【드래곤 스포츠】 보증업체놀이터추천홍보 : 프로그램제작판매제작의뢰 : 스포츠분석 : 무료스포츠중계tv : 섹시bj움짤 : 뉴스 : 안구정화

로그인

글쓰기

[IT뉴스][현장] “휴머노이드 부품은 만들기 어렵고, 공장은 결정이 느리다”…AI 제조혁신 가로막는 세 가지 병목

온카뱅크관리자

2026-11-11 07:37:24

<div id="layerTranslateNotice" style="display:none;"></div>  
        <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> 
         <section dmcf-sid="qWUk2ikLWj">
          <div contents-hash="fc40d9a1483345d86ca4cccc64668eca4329cf050bfac74bce89dc932d65e2ee" dmcf-pid="BYuEVnEoTN" dmcf-ptype="general">
           <h5>독일 JUNKER, 초정밀 구동부품 생산성과 공급망 확보가 휴머노이드 양산의 관건</h5>
           <h5>폴란드 DBR77, 기술보다 느린 의사결정…스마트 제조 확산 가로막는 조직의 문제</h5>
           <h5>핀란드 LUT대학교 베사 살미넨, AI 전환의 70%는 사람과 조직…인간·AI 협업 체계 강조</h5>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="9224182e98bfd393ff33a43f14502b3a804c9e48d36c94aefcb24fb2612ac37a" dmcf-pid="bG7DfLDgTa" dmcf-ptype="figure">
           <p class="link_figure"><img alt="독일 정밀가공 장비기업 융커(JUNKER)의 마이클 마커(Michael Marker) 글로벌 영업 책임자(왼쪽)는 휴머노이드 구동부품의 대량생산을 가로막는 제조기술과 공급망의 한계를 짚었다. 폴란드 산업용 AI 기업 DBR77의 파베우 므로치코프스키(Paweł Mroczkowski) 서유럽 담당 총괄(가운데)은 기술 자체보다 기업 내부의 의사결정 지연이 스마트 제조 전환을 늦추고 있다고 지적했다. 핀란드 LUT대학교의 베사 살미넨(Vesa Salminen) 교수는 인간과 AI가 협업하는 조직으로의 전환이 필요하다고 강조했다. 세 발표는 기술 개발 이후 산업적 성과로 이어지는 과정에 존재하는 제조 역량, 의사결정, 조직문화의 문제를 입체적으로 드러냈다. (이미지=AI로 생성)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073111861likg.png" data-org-width="1024" dmcf-mid="8gZQZbQ9yX" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073111861likg.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            독일 정밀가공 장비기업 융커(JUNKER)의 마이클 마커(Michael Marker) 글로벌 영업 책임자(왼쪽)는 휴머노이드 구동부품의 대량생산을 가로막는 제조기술과 공급망의 한계를 짚었다. 폴란드 산업용 AI 기업 DBR77의 파베우 므로치코프스키(Paweł Mroczkowski) 서유럽 담당 총괄(가운데)은 기술 자체보다 기업 내부의 의사결정 지연이 스마트 제조 전환을 늦추고 있다고 지적했다. 핀란드 LUT대학교의 베사 살미넨(Vesa Salminen) 교수는 인간과 AI가 협업하는 조직으로의 전환이 필요하다고 강조했다. 세 발표는 기술 개발 이후 산업적 성과로 이어지는 과정에 존재하는 제조 역량, 의사결정, 조직문화의 문제를 입체적으로 드러냈다. (이미지=AI로 생성)
           </figcaption>
          </figure>
          <div contents-hash="bc5257331c0ea1386c5d07525a5cf1ed36bf94371bdd3122fe6ff4b5df167384" dmcf-pid="KDyRt2RfWg" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="180ae1cc55aa29231c7ff34a07e1319a9842e162d1debdefae06d3d361caaed7" dmcf-pid="9wWeFVe4Wo" dmcf-ptype="general">휴머노이드 로봇과 피지컬 AI(Physical AI)를 둘러싼 기술 경쟁이 치열해지고 있지만 이를 실제 산업으로 확장하는 과정에는 여전히 해결해야 할 과제가 산적해 있다. 로봇이 정교한 동작을 구현하는 것과 수많은 로봇을 일정한 품질로 생산하는 것은 다른 문제다. 제조기업이 새로운 기술의 가능성을 확인하고도 실제 생산공정에 도입하기까지 오랜 시간이 걸리는가 하면, 기술을 적용한 이후에도 기존 인력과 조직의 업무 방식이 바뀌지 않아 기대했던 성과를 거두지 못하는 경우도 있다. 기술의 발전 속도만으로는 설명하기 어려운 산업화의 병목이 존재하는 셈이다. </p>
          <p contents-hash="c3173c41d5c3d3a3d48927f5fb50d7901cee9c7c19462babd2340a98f7b1fc6d" dmcf-pid="2rYd3fd8yL" dmcf-ptype="general">지난 4일 경기 고양시 킨텍스에서 열린 '2026 국제로봇비즈니스 컨퍼런스(IRBC 2026)' 제조 AI 전환(AX) 트랙에서는 이 같은 문제를 서로 다른 관점에서 조명하는 해외 전문가들의 발표가 이어졌다. </p>
          <p contents-hash="f925f066809b72f1d4bd8a82e99569c1de4d33220fdc13159e1ff1b0f0e1f745" dmcf-pid="VmGJ04J6ln" dmcf-ptype="general">독일 정밀가공 장비기업 융커(JUNKER)의 마이클 마커(Michael Marker) 글로벌 영업 책임자는 휴머노이드 구동부품의 대량생산을 가로막는 제조기술과 공급망의 한계를 짚었다. 폴란드 산업용 AI 기업 DBR77의 파베우 므로치코프스키(Paweł Mroczkowski) 서유럽 담당 총괄은 기술 자체보다 기업 내부의 의사결정 지연이 스마트 제조 전환을 늦추고 있다고 지적했다. 핀란드 LUT대학교의 베사 살미넨(Vesa Salminen) 교수는 인간과 AI가 협업하는 조직으로의 전환이 필요하다고 강조했다. 세 발표는 기술 개발 이후 산업적 성과로 이어지는 과정에 존재하는 제조 역량, 의사결정, 조직문화의 문제를 입체적으로 드러냈다. </p>
