1 서론

1) 연구 배경 및 목적

□ (대내외적 제조업 위기) 국내 중소 제조업은 그 존립을 위협하는 구조적(capital, capability) 및 인구적(demographic, labor) 리스크의 이중 위기에 처해 있음. 또한, 보호무역 강화, 공급망 위기, ESG 압력 등 대외적 글로벌 위기가 산재함

 ㅇ (구조적 취약성) 중소기업은 제한된 자본으로 인해 기술 도입과 혁신에 어려움이 있음1). 더불어, 신기술 활용 전문인력이 대기업보다 부족해 기술 도입률이 낮고, 도입 후에도 활용도가 저조함

 ㅇ (인구구조 리스크) 생산가능인구는 2050년 현재 대비 35.3%(’23년 3,657만 명→’50년 2,445만 명) 감소 전망. 숙련 인력의 퇴직으로 산업 현장 고령화 가속화

 ㅇ (공급망 불안과 디글로벌화 압력으로 심화되는 한국 제조업의 무역 리스크) 공급망 불안과지정학적 리스크로 수출 중심 한국 제조업의 부담이 커지고 있음

 ㅇ (글로벌 무역정책 변화에 취약한 한국 제조업 구조) 한국 제조업은 수출 의존도가 높고 미·중중심 구조로, 초고관세 등 무역정책 변화에 취약함

 ㅇ (ESG·탄소 규제 강화로 수출 경쟁력 약화와 공급망 탈락 위험에 직면한 중소기업) CBAM,CSRD 시행으로 비용과 행정 부담이 커지며, 중소기업의 수출 경쟁력 약화와 공급망 이탈 위험

□ (제조 AI의 필요성) 제조업에서 AI는 이미 핵심 인프라로 자리 잡고 있음. 최근 제조업의 패러다임전환과 제조 AI의 확산, 더불어 AI가 대중소기업 간 생산성 격차 완화 수단이며 지역별, 기업규모별 AI 역량 불균형이 갈수록 심해짐에 따라 제조업 내 AI 필요성은 갈수록 증가함

 ㅇ (제조업 패러다임의 전환) 본격적으로 패러다임이 AX로 전환됨과 동시에 지능형 제조 실행을 위한SDM이 새로운 제조업의 핵심 패러다임으로 급부상함

  - (DX→AX로 전환) 제조업의 패러다임이 ‘디지털 기반 구축’ 중심 디지털 전환(DX) 단계에서 AI가 본격적인 핵심 역량(AX)이 되는 단계로 진행되고 있음

  - (SDM2) 기반 자율 생산 체계로의 전환) 기존 제조방식의 구조적 한계를 극복하고, 지능형 제조로의 전환을 실현하기 위한 핵심 패러다임으로 SDM(Software Defined Manufacturing)이 부상

 ㅇ (제조 AI 확산) AI는 제조업의 핵심 인프라로 자리 잡고 있으며, 제조업에 AI 확산이 가속화될 것으로 전망. 글로벌 제조AI 시장은 향후 5년간 연평균 35.3% 성장(’25년 341.8억 달러→’30년 1,550.4억 달러) 전망

   1) 2023년 기준, 스마트공장 구축 중소기업(3만2,662개) 74.7%(2만4390개)가 기초 수준이며, 고도화 단계로의 전환은 0.2~0.3%에 불과

   2) SDM은 ‘제조의 전 과정을 소프트웨어로 정의하고 제어할 수 있는 구조로 전환하는 것’으로 정의됨.

 ㅇ (DX/AX는 대중소기업 간 생산성 격차 완화 수단) OECD는 국내 중소기업의 저생산 원인을 디지털 기술 불균형으로 지적3), 이를 극복하기 위해 중소기업 DX를 제안함. 2023년 기준 제조업 중소기업의 노동생산성은 대기업의 32.8% 수준에 불과, 특히 제조업의 생산성 격차가 심화하는 추세

 ㅇ (디지털 역량 불균형) 기업의 4차 산업혁명 기술과 AI 활용률이 증가 추세인 가운데 업종별 격차, 기업 규모별 격차, 지역별 격차가 점점 심화하고 있음

□ (연구 목적 및 범위)

 ㅇ 이렇듯 수도권과 비수도권 간 생산성 격차와 더불어 디지털 격차(AI 및 스마트제조 확산 격차)가 심화하고 있음에도 불구, 지역 제조 중소기업의 DX/AX 현황에 대한 정확한 분석조차 제대로 이뤄지지 않고 있음

 ㅇ 이에 본 연구에서는

  - ① 지역 중소 제조기업 및 공급기업에 대한 DX/AX 현황에 대한 정량 분석을 실시, 이는 국내 유일 전국 단위 지역 제조 중소기업 DX/AX 현황 데이터를 가지고 있는 “2024 스마트제조 혁신 실태조사(제조기업, 공급기업)(자료 : 스마트제조혁신추진단)”의 Raw Data를 활용해 지역 관점에서 재해석

  - 또한, ② 전문가 인터뷰(서면 포함)(제조기업, 공급기업, 지역 테크노파크 담당자)를 통해 지역 제조 중소기업 DX/AX 현황(문제점) 및 니즈에 정성적 현황을 파악

  - 마지막으로 ③ 해외 지역 제조 중소기업 DX/AX 정책에 대한 벤치마킹 실시

  - 이 세 가지를 근거로 4장에서 정책 제언을 함

 ㅇ 궁극적으로 지역 중소 제조업체의 DX/AX 기술 도입과 확산을 통한 경쟁력 강화와 지역경제 활성화 및 균형 발전에 기여 할 수 있는 실질적 정책방안 도출을 그 목적으로 하고 있음

2) 선행 연구와의 차별성

□ (선행 연구 현황 및 기 연구와의 차별성) 기존 연구가 서울, 부산 등 특정 지역을 타깃으로 한 지엽적 연구라는 한계를 극복하기 위해 최초로 전국 단위의 국가 데이터를 활용한 지역 연구라는 점, 수요기업인 제조기업뿐 아니라 공급기업까지 포함한 통합 분석, 총괄적 제조 중소기업에 대한 분석과 더불어 지역 제조 중소기업에 보다 집중되어 있다는 점에서 큰 의미가 있음

 ㅇ (선행 연구) 특정 지역 중심의 심층 분석, 전국 단위의 정량적 비교분석, 공급 또는 수요 한 측면에 집중에 있으나

 ㅇ (본 연구) 국가 데이터(2024 스마트제조혁신 실태조사(수요기업 및 공급기업)의 지역 관점에서 재해석, 이를 통한 수요-공급 관점에서의 통합적 분석, 다양한 이해관계자와의 인터뷰(서면자문 포함)(수요기업, 공급기업, 지역 테크노파크 담당자)를 통한 정성 분석 등 포괄적 관점에서 이뤄진 지역 제조 중소기업에 대한 분석이 이뤄짐

