AI 실패와 포드의 회색수염 엔지니어 재고용, 교훈과 시사점
미국 자동차 제조사 포드가 지난 3년간 퇴직자 포함 베테랑 엔지니어 350명을 다시 채용했습니다. 이들을 업계에서는 희한하게도 ‘회색수염(Greybeards)‘이라고 부릅니다. 나이와 경력, 그리고 수염을 상징하는 별명이죠. 2020년 이후 5,000명 규모의 인력 감축을 단행했던 회사가 갑자기 고령 인력을 다시 불러모은 것에는 분명한 배경이 있습니다.
AI 만능 시대의 반전, 포드가 베테랑을 불러들인 이유
바로 AI(Autificial Intelligence, 인공지능) 기반 품질 검사 시스템이 기대만큼 작동하지 않았기 때문입니다.
AI 카메라가 놓친 것들
포드는 제조 라인과 설계 검수 과정에 수백 대의 AI 기반 카메라를 도입했습니다. 컴퓨터 비전(Computer Vision) 기술을 활용해 제품의 결함을 자동으로 탐지하겠다는 구상이었습니다. 초기에는 기대감이 컸습니다. 일정 수준 이상의 반복 검사 작업에서는 AI가 인간보다 빠르고 정확하다는 사례들이 이미 보고되어 있었으니까요.
그러나 현실은 달랐습니다. 포드의 차량 하드웨어 엔지니어링 부사장 찰스 푸른(Charles Poon)은 이렇게 말했습니다. “인공지능은 환상적인 도구이지만, 훈련에 사용하는 정보의 질만큼만 성과를 냅니다.”
쉽게 비유하자면 이렇습니다. AI는 요리사에게 재료만 주면 되는 만능 조리 도구가 아닙니다. 재료의 신선도, 손질 방법, 조리 순서까지 모두 사람이 제대로 알려줘야 제맛이 나는 요리를 만들어낼 수 있습니다. 포드의 AI 카메라들은 수십 년에 걸쳐 축적된 ‘노하우’라는 핵심 재료를 충분히 공급받지 못한 셈이었습니다.
숙련자의 직관, AI가 대체할 수 없는 영역
포드가 놓쳤던 핵심은 간단합니다. 수많은 제품 개발 주기를 함께한 엔지니어들의 경험이라는 자원을 제대로 활용하지 않았다는 점입니다. 찰스 푸른 부사장은 과거 수년간 가장 지식이 풍부한 엔지니어들의 경험에 충분히 주목하지 않았다고 시인했습니다.
여기서 중요한 차이를 이해해야 합니다. AI는 데이터 패턴을 인식하는 데 뛰어납니다. 용접 흔적의 크기, 표면 거칠기 수치, 치수 오차 범위 같은 정량적 데이터를 분석하는 것은 AI의 강점입니다. 하지만 베테랑 엔지니어만이 아는 것들이 있습니다. “이 부품의 결함은 수치로는 정상 범위인데, 조립 단계에서 갑자기 문제를 일으킨 경험이 있다”든지, “이 표면 상태는 측정값과 무관하게 나중에 도장 공정에서 불량이 될 가능성이 높다”는 식의 맥락적 판단이 바로 그것입니다.
한국의 반도체나 디스플레이 제조 현장에서도 비슷한 상황이 나타나고 있습니다. AOI(Automated Optical Inspection, 자동광학검사) 장비의 불량 판정 정확도가 높아졌다고는 하지만, 엔지니어의 경험에 기반한 ‘이상 감지(Sense of Abnormality)‘를 완전히 대체하기는 어렵습니다. 30년 경력의 숙련자가 눈으로, 손으로 느끼는 미세한 차이는 아직까지 기계가 흉내 내기 어려운 영역입니다.
경쟁사들은 어떻게 하고 있나
포드의 사례는 제조업 전반에 걸쳐 AI 도입 과정에서 발생하는 일반적 문제를 보여줍니다. 유사 사례를 살펴보면 다음과 같습니다.