          <div contents-hash="d9388749d42eaf3b6655b3aa39a168fd84d72d52635e1dfb19deec714ce7bd1e" dmcf-pid="fsHip8iPWi" dmcf-ptype="general">
           <strong>“허용오차 5㎛ 미만”…휴머노이드 양산의 첫 번째 병목</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="b5f570f980527a7986a7803efa70eb6a12be10659b5847c7b598cab3f9172bc9" dmcf-pid="4OXnU6nQWJ" dmcf-ptype="figure">
           <p class="link_figure"><img alt="마이클 마커 융커 글로벌 영업 책임자는 휴머노이드가 움직이기 위해서는 AI의 판단을 물리적 운동으로 전환하는 구동기(Actuator)가 필요하며, 이러한 구동기를 대량으로 생산할 수 있는 정밀가공 기술과 공급망이 뒷받침돼야 한다고 운을 뗐다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073113508lhec.jpg" data-org-width="1024" dmcf-mid="6YKAKdAivH" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073113508lhec.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            마이클 마커 융커 글로벌 영업 책임자는 휴머노이드가 움직이기 위해서는 AI의 판단을 물리적 운동으로 전환하는 구동기(Actuator)가 필요하며, 이러한 구동기를 대량으로 생산할 수 있는 정밀가공 기술과 공급망이 뒷받침돼야 한다고 운을 뗐다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="4b69a0ca48f5eda428b446a635fe5c17b70585779ae2ae87465d3bc74751cccc" dmcf-pid="8IZLuPLxld" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="6f600d0760d2a3b711c571b91b30a1ef90e7cfe09ee662b6ab7241992fde5f87" dmcf-pid="6C5o7QoMTe" dmcf-ptype="general">휴머노이드 산업의 관심이 AI 모델과 로봇의 동작 능력에 집중되는 가운데, 마이클 마커 융커 글로벌 영업 책임자는 이를 실제로 생산하기 위한 기계 부품에 주목했다. 휴머노이드가 움직이기 위해서는 AI의 판단을 물리적 운동으로 전환하는 구동기(Actuator)가 필요하며, 이러한 구동기를 대량으로 생산할 수 있는 정밀가공 기술과 공급망이 뒷받침돼야 한다는 설명이다. </p>
          <div contents-hash="81abc5ad2c11b0e6c6ff80d4897231ab2f13a67721b0e04da0f901da2481b243" dmcf-pid="Ph1gzxgRTR" dmcf-ptype="general">
           독일 융커그룹은 1962년 설립된 정밀 연삭(숫돌 등을 이용해 금속 표면을 정밀하게 가공하는 방식) 장비 전문기업이다. CNC 연삭장비와 관련 자동화 시스템, 산업용 여과장치 등을 공급하며 자동차와 산업기계 분야에서 정밀 금속가공 기술을 축적해 왔다. 최근에는 이러한 기술을 휴머노이드의 관절과 구동계에 사용되는 부품의 생산장비로 확대하고 있다. 로봇 완제품을 만드는 기업이 아니라 로봇 제조사가 필요로 하는 핵심 부품의 생산 장비를 공급하는 기업이라는 점에서 산업화의 또 다른 단면을 보여준다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="7621078bc7bf13c78d69768ae5a5ebc6a34993be476f8a726e047db2d0436814" dmcf-pid="QltaqMaehM" dmcf-ptype="figure">
           <p class="link_figure"><img alt="융커의 ‘플랫폼 3’. 다양한 연삭 공정과 자동화 기능을 생산 요구에 맞춰 조합할 수 있는 모듈형 고정밀 연삭기 플랫폼이다. 독일 융커그룹은 1962년 설립된 정밀 연삭(숫돌 등을 이용해 금속 표면을 정밀하게 가공하는 방식) 장비 전문기업이다. CNC 연삭장비와 관련 자동화 시스템, 산업용 여과장치 등을 공급하며 자동차와 산업기계 분야에서 정밀 금속가공 기술을 축적해 왔다.  (이미지=융커 홈페이지)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073115098pktz.png" data-org-width="729" dmcf-mid="PgpQZbQ9hG" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073115098pktz.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            융커의 ‘플랫폼 3’. 다양한 연삭 공정과 자동화 기능을 생산 요구에 맞춰 조합할 수 있는 모듈형 고정밀 연삭기 플랫폼이다. 독일 융커그룹은 1962년 설립된 정밀 연삭(숫돌 등을 이용해 금속 표면을 정밀하게 가공하는 방식) 장비 전문기업이다. CNC 연삭장비와 관련 자동화 시스템, 산업용 여과장치 등을 공급하며 자동차와 산업기계 분야에서 정밀 금속가공 기술을 축적해 왔다. (이미지=융커 홈페이지)
           </figcaption>
          </figure>
          <div contents-hash="38a536b2adf5ff298cb09611c1d3e5a33b2a5ae1b7c6f9787640c97fe06a8038" dmcf-pid="xDyRt2RfSx" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="512dc164eee00930135bb452f2d7dbf9299537f5278368cc693ea0ce08557863" dmcf-pid="yqxYoOYCWQ" dmcf-ptype="general">마커 책임자는 휴머노이드 시장의 성장 전망을 설명하면서 보수적인 가정으로 2030년 세계 휴머노이드 연간 생산량이 100만대에 이를 수 있다는 시나리오를 제시했다. 이어 특정 로봇 제조사가 해당 시장의 30%를 차지하고 로봇 한 대에 선형 구동기 14개가 사용된다고 가정하면, 연간 420만개의 선형 구동기가 필요하다고 계산했다. 이는 실제 생산량이나 특정 기업의 확정된 점유율이 아니라 대량생산에 필요한 부품 규모를 설명하기 위한 가정이다. </p>