02 지역 제조 중소기업 DX/AX 현황

1) 지역 제조 중소기업 및 공급기업 일반 현황

□  (지역별 제조/공급기업 분포) 17개 지자체의 2024년 전체 제조 중소기업 및 공급기업 수는 각각 163,272개, 1,669개(공급기업 수는 스마트제조혁신 추진단이 가지고 있는 공급기업 POOL 기준) 로 가장 많은 지역은 경기지역, 가장 적은 지역은 제주인 것으로 분석됨

□ (지역별 제조기업/공급기업 비율) 제조기업과 공급기업의 비율을 살펴본 결과, 공급기업 대비 제조 중소기업이 가장 많은 지자체는 강원(384.4개)으로, 가장 낮은 지자체는 서울(23.0개)인 것으로 분석됨. 이 비율의 의미는 지역별 공급기업 1개당 지원해야 하는 중소 제조기업의 개수로 해석할 수 있음. 전국 평균은 163.2개임 (지역별 제조기업/공급기업 비율) 제조기업과 공급기업의 비율을 살펴본 결과, 공급기업 대비 제조 중소기업이 가장 많은 지자체는 강원(384.4개)으로, 가장 낮은 지자체는 서울(23.0개)인 것으로 분석됨. 이 비율의 의미는 지역별 공급기업 1개당 지원해야 하는 중소 제조기업의 개수로 해석할 수 있음. 전국 평균은 163.2개임

□ (제조 중소기업 및 공급기업 일반 현황)

 ㅇ (제조 중소기업) 전국 기준, 62.91%가 연매출 10억 원 이하기업(전라북도 73.82%, 울산 41.54%), 89%가 소기업 및 소상공인(제주도 91.1%, 울산 76.6%), 매출 평균은 75.99억(제주 27억 원, 울산 236억 원), 종사자 평균은 14.7명(제주, 8.8명, 세종 31.2명)인 것으로 분석됨

 ㅇ (공급기업) 전국 기준, 63.7%가 소기업 및 소상공인(인천 52.6%, 울산 100%), 종사자 평균은 37.6명(울산, 강원 0.1명, 서울 59명)인 것으로 분석됨

2) 지역 제조 중소기업 DX/AX 현황

□ (개요) 「2024년 스마트제조혁신 실태조사」를 총괄 및 지역 관점에서 TOE(Technology–Organization–Environment) 카테고리로 제조기업과 공급기업에 대한 DX 및 AX 현황을 분석 및 제시

(1) 기술(T) 관점

□ (스마트공장 구축 현황) 중소기업의 스마트공장 도입은 여전히 저조함을 보이며 지역별로 도입률에 차이를 보임

 ㅇ (스마트공장 도입 및 세부 기술) 스마트공장 도입률은 19.5%, 구축 수준은 75.5%가 기초 수준으로 세부 기술로는 ERP가 76.3%로 압도적이며, MES(14.4%), 로봇류(7~8%), AI·디지털트윈(0.5% 이하) 등 고도화 핵심 기술의 보급률은 매우 낮음

 ㅇ (지역별 현황) 울산이 36.1%로 스마트공장 도입률이 가장 높으며 제주가 5.0%로 가장 낮음

□ (AI 기술 도입 및 활용 현황) 중소기업의 AI 도입률(0.1%)은 미미하나, 기업 규모가 크고 스마트공 장을 구축한 기업일수록 AI 기술 도입 및 활용 의지가 뚜렷, 지역별로 도입 계획 의지에 대한 차이가 있음

 ㅇ (AI 도입률) AI를 도입한 기업의 비중은 0.1%, 향후 도입계획이 있는 기업은 1.6%로 조사됨

 ㅇ (스마트공장 구축 여부) 스마트공장 구축 기업이 그리고 구축 수준이 높을수록 도입률 및 향후 도입계획이 증가하는 경향

 ㅇ (기업규모별 및 지역별) 기업규모가 클수록, 그리고 비수도권에 위치할수록 AI 도입률과 향후 도입계획 비율이 모두 증가하는 경향

  - [AI 도입률] 수도권(0.0%) < 비수도권(0.2%), [AI 도입 계획 있음] 수도권(1.3%) < 비수도권(1.8%)

  - (지역별 현황) 광주가 1.24%로 AI 도입률이 충남이 3.72%로 AI 도입 계획이 가장 높음

 ㅇ (AI 활용 범위) 국내 제조업의 AI 활용은 공정 중심 일부 영역(생산관리)에 국한, 스마트공장 고도화 수준이 높을수록 전략적 AI 활용 수요가 증가하는 양상

□ (제조데이터 수집/분석) 데이터 수집 및 전처리, 분석, 표준화 등 AI 적용을 위한 가장 필수적인 사전 인프라가 충분히 구축되어 있지 않음

 ㅇ (제조데이터 수집·저장) 92.4% 기업이 제조데이터를 수집하나 75.7%가 수기로 입력, 실시간 수집은 19.7%에 불과함. 스마트공장 미도입 기업의 경우, 상황은 더 심각함. 데이터 저장 장소로는 95.7%가 자체 서버를 활용하는 것으로 조사됨

 ㅇ (제조데이터 분석 현황) 52.1%의 기업이 제조데이터를 분석, 울산이 66%로 가장 높고, 대전이 43.5%로 가장 낮은 것으로 조사됨

 ㅇ (제조데이터 분석 인프라 현황) 99.7%가 내부 인력, 74.8%가 자체 구축 시스템을 활용, 분석 역시 엑셀 등 일반문서 도구를 활용해 자체 분석(76.0%). 장기적으로 유지보수의 어려움이 있을 것으로 판단됨

 ㅇ (제조데이터 분석 방법) 대부분 엑셀과 같은 도구를 활용해 자체 분석(72.7%)하며, 제주가 두드러짐. 상용 소프트웨어 활용 분석(26.6%)이 다음을 차지함. 울산과 세종이 두드러짐. 외부 의뢰는 0.72%로 매우 미약함. 이러한 패턴은 대다수 지자체에서 동일하게 나타남

 ㅇ (제조데이터 분석 시 활용 서비스 유형) 데이터 분석 시, 대부분 자체 구축한 시스템(71.0%)을 활용하며, 이러한 패턴은 대다수 지자체에서 동일하게 나타남. 상대적으로 다른 지역에 비해 서울, 전남이 두드러짐. 상용 서비스 활용은 26%로 세종이 두드러짐

 ㅇ (제조데이터 분석 시 가장 큰 애로사항) “데이터 품질 및 정확성 확보의 어려움”이 가장 큰 애로사항으로 조사되었으며, 이는 지역별로도 차이를 보임. 예를 들어 세종 지역의 경우, 다른 지역과 달리 “관련 기술지원 기업 및 전문 인력 부족”을 주요 애로사항으로 응답함

 ㅇ (제조데이터 활용 시 애로사항) “비용적 부담”이 가장 큰 애로사항으로 조사되었으며, 이러한 문제는 지역별로도 차이를 보임. 예를 들어 세종 지역의 경우, 다른 지역과 달리 두드러지게 “데이터의 정확성이나 품질에 대한 의문”을 제주의 경우, “데이터 분석 인프라에 대한 정보 부족”, 울산, 강원, 부산의 경우, “데이터 활용 방안에 대한 노하우 부족”으로 답함

