조선소 피지컬 AI 돌파전략 3가지: 한국조선해양플랜트협회 초청 강의 정리
조선소 피지컬 AI 과제가 PoC 다음 단계에서 멈추는 이유와, 판정 기준·데이터 파이프라인·운영 루프로 푸는 방법을 정리했습니다.
슈퍼브에이아이 이현동 부대표는 2026년 11월 4일 한국조선해양플랜트협회 초청으로 협회 직원들을 대상으로 강의했습니다. 강의 제목은 「조선소 피지컬 AI, 모델이 아니라 데이터에서 멈춘다: 현장에 안착시키는 3가지 돌파전략」입니다.
📌 3줄 요약
- 조선소에서 피지컬 AI(Physical AI) 과제가 PoC 다음 단계로 넘어가지 못하는 원인은 판정 기준, 데이터 체계, 운영 루프의 부재에 있습니다.
- 이현동 부대표는 숙련자 합의로 만드는 판정 기준서, 과제가 끝나도 남는 데이터 파이프라인, 현장 반려가 재학습으로 돌아오는 운영 루프를 돌파전략으로 제시했습니다.
- 강의 말미에는 로봇 선정 전에 거칠 준비 단계 5가지를 소개했습니다.
조선소 피지컬 AI는 왜 PoC 다음 단계에서 멈추나요?
피지컬 AI는 카메라·센서로 현장을 보고 판단한 뒤 로봇이나 설비를 움직이는 AI를 말합니다. 이현동 부대표는 강의 첫머리에서 조선소의 인력 사정을 먼저 짚었습니다. 한국조선해양플랜트협회 집계로 국내 조선업 인력은 2014년 약 20만3000명에서 2021년 약 9만2000명으로 55% 줄었습니다(뉴스토마토, 2022.5.23).
이 공백을 메울 방법으로 로봇과 AI가 거론되지만, 현장 과제는 정확도를 확보한 PoC 이후 양산 단계에서 자주 멈춥니다. 이현동 부대표는 그 이유를 조선소의 네 가지 조건으로 설명했습니다.
- 다품종 소량: 호선마다 블록 형상이 달라 데이터를 다시 쓰기 어렵습니다.
- 넓고 바뀌는 야드: 실외 대형 구조물에 날씨와 조명이 수시로 달라집니다. 배치도 매일 바뀝니다.
- 숙련자 판단 의존: 용접·도장·검사의 합격 기준이 숙련자의 경험에 있습니다.
- 숙련 인력 공백: 그 숙련자들이 빠르게 은퇴하고 있습니다.
피지컬 AI의 판단이 틀리면 그 결과는 곧바로 현장의 물리적 결과로 이어집니다. 양산 문턱을 넘으려면 기준과 데이터와 운영 체계부터 갖춰야 한다는 것이 이날 강의의 출발점이었습니다.
데이터에서 시작하는 돌파전략 3가지
강의에서는 세 가지 부재를 차례로 짚은 뒤 각각에 대응하는 돌파전략을 제시했습니다. 순서에도 의미가 있습니다. 기준이 없으면 데이터를 모아도 쓸 수 없고, 데이터 체계가 없으면 운영 루프가 돌 곳이 없습니다.
| 부재 | 현장 증상 | 돌파전략 |
|---|---|---|
| 판정 기준 | "이건 불량인가?"에 숙련자마다 답이 다름 | 숙련자 합의로 판정 기준서부터 만든다 |
| 데이터 체계 | 데이터가 과제마다 따로 쌓이고 과제가 끝나면 버려짐 | 과제가 끝나도 남는 데이터 파이프라인 |
| 운영 루프 | 현장에서 틀린 판정이 학습으로 돌아오지 않음 | 반려 기록을 재학습으로 잇는 운영 루프 |

1. 판정 기준: 숙련자끼리의 일치율이 AI 목표치의 상한
이현동 부대표는 용접 AI의 출발점을 숙련자들이 합의한 판정 기준서로 꼽았습니다. 먼저 같은 샘플을 숙련자 여러 명이 판정해 서로 얼마나 일치하는지 잽니다. 그다음 작업 표준서를 기계가 볼 수 있는 판정 단계로 다시 씁니다. 결함 분류체계에 합의하면 그 기준서가 과제의 첫 번째 산출물이 됩니다. AI 목표치는 숙련자 간 일치율을 넘지 않는 선에서 정합니다.