          <p contents-hash="c22b8d0822d94c812f4cd0d0bc71cc6b17188bd5c8d0df436f836a8d54f25879" dmcf-pid="WBMGgIGhvP" dmcf-ptype="general">문제는 부품 수요가 커지는 속도에 비해 이를 생산할 공급망이 충분히 형성되지 않았다는 점이다. 자동차산업은 장기간에 걸쳐 부품의 표준화와 생산설비, 공급업체 간 협력 체계를 발전시켜 왔지만 휴머노이드 부품 시장은 아직 초기 단계라는 것이다. </p>
          <p contents-hash="edcce4e7241dbdfd2d05e2b8749a44f5c4d1aa102f319fe985ccaaddf7d1288b" dmcf-pid="YbRHaCHlC6" dmcf-ptype="general">“자동차 산업은 매년 약 1억대의 차량을 생산하고 있습니다. 그렇기 때문에 연간 420만개의 선형 구동기를 만드는 일도 가능해 보일 수 있습니다. 하지만 자동차 산업은 공급망을 발전시키는 데 약 100년의 시간이 있었죠. 반면 휴머노이드용 부품 공급망은 본격적으로 형성된 지 불과 2년 정도입니다. 앞으로 4년 안에 그 정도의 생산능력을 갖춰야 한다면 어떻게 해낼 것인지가 문제입니다.” </p>
          <div contents-hash="d3db4339371380632ea892bdcde4ffe5142ec5f63619f539daf1285babbd9038" dmcf-pid="GKeXNhXSC8" dmcf-ptype="general">
           마커 책임자가 구체적인 사례로 제시한 것은 유성 롤러스크루(Planetary Roller Screw)다. 회전운동을 직선운동으로 변환하면서 높은 하중을 전달하는 기계 요소로, 휴머노이드의 선형 구동기에 사용될 수 있다. 핵심 구성요소는 스핀들(Spindle), 롤러(Roller), 너트(Nut)이며, 각 부품이 높은 정밀도로 맞물려야 원하는 성능을 구현할 수 있다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="7c1741d5f9d1e943969c321649f7f0cade14962748a616861afd35fd7aac047a" dmcf-pid="H9dZjlZvW4" dmcf-ptype="figure">
           <p class="link_figure"><img alt="융커 그룹 홈페이지, 한국에서 개최된 로보월드 2026 참가를 주요 소식으로 다루고 있다. (이미지=홈페이지 캡처)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073116644xzib.png" data-org-width="1024" dmcf-mid="QKQk2ikLyY" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073116644xzib.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            융커 그룹 홈페이지, 한국에서 개최된 로보월드 2026 참가를 주요 소식으로 다루고 있다. (이미지=홈페이지 캡처)
           </figcaption>
          </figure>
          <div contents-hash="e46884e1e0445c4a7059ed9934b7e3b1dcdd8403b248c5eaa89060a9de32902d" dmcf-pid="X2J5AS5Tyf" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="681876ead982b213080e765564a4c6915ac780eead2e57df05016408bd10ce71" dmcf-pid="ZVi1cv1yTV" dmcf-ptype="general">그는 스핀들과 롤러의 외경, 너트의 내경 등 세 가지 주요 직경을 5마이크로미터(㎛) 미만의 허용오차로 가공해야 한다고 설명했다. 1마이크로미터는 1000분의 1밀리미터다. 부품 하나라도 허용오차를 벗어나면 구동기 전체가 의도한 성능을 발휘하지 못할 수 있다. 일반적인 금속가공보다 높은 정밀도가 요구되는 데다 동일한 수준의 품질을 대량생산 과정에서도 유지해야 한다는 점이 어려움으로 꼽힌다. </p>
          <p contents-hash="4d2cf112a4e6a6eef26bc90784e81fe7bb605403b7be027bc34688226e7d3c67" dmcf-pid="5fntkTtWl2" dmcf-ptype="general">융커는 이러한 문제에 대응하기 위해 너트와 스핀들, 롤러 등 유성 롤러스크루의 주요 부품을 각각 가공하는 전용 연삭장비를 개발하고 있다. 마커 책임자에 따르면 너트 내부 나사산 가공시간을 8분 미만으로 줄였으며, 이를 다시 4분 미만으로 단축하는 것이 목표다. 다른 외경 연삭 공정에서는 약 90초의 가공시간을 확보한 사례를 소개했고, 롤러는 원소재에서 완성품까지 약 120초에 가공하는 기술을 설명했다. </p>
          <div contents-hash="2b0e982107a4c07adeb0d9f269c4d44578fd0649a590b1ac35b996dba42bc92d" dmcf-pid="14LFEyFYh9" dmcf-ptype="general">
           이처럼 생산성을 높이고 있지만 휴머노이드의 대량생산을 뒷받침하기에는 여전히 많은 장비가 필요하다는 것이 그의 판단이다. 더욱이 휴머노이드 제조사들이 개발 단계에서 부품 설계를 계속 변경하고 있어 가공장비 공급기업 역시 생산성뿐 아니라 설계 변경에 신속하게 대응할 수 있는 유연성을 확보해야 하는 상황이다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="48f16e0da5a01b32e9aecac8dbc06a378ff6b46e04e54fc1eb9cb29b5cb24d64" dmcf-pid="t1KOQjOcTK" dmcf-ptype="figure">