(2) 조직(O) 관점

□ (일반 현황) 제조기업 및 공급기업 모두 DX·AX 기술 도입에 필요한 투자역량이 절대적으로 부족한 영세한 구조

 ㅇ (제조기업) 89%가 소기업·소상공인, 83.5%가 30인 미만 소규모 기업으로 확인, 중소기업의 스마트공장 투자 규모는 중견기업의 1/15 수준

 ㅇ (공급기업) 소기업 및 소상공인의 비율이 63.7%로 매우 영세함. 특히, 등록 기업의 영세성(81.88%)이 미등록 기업(54.9%)에 비해 높음. 전체 기업의 66.5%가 소프트웨어 기업이며 특히 등록기업의 소프트웨어 기업(82.4%)으로 구성됨

  - (지역별 현황) 세종, 강원, 제주는 하드웨어 기업이 없으며 충남은 하드웨어 기업이 더 많으며 경기와 인천은 비슷한 비율로 나타남

□ (DX/AX 전담 조직) DX/AX를 위한 기관 조직 역량이 미흡하다 판단됨

 ㅇ (제조기업) 정보화 조직 97.8%, 스마트공장 전담조직 80.5%, 제조데이터·AI 기술 관련 조직 99.2%가 부재해 DX/AX를 위한 인력 기반이 사실상 전혀 없는 상황

 ㅇ (공급기업) 스마트공장 구축·공급(납품) 관련 별도 부서(조직) 및 인력에 대해 56.7%가 보유하지 않고 있다고 응답 

□ (DX/AX 리터러시) 데이터 표준에 대한 중요성과 표준에 대한 인지, AI 도입 필요성 역시 매우 낮은 것으로 조사됨

 ㅇ (제조기업) 42%가 스마트제조혁신 활동이 중요하지 않으며 94.2%가 스마트공장을 98.3%가 AI를 도입할 의사가 없다고 답함. 데이터 표준 관련해선 24.4%가 중요하고 4.5%만 인지하고 있다고 응답함

  - (스마트제조혁신 활동 추진단계 및 중요성) 77.2%가 준비단계이며, 42%가 중요하지 않다고 응답함

  - (스마트공장 및 AI 도입 의사) 스마트공장 도입 의사 없음이 94.2%, AI는 98.3%에 달하며 스마트공장 미도입 사유로 59.3%가 “현 운영상태에 대해 만족”하기 때문이라고 답함. 울산, 경남, 충남의 도입률이 상대적으로 높음. 또한 울산과 세종은 정부지원이 있어도 100% 스마트공장 도입 의사가 없으며 강원·충북·충남·제주는 정부 지원이 제공될 경우 스마트공장 도입 의사가 다른 지역보다 상대적으로 높게 나타남

  - (데이터 표준 중요성 및 표준 인지) 데이터 표준이 중요하다고 응답한 비율은 24.4%, 제조데이터 표준에 대해서 잘 알고 있다고 응답한 기업은 4.5%에 불과

  - (제조데이터 공유/교환(거래)) 1.9%만 공유/교환(거래)한다고 응답했으며 스마트공장 도입 기업도 5.4%에 불과함. 데이터의 공유/교환(거래)을 하지 않는 이유에 대해 필요성을 느끼지 못한다고 답한 기업이 52.6%에 달함

(3) 환경(E) 관점

□ (제조기업과 공급기업의 지역별 미스매칭) 제조기업과 공급기업 간 지역별 미스매칭이 서울과 그 외 지역에서 발생하고 있음

 ㅇ (소재지에 따른 평균 매출액) 수도권 소재 기업의 평균 매출액은 약 230억 원으로, 비수도권 소재 기업(약 54억 원)에 비해 약 176억 원 높음

□ (글로벌 경쟁력) 전반적으로 제조기업 및 공급기업 모두 글로벌 경쟁력이 매우 약한 것으로 조사됨

 ㅇ (제조기업) 전체 수요기업의 96.0%가 해외 진출 경험이 없으며(스마트공장 도입 기업은 현지 법인 보유 5.7%), 전체기업의 80.8% B2B 중심거래

 ㅇ (공급기업) 전체 공급기업의 글로벌 진출 비율은 10.4%로 높지 않지만, 광주·강원·전남·제주를 제외한 지역에서는 일정 부분 해외 시장에 진출하고 있는 것으로 조사됨. 해외 진출 유형은 현지 법인이 55.8%로 가장 많으며 해외 에이전트가 24%, 해외 지사가 18.3% 합작 법인이 2%를 차지함. 지역별로 해외 진출 유형이 달리 나타남

  - (글로벌 진출 계획 또는 의향) 전체 기준, 63.7%로 글로벌 진출 계획 또는 의향이 없는 것으로 조사되었으며 지자체별로는 세종이 100% 해외 진출 의지가 있으며 대구, 인천이 다른 지역에 비해 해외 진출에 대한 의지가 있음

  - (글로벌 진출 시 애로사항) “비용적 부담”이 가장 큰 애로사항으로 조사되었으며, 이러한 문제는 지역별로도 차이를 보임. 예를 들어 제주도의 경우 시장 정보 부족, 충북의 경우 자금부족, 서울, 광주, 충남, 전북, 전남, 경남의 경우, 전문인력 부족을 가장 큰 애로사항이라 답함

□ (공급기업 DX/AX 리터러시) 제조 중소기업과 동일하게 공급기업의 데이터 표준에 대한 중요성, 표준에 대한 인지, AI 도입 필요성 역시 매우 낮음

 ㅇ (데이터 표준 중요성 및 표준 인지) 데이터 표준이 중요하다고 응답한 비율은 38.9%, 제조데이터 표준에 대해서 잘 알고 있다고 응답한 기업은 7.5%에 불과

 ㅇ (공급기업의 AI 도입 필요성 인식) 스마트제조 공급기업 중 제조업 경쟁력 확보를 위해 AI 도입이 필요하다고 인식한 비율은 등록기업 기준 46.9%(전체 기준 32.3%)에 그침. 또한 도입 목적으로 비용 절감 및 효율적 자원 관리(26.5%)를 위해서라는 응답이 가장 많음

 ㅇ (제조데이터 공유/교환(거래)) 데이터의 공유/교환(거래) 기업은 5.2%이며 등록 기업도 7.3%에 불과함. 상호/교환에 대해 33.3%, 활용에 대해 43.8%가 중요하다고 응답함

