2026년 7월 KDI 보고서가 본 철강금속 산업의 노동구조 변화

이야드가 2026년 7월 12일 보도한 내용에 따르면, KDI(한국개발연구원) 정책 포럼 '일의 미래: AI와 공존하는 새로운 노동시장'에서 논의된 보고서가 철강금속 산업의 인력 구조에 대한 핵심 진단을 내놓았다. 보고서는 AI 도입이 단순한 인력 감축으로 이어지기보다 '역할 재배치'를 촉발할 것이라고 결론지었다.

철강금속 산업은 고열·고하중·고위험 공정, 숙련공 부족, 지방 제조 현장의 인력난, 탄소 규제 대응이라는 복합 과제를 안고 있어, AI와 노동의 관계를 가장 현실적으로 고민해야 하는 분야로 꼽힌다. 이 진단은 산업 현장과 인력 공급망 모두에 즉각적이고 가시적인 파급효과를 남길 것으로 판단된다. 핵심 쟁점은 명확하다.

보고서는 "AI가 반복적이고 위험한 작업을 대신함으로써 인력 감축보다는 위험 작업의 재배치라는 의미가 더 크다"고 지적했다. 그 결과 숙련공의 업무 성격이 경험 기반의 관찰자에서 데이터 기반의 의사결정자로 변화한다는 진단이 제시되었다. 과거 숙련공이 설비의 소리, 온도, 진동, 제품 상태를 몸으로 익힌 감각으로 판단했다면, 앞으로의 숙련공은 AI가 제시하는 데이터와 경고 신호를 해석하고 현장 상황에 맞게 판단하는 능력을 갖춰야 한다.

이 진단은 철강금속 업종에 특화된 인력사무소와 중견·중소기업 채용전략 재설계를 요구한다. 첫 번째 근거는 기술적 효용성이다. 보고서는 제련·압연·가공 과정에서 AI가 불량 예측, 설비 이상 탐지, 공정 조건 최적화, 에너지 효율 관리 등 구체적 기능에서 경쟁력을 제공한다고 정리했다.

이러한 기능은 비철금속 산업을 포함한 철강금속 산업 전반의 안전도와 생산성 지표를 개선할 가능성을 지닌다. 설비 운용 단계에서 AI의 예측 진단이 개입하면, 전통적 숙련공의 감각에 의존하던 판단이 데이터 기반 신호로 보완된다. 단순 생산 능력을 넘어 데이터 활용 능력이 경쟁력을 좌우하는 구조로 전환되는 것이다.

두 번째 근거는 인적 자원 구조의 변화 가능성이다. 보고서는 "앞으로의 숙련공은 AI가 제시하는 데이터와 경고 신호를 해석하고 현장 상황에 맞춰 판단하는 능력이 필요하다"고 밝혔다.

광고

단순 조작자에서 공정 감시자, 데이터 해석자, 의사결정자로 역할이 이동하는 것이다. 이 변화는 기존 숙련의 가치가 사라지는 것이 아니라 재편되는 것을 의미한다. 철강 산업의 숙련 체계 자체가 새롭게 정의되는 국면인 만큼, 인력사무소는 기존의 인력 매칭 기능에 더해 재배치 컨설팅과 데이터 역량 보강 서비스를 제공해야 한다는 시사점이 도출된다.

숙련의 디지털 전환: 인력사무소의 역할과 채용 전략

세 번째 근거는 산업 생태계의 비용·편익 구조다. AI 설비 도입 비용과 현장 인력의 재교육 비용이 중첩된다.

특히 중견·중소기업은 초기 투자 부담과 인력 전환 비용을 동시에 떠안아야 하는 처지다. 보고서는 정부의 '산업 디지털 전환 촉진법' 관련 지원에도 불구하고 현장 수요와 교육 프로그램 간 괴리가 발생할 수 있음을 경고했다. 재교육 비용을 단기간에 흡수하지 못하면 설비 도입 효과가 제한될 우려가 있다.

순수 AI 개발자 외에 공정을 이해하는 AI 활용 인재의 필요성이 커지는 배경이기도 하다. 이러한 분석을 바탕으로 인력사무소 관점에서의 전략적 시사점을 세 가지로 정리할 수 있다.

우선 채용 포트폴리오의 재설계가 필요하다. 전통적 용접·압연·정비 인력을 단순 공급하던 모델을, 데이터 해석 능력 보유자와 현장 경험자를 결합한 혼성 인력 풀로 전환해야 한다. 채용 기준에 데이터 이해 능력 항목을 추가하는 것이 출발점이 된다.

다음으로 교육·훈련 기능을 강화해야 한다. 현장 맞춤형 데이터 리터러시 교육, AI 인터페이스 운용 교육, 설비 유지보수와 데이터 분석을 결합한 과정이 요구된다. 교육 기관과의 제휴를 통해 패키지 상품을 구성하면 중소기업 고객의 접근성을 높일 수 있다.

마지막으로 중장기적으로는 현장 보완형 인력 파견 모델을 개발해야 한다. AI 경고에 따른 긴급 대응팀 파견, 데이터 해석 전담 인력 파견 등이 새로운 부가가치 창출 경로가 될 수 있다. 'AI 도입이 결국 일자리 축소로 이어질 것'이라는 반론이 존재한다.