           <p class="link_figure"><img alt="휴머노이드의 대량생산을 뒷받침하기에는 여전히 많은 장비가 필요하다는 것이 마커 책임자의 판단이다. 더욱이 휴머노이드 제조사들이 개발 단계에서 부품 설계를 계속 변경하고 있어 가공장비 공급기업 역시 생산성뿐 아니라 설계 변경에 신속하게 대응할 수 있는 유연성을 확보해야 하는 상황이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073118133hrhe.jpg" data-org-width="1024" dmcf-mid="xfBd3fd8CW" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073118133hrhe.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            휴머노이드의 대량생산을 뒷받침하기에는 여전히 많은 장비가 필요하다는 것이 마커 책임자의 판단이다. 더욱이 휴머노이드 제조사들이 개발 단계에서 부품 설계를 계속 변경하고 있어 가공장비 공급기업 역시 생산성뿐 아니라 설계 변경에 신속하게 대응할 수 있는 유연성을 확보해야 하는 상황이다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="e38e937588836108f4d4af0c4d45644b1aa8124e3ea8c90379763f575000ea8b" dmcf-pid="Ft9IxAIkWb" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="094298a177b87668bdbb2e2ec8e3ae2f203ea424ea6f6b927e1dfb82828040f4" dmcf-pid="3F2CMcCESB" dmcf-ptype="general">“우리는 부품 공급업체들과 함께 어떤 제품을 시제품으로 만들려는지 살펴보고 있습니다. 시제품 생산을 위한 해결책을 제공하면서 동시에 생산량을 어떻게 늘릴지도 고민하고 있습니다. 로봇 제조사들은 아직 개발 단계에 있고 부품 설계도 매주 바뀌고 있습니다. 그렇기 때문에 시제품 제작을 지원하는 동시에 그다음 단계에서 대량생산으로 어떻게 확대할 것인지도 생각해야 합니다.” </p>
          <p contents-hash="6bfa2669e12d50765386b85c48dddfe3e03c05fcc72b079f7bb86ec2bba6fcbf" dmcf-pid="03VhRkhDvq" dmcf-ptype="general">융커가 궁극적으로 추진하는 방향은 단순히 가공속도를 높이는 데 그치지 않는다. 너트와 스핀들, 롤러를 생산하는 장비를 연결하고 각 장비의 데이터를 활용해 AI가 가공 보정 방법을 판단하는 지능형 생산체계를 구상하고 있다. </p>
          <p contents-hash="0f96936377c6835e0091cb7af93c194ed1610dafbf9363862d695e3811d51f30" dmcf-pid="p0fleElwWz" dmcf-ptype="general">현재 방식에서는 가공된 부품의 치수를 작업자가 측정하고 조건에 따라 분류해야 하지만, 장비가 서로 데이터를 공유하고 가공 중 보정 작업을 수행할 수 있다면 이러한 후속 공정을 줄일 수 있다는 설명이다. 다만 해당 시스템은 아직 개발 중인 비전으로, 완전한 자동 보정 생산라인이 상용화됐다는 의미는 아니다. 휴머노이드 산업화가 로봇의 지능뿐 아니라 이를 뒷받침하는 전통 제조기술의 고도화에 달려 있다는 점을 보여주는 대목이다. </p>
          <div contents-hash="16edb30238de117022aa84b43c2fb29429dfd9f5c3f5a4229f6e19475d40f65d" dmcf-pid="Up4SdDSrS7" dmcf-ptype="general">
           <strong>“기술 구현은 6주, 도입 결정에는 8개월”…스마트 제조 전환 막는 의사결정의 병목</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="24ef437fd3531bcf291c9c35a8f037fdbdb4c7c0d915c81596a086dca062a6a4" dmcf-pid="uU8vJwvmTu" dmcf-ptype="figure">
           <p class="link_figure"><img alt="파베우 므로치코프스키 DBR77 서유럽 담당 총괄은 스마트 제조 전환을 가로막는 가장 큰 문제로 기술적 한계보다 느린 의사결정 구조를 지목했다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073120040ougf.jpg" data-org-width="1024" dmcf-mid="y1oCMcCECy" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073120040ougf.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            파베우 므로치코프스키 DBR77 서유럽 담당 총괄은 스마트 제조 전환을 가로막는 가장 큰 문제로 기술적 한계보다 느린 의사결정 구조를 지목했다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="412aef29ba75d7c9f73ff340084c3eb1c0c62134e4ba5981a8fc4a75282a3c78" dmcf-pid="7u6TirTsCU" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="68573cde635dc9ae5527e6e54c3c512e2a637a1b29ee13635b7b281174cc77ca" dmcf-pid="z7PynmyOvp" dmcf-ptype="general">휴머노이드를 생산하기 위한 제조기술의 문제가 해결되더라도 기업이 새로운 기술을 실제 공정에 받아들이는 과정은 또 다른 도전이다. 파베우 므로치코프스키 DBR77 서유럽 담당 총괄은 스마트 제조 전환을 가로막는 가장 큰 문제로 기술적 한계보다 느린 의사결정 구조를 지목했다. </p>
          <p contents-hash="7e8aae87061c9ecf1f11fa9243006365e492939d951b229e04f9b0c2f009fd61" dmcf-pid="qzQWLsWIT0" dmcf-ptype="general">폴란드의 DBR77은 산업용 사물인터넷(IIoT), 디지털 트윈(Digital Twin), 생산운영 소프트웨어와 자동화 솔루션을 제공하는 기업이다. 제조설비에서 발생하는 데이터를 수집하고, 공장 배치와 물류 흐름을 가상공간에서 시뮬레이션하며, 자동화 기술을 도입하려는 제조기업과 시스템 공급업체를 연결하는 플랫폼도 운영하고 있다. 공장에 어떤 기술을 도입할 것인지 판단하는 단계부터 실제 운영에 이르기까지 디지털 전환 과정을 지원하는 사업 구조다. </p>
          <div contents-hash="793c5ced94214988f2d56f541257cd57ae0f18a52ea8767350701560abe5363b" dmcf-pid="BqxYoOYCC3" dmcf-ptype="general">
           므로치코프스키 총괄은 한국 제조업의 높은 로봇 도입 수준에 주목했다. 국제로봇연맹(IFR)의 ‘월드 로보틱스 2026’ 통계를 인용한 발표 내용에 따르면 2025년 한국의 제조업 로봇 밀도는 종사자 1만명당 1066대로 세계 1위다. 같은 기준 독일은 469대, 미국은 323대였다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="f6e6a47938d9ec67364996bcc08d398b97f978f66bebc615a6fbb972b4a36e0e" dmcf-pid="bwWeFVe4hF" dmcf-ptype="figure">
