대한상공회의소, ‘K-성장 시리즈: 기업의 AI 전환 실태와 개선방안’ 보고서 발표

조사대상: 국내 제조기업 504개사. (뉴스is)

주요 주제: 제조기업의 AI 전환 실태, 활용률, 애로요인, 그리고 개선방안 제시 (뉴데일리)

 

주요 조사 결과 (핵심만 요약)

• AI를 경영에 활용하지 않는 기업 비율이 82.3%로 나타났습니다. (뉴스is)
• 규모별 활용률 차이: 대기업 49.2%, 중소기업 4.2% 수준으로 중소기업이 매우 낮음. (비욘드포스트)
• AI 투자비용 부담 응답기업이 73.6%에 달했으며, 특히 중소기업은 비용 부담 비율이 더 높음. (지디넷코리아)
• 전문인력 부족: AI 활용 전문인력이 없는 기업 비율이 80.7%. (뉴데일리)
• AI 도입 효과에 대한 확신 부족: 응답기업의 60.6%가 “효과가 미미할 것”이라 답함. (지디넷코리아)

개선방안 제안

• 기업 규모·역량별로 맞춤형 지원 정책이 필요하다고 보고서에서 강조하고 있습니다. (뉴데일리)
• 특히 중소기업에는 단순 자금 지원보다는 도입 전, 도입 중, 도입 후로 나눈 단계별 지원이 효과적이라고 제언하고 있다. (지디넷코리아)

 

- 주요 조사 결과 상세내용 -

① AI 활용 현황: “10곳 중 8곳은 아직”

• 응답 기업의 82.3%가 “AI를 경영에 활용하지 않고 있다”고 응답(지디넷코리아)
• 규모별 AI 활용률:
  • 대기업: 49.2%가 AI 활용
  • 중소기업: 4.2%만 활용
    ⇒ 대기업과 중소기업 간 AI 격차가 매우 큼지디넷코리아+1
• “AI 전환이 중요하다는 건 알고 있지만, 실제로 AI를 도입해 돌리고 있는 기업은 아직 극소수, 특히 중소기업은 거의 손도 못 대고 있는 상태”로 볼 수 있습니다.

② 3대 걸림돌 1 – 자금(투자 비용 부담)

• “AI 투자비용이 부담된다”는 응답: 73.6%(지디넷코리아)
• 규모별 부담 : 대기업: 57.1%, 중소기업: 79.7%
  ⇒ 중소기업이 비용 부담을 훨씬 더 크게 체감
• 현장의 구체적인 애로: 예를 들어 공정을 AI로 전환하려면 라벨·센서 부착, CCTV 설치, 데이터 정제, 맞춤형 솔루션 구축 등  관련 인력 투입등 예상 못 했던 비용이 계속 발생한다는 사례 소개 이투데이 
• 데이터 활용 관련 비용·부담 요인(복수 응답):
  • 전문인력 채용 부담: 49.2%
  • 개인정보 규제 부담: 20.2%
  • 데이터 정제(Cleansing) 부담: 16.3%
  • 데이터 수집 시설(센서·CCTV 등) 부담: 14.3%이투데이

③ 3대 걸림돌 2 – 인력 부족

• “AI 활용 전문인력이 있다” → 없다: 80.7%(지디넷코리아)
• “AI 인력을 어떻게 충원하고 있나?”
  • 원하지 않는다: 82.1%
  • 기존 직원 교육으로 전환: 14.5%
  • 신규 채용: 3.4% (합쳐도 17.9%)지디넷코리아+1
• 글로벌 비교(보고서 인용):
  • 한국 AI 인재: 약 2만 1,000명
  • 중국: 41만 1,000명
  • 인도: 19만 5,000명
  • 미국: 12만 명 수준
  • 한국의 AI 인재 순이동(Net Flows): -0.36 (순유출국)이투데이+1
• “국내에 있는 AI 인재 자체가 절대적으로 모자란 데다가, 그마저도 해외로 빠져나가고 있는 상황”이라 AI 도입을 하고 싶어도 사람이 없어서 도입·운영을 못 하는 구조로 볼 수 있습니다.

