울산 산단 AI 전환, 진짜 승부는 모델보다 데이터 배관에서 난다

생성형 AI 데모보다 공장 로그 한 줄이 더 비쌀 때가 있어

새벽 배포가 무섭다고들 하잖아. 그런데 개발자 입장에서 진짜 식은땀 나는 건 서비스 장애보다 공정 한 번 멈춘 공장이야. 웹 서비스는 롤백이라도 하지, 석유·화학 공정은 압력, 온도, 유량이 엮여 있어서 한 군데 삐끗하면 손실이 눈덩이처럼 불어난다. 그래서 울산·미포산단의 AI 전환 얘기를 들으면 나는 "오, 제조업도 AX 하네"가 아니라 "이제 한국 산업이 진짜 프로덕션 레벨 MLOps로 들어가는구나"부터 떠올라. 💻

요즘 다들 생성형 AI 화면은 예쁘게 만든다. 그런데 진짜 돈 되는 인공지능은 채팅창이 아니라 현장 바닥에서 결정돼. 펌프가 평소보다 0.7도 더 뜨거워졌는지, 압축기 진동 패턴이 지난달과 어떻게 달라졌는지, 특정 촉매가 교체 시점 직전에 어떤 신호를 보내는지. 이런 데이터가 쌓이고 읽히기 시작하면 공장은 감으로 운영되는 공간이 아니라 예측 가능한 시스템이 된다. 코드로 말하자면 레거시 모놀리스를 버리는 게 아니라, 관측성과 테스트를 얹어서 점진적으로 리팩터링하는 거야.

이거 그냥 AX 구호가 아니야

데이터 수집과 정합성이 절반이다

석유·화학 인공지능 전환의 본체는 모델 하나 붙이는 일이 아니야. 센서 데이터 수집, 설비 이력 정리, 히스토리언 데이터 정합성, 생산라인 제어 시스템과의 연동, 이상 탐지 모델 검증, 운영자 화면 설계까지 전부 묶인 풀스택 문제야.

PR 리뷰하다 발견한 건데, 이런 프로젝트는 모델 정확도보다 데이터 라벨링과 운영 반영 속도에서 성패가 갈리는 경우가 많아.

예를 들어 예지보전 하나만 해도 그래. 베어링이 망가지기 전에 경고를 띄우는 건 멋있어 보이지만, 오탐이 너무 많으면 현장에서는 금방 무시해 버린다. 반대로 너무 보수적으로 잡으면 사고 직전에야 알려준다. 결국 좋은 생산라인용 인공지능은 "맞히는 AI"가 아니라 "현장에 귀찮지 않게 스며드는 인공지능"이어야 해. 이게 생각보다 어렵다.

모델은 학습시키면 되지만, 설비 운영 신뢰는 배포 한 번으로 안 생기거든.

공장은 결국 데이터 파이프라인 싸움이야

울산과 미포가 의미 있는 건 산업 밀도가 높다는 점이야. 정유, 석유화학, 설비, 물류, 조선, 전력 수요가 한 덩어리처럼 연결돼 있어서 한 공정의 최적화가 다른 공정의 비용 구조까지 건드린다. 여기서 인공지능이 제대로 돌면 단순히 생산량만 늘어나는 게 아니야. 에너지 사용량이 내려가고, 비정상 정지가 줄고, 품질 편차가 좁아지고, 유지보수 일정이 덜 흔들린다.

예를 들어 계획되지 않은 비정상 정지 1시간만 줄여도 연속 공정에서는 월 손익표가 바로 달라질 수 있어. 1% 개선이 숫자로는 작아 보여도, 대규모 공정에서는 그 1%가 진짜 돈이야. ⚡

산업혁명 초기에 증기기관이 생산 속도를 바꿨다면, 전기는 공장 배치를 바꿨고, 지금 데이터는 의사결정 속도를 바꾸고 있어. 이 흐름에서 제조 AI는 유행어가 아니라 운영 체계의 언어야. 센서값이 곧 문장이고, 대시보드가 곧 회의록이고, 디지털 트윈은 현실 공장의 그림자 테스트 서버 같은 거지. 개발자 입장에서 보면 꽤 낭만 있다. 현실 세계의 버그를 소프트웨어적으로 줄여 간다는 거니까.

모델 드리프트는 생산라인에서 바로 드러난다

여기서 더 중요한 건 모델 드리프트야. 계절이 바뀌고 원료 배합이 달라지고 설비가 노후화되면, 지난달엔 잘 맞던 모델이 이번 달엔 헛다리를 짚는다. 그래서 제조 인공지능은 출시가 끝이 아니라 설비 운영이 시작이야. 현장 엔지니어, 공정 전문가, 데이터 팀이 같이 살아 있는 기준선을 계속 업데이트해야 한다. 공장을 바꾸는 건 천재 모델 하나가 아니라 꾸준한 피드백 루프다.

개발자와 스타트업도 여기서 기회가 열린다

많은 사람이 산업 인공지능을 대기업 전유물처럼 보는데 꼭 그렇진 않아. 현장 데이터 정제, 이상 탐지, 비전 검사, 에너지 최적화, 작업자 인터페이스, 산업용 보안, 엣지 배포 같은 조각 문제는 생각보다 스타트업이 잘한다. 큰 회사는 설비와 고객을 갖고 있고, 작은 팀은 속도와 실험성을 갖고 있지. 둘이 붙으면 의외로 재미있는 스택이 나온다. 🚀

파일럿 검증이 데모보다 중요하다

특히 한국은 "빨리빨리" 문화가 소비앱에서는 독이 될 때도 있지만, 제조 현장에서는 개선 사이클을 짧게 돌리는 힘이 되기도 해. 다만 여기서 중요한 건 속도보다 검증이야. 공장은 실패를 앱처럼 귀엽게 처리해 주지 않거든.

그래서 울산 산단 AI 전환이 진짜 성공하려면 데모데이보다 파일럿 반복, 파일럿보다 현장 정착이 먼저다. 화려한 발표보다 6개월 뒤 다운타임이 얼마나 줄었는지, 에너지 원단위가 얼마나 내려갔는지가 더 중요해.

한국 제조업의 다음 경쟁력은 결국 소프트웨어다

나는 이런 변화가 꽤 본질적이라고 봐. 한국 제조업이 앞으로도 버티려면 싸게 만드는 나라가 아니라, 더 똑똑하게 운영하는 나라가 돼야 하거든. 원가 압박은 커지고, 탄소 규제는 더 촘촘해지고, 숙련 인력은 줄어든다. 이 세 가지를 동시에 상대하려면 인공지능이 선택이 아니라 운영 도구가 돼야 해.

울산·미포산단의 전환은 그래서 지역 뉴스가 아니라 산업 뉴스고, 산업 뉴스를 넘어 문명 뉴스에 가깝다. 기계의 시대에서 데이터의 시대로 넘어가는 장면이 현장 배관 사이에서 벌어지고 있으니까. 실리콘밸리의 멋진 데모보다 울산 공장의 센서값 한 줄이 더 큰 변화를 만들 때가 있다. 개발자 입장에서는 이런 장면이 더 믿음 간다. 현실을 바꾸는 코드는 대개 조용한 곳에서 돌아가니까. ⚡