의 핵심 과제다 온라인게임 . Q2. 글로벌 현장과 국내 공정에서 피지컬 AI는 실제로 어떤 변화를 만들고 있는가? 용석진 이사: 현재 휴머노이드 형태의 피지컬 AI가 공장 라인에 투입되는 완전 상용화 단계는 아니지만, 피규어AI, 보스턴 다이내믹스 등 해외 기업을 중심으로 현장 실증이 급전개되고 있다. 국내 역시 디지털 트윈 기반 스마트팩토리를 넘어 제조 AI 진화 전환기에 있으며, 배터리 제조사 등 다양한 현장으로 적용 범위를 넓히는 중이다. 결국 피지컬 AI가 궁극적인 의미의 제조 AX(인공지능 전환)를 이끌어가는 핵심 동력이 될 것이다. 박해원 교수: 휴머노이드 형태의 완전한 성과는 아직 시간이 필요하지만, 물류 현장에 투입된 보스턴 다이내믹스의 '스트레치'나 아마존의 '벌칸 프로젝트'처럼 특정 공정에 특화 제작된 맞춤형 로봇들이 실제 물류 공정의 효율을 바꾸고 있다. Q3. 미국·중국·독일 등이 경쟁하는 상황에서 한국의 기술 경쟁력과 강·약。은 무엇인가? 박해원 교수: 휴머노이드 하드웨어 부품 기술은 높은 수준이지만, 이를 하나로 통합해 완성된 로봇으로 만드는 통합 능력과 파운데이션 모델(Foundation Model) 같은 핵심 알고리즘·소프트웨어는 글로벌 빅테크 대비 모자란 것이 현실이다. 손웅희 고문: 우리는 세계 최고의 제조 도메인 지식과 정밀 제어 노하우라는 강력한 토양을 갖고 있다. 반면 데이터가 파편화돼 있어 AI가 학습할 '양질의 현장 데이터'를 모으기 어렵고 하드웨어와 AI를 잇는 통합 미들웨어가 부족하다. 기술 개발을 넘어 파편화된 데이터를 통합하는 시스템 인테그레이션(SI) 전략이 시급하다. 모바일 야마토3 용석진 이사: 한국의 최대 강.은 세계 최고 수준의 제조·로봇 밀도를 갖춘 '현장 데이터'와 이를 가상에서 검증하는 '시뮬레이션 역량'이다. 미국이 AI 두뇌(파운데이션 모델)를, 중국이 로봇 몸체(양산)를 선。한 상황에서 한국은 고밀도 현장과 시뮬레이션을 결합한 영역에 집중해야 한다. '모빌테크' 용석진 이사. Q4. AI 도입률 1위임에도 현장에서 성과를 체감하지 못하는 가장 큰 장벽은? 용석진 이사: 한국의 AI 도입률 1위는 챗GPT 등 업무 보조용 생성형 AI 활용 결과로, 실제 공정에 AI를 도입한 중소·중견 제조기업은 0.1%에 불과하다. 공정 자체를 바꾸는 진짜 AX는 시작 단계이며, 현장 성과 부재는 안착 과정의 '시차'에서 비롯된다. 현장 데이터, 라인 정지 없이 검증할 가상 환경, 타 라인 확산을 위한 파이프라인을 구축해 시차를 줄여야 한다. 손웅희 고문: 한국의 AI 도입률은 1위지만 제조 현장 성과는 미미하다. 이는 공정 혁신 없는 '생산성 함정', 현장 노하우의 '데이터 전환 실패', 중소기업의 '운용 인력 부재'라는 3대 장벽 때문이다. 단순 보급을 넘어 공정 재설계, 데이터 자산화, 중소기업용 서비스형 인프라(AIaaS) 구축으로 전환해야 한다. 박해원 교수: 제조 현장 성과 저조 원인은 세 가지로 본다. 첫째, 현장의 높은 요구에 비해 실제 AI·로봇 기술 완성도가 부족하다. 