 ㅇ (지자체별 리터러시) 지자체별로 근소한 차이가 있으며 전남과 세종이 상대적으로 다른 지역보다 상대적으로 리터러시가 높은 것으로 조사됨

□ (공급기업 기술 역량) 공급기업 기술의 DX 역량은 매우 낮음

 ㅇ (공급기술 DX 수준) 공급기업의 공급기술은 전산화 단계 53.1%, 디지털화 단계는 38.7%, 디지털 전환 단계는 8.2%로 조사됨

 ㅇ (공급 기술 분포) 정보화솔루션 및 정보화솔루션 내 특정 기술(생산관리시스템) 공급에 집중

 ㅇ (제품/서비스가 활용(적용) 중인 분야) 제품/서비스가 활용(적용) 중인 분야로 ‘기술/사업화(51.7%)’가 가장 높게 나타남

 ㅇ (제조 데이터 생산 및 취급) 제품/서비스의 데이터 생산 및 활용 기능이 제조데이터 취급 및 활용보다는 높은 것으로 조사됨, 전반적으로 등록기업의 역량이 높은 것으로 조사되나 여전히 데이터 취급과 활용에 대한 역량 제고가 필요함

  - 전체 기업 기준, 제품/서비스의 데이터 생산 및 활용 기능 지원(57.6%), 제품/서비스 또는 고객과의 업무 활동에서 제조데이터 취급 및 활용(43.7%)

 ㅇ 전체 기업 기준, 제품/서비스의 데이터 생산 및 활용 기능 지원(57.6%), 제품/서비스 또는 고객과의 업무 활동에서 제조데이터 취급 및 활용(43.7%)

 ㅇ (인공지능(AI) 및 클라우드 서비스 제품/서비스 공급 여부) 등록기업(66.4%, 54.7%)과 미등록기업(93.2%, 86.2%) 모두 인공지능(AI) 및 클라우드가 적용된 제품/서비스 ‘미보유(미활용)’가 높게 나타남. 전체 기업 기준 각각 77.8%, 68.1%로 조사됨

 ㅇ (제품/서비스 공급(납품) 방식) 등록기업 및 미등록기업 모두 직접 설치 비율이 제일 높게 나타나며 SaaS 지원(18.1%)과 임대방식지원(15.7%) 형태 서비스(전체 기업 기준)는 매우 낮음

 ㅇ (제품/서비스 정보보안 기능 탑재 방식) 전체 기업 기준, 탑재하지 않음(65.0%) > 외부 보안 시스템을 연동하여 탑재(22.5%) > 직접 개발한 보안모듈 탑재(13.1%) > 기타(0.4%) 로 조사됨

  - 미탑재 이유는 비용 부담(17.7%), 관리의 어려움(12.0%), 적정 솔루션을 찾기 어려움(10.5%)

□ (공급기업 니즈 및 애로 사항) 기술 개발(확보) 투자 계획 수립 시, 가장 큰 애로 사항은 투자 지금 조달의 부담(31.4%)이며 향후 정부지원 분야로 사업화 연계 지원(46.6%)에 대한 니즈가 가장 많음

 ㅇ (기술 개발(확보) 투자 계획 수립 시 애로사항) 등록기업은 투자자금 조달의 부담(38.9%)이 미등록기업은 투자 관련 정보 부족(27.5%)이 가장 많은 것으로 조사됨

  - (지역별 애로사항) 지역별로 각기 다른 패턴을 보이는 것으로 조사됨. ‘세종과 충북’의 경우, 투자자금 조달의 부담, ‘울산과 제주’의 경우, 투자대비 성과의 불확실성, ‘대전, 강원, 충남, 경북’의 경우 투자 관련 정보 부족이 각각 주요 애로사항으로 조사됨

 ㅇ (향후 스마트제조 산업 육성(고도화)을 위한 정부지원 분야(1+2+3순위)) 전체 기업 기준, 사업화 연계 지원(46.6%) > 연구인력 채용 및 교육 지원(38.7%) > 비즈니스 및 전략 컨설팅 지원(37.3%) > 연구개발 자금 지원(31.6%) > 기존 공급 제품/서비스 운영·유지 지원(28.9%) > 고객사와의 가치사슬 조성(26.5%) > 맞춤형 기술 파트너 지원(25.5%) > 시험 분석 및 인허가 지원(10.9%) > 기술거래 지원(8.0%) > 해당 없음(4.0%) > 글로벌 진출 기회 제공(3.8%) 

  - (지역별 니즈) 지역별로 우선순위에 차이가 있음을 보임. ‘서울, 광주, 대전, 세종, 울산, 경기, 강원, 충남, 전북, 경남’ 지역은 사업화 연계지원을 ‘부산, 대구, 충북, 전남, 제주’는 연구개발 자금 지원을 가장 큰 애로사항이라 응답함

□ (공급 기업 인력 및 교육) 연구개발(64.0%) 인력에 대한 수요 가장 많으며 단기간(53.4%)의 재직자 교육방식으로 실습/사례 중심의 실무 교육(39.4%)을 가장 선호하는 것으로 조사됨

 ㅇ (추가 인력 확충 시 가장 필요한 직군) 전체 기준, 연구개발(64.0%) > 영업/마케팅(13.7%)

  - (지역별 니즈) 정도의 차이는 있으나 모든 지역에서 ‘연구(기술)개발’에 대한 니즈가 압도적으로 가장 많으며(제주의 경우, 100%) 차순위로 ‘영업마케팅’과 ‘기술사업화’가 그 뒤를 따름

 ㅇ (효과적 재직자 교육 방식 및 적절 교육 기간) 전체 기준, 실습/사례 중심의 실무 교육(39.4%) > 현장 맞춤형 컨설팅(30.0%) > 비대면 교육(14.2%), 적절 교육 기간으로 단기(53.4%) > 초단기(40.5%) > 중기(6.1%)

 ㅇ (스마트공장 관련 가장 필요한 교육) 전체 기준, 스마트공장 생산설비 또는 솔루션 기술개발(46.2%) 

 ㅇ (스마트공장 관련 인력 양성 시 애로사항) 교육 프로그램에 대한 정보 부족(32.5%) > 현장에 적합한 교육 콘텐츠 부족(24.0%)

  - (지역별 애로사항) ‘부산, 울산, 충북, 전남, 제주’를 제외하고는 교육 프로그램에 대한 정보 부족이 가장 큰 애로사항이라 응답함

 ㅇ (스마트공장 관련 인력 양성을 위한 정부지원 필요 분야) 스마트공장 구축 및 공급 인력 실무 교육(39.2%) > 대·중소기업 상생협력을 통한 핵심 인력 양성(30.1%)

  - (지역별 니즈) ‘세종, 강원’을 제외하고는 순위의 차이만 있을 뿐, 모든 영역에 대해 한 니즈가 있는 것으로 조사됨

 ㅇ (향후 인공지능(AI) 기술 도입 활성화를 위한 정부지원 필요 분야) AI 기술 도입 활성화를 위한 정부 지원 니즈로 AI 기술 R&D 지원(30.4%) > AI 도입 컨설팅 및 실증 지원(25.4%) > 정책적 융자 및 보증 강화(24.8%) > AI 전문인력 양성지원(19.4%)으로 조사됨

  - (지역별 니즈) 일부 지역에서 두드러지게 니즈가 차이남. ‘강원 지역’의 AI 전문인력 양성지원에 대한 니즈만 있으며 ‘세종’의 경우, AI 기술 R&D 지원과 정책적 융자 및 보증 강화에 대한 니즈만 있음. 또한 ‘대구, 전남’의 경우, AI 도입 컨설팅 및 실증 지원에 대해 가장 큰 니즈가 있음