일본의 도요타는 한때 로봇과 AI를 활용한 자동화를 적극 추진했으나, 2010년대 중반부터 ‘모노자키(り, 본질적 제조)‘라는 기치 아래 숙련 기능공의 역할을 다시 강조하기 시작했습니다. 도요타의 접근법은 AI와 사람을 대립 구도가 아닌 협업 구조로 설계한 것입니다.
독일의 BMW도 비슷한 고민을 겪었습니다. 자동차 차체 조립 공정에서 AI 비전 시스템을 도입했을 때, 초기에는 약 30% 수준의 오탐(False Positive, 잘못된 경고)율을 기록했습니다. 결국에는 AI의 판정 결과를 숙련자의 2차 검증 단계를 거치는 하이브리드 방식으로 수정했습니다.
비유하자면, AI와 숙련자는 같은 도서관을 사용하지만 다른 언어로 책을 읽는 것과 같습니다. AI는 정확한 번역이 가능한 사전을 갖고 있지만, 문맥의 뉘앙스를 이해하는 능력은 아직 부족합니다. 그래서 번역이 끝나면 원어민인 숙련자가 한번 더 확인하는 과정이 필요한 것입니다.
한국 제조업에 시사하는 것
한국 산업 현장에서 이 뉴스는 각별한 의미를 가집니다. 한국은 세계적 수준의 자동화 설비와 함께, 동시에 기술과 경험을 겸비한 숙련 인력의 비중이 높은 나라입니다. 하지만 recent 몇 년간 AI와 자동화를 앞세운 구조조정이 진행되면서, 일부 기업에서는 핵심 숙련 인력이 빠르게 이탈하는 현상이 나타나고 있습니다.
포드의 사례는 단기적 비용 절감을 위한 인력 감축이 장기적으로 오히려 더 큰 비용을 유발할 수 있음을 보여줍니다. AI 시스템의 도입과 운영, 그리고 AI가 놓치는 영역의 보완까지 고려하면, 숙련 인력을 유지하면서 점진적으로 AI를 통합하는 전략이 훨씬 경제적일 수 있습니다.
또한, 한국의 중소 제조업체들에게도 중요한 교훈이 됩니다. 대기업 수준의 AI 인프라 투자가 어려운 상황에서, 무리하게 AI 도입을 서두르기보다는 기존 숙련 인력의 지식을 체계적으로 데이터화하고, 이것이 AI 훈련 데이터로 활용될 수 있는 기반을 먼저 마련하는 것이 현실적입니다.
마무리: 사람과 기계의 공존, 균형점을 찾아야 할 때
포드의 ‘회색수염’ 재고용은 AI 실패의 이야기이자, AI와 인간이 공존하는 미래를 향한 사례이기도 합니다. 포드 역시 AI를 버린 것이 아니라, AI와 깊은 기술 전문성의 결합이 필요하다는 점을 분명히 밝혔습니다.
이번 사례는 우리에게 몇 가지 질문을 던집니다. 우리는 AI를 도입할 때 어떤 정보를 충분히 공유했는지, 숙련자의 지식이 제대로 데이터로 활용되고 있는지, 그리고 무엇보다 AI가 대체하는 것이 사람의 일자리인지, 사람의 반복 노동인지를 명확히 구분하고 있는지 말입니다.
기업의 AI 도입은 단순한 기술 문제가 아니라, 사람과 기계가 어떤 역할을 나눠 갖게 될지를 결정하는 조직 전략의 문제입니다. 포드가 회색수염 엔지니어를 다시 불러들이듯, 한국 기업들도 기술과 경험의 균형점을 찾는 데 더 많은 관심을 기울여야 할 때입니다.
관련 태그: AI 도입 실패, 포드 회색수염 엔지니어, 제조업 인공지능, AI와 인간 협업, 한국 제조업 시사점, 숙련 인력 재고용