둘째, R&D 단계에서 공정의 세밀한 조건을 반영하지 못하는 현장성 부재 탓이다. 셋째, 보도로 치솟은 기대감과 더딘 실제 발전 속도 사이의 현실적 괴리가 존재한다. Q5. 투자 여력이 없는 중소 제조기업의 결정적 병목은 무엇인가? 용석진 이사: ROI(투자 대비 효과)의 불확실성이다. 투자 리턴 시.을 계산하기 어렵고 직원들의 활용 능력도 부족하다 오리지날바다 . 보조금 지급보다 라인을 멈추지 않고 가상에서 효과를 먼저 검증하고 훈련할 수 있는 공유 인프라를 지역·업종별로 만드는 것이 현실적 해법이다. 손웅희 고문: 데이터 비표준화와 운영 인프라 부재다. 구축 후 관리할 전문가가 없어 발생하는 '고립감'이 크다. 단순히 도입비를 주는 방식에서 벗어나 유지보수와 운영을 대행해 주는 '결과 중심 AI 서비스(AIaaS)' 모델로 전환해야 한다. 박해원 교수: 현장에서 마주치는 첫 번째 좌절은 열악한 공장 인프라와 비용 한계다. 설비 간격이 좁아 자동화 장비를 놓을 공간조차 없지만, 인프라 개보수 비용을 감당하기 어렵다. 두 번째는 운용 인력의 부족이다. 고가 장비를 도입하더라도 이를 운용하고 교육 받을 인력이 없어 제대로 활용하지 못하는 것이 중소기업의 냉혹한 현실이다. 2부: 제조 AX를 위한 국가 실행 전략 (인력·인프라·제도) Q6. 피지컬 AI 시대, 제조업에 필요한 인재는 어떤 사람이며 어떻게 양성해야 하는가? 박해원 교수: 단순히 만들어진 AI를 응용하는 수준을 넘어, 핵심 알고리즘과 학습 방법을 연구하는 인재다. 특히 소프트웨어뿐만 아니라 하드웨어 제어 메커니즘과 AI 알고리즘을 동시에 다룰 수 있는 '융합형 인재'가 절실하다. 용석진 이사: AI 모델 개발자보다 현장 공정을 잘 알면서 AI를 도구로 부릴 줄 아는 'AX 인력'이 필요하다. 이는 신규 채용보다 공정 노하우가 축적된 기존 재직자를 AX 전문 인력으로 재훈련(Reskilling)하는 것이 훨씬 빠르고 강력한 대안이다. 손웅희 고문: 학문적 분절을 깨고 현장 문제를 풀어내는 '기술 통역사'를 길러내야 한다. 교육 정책을 '학위 중심'에서 기업 현장 데이터를 직접 투입하는 '산학 밀착형 AX 프로젝트' 및 '직무 전환 패키지' 중심으로 바꿔야 한다. Q7. 체리마스터 비법 현장 검증의 병목을 뚫기 위해 가장 시급한 실증 인프라는 무엇인가? 손웅희 고문: 개방형 제조 데이터 샌드박스, 다품종 소량 생산이 가능한 모듈형 공유 실증 공장, 안전 규제를 유예하는 '샌드박스 플러스(Sandbox+)'가 결합된 국가 차원의 실증 센터가 시급하다. 공간만 제공할 게 아니라 실패 데이터가 자산이 되는 학습 생태계를 만들어야 한다. 용석진 이사: 제조 공정의 영업비밀 특성상 물리 시설뿐만 아니라 업종별 표준 공정을 디지털 트윈으로 구현한 '가상 검증 공유 테스트베드'가 시급하다. 가상 인프라는 데이터만 있으면 타 산업단지로 한계비용 없이 복제·확산되는 독보적 장。이 있다. 박해원 교수: 현재 정부에서도 휴머노이드 로봇 관련 실증 과제는 많이 수행되고 있다. 이런 편중 지원에서 벗어나 실증 과제 수행 후 쌓인 데이터와 결과 성과를 정밀하게 평가하고 환류하는 질적 평가 체계 구축이 시급하다. 