3) DX/AX 추진 시 애로 사항

□ (개요) 3개 대상(지역 제조 중소기업, 공급기업, 그리고 지역 테크노파크) 인터뷰(서면 포함)를 통해 지역 중소 제조기업 DX/AX 추진 시 문제점(애로사항) 및 정책방향을 정리 

 ㅇ (지역 제조 중소기업) 2025년 자율형 공장 구축 지원사업4) 선정 기업 중, 사업계획서에 DX/AX 자체 도입의 애로사항과 정부 지원의 필요성에 대해 구체적으로 기술한 아래 8개 기업의 내용을 앞서 정의한 TOE 관점에서 정리

 ㅇ (공급기업) 5~6개 공급기업을 대상으로 기업 운영상의 애로사항과 시장 환경 변화에 따른 문제점, 정책적 지원 방향에 대한 심도 있는 자문을 구함

 ㅇ (지역 테크노파크) 지역 제조 혁신의 실무를 담당하는 15개 지역 테크노파크(TP) 스마트공장 담당 부서를 대상으로 인터뷰를 진행(서면 병행)하여, 현장의 생생한 DX/AX 추진 실태와 지역별 불균형 문제, 중앙정부 및 지자체에 바라는 정책적 니즈를 구체적으로 조사

□ (지역 제조 중소기업) 2025년 자율형 공장 구축 지원사업5) 선정 기업 중, 사업계획서에 DX/AX 자체 도입의 애로사항과 정부 지원의 필요성에 대해 구체적으로 기술한 아래 8개 기업6)의 내용을 앞서 정의한 TOE 관점에서 정리

□ (공급기업) 공급기업 대상 DX/AX 현황 및 문제점, 정책 니즈 등에 대한 자문은 아래 표와 같음

□ (지역 테크노파크) 지역 내 스마트제조 혁신 실무를 담당하는 15개 지역 테크노파크(TP) 스마트공장의 지역 제조 중소기업 DX/AX 문제점 및 정책 니즈는 아래 표와 같음

03 국내외 지역 제조 중소기업 DX/AX 정책

1) 국내 정책

□ (정책 동향) 국내 제조혁신/제조AI 관련 정책은 중기부와 산업부 중심으로 추진 중, 최근 제조AI G3 국가 도약을 위한 「국가AI전략」 정책 방향(’24.9.26) 수립을 비롯해 제조AI 도입·확산을 위한 방안들을 지속 수립·추진 중

 ㅇ (산업부 전략) 산업전체 구조재편과 기술경쟁력 확보 중심의 상위 전략에 집중, 주로 국가 차원의 탑다운(Top-down) 전략에 중점을 두고 있으며, 정책 목표가 거시적이고 기술지향적 성격이 강함

 ㅇ (중기부 전략) 현장기반·수요 맞춤형 전략에 특화, 민간-지역 거버넌스를 통한 확산 전략, 기술공급기업 육성+글로벌 진출 연계 전략

 ㅇ 「AI 데이터 확충 및 개방 확대방안」(’25.2.20), “AI 스타트업 육성을 통한 AI 현장 활용 1등 국가 달성”을 위한 「AI스타트업 육성을 통한 AI 활용 확산방안」(’25.2.20) 등을 수립

□ (지역 제조혁신 인프라) 우리나라의 제조혁신 지원체계는 한국생산기술연구원(KITECH), 스마트제조혁신추진단(KOSMO) 및 테크노파크 네트워크로 구성

 ㅇ KITECH은 뿌리기술, 생산시스템, 지능형 제조 등 제조 현장 밀착형 연구개발 및 기술지원을 수행하고, KOSMO는 스마트공장 보급·확산 사업을 총괄하며, 테크노파크 권역별 스마트제조혁신센터는 지역 중소기업의 스마트공장 구축, 컨설팅, 교육, 시설·장비 제공을 담당

□ (제조AI 기술개발) 중기부와 산업부 중심으로 AI기반 솔루션 개발 및 공급기업 역량 강화 지원

 ㅇ 중기부는 지역 특화산업 중심으로 중소·중견기업에게 AI 솔루션을 실증·보급하는 실용화 지원에 중점을 두고 있고, 산업부는 전 산업을 대상으로 한 AI 기반 혁신 기술 개발 지원에 중점 

□ (제조 AI 데이터) AI 기반 스마트공장을 국가적 우선순위로 설정하고 모든 규모의 기업을 연결하는 제조 데이터 플랫폼을 구축하는 전략을 추진

 ㅇ 중소벤처기업부는 소규모 제조업체의 요구에 초점을 맞춰 제조 데이터 플랫폼 구축을 주도하는 동시에 산업부는 보다 광범위한 산업 활용을 위한 “산업 데이터 플랫폼 구축 및 확산”을 담당

 ㅇ 국내 제조 데이터 정책은 기능적인 제조 데이터 생태계 구축을 위해 중소기업 역량 강화, 공유 인프라 구축 및 관련 부처(중기부, 산업부 등) 간 협력을 보장하는 통합적 접근 방식 필요

□ (제조 AI 인력양성) 반도체, 디스플레이, 배터리 등 세계적인 제조 경쟁력을 가진 분야에서 인공지능 기반의 첨단제조업 인재 확보를 국가 핵심전략으로 추진

 ㅇ 국내 인공지능 기반 제조인력 양성정책은 양적 확장을 넘어, 질적 정합성 확보와 산업-교육 간 실시간 정렬, 인증 기반 신뢰체계 확립이라는 관점에서 보다 고도화 필요

2) 해외 정책

□ (지역 제조혁신 인프라) 미국·독일·중국 모두 전국 네트워크형 거점 체계를 운영하며, 전문분야 지정과 민관협력 거버넌스로 지역별 제조 AI 혁신을 촉진

 ㅇ (미국) 2014년부터 연방정부 주도로 Manufacturing USA라는 첨단제조 혁신네트워크를 전국적으로 18개 운영하고 있으며, 2024년 3월 제조AI 분야에 특화된 AI-Focused Manufacturing USA Institute 출범

 ㅇ (독일) 전국 75개의 프라운호퍼 연구소 네트워크를 통해 민간 공동 R&D, 테스트베드, 표준개발, 교육훈련 등 중소기업의 제조혁신을 지원

 ㅇ (중국) 미국과 독일의 사례를 벤치마킹하여 2016년 ‘국가제조업혁신센터(MIC)’ 설립하였으며, 2025년 현재 전국적으로 36개 전문분야별 센터 운영

□ (제조 AI 관련 정책) 미국은 제조 AI 선도·공급망 복원력 강화, 독일은 중소기업 AI 지원·국제협력, 중국은 시범공장 확대와 산업표준화 등 정량적 성과목표 설정이 특징