           <p class="link_figure"><img alt="폴란드의 DBR77은 산업용 사물인터넷(IIoT), 디지털 트윈(Digital Twin), 생산운영 소프트웨어와 자동화 솔루션을 제공하는 기업이다. 제조설비에서 발생하는 데이터를 수집하고, 공장 배치와 물류 흐름을 가상공간에서 시뮬레이션하며, 자동화 기술을 도입하려는 제조기업과 시스템 공급업체를 연결하는 플랫폼도 운영하고 있다. (이미지=DBR77 홈페이지 캡처)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073121625yksk.png" data-org-width="1024" dmcf-mid="Uo1VyUV7CE" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073121625yksk.png" width="658"></p>
           <figcaption class="txt_caption default_figure">
            폴란드의 DBR77은 산업용 사물인터넷(IIoT), 디지털 트윈(Digital Twin), 생산운영 소프트웨어와 자동화 솔루션을 제공하는 기업이다. 제조설비에서 발생하는 데이터를 수집하고, 공장 배치와 물류 흐름을 가상공간에서 시뮬레이션하며, 자동화 기술을 도입하려는 제조기업과 시스템 공급업체를 연결하는 플랫폼도 운영하고 있다. (이미지=DBR77 홈페이지 캡처)
           </figcaption>
          </figure>
          <div contents-hash="eb1f9b1594c44f5c03382fe643a349d3049c374d5d03b06f8780cc6da16c123d" dmcf-pid="KrYd3fd8lt" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="aa6e90a4dbde9a87e9fe7b4e886739dd2e2e3451f6d589239c8c2fd8ea059fab" dmcf-pid="9mGJ04J6C1" dmcf-ptype="general">한편으로 므로치코프스키 총괄은 한국이 산업용 로봇을 적극적으로 받아들이고 있다는 점을 높이 평가하면서도 이러한 설비가 삼성전자와 현대자동차 등 대기업에 집중돼 있다는 점을 지적했다. 국가 전체의 로봇 밀도가 높다고 해서 다수의 중소 제조기업까지 같은 수준의 자동화 역량을 확보했다고 볼 수는 없다는 것이다. </p>
          <p contents-hash="f3c76e3fd75cd752483a36cdbb52c4e7829a7d0b52af4d2538f0b34abfc5a30d" dmcf-pid="2sHip8iPl5" dmcf-ptype="general">그런 그가 국제적인 제조기업들과 협업하면서 반복적으로 확인했다는 문제는 파일럿 프로젝트(Pilot Project)를 실제 생산공정에 적용하고 확산하는 과정에서 발생하는 지연이다. 기업들이 스마트 제조의 필요성을 이해하고 기술을 실험하지만, 그 결과를 바탕으로 본격적인 투자와 적용을 결정하는 과정에서 시간이 소모된다는 것이다. </p>
          <p contents-hash="63bb0bd179c9a4017f237565e48838c6adc31071e7ce3874940fd7d8a27ab006" dmcf-pid="VOXnU6nQlZ" dmcf-ptype="general">“모든 경영자가 스마트 제조를 원하지만 무엇을 해야 할지 모르겠다고 이야기합니다. 그래서 문제를 파악하고 결정을 내리고 실험을 진행하며 파일럿 프로젝트를 도입합니다. 그런데 파일럿을 만드는 것과 실제로 작동하는 솔루션으로 발전시키는 것 사이에는 간극이 있습니다. 제가 여러 현장에서 반복적으로 확인한 가장 큰 문제는 기술이 아니라 의사결정의 속도입니다. 특히 한국은 기술 자체는 문제가 아닌 것처럼 보이지만 다음 단계로 나아가기 위한 결정의 속도와 방식이 중요합니다.” </p>
          <div contents-hash="e84ea180e3d685be2ab3a8d54398c327b21a3729e48f40e8d15ab7c11b8b9c82" dmcf-pid="fIZLuPLxCX" dmcf-ptype="general">
           므로치코프스키 총괄은 이러한 차이를 시간으로 설명했다. 그의 현장 경험에 따르면 스마트 제조 기술을 구현하는 작업은 일반적인 경우 약 6주에 가능하고 대형 프로젝트라면 몇 달이 걸릴 수 있다. 반면 승인과 준비, 본격적인 도입 및 확산 과정에는 약 8개월이 소요되는 경우가 있었다는 것이다. 물론 이는 표준화된 글로벌 통계가 아니라 그가 접한 프로젝트를 바탕으로 제시한 비교다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="ddee21c8bfab05135efab13203fb80e7f182707807a1a38cf89776b08eeb3dc5" dmcf-pid="4C5o7QoMSH" dmcf-ptype="figure">
           <p class="link_figure"><img alt="므로치코프스키 총괄이 국제적인 제조기업들과 협업하면서 반복적으로 확인했다는 문제는 파일럿 프로젝트(Pilot Project)를 실제 생산공정에 적용하고 확산하는 과정에서 발생하는 지연이다. 기업들이 스마트 제조의 필요성을 이해하고 기술을 실험하지만, 그 결과를 바탕으로 본격적인 투자와 적용을 결정하는 과정에서 시간이 소모된다는 것이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073123114ohah.jpg" data-org-width="1024" dmcf-mid="uaablFb0Tk" dmcf-mtype="image" height="auto" src="https://img3.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073123114ohah.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            므로치코프스키 총괄이 국제적인 제조기업들과 협업하면서 반복적으로 확인했다는 문제는 파일럿 프로젝트(Pilot Project)를 실제 생산공정에 적용하고 확산하는 과정에서 발생하는 지연이다. 기업들이 스마트 제조의 필요성을 이해하고 기술을 실험하지만, 그 결과를 바탕으로 본격적인 투자와 적용을 결정하는 과정에서 시간이 소모된다는 것이다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="b3c31595f3722927cac73f81e849486b5b41cc15782a435955ad5950ba0fe675" dmcf-pid="8h1gzxgRlG" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="dc814fe0cd02c3f79343636baf64adf8d3a840bba195db0dd1df4ec59e57a390" dmcf-pid="6ltaqMaeCY" dmcf-ptype="general">그러면서 므로치코프스키 총괄은 기업들이 기술 실증 단계에 들어간 뒤 성과를 평가하고 다시 의사결정권자의 승인을 받아야 하는 구조를 문제로 지적했다. 실증 결과를 검토하는 단계는 물론 실제 도입과 생산라인 확대 과정에서도 여러 부서가 반복적으로 의사결정에 참여하면서 전체 추진 일정이 길어진다는 설명이다. </p>