④ 3대 걸림돌 3 – 효과성(ROI) 불확실성

• “AI 전환이 성과를 가져올 것인가?” 질문에
  • 효과가 미미할 것: 60.6%
  • 효과가 클 것: 39.4%지디넷코리아+1
• 배경:
  • 제조업은 특성상 AI를 적용하려면 설비·데이터·인력에 선투자 규모가 크기 때문에 “투자 대비 효과(ROI)가 정말 나올까?”라는 불안이 큼.
  • OECD와 글로벌 설문에서도 AI 도입의 장애 요인으로 “투자 수익률 추정의 어려움”이 반복적으로 지적된 바 있음. 이투데이+1
• 결론 : “돈도 많이 들고, 인재도 없고, 효과도 확신 못하겠다”

2-3. 대한상의가 제안한 개선방안

 

1) 기업 역량 수준별 맞춤형 지원정책

• AI 활용도가 이미 높은 기업(선도기업)에는 일률적인 “보조금·장비지원”보다 기업 전략에 맞춘 유연한 패키지 형태 지원이 효과적이라는 제안

2) AI 도입 단계별(전·중·후) 지원 체계

AI 도입 수준이 낮은 기업(특히 중소기업)에 대해, 단순히 “돈·장비”만 줄 것이 아니라 경로별 지원을 해야 한다는 내용입니다.

1. 도입 전(Pre-AI)
   • 업종·규모별 맞춤형 컨설팅
   • 어떤 공정·업무에 AI를 적용할지 활용 모델 진단·설계
2. 도입 단계(On-boarding)
   • 데이터 수집·정제, 알고리즘 적용 등 실무 중심 기술 지원
   • PoC(시범 프로젝트)를 통해 작게 시작→성공 사례 축적
3. 도입 후(Post-adoption)
   • 실습 교육, 현장 멘토링으로 기업 내부 실무자가 스스로 AI를 운용·개선할 수 있게 지원
   • 단발성 컨설팅이 아니라 내재화를 목표로 한 장기적 지원
4. 비용이 부담되는 중소기업
   • 초기 CAPEX(설비 투자) 대신 구독형 SaaS 기반 AI 도입 모델을 대안으로 제시
   • 예: 클라우드 기반 AI 품질검사, 예지보전 솔루션을 월 사용료 방식으로 제공

3) 제조 AI 인프라·실증 거점 확산

• 제조 AI 모델 공장 등 지역 거점을 구축해 많은 제조기업들이 AI 성능을 직접 체감할 수 있게 해야 한다는 제안
• 기존 사업(산업부 제조AX 얼라이언스, 스마트공장·제조AI센터(대구·울산·충북) 등)을 확대·가속화해서 단기간에 가시적 성과를 체감하게 만들고 “AI는 탑티어 기업만 쓰는 것”이라는 인식을 깰 필요가 있다고 언급지디넷코리아+1

2-4. 이 보고서가 시사하는 점 (정리)

1. AI 전환은 “대기업 중심·극소수” 단계

• 국가 차원에서는 AI 강국을 말하지만, 실제 현장은 대부분의 제조기업(특히 중소기업)이 아직 출발선에도 못 선 상태입니다.

1. 3중고(자금·인력·효과성) 구조를 깨는 정책 설계 필요
   1. 돈: 초기 투자 부담을 낮추는 SaaS·공용 인프라·공공 GPU 지원
   2. 사람: 국내 AI 인재 양성 + 유출 최소화 + 현장 인력 재교육 체계
   3. 확신: 실증 사례·데모 공장·벤치마크 데이터를 통해 “우리도 해보면 된다”는 성공 스토리를 보여줄 필요
2. “장비만 깔아주는 스마트공장”을 넘어서야 함

• 과거처럼 장비 지원 위주가 아니라
• 도입 전 전략 수립
• 도입 단계의 실무 지원
• 도입 후 내재화 교육
• 이렇게 end-to-end 지원체계를 요구하는 보고서입니다.

   4. 데이터·인재·인프라를 동시에 보는 “생태계 관점”

• 단일 프로젝트가 아니라
• 공용 데이터·인프라
• 지역 제조 AI 허브
• 산업별 레퍼런스 모델
• 등을 엮어서 생태계를 만들어야 한다는 방향성으로 읽을 수 있습니다.

 

[1]: https://zdnet.co.kr/view/?no=20251118095719 "\"투자할 돈도, 돌릴 인력도 없다”…제조기업 82% AI 도입 주저 - ZDNet korea"
[2]: https://www.newsis.com/view/NISX20251118_0003406965 "제조기업, 'AI 전환' 3중고…\"돈·사람·확신 없다\""
[3]: https://www.etoday.co.kr/news/view/2526656 "AI 전환 발목 잡는 기업 현실…“자금·인재·효과성 모두 부족” - 이투데이"
[4]: https://biz.newdaily.co.kr/site/data/html/2025/11/18/2025111800185.html "제조기업 AI 전환 3중고 … \"자금, 인재 부족 … 효과성도 의문\""
[5]: https://www.beyondpost.co.kr/view.php?ud=2025111812182441062aaae0046f_30 "말만 앞서는 AI 3대 강국...국내 기업 10곳 중 8곳 'AI를 경영에 활용안 해\""