 ㅇ (미국) 2022년 ‘국가첨단제조전략’을 통해 첨단제조 분야 기술개발, 인력양성 및 제조 공급망 복원력 강화 등 제조업 혁신 생태계 구축을 적극 추진

 ㅇ (독일) 2023년 ‘국가 AI 전략’을 바탕으로 연방 교육부(BMBF), 연방 산업부(BMWK) 및 지자체 공동으로 제조 AI 연구 및 중소기업 지원

 ㅇ (중국) 2021년 제14차5개년 ‘스마트제조발전계획’을 통해 국가 데이터 플랫폼 확장 및 시범공장 추가 지정 등 시범사례 기반의 질적 심화 전략으로 전환

□ (제조 AI 연구개발) 미국, 독일, 중국은 장기 국가전략 하에 AI 제조기술 R&D, 표준화, 테스트베드, 산업용 데이터·소프트웨어 생태계 구축 등 다층적 투자와 제도화를 병행

 ㅇ (미국) ‘국가 AI 이니셔티브법(2020)’과 ‘첨단제조전략(2022)’ 등을 바탕으로, 전국 제조혁신 네트워크를 통해 중소기업의 제조 AI 기술 개발지원 및 현장 확산을 수행

 ㅇ (독일) ‘인더스트리 4.0(2011)’ ‘국가 AI 전략(2023)’, ‘Manufacturing-X 프로그램(2023)’ 전략을 통해 데이터 중심 스마트제조 전환, Mittelstand-Digital, Labs Network Industrie 4.0, Fraunhofer, DFKI 등 지원기관을 통해 중소기업 R&D, 기술이전, 컨설팅 등 지원

 ㅇ (중국) ‘중국제조 2025’ 및 ‘차세대 AI 발전계획(2017) 등’을 통해 제조AI를 핵심 기술영역으로 지정, 대규모 시범공장 운영과 산업인터넷 플랫폼 구축을 통한 AI 보급 집중

□ (제조 AI 데이터) 미국은 자발적 참여와 인센티브 기반의 공공-민간 파트너십, 독일은 신뢰와 데이터 주권을 보장하는 정부 지원 협업 인프라, 중국은 정부 주도의 통합 플랫폼과 표준 구축을 통해 공유 추진

 ㅇ (미국) 제조데이터 공유에 대한 접근방식이 자발적이고 인센티브 중심적이며, 직접적인 규제보다는 공공-민간 파트너십과 연방기관이 주도

 ㅇ (독일) 정부 자금 지원을 받는 협업 인프라(데이터 플랫폼, 표준)와 “신뢰와 주권을 기반으로 설계”하는 공유 철학을 강조

 ㅇ (중국) 정부의 접근 방식은 하향식이며 생태계 전반에 걸쳐 있으며, 개별 계약에 집중하기보다는 공장을 연결하는 공통 플랫폼과 표준을 구축

□ (제조 AI 인력양성) 미국은 민관 협력 기반의 유연한 인력 생태계 구축, 독일은 전통적 도제 시스템의 디지털 전환과 해외인력 유입을 통한 숙련인력 확보, 중국은 국가 주도로 산업 수요와 교육을 실시간 정렬하는 효율적 인재양성 체계를 구축

 ㅇ (미국) 연방정부의 정책 설계, 산업계 주도적 참여, 교육 인프라와 기술인증 간 유기적 연계를 기반으로 하며, 민간과 공공의 협력을 통한 유연하고 확장 가능한 인력 생태계를 지향

 ㅇ (독일) 제조 인력 정책은 전통 숙련인력 양성 시스템을 유지·보강하는 한편, 부족한 인력은 해외에서 보충하고, 기존 인력은 신기술을 이용한 재교육 등 다양한 경로로 진행

 ㅇ (중국) 강한 국가 주도의 계획 경제적 요소와 산업계 수요와 교육체계의 실시간 정렬이라는 측면에서 효율성과 응집력을 동시에 갖춘 모델로 평가

04 정책 제언

1) 지역 제조 중소기업·소기업 DX/AX 역량 강화

(1) 지역 제조 중소기업 DX/AX 역량 강화

□ 중소기업의 스마트공장 보급 사업의 지속적 확대를 통한 중소 제조기업의 DX 역량 강화

 ㅇ 제조업의 디지털 전환(DX)은 기존의 ERP 중심 관리 체계에서 벗어나, MES, IoT, 로봇, SCM 등 현장 중심의 디지털화로 확장될 필요가 있음. 이를 위해 기업의 DX 성숙도 수준에 기반한 맞춤형 보급 전략을 마련하고, 업종별 데이터 표준 모델 개발, 성공사례 발굴 및 확산이 필요함

□ AI 기반 디지털 전환 고도화(AX) 추진

 ㅇ 스마트공장 고도화를 위해 AI 연계 단계적 로드맵 설계, 경량·저전력 특화형 AI(sLM) 및 SaaS형 스마트공장 지원, 업종, 기업규모, 스마트제조혁신 수준, 스마트공장 구축 수준 등을 고려한 맞춤형 AI 지원이 필요

□ 노후 설비의 디지털 전환 및 지능화 구현

 ㅇ 범용 엣지 게이트웨이(Edge Gateway)및 비접촉식 센서 부착형 리트로핏 패키지 보급

 ㅇ 노후 PLC 데이터 추출 및 통신 프로토콜 변환(OPC UA 등) 기술 지원

 ㅇ 리트로핏 설비 대상 AI 예지보전(PdM) 모듈우선 실증 및 데이터셋 라이브러리 제공

 ㅇ 설비 개보수 비용을 포함한 DX 리빙랩(Living Lab)형태의 현장 맞춤형 기술 개발 지원

□ 성과(ROI) 기반의 업종 특화형 AX 성공 모델 창출 및 전파

 ㅇ 지역 대표 업종별 ‘AX 팩토리 모델하우스’ 5개소 지정 및 견학·벤치마킹 상설화

 ㅇ ROI 가시화 대시보드구축 지원 및 도입 전후 정량적 성과(생산성·불량률 등) 지표 관리

 ㅇ 고도화(중간2 이상) 지원 비중 대폭 상향 및 ‘원포인트(One-point) AI 솔루션’ 렌탈/구독 서비스 지원

 ㅇ 구축 완료 기업 대상 1년간 클라우드 인프라 사용료 및 유지보수비 패키지 지원

(2) 지역 제조 소기업·소공인 DX/AX 역량 강화

□ (인프라 지원) 정부·지자체 보조금, 민간 렌털 협력 등을 활용한 POS·ERP·IoT 센서 보급 및 전용 클라우드 스토리지 지원

 ㅇ (공공·민간 협력형 보급 모델 구축) 정부·지자체 보조금과 민간 렌털 제도 연계로 중소기업의 초기 도입비 부담 완화, 민간 솔루션 공급기업과의 파트너십을 통한 단가 절감 및 신속 보급 체계 마련

 ㅇ (기초 디지털 인프라 확산) 매출·재고·고객 데이터를 실시간 수집·분석할 수 있도록 POS, ERP, IoT 센서 도입 지원, 업종별 필요 장비 리스트 및 표준 보급 패키지 설계