          <p contents-hash="dd0e0c5a396757b77ace0cf4e2960da1cbc9db0d2aec95d56405bf93f128b826" dmcf-pid="PSFNBRNdhW" dmcf-ptype="general">이를 해결하기 위한 방법은 실증에 착수하기 전에 성공 기준과 후속 실행 조건부터 정하는 것이다. 어떤 핵심성과지표(KPI)를 충족하면 프로젝트를 성공으로 평가할 것인지, 어느 수준의 성과가 확인되면 본격 도입할 것인지, 최종 결정권자는 누구인지 미리 정해야 한다는 주장이다. </p>
          <p contents-hash="f1395a863984e861d50aa37f21e102211575f3830b48bf2c4fc8b14c584a4bc9" dmcf-pid="Qu6TirTsSy" dmcf-ptype="general">“기술적인 구현은 보통 6주 안에도 가능하고 규모가 큰 프로젝트는 몇 달이 걸릴 수 있습니다. 그런데 승인부터 본격적인 적용과 확대를 준비하는 과정에는 약 8개월이 소요됩니다. 우리는 이 시간을 의사결정 과정에서 많이 잃고 있습니다. 파일럿이 성공했는지 평가할 KPI와 실제 도입을 결정할 사람을 먼저 정해야 합니다. 여기에 며칠을 더 쓰면 이후 과정에서 몇 달을 줄일 수 있습니다.” </p>
          <p contents-hash="14280c112092d961456a89c86c797ad9d02a7284d3f2b62249b873665eaf136c" dmcf-pid="x7PynmyOWT" dmcf-ptype="general">이와 함께 최고경영진이 프로젝트 초기부터 참여해 기술 도입의 목적과 조직 전체가 공유할 방향을 명확하게 설정할 필요가 있다고 강조했다. 특히 AI와 휴머노이드 도입이 기존 인력과 업무에 어떤 영향을 미칠지 불확실한 상황에서는 기술적 타당성뿐 아니라 조직이 받아들일 수 있는 윤리적 원칙과 책임 체계를 마련해야 한다는 설명도 덧붙였다. </p>
          <p contents-hash="38cff461f87769d18057d63a1d5e9c69088656a02a7fa7168da327dd55daae8a" dmcf-pid="ykvx5Kx2Tv" dmcf-ptype="general">국가별 제조업의 강점에 대한 평가도 이어졌다. 그는 유럽의 강점으로 엔지니어링 역량을, 사우디아라비아의 특징으로 명확한 비전과 방향성을, 미국의 강점으로 자본과 사업적 야심의 결합을 꼽았다. 한국에 대해서는 일단 의사결정이 이뤄지면 제조 현장에서 이를 실행하는 능력이 뛰어나다고 평가했다. </p>
          <p contents-hash="f844ab07661faa7a16ca6f137073f8872fd7d0e6784134cab984cf4f4917040c" dmcf-pid="WETM19MVvS" dmcf-ptype="general">기술 수준을 높이는 것만큼 이미 확보한 기술을 조직의 의사결정과 실제 생산에 연결하는 능력이 중요하다는 의미다. 스마트 제조 전환에서 요구되는 것은 무조건 빠른 기술 도입이 아니라, 실증의 목적과 성공 조건을 명확하게 정해 불필요한 의사결정 지연을 줄이는 체계라는 점이 므로치코프스키 총괄의 발표에서 특히 강조됐다. </p>
          <div contents-hash="f99811909e982d2216ac35e926a666b101c829947f42f7caa86f230d6d8cd298" dmcf-pid="YDyRt2Rfhl" dmcf-ptype="general">
           <strong>“AI 전환의 70%는 사람과 조직의 문제”…하이브리드 인텔리전스가 바꾸는 공장</strong>
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="143ddd12d7023fd4032333e553b30008af6d468130b8cf1649b44af639c1cb70" dmcf-pid="GwWeFVe4Wh" dmcf-ptype="figure">
           <p class="link_figure"><img alt="베사 살미넨 핀란드 LUT대학교 교수는 'AI와 하이브리드 인텔리전스 시대의 업무 재설계'를 주제로 발표에 나섰다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073124593fksj.jpg" data-org-width="1024" dmcf-mid="7NlJ04J6Wc" dmcf-mtype="image" height="auto" src="https://img4.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073124593fksj.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            베사 살미넨 핀란드 LUT대학교 교수는 'AI와 하이브리드 인텔리전스 시대의 업무 재설계'를 주제로 발표에 나섰다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="8615863834caba733693274897cda8d99889ce302368f71db852f99bba7447ed" dmcf-pid="HrYd3fd8yC" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="73afc76436e79381ef3e632513369bd51751a13429a09cb459f0ba31b6aa2fb3" dmcf-pid="XmGJ04J6lI" dmcf-ptype="general">제조기술과 의사결정 구조가 갖춰지더라도 AI가 산업 현장에서 지속적으로 성과를 창출하려면 이를 사용하는 사람과 조직의 변화가 뒤따라야 한다. 베사 살미넨 핀란드 LUT대학교 교수는 'AI와 하이브리드 인텔리전스 시대의 업무 재설계'를 주제로 이러한 문제를 설명했다. </p>