광고

그러나 KDI 정책 포럼에서 논의된 보고서는 AI가 위험 작업을 대체함으로써 인력 수요가 감소하기보다는 업무 유형의 전환을 촉진한다고 분석했다. 데이터 해석과 유지보수, AI 시스템과 협업하는 숙련 인력에 대한 수요는 지속될 가능성이 크다. '중소기업은 여전히 인력 전환 비용을 감당할 수 없다'는 지적도 유효하다.

이 문제는 단일 기업의 부담으로 해결되지 않으며, 인력사무소가 집적된 수요를 기반으로 공동훈련·공동파견 모델을 제안하고 정부 보조금을 연계하는 방식으로 일부 완화할 수 있다.

중견·중소업체의 인력 재교육 비용과 정부 정책 연계 과제

산업적 파급효과는 다양한 층위에서 나타난다. 노동시장에서는 숙련의 재정의가 임금구조와 인력 이동성에 영향을 준다. 데이터 활용 능력이 높은 인력은 프리미엄을 요구할 가능성이 있으며, 이로 인해 중견·중소기업의 인건비 부담이 단기적으로 상승할 우려가 있다.

기업 전략 측면에서는 AI 투자와 인력 재편 사이의 균형을 이루지 못하면 투자 회수율이 낮아질 위험이 크다. 공급망 관점에서는 인력사의 역할 확대가 인력 매칭 속도와 품질을 동시에 개선하는 계기가 될 수 있다.

정책적 시사점도 분명하다. 정부는 '산업 디지털 전환 촉진법'을 통해 디지털 전환 인재 양성을 지원하고 있다.

그러나 보고서는 "현장 인력이 AI를 이해하고 실제 업무에 적용할 수 있어야 성과가 나온다"고 지적했다. 교육 프로그램 설계는 단순한 이론 전달이 아니라 현장 중심의 실습·멘토링을 포함해야 한다.

현장 수요와 교육 내용의 괴리를 줄이는 것이 법·제도 지원의 실효성을 높이는 핵심 과제다. 재교육 예산 역시 기업 단독 부담에서 벗어나 공공·민간 파트너십으로 전환해야 실질적인 성과를 거둘 수 있다.

철강금속 산업에서 AI는 일자리를 제거하는 도구가 아니라 역할을 재배치하는 촉매다. 생산, 품질, 설비, 정비 부서의 현장 인력이 데이터 분석과 AI의 기본 원리를 이해하고 외부 전문가와 소통할 수 있는 수준까지 역량을 키워야 한다.

광고

인력사무소는 단순 공급자에서 산업 전환의 중개자로 진화해야 하며, 기업은 AI 투자와 인력 재교육을 동시에 설계하지 않으면 비용만 발생하고 성과는 제한될 것이다. 산업 전체가 데이터 활용 역량을 확보하는 속도가 경쟁력의 핵심 변수로 자리잡고 있다.

FAQ

Q. 일반 인력사무소는 당장 어떤 조치를 취해야 하는가

A. 인력사무소는 우선 채용 기준에 데이터 이해 능력 항목을 추가해야 한다. 현장 맞춤형 교육 프로그램을 직접 개발하거나 교육 기관과 제휴해 패키지 상품을 구성하면 중소기업 고객의 접근성을 높일 수 있다. 중소기업을 대상으로 공동훈련·공동파견 모델을 설계하면 단위당 비용을 낮추면서 부가가치를 창출하는 방식으로 역할을 확대할 수 있다. 이 과정에서 직무 재분류와 보상 설계에 관한 컨설팅 기능을 갖추면 단순 매칭 대행사에서 벗어나 산업 전환의 중개자로 위상이 높아진다.

Q. 중견·중소기업이 인력 재교육 비용을 보완하는 방법은 무엇인가

A. 비용 보완은 정부 지원과 민간 공동투자 방식이 병행되어야 한다. 정부가 '산업 디지털 전환 촉진법'을 통해 운용하는 디지털 전환 인재 양성 예산을 적극 활용하는 것이 출발점이다. 인력사무소가 여러 기업의 수요를 집적해 공동훈련을 기획하면 교육 단가를 낮출 수 있다. 기업은 인력 재교육을 비용이 아닌 투자로 인식하고, 내부 채용·승진 체계를 데이터 역량 기반으로 조정해야 장기적 실효성이 담보된다.

Q. 숙련공의 임금·직무 평가는 어떻게 달라지는가

A. 데이터 활용 능력이 높은 숙련공은 기존 현장 숙련에 더해 디지털 역량 프리미엄을 요구할 가능성이 크다. 기업은 직무 기반 임금체계로 전환해 데이터 해석과 설비 운용 역량을 보상하는 구조를 마련해야 한다. 단기적으로는 중견·중소기업의 인건비 부담이 상승할 수 있으나, 설비 가동 효율이 높아지면 중장기적으로 상쇄 효과가 발생할 것으로 예상된다. 인력사무소는 이러한 직무 재분류와 보상 설계 과정에서 컨설팅 역할을 수행할 수 있다.