 ㅇ (클라우드 기반 데이터 관리 지원) 중소기업 전용 보안형 클라우드 스토리지를 구축·지원하여 데이터 자산화 촉진, 정부 인증 클라우드 서비스 활용으로 보안성·비용 효율성 동시 확보

 ㅇ (보조금+렌털형 혼합 지원 모델 제도화) 보조금 지원 외에도 월 사용료 기반 렌털 모델을 병행, 초기 투자비 부담 경감, 렌털형 모델을 통한 유지관리·업데이트 자동화로 지속 가능한 DX 체계

 ㅇ (보조금+렌털형 혼합 지원 모델 제도화) 보조금 지원 외에도 월 사용료 기반 렌털 모델을 병행, 초기 투자비 부담 경감, 렌털형 모델을 통한 유지관리·업데이트 자동화로 지속 가능한 DX 체계 구축

□ (교육·훈련 지원) 지역센터와 협력 형태로 업종별 디지털 활용 아카데미, 현장 코칭 및 온라인 Q&A 운영

 ㅇ 지역 거점 기반의 업종별 디지털 아카데미 운영, 현장 중심 코칭 프로그램 강화, 온라인 Q&A 및 실시간 학습 지원 시스템 구축, 정부·지자체는 교육비 지원 및 프로그램 인증·평가 체계 구축, 민간 솔루션 기업은 실무 사례 제공 및 코치단 참여를 통해 상호 보완적 협력 체계 형성. 장기적으로는 “지역 DX 역량센터 네트워크(Regional DX Competence Network)”로 발전 

2) 지역 스마트 제조산업 AI 기술혁신 생태계 구축

(1) AI 적용 확대

□ 제조 중소기업의 AI 적용 분야의 다양화, 제조 중소기업의 전·후방 `가치사슬 전반으로 AI 적용 확대, AI 기능을 소통과 생성 영역까지 확대

 ㅇ ‘제조공정’에 집중되어 있는 AI 적용을 제조 중소기업의 전·후방 가치사슬(재무/인사관리, 물류·마케팅·사후서비스) 전반으로 AI 적용 확대 및 AI 확대 인식·예측·자동화 분야에 집중되어 있는 AI 기능을 소통과 생성 영역까지 다각화

(2) 공급 기업 역량 강화

□ (국내) 소통 및 생성 AI 기반 솔루션 개발, 제조업 전 공정으로의 AI 활용 확대를 위해 관련 공급기업 육성

 ㅇ (영세 공급기업의 구조적 경쟁력 제고) 등록기업 전용 역량 강화 트랙 운영, 공급기업 전용 Scale-up 펀드 신설, ‘공급기업 관리·인증제’ 개선

 ㅇ (기술 역량 강화) ‘DX 공급기술 고도화 바우처’ 도입, AI·클라우드 연동 솔루션 전환 지원 프로그램, 공급기업 기술지도단(TF) 신설

 ㅇ (AI·클라우드 기술 내재화를 위한 인센티브) AI 내재화 가점제, ‘AI 라이트 팩(경량형)’ 개발 보조금, AI 클라우드 공동 스토리지 구축

 ㅇ (공급기업 서비스형(SaaS·렌털) 전환 촉진) ‘SaaS 모델 전환 지원사업’ 신설, 민간 렌털 연계 금융모델 구축, ‘성과 기반 계약(Outcome-based Contract)’ 제도화

□ (글로벌) 글로벌 시장 적합 제품·서비스 개발, 해외 인증·표준 선제 대응, 글로벌 파트너십·네트워크 확대, 해외 마케팅·브랜딩 강화, 전문인력·조직 역량 강화 지원

 ㅇ (글로벌 시장 적합 제품·서비스 개발) 현지 법규·언어·산업 환경에 맞춘 Localized 버전 개발, 클라우드·SaaS 기반 경량·모듈형 솔루션 출시

 ㅇ (해외 인증·표준 선제 대응) 주요국 인증(ISO 27001, CE, UL, IEC 등) 조기 확보, 국제표준화 활동 참여를 통한 기술 선도

 ㅇ (글로벌 파트너십·네트워크 확대) 현지 SI/리셀러/플랫폼사와 전략적 제휴, 글로벌 전시회·산업 컨퍼런스 지속 참여

 ㅇ (해외 마케팅·브랜딩 강화) 글로벌 온라인 마케팅(LinkedIn, Google, 현지 SNS), 해외 참조사례·성공 스토리 제작·배포

 ㅇ (전문 인력·조직 역량 강화) 글로벌 영업·PM·서비스 인력 양성, 다국어 고객 지원센터 및 원격 서비스 체계 구축

(3) 현장 수요 기반 실용화 기술개발 지원

□ 중소 제조기업 현장의 수요를 기반으로 대학·연구기관·참여기업간 공동 기술개발 지원

 ㅇ R&D 기획 단계부터 기업의 현실적 문제 해결을 목표로 설정하여, 개발된 기술이 실효성 있게 상용화되도록 하는 데 중점을 둠(예:독일 프라운호퍼 연구소의 기업 맞춤형 응용연구 및 실증)

 ㅇ 중소기업 현장의 구체적 애로(설비 노후화, 불량률, 예측정비 문제 등)를 기반으로 중소기업· 연구기관·대학이 공동으로 기술개발을 참여하여 실용화 중심의 성과 도출

 ㅇ (수요 지향 R&D 과제 발굴) 중기부는 중소기업들의 현장 애로사항을 정기적으로 조사하는 수요 발굴 플랫폼을 구축

 ㅇ (산학연 공동연구 활성화 제도) 기업-대학-연구소의 컨소시엄 형태 프로젝트를 지원. 정부는 R&D 비용을 매칭 지원하고, 기업은 현물·현금으로 참여하여 공동 책임을 지도록 유도

 ㅇ (실증 및 기술이전 지원) 개발된 기술은 중소기업 현장에서 시험·검증할 수 있도록 현장실증 예산을 별도 지원

(4) 글로벌 제조혁신 기술협력 강화

□ 국내 중소기업의 제조혁신 역량을 높이고 신시장 진출을 촉진하기 위한 국제기술협력 강화

 ㅇ (국제 공동연구 및 정보교류) 중기부는 주요 제조강국(미국, 독일 등) 및 유망 신흥국과 공동 R&D 프로그램을 마련하여 중소기업과 현지 기업·연구기관이 함께 혁신기술을 개발하도록 지원

 ㅇ (해외 테스트베드 및 거점 구축) ODA 사업과 연계하여 아세안, 남아시아 등 신흥 제조 거점국에 공동 제조혁신센터/테스트베드 설립 추진

 ㅇ (글로벌 표준 및 인증 대응) 중기부는 국제표준화 기구 및 다자 협의체에 국내 중소기업 전문가 참여를 지원하여 제조 AI 관련 국제표준논의에 기여