2. 데이터 파이프라인: 과제가 끝나도 남는 데이터
수집, 정제, 라벨링, 학습, 평가로 이어지는 파이프라인을 과제마다 새로 만들면 매번 처음부터 다시 시작해야 합니다. 첫 과제(예: 용접 판정)에서 기준서와 파이프라인을 구축해 두면, 다음 과제(예: 안전관제, 도장 검사)는 수집과 라벨링만 더해 같은 파이프라인 위에서 진행할 수 있습니다. 강의에서는 이를 "숙련자는 은퇴해도 파이프라인은 은퇴하지 않는다"는 문장으로 정리했습니다.
3. 운영 루프: 사람이 고친 판정을 다시 학습으로
현장에 배포된 AI의 성능이 시간이 갈수록 오르려면 네 단계가 반복돼야 합니다.
- AI가 현장에서 판정합니다.
- 작업자가 틀린 판정을 반려로 표시합니다.
- 반려된 장면만 골라 재학습 데이터로 씁니다.
- 개선한 모델을 현장에 다시 배포합니다.
이 루프의 핵심은 사람이 개입한 순간의 데이터를 골라 모으도록 설계하는 데 있습니다.
로봇을 들이기 전에 무엇을 준비해야 하나요?
이현동 부대표는 회원사가 "어떤 로봇을 사면 되나"를 물을 때 쓸 수 있는 준비 순서도 소개했습니다. 슈퍼브에이아이가 피지컬 AI 과제를 설계할 때 쓰는 다섯 단계로, 로봇 선정은 마지막 단계에 있습니다.
- 현황 진단: 업무 유형과 병목 구간을 표시한 뒤 물리·디지털·연결 환경을 점검합니다.
- 프로세스 설계: 사람과 로봇의 역할을 나누고 작업 단위를 분해합니다.
- 변화관리: 작업자 교육과 운영 규칙을 준비합니다.
- 사업 타당성: 실측에 근거한 효과와 단계별 검증 기준을 정합니다.
- 로봇과 AI 소프트웨어 선정: 어떤 로봇을 어떤 AI와 조합할지 정합니다.
진단해 보면 가장 약한 곳은 대개 물리 환경, 곧 공간 배치와 검사 구역 인프라라는 것이 이현동 부대표의 설명입니다. 이 단계에서는 야드를 3차원으로 파악하는 공간 지능도 다뤘습니다. 한 번 만든 3D 야드 지도는 로봇의 이동 경로, 투입 전 가상 학습, 현황 계측에 함께 쓰는 자산이 됩니다.
강의는 "숙련자는 은퇴하지만, 그분들이 세운 기준과 검토한 데이터는 은퇴하지 않는다"는 문장으로 마무리됐습니다.

발표자
이현동 부대표 | 슈퍼브에이아이
슈퍼브에이아이 공동창업자로 사업을 총괄하며, 산업 현장의 AI 도입 컨설팅과 기업·기관 대상 AI 도입 방법론 교육을 맡고 있습니다.
이전 발표·인터뷰
엣지 비전 AI 데이터 루프와 현장 사례: 2026 어드밴텍 Edge AI Day 발표 정리
AI솔루션 데이 2023 'Vision AI 도입을 통한 비즈니스 가치창출 사례'
AIIA 포럼 2023 '데이터 중심의 AI 개발'
인터뷰 2025 '공공AI 성공의 핵심 3요소'
슈퍼브에이아이는 산업 현장의 시각 데이터를 기업이 활용할 수 있는 인텔리전스로 전환하는 비전 인텔리전스 기업입니다.
💬 조선·플랜트 현장의 피지컬 AI 도입이나 사내 세미나·행사 강연을 검토하고 계신가요? 아래 양식에 현장 유형과 요청 내용을 남겨주시면 담당자가 확인한 뒤 연락드립니다.