손웅희 한국생산기술연구원 수석고문. Q8. 현장 발목을 잡는 규제·제도는 어떻게 개선해야 하는가? 손웅희 고문: '사전 허가, 사후 관리'의 경직된 틀을 깨고 포괄적 네거티브 규제로 전환해야 한다. 실증 특구 내 안전 인증 간소화와 망 분리 등 과도한 데이터 보안 규제를 완화하는 '산업 데이터 보안 인증제' 도입이 필요하다. 용석진 이사: 규제는 안전을 위한 장치이므로 무조건적 폐지보다 규제 완화와 가상 시뮬레이션을 병행하는 '투트랙' 전략이 필요하다. 자율주행 특례처럼 목적에 맞게 규제를 풀고 책임 관리제로 전환해야 한다. 동시에 가상 시뮬레이션으로 사전 검증을 거치면, 근로자의 안전을 지키면서 제조 AX 속도를 높일 수 있다. Q9. 메가샌드박스가 실질적 성과를 내는 플랫폼이 되기 위한 필수 조건은? 손웅희 고문: 디지털 트윈 환경이 상시 구축돼 즉시 테스트하는 '플러그 앤 플레이' 시스템, 실패 원인을 자산화하는 '지식의 선순환', 실증이 바로 도입으로 이어지는 '규제 패스트트랙 및 구매 확약'이 결합되어야 한다 손오공게임 예시 . 용석진 이사: 메가샌드박스가 전시용 공간으로 끝나지 않으려면 기업 수요에 맞춘 비즈니스 구조를 갖춰야 한다. 규제 특례와 검증 인프라를 패키지로 지원해 수요-기술 기업 간 실제 '실증 계약'이 이뤄지도록 유도해야 한다. 기술을 구매할 기업 목소리를 반영해 시장에서 거래되는 판을 짜는 것이 성패의 핵심이다. Q10. 마지막으로 대한민국 제조 AX가 지금 당장 돌파해야 할 가장 시급한 과제는? 박해원 교수: 인력 확보와 제도 정비다. 정부가 휴머노이드 규제 샌드박스 실행 및 국가첨단전략기술 지정 등 기반을 다지고 있는 만큼, 이 제도 위에서 기술을 구현할 핵심 인력을 확보하고 남은 규제를 정비하는 것이 핵심 돌파구다. 용석진 이사: 기업이 마음껏 실험할 수 있는 신개념의 '인프라(판)' 구축이다. 메가샌드박스 같은 검증 인프라가 조성되면 실증 과정에서 인력 양성, 수익 창출, 데이터 축적 및 규제 개선이 선순환 구조로 따라온다. 세계 최고 밀도의 제조 현장이라는 자산 위에 검증의 판을 세우는 것이 핵심 열쇠다. 손웅희 고문: 한국 산업현장이 새롭게 디자인(디지털화·자동화·인공지능화)되고 있다. 제조 AX의 해답을 인력·인프라·제도의 유기적 연결(SI)에서 찾고자 한다. 데이터를 매개로 기술 실험 시 인력 지원, 규제 개선, 인프라 공유가 하나의 패키지로 즉시 작동하는 'AX 실행 컨트롤 타워'를 구축해야 'AI 제조 성과 1위'로 나아갈 수 있다. 이번 좌담회는 현장 실증으로 시장을 선도하는 진짜 피지컬 AI 강국으로 가기 위한 과제들을 심도 있게 짚어본 자리였다. 전문가들이 제시한 인력·인프라·제도의 통합 실행 전략은 그동안 겉돌던 제조 AX의 막힌 혈관을 뚫어줄 정밀한 진단서와 같았다. 본지는 이어지는 제2차 좌담회에서 '피지컬 AI 시대 제조 AX, 울산의 미래를 바꿀 수 있는가'를 주제로, 대한민국 제조업 심장인 울산에 즉시 적용 가능한 실천적 해법과 세부 로드맵을 집중 조명할 예정이다. 소기업의 냉혹한 현