 ㅇ (수출 플랫폼 및 규제 지원) 제조 혁신기술 보유 중소기업을 위해 글로벌 진출 플랫폼을 구축

□ 가치사슬 통합 및 탄소·품질 규제 대응을 위한 공급망 DX 구축

 ㅇ 밸류체인 내 기업 간 실시간 생산 현황 공유를 위한 공급망 협업 플랫폼(SaaS) 구축

 ㅇ EU DPP(디지털제품여권) 대응을 위한 제품별 탄소 배출량 산출 모듈 및 자동 리포팅 지원

 ㅇ 공급망 데이터 연계 프로젝트 참여 기업에 대한 정부 보급사업 가점 및 우대 혜택 부여

 ㅇ 산자부(AI 팩토리)-중기부(보급사업) 협력형 ‘부처 협업 실증 프로젝트’ 지역별 우선 배정

(5) 지역 밀착형 AX 솔루션 자생력 강화 및 데이터 활용 기반 고도화

□ 지역 기반의 AX 솔루션 공급망 역량 강화

 ㅇ 수도권 의존도 탈피를 위한 지역 내 기술 지원 인프라 확충

  - TP 유휴 공간을 활용한 DX 공급기업 Cluster Zone 조성 및 입주 임대료 감면(50% 이상)

  - 지역 수요-공급기업 간 매칭 시 보조금 지원 비율 상향(예: 지역기업 매칭 시 자부담 10% 감면)

 ㅇ 지역 제조 특성에 최적화된 맞춤형 솔루션 및 실증 환경 제공

  - 솔루션 신뢰성 검증을 위한 V&V(Verification & Validation) 테스트 베드 상시 운영

  - 지역 전략 산업 특화형 AI·IoT 솔루션 패키지(Open-API 형태) 공동 개발 바우처 지원

□ 지역 데이터 활용 기반의 AX 실행 환경 고도화

 ㅇ 권역별 제조AI 거점센터 내 고성능 GPU 서버 및 데이터 레이크(Data Lake) 구축

 ㅇ 업종별(자동차·기계 등) AAS 기반 데이터 사전(Dictionary)및 인터페이스 표준 개발·보급

 ㅇ 중소기업용 SaaS 기반 데이터 보안 플랫폼 및 개인정보/영업비밀 비식별화 기술 지원

 ㅇ 데이터 신뢰성 확보를 위한 외부 전문기관의 데이터 품질 진단 서비스 의무 지원

3) 지역 스마트 제조혁신 인프라 확충

(1) 중소 제조 인력 AI 리터러시 강화

□ 제조 데이터 인식 개선 : 데이터 표준의 중요성 및 표준에 대한 인지 강화 필요

 ㅇ 제조데이터 표준 교육·인증 프로그램 도입, 업종별 데이터 표준 매뉴얼·툴킷 보급, 데이터 표준 확산 캠페인 및 포럼 운영

□ AI 리터러시 강화 : 실무자, 경영진 AI 리터러시 제고 및 조직 수준에서 인식 전환 유도

 ㅇ 경영진 전용 DX·AX 교육 프로그램 운영, 실전 기반 체험·사례 학습, 전략 워크숍/네트워크

(2) 제조혁신 지원체계 구축

□ 제조혁신 관련 지원사업들의 전문성 및 효율성을 높이기 위해 산학연 및 지역 지원기관을 유기적으로 연계하는 협력체계 구축

 ㅇ (디지털 인프라 확충 및 접근성 제고) 지역 중소기업·스타트업이 수도권 수준으로 AI·빅데이터 활용 가능하도록 공공 클라우드·AI 연산 자원 무상/저가 제공

 ㅇ (지역 맞춤형 디지털 인재 양성) 지역대학-기업 연계 DX/AI 아카데미 운영(현장형·기업연계형 교육과정 운영(스마트팩토리, AI·IoT, ESG 데이터 분석 등)), 전문가 파견·순환 근무제(수도권 ICT 전문가의 비수도권 순환 근무 및 프로젝트 단위 파견)

 ㅇ (지역 산업 디지털 전환 촉진) 산업별 ‘지역형 DX 패키지’ 보급, 공급기업-수요기업 지역 매칭 플랫폼 구축(지역 내 DX 솔루션 공급기업 육성 + 타 지역 솔루션 기업 유입 지원), 지역 스마트공장·디지털 클러스터 확대(지역별 특화업종 중심으로 AI·데이터 기반 생산혁신 지원)

 ㅇ (협의체 및 거버넌스 구축) 중기부 주도로 제조혁신 지원기관 공동협의체를 구성하여 정례 협의 및 정보공유 체계를 마련

 ㅇ (원스톱 지원 플랫폼) 산재된 지원사업을 한눈에 보고 신청할 수 있는 온라인 통합 플랫폼을 구축

 ㅇ (평가·환류 체계) 협의체를 중심으로 지원사업 성과를 공동 평가하고 우수 사례를 공유

□ 지역 주도형 통합 지원 거버넌스 구축 및 자율 기획권 확대

 ㅇ 지역 TP를 중심으로 지자체, 출연연, 대학이 참여하는 ‘지역 AX 정책 협의회’ 상설화

 ㅇ 중앙 공모 사업 외 ‘지역 주도 자율기획 예산’ 편성(총 사업비의 20% 이상 권고)

 ㅇ 부처별·기관별 분절된 지원 사업을 하나로 묶은 ‘올인원(All-in-one) DX 지원 플랫폼’ 운영

 ㅇ 지역별 업종 모수를 고려한 지역별 쿼터제 및 성과 지표 유연화(양적→질적 평가) 적용

(3) 제조 AI 인력 양성

□ 제조분야 디지털 전환을 이끌 AI 인재를 체계적으로 양성하기 위한 전략 로드맵 수립

 ㅇ 제조 AI 중심의 국가 인재양성 종합 로드맵을 수립하고 중장기 인력수급계획을 마련

 ㅇ 인재 수요 전망 및 목표 설정, 분산사업 통합 및 거버넌스, 산업계 연계 및 지원체계 수립

□ 현장 밀착형 전주기 전문 코디네이터 양성 및 변화관리 강화

 ㅇ 지역 TP 내 상근 전담 코디네이터(PM)채용 및 구축-안정화-사후관리 ‘동행제’ 실시

 ㅇ 지역 대학(RISE)과 연계한 ‘재직자 AI 융합 훈련 과정’ 운영 및 인건비 매칭 지원(1:1)

 ㅇ 컨설턴트 역량 인증제(등급제) 도입 및 분야별(공정/AI/보안) 전문가 매칭 Pool 고도화

□ 제조 현장에서 요구되는 핵심 AI 기술역량을 체계적으로 학습할 수 있는 표준화된 교육 모듈개발

 ㅇ 제조AI 핵심 주제를 중심으로 표준화된 교육 모듈(기초→심화)을 개발하고 교육체계 전반에 도입하여 어느 기관에서 교육을 받든 일정 수준의 핵심역량을 획득할 수 있도록 표준 모듈 개발

 ㅇ 핵심 교육모듈 설계, 커리큘럼 표준화 및 보급, 모듈 이수 인증