          <p contents-hash="b00ff69ff7c52b955a7f87b460d99dc7c02e93a7bfb7edd2c9fcb5bf1151cd81" dmcf-pid="ZsHip8iPyO" dmcf-ptype="general">LUT대학교에서 기계공학 분야 도슨트(Docent)로 등록된 살미넨은 산업의 디지털 전환과 혁신, 인간과 AI의 상호작용, 조직문화의 변화 등을 연구해 왔다. 이번 발표에서도 개별 AI 기술의 성능보다 인간이 AI를 활용하는 방식과 기업의 운영체계가 어떻게 달라져야 하는지에 초점을 맞췄다. </p>
          <p contents-hash="dd0d8465ae92356d1ee5c4eb09796caa5ca69d481719fd1edf65e5d827391c4d" dmcf-pid="5OXnU6nQys" dmcf-ptype="general">살미넨 교수가 강조한 핵심 개념은 하이브리드 인텔리전스(Hybrid Intelligence)다. 인간의 경험과 판단력, 창의성에 AI의 데이터 분석과 처리 능력을 결합해 인간과 AI가 상호보완적으로 일하는 체계를 의미한다. 기존 자동화가 특정 업무를 기계로 대체하는 데 초점을 맞췄다면 하이브리드 인텔리전스는 인간과 AI가 각각의 강점을 활용하도록 업무 자체를 다시 설계하는 접근이다. </p>
          <p contents-hash="e0a838269d1a3344e68b0f768befce610d1afa4a6de9d63fcef14ac8c827da7a" dmcf-pid="1IZLuPLxym" dmcf-ptype="general">그러면서 살미넨 교수는 기업의 AI 전환을 단순한 기술 도입이 아닌 인간과 조직의 변화로 바라봐야 한다고 강조했다. AI 모델을 도입하거나 개별 직원에게 활용법을 교육하는 것만으로는 충분하지 않으며, 조직 전체의 AI 이해도와 데이터 관리, 업무 프로세스, 리더십까지 함께 바뀌어야 한다는 것이다. </p>
          <p contents-hash="0ff6f5cf360e33bf5a21793aacdc67ad4347243f6e1863e429238fcd6fa328d7" dmcf-pid="tC5o7QoMlr" dmcf-ptype="general">“AI 전환은 기본적으로 사람의 전환입니다. 적절한 기술과 도구를 선택하고 통합하는 것도 필요하지만 올바른 역량을 갖춘 사람이 없다면 충분하지 않습니다. AI 에이전트를 만들기 위해서는 조직 내부의 데이터도 조화롭게 통합해야 합니다. 개인의 AI 리터러시뿐 아니라 조직 차원의 AI 리터러시가 중요합니다. 그리고 무엇보다 필요한 것은 신뢰이며 이를 위한 거버넌스와 리더십이 있어야 합니다.” </p>
          <p contents-hash="3d56296781853fdcd1e8006cae2a9e58133d4b155d11692bb946c88a87a1cbd1" dmcf-pid="FmLFEyFYSw" dmcf-ptype="general">이러한 주장을 설명하면서 살미넨 교수는 AI 전환의 '10-20-70' 원칙을 소개했다. AI 전환에서 전략과 모델 개발, 기술 및 데이터 통합뿐 아니라 사람의 역량과 조직문화, 업무 프로세스 변화에 특히 많은 노력을 기울여야 한다는 접근이다. </p>
          <p contents-hash="f2c430e8e3becd662effe42cc1f68390d1ae7d9a7b1c5c51954d4fb00c573c57" dmcf-pid="3so3DW3GSD" dmcf-ptype="general">글로벌 컨설팅기업 보스턴컨설팅그룹(BCG)도 AI 전환에 투입되는 노력의 비중을 알고리즘 10%, 기술·데이터 20%, 사람·업무 프로세스 70%로 제시한다. 이는 AI 전환 성과가 실제로 해당 비율에 따라 결정된다는 통계적 결과라기보다 기술 도입 과정에서 인력과 업무 변화에 더 많은 관심과 자원을 배분해야 한다는 전략적 프레임워크에 가깝다. </p>
          <div contents-hash="d2b54ae026ba3661dec50d3c9f69be1d07e8bedeaf601d7438a796af2c075835" dmcf-pid="0Og0wY0HlE" dmcf-ptype="general">
           살미넨 교수는 특히 AI 도입 과정에서 발생하는 실행 격차(Execution Gap)와 학습 격차(Learning Gap)를 강조했다. 기술을 활용할 수 있는 환경이 마련돼도 기존 업무 체계와 데이터가 분절돼 있으면 실제 생산성과 경영 성과로 연결하기 어렵다. 반대로 기술 중심의 자동화에 지나치게 집중하면 조직 구성원이 새로운 역량을 개발하고 업무 방식을 개선할 기회를 놓칠 수 있다는 것이다. 
           <div> 
           </div>
          </div>
          <figure class="figure_frm origin_fig" contents-hash="fb67e88cf9fb2e10ae80cf37256c542f70122594264518b79fedaac3e5fc39f8" dmcf-pid="pIaprGpXSk" dmcf-ptype="figure">
           <p class="link_figure"><img alt="살미넨 교수는 산업용 AI와 로봇의 도입을 사회기술적 역량(Sociotechnical Capability)의 문제로 바라봐야 한다고 강조했다. AI와 로봇의 기술적 성능에 더해 조직구조와 인간의 행동, 업무 프로세스가 조화를 이룰 때 비로소 산업적 가치가 창출된다는 접근이다. (사진=테크42)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073126146vrst.jpg" data-org-width="1024" dmcf-mid="zrg0wY0HlA" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202611/11/552816-OGTrtXj/20261111073126146vrst.jpg" width="658"></p>
           <figcaption class="txt_caption default_figure">
            살미넨 교수는 산업용 AI와 로봇의 도입을 사회기술적 역량(Sociotechnical Capability)의 문제로 바라봐야 한다고 강조했다. AI와 로봇의 기술적 성능에 더해 조직구조와 인간의 행동, 업무 프로세스가 조화를 이룰 때 비로소 산업적 가치가 창출된다는 접근이다. (사진=테크42)
           </figcaption>
          </figure>
          <div contents-hash="c54bc355b378f3cb7c3a260501a8aec2ef0a817f50eecbe9a0f95e2b1f6e4559" dmcf-pid="UCNUmHUZCc" dmcf-ptype="general">
           <div> 
           </div> 
          </div>
          <p contents-hash="a8c5dd686394d06be90690619494f8574d5d239cfcd6163125e6284878e5125f" dmcf-pid="uhjusXu5WA" dmcf-ptype="general">그는 후자의 문제를 '자동화 함정(Automation Trap)'으로 설명했다. 자동화 기능을 계속 추가하는 것만으로 기업의 역량이 지속해서 발전하는 것은 아니며, AI를 활용해 사람의 능력을 확장하는 증강(Augmentation) 관점이 필요하다는 주장이다. </p>
          <p contents-hash="a29579db67d470d3d550ad61c47606c397263dadeed0a038613b3b228f640efd" dmcf-pid="7lA7OZ71Cj" dmcf-ptype="general">이러한 변화는 기업의 조직구조에도 영향을 미칠 수 있다. AI 에이전트가 정보를 분석하는 수준을 넘어 계획과 실행, 학습에 참여하게 되면 기존의 관리 업무와 의사결정 구조도 달라져야 하기 때문이다. 살미넨은 인간과 AI가 함께 일하는 조직에서 관리자의 역할이 세부 작업을 통제하는 것에서 전략적 감독과 윤리적 판단, 예외 상황 관리로 이동할 수 있다고 설명했다. </p>
          <p contents-hash="f06f77b1c1d7c786a18dbdcbc5c8ffa3fe50b1af0683928d5e4956d5ba047ea1" dmcf-pid="zSczI5ztSN" dmcf-ptype="general">“전통적인 경영 방식은 변하고 있습니다. 하이브리드 시스템은 스스로 계획하고 행동하며 학습할 수 있습니다. 따라서 관리자는 전략적 감독과 윤리적 거버넌스, 예외 상황 관리에 더 집중해야 합니다. 인간 지능과 인공지능을 어떻게 통합할 것인지 균형을 찾아야 합니다.” </p>
          <p contents-hash="333ff0576e1240c170806dd2de0c669ed69869cab46962fc9b42b7c15177a1e1" dmcf-pid="qvkqC1qFSa" dmcf-ptype="general">이는 AI 도입으로 인간의 역할이 단순히 사라진다는 의미는 아니다. 반복적인 작업이나 정형화된 판단을 AI가 맡더라도 목표 설정과 책임 분담, 위험 관리, 예외 상황에 대한 대응 등에서는 인간의 전문성이 계속 요구된다는 것이다. </p>
          <p contents-hash="1b141cf2549dfe42b5adcdd1ad7ab8a13a2d3cbca53f9e7e652b14f81c09fbef" dmcf-pid="BTEBhtB3Tg" dmcf-ptype="general">또한 살미넨 교수는 산업용 AI와 로봇의 도입을 사회기술적 역량(Sociotechnical Capability)의 문제로 바라봐야 한다고 강조했다. AI와 로봇의 기술적 성능에 더해 조직구조와 인간의 행동, 업무 프로세스가 조화를 이룰 때 비로소 산업적 가치가 창출된다는 접근이다. </p>
          <p contents-hash="17ef2905fe4ff92d6821817c4143ca34a8bc06530424ab927ddfd8710865d48b" dmcf-pid="byDblFb0yo" dmcf-ptype="general">그러면서 그는 제조 현장에서 AI 기반 로봇을 활용하기 위해 필요한 데이터 수집과 생성, 모델의 미세조정, 검증, 배포 과정에도 여러 기술적 난제가 존재한다고 설명했다. 복잡한 동작을 데이터로 표현하거나 물체를 정교하게 조작하는 능력을 학습시키는 것뿐 아니라 이러한 기술이 경제적으로도 타당해야 한다는 지적이다. </p>
          <p contents-hash="b93226fc9aa56f100cacd1344afc2982d1a0cae63c4d33621d92be5cda9bf93d" dmcf-pid="KSczI5ztlL" dmcf-ptype="general">결국 AI 시대의 미래 업무를 설계할 때 던져야 할 질문은 무엇을 자동화할 수 있는가에 머물러서는 안 된다는 것이다. 인간과 AI가 어떻게 함께 일하도록 설계할 것인지, 이를 뒷받침하는 조직과 운영체계를 어떻게 구축할 것인지가 더 중요한 과제가 되고 있다. </p>
          <p contents-hash="52ac57f90687d0ee721133017726ebd0bd11aced68bb3adfbe618cc6a716e35e" dmcf-pid="9vkqC1qFln" dmcf-ptype="general">이날 세 해외 전문가의 발표는 피지컬 AI와 제조업 혁신이 서로 다른 단계에서 마주하는 구조적 한계를 보여준다. 융커가 설명한 휴머노이드 구동부품의 초정밀 가공과 대량생산 문제는 새로운 로봇산업이 성장하기 위해 필요한 제조 기반의 과제다. DBR77이 지적한 의사결정 지연은 이러한 신기술을 실제 생산 현장에 받아들이고 확산시키는 과정에서 발생하는 경영의 문제다. 살미넨 교수가 강조한 인간과 조직의 변화는 도입된 AI 기술이 일회성 실험에 머물지 않고 지속적인 산업적 성과로 이어지기 위한 조건에 해당한다. </p>
          <p contents-hash="039ab1ada89c402f48b20467e05d974bde22df885f061972acfdc218dec458e7" dmcf-pid="2TEBhtB3vi" dmcf-ptype="general">정리하자면, 휴머노이드 부품의 생산성을 높이고 AI 모델의 성능을 개선하는 것만으로 제조업의 전환이 완성되는 것은 아니라는 말이다. 부품 공급망의 생산능력, 제조기업의 실행 체계, 인간과 AI가 함께 일할 수 있는 조직 역량이 각각의 영역에서 발전해야 기술의 가능성이 실제 생산성과 사업적 가치로 이어질 수 있다. 피지컬 AI 시대의 경쟁은 결국 기술을 얼마나 빠르게 개발하느냐를 넘어, 그 기술이 산업 전반에서 실제로 작동할 수 있는 조건을 얼마나 충실하게 갖추느냐의 문제로 확장되고 있다. </p>
          <p contents-hash="1950ab19695e87aa8974751fdc96fa3ebdce85fcfc1728c70ed9b8c961365a32" dmcf-pid="VyDblFb0TJ" dmcf-ptype="general">저작권자 © Tech42 - Tech Journalism by AI 테크42 무단전재 및 재배포 금지</p>
         </section> 
        </div>

댓글 총 0개

이번주 포인트랭킹

매주 일요일 밤 0시에 랭킹을 초기화합니다.

14,000상품권
23,000상품권
32,000상품권

업체홍보/구인 더보기

지식/노하우 더보기

판매의뢰 더보기

포토 더보기