이슈앤/ 대한상의 SGI는 1일 AI의 확산과 산업·기업의 성과 보고서를 통해 지난 2016년 1월부터 2024년 12월까지 뉴스 데이터를 기반으로 구축한 AI지수를 활용해 산업생산지수와의 관계를 분석했다.
국내 COVID-19 발생 시점인 2020년 1월 전후로 나누어 산업별로 비교한 결과 제조업 생산과 AI지수 간 상관계수는 2016~2019년 0.79에서 2020~2024년 0.54로 낮아진 반면 서비스업 생산의 상관계수는 각각 0.88, 0.93으로 높은 수준을 유지한 것으로 나타났다.
또한 보고서는 AI 확산이 기업 차원의 재무성과에 어떤 차이를 만드는지 확인하기 위해 외부감사 대상기업 중 32,240개 기업들을 대상으로 AI 관련기업과 비AI 기업으로 구분해 재무적 특징을 비교했다.
2024년 기준, 제조업에서는 AI 관련 기업의 전년 대비 매출액 증가율(0.9%)과 순이익 증가율(-2.3%)이 비AI기업(매출액 1.8%, 순이익 4.6%)보다 낮았으나 서비스업에서는 AI 관련 기업의 매출액 증가율(5.0%)과 순이익 증가율(18.9%)이 비AI 기업(매출 3.1%, 순이익 3.5%)을 상회했다.
아울러 전반적인 재무 안정성은 AI 관련 기업이 비AI 기업에 비해 취약한 것으로 나타났으며 이러한 경향은 제조업에서 두드러졌다.
제조업에서 AI 관련 기업의 자기자본 대비 부채비율은 99.1%로 비AI 기업(52.9%)에 비해 높게 나타났다.
보고서는 이러한 결과에 대해 AI 관련 기업은 AI 도입 및 제품 생산을 위한 초기 투자 비용이 상대적으로 크고 성과가 수익으로 나타나기까지 시차가 존재하기 때문인 것으로 해석했다.
서비스업은 인건비나 마케팅 비용 절감 등에서 AI 도입 효과가 비교적 빠른 시일 내에 나타나지만 제조업의 경우 원자재·에너지 등의 투입 비중이 커 초기에 AI 도입의 비용 절감 효과가 제한적일 가능성이 있다는 것이다.
제조업은 AI 도입을 위한 기계·공정 설비 등 인프라 투자가 필요해 초기에 상당한 자본조달이 불가피한 반면 서비스업은 추가 설비투자 부담이 상대적으로 적을 수 있다고 분석했다.
SGI 민경희 연구위원은 “제조업에서의 AI 도입 효과는 아직까지 직접적인 매출 증가보다는 불량률 감소 등 간접적인 성과로 나타나고 있을 가능성이 있다”고 설명했다.
보고서는 제조 AI 분야에서 경쟁력을 확보하려면 산업별 특성을 고려한 적극적인 지원이 중요하다고 강조했다.
생산·설비·공급망에서 발생하는 데이터를 축적·활용할 수 있는 플랫폼을 구축하고 초대형 컴퓨팅 인프라 등을 패키지로 지원해 기업들의 진입장벽을 낮출 필요가 있다.
SGI는“글로벌 민관 협력 플랫폼을 통해 국내 산업 현장의 수요를 반영하고 글로벌 협력 네트워크를 강화해야 한다”며 “이를 바탕으로 GPU·데이터·인재 등 핵심 인프라 지원 효과를 극대화하는 것이 중요하다”고 전했다.
국민성장펀드처럼 공공자금과 민간자본을 결합한 안정적인 자금조달 체계가 필요하다고 지적했다.
AI 전환은 막대한 투자를 요구하지만 단기간에 성과가 나타나기 어렵기 때문에 민간 자본만으로는 충분한 투자 유인을 확보하기 어렵기 때문이다.
보고서는 정책금융기관의 민간투자에 대한 위험 공유 기능을 강화하고 연기금 등 장기 자금을 전략적으로 활용해 대규모 자금 수요에 대응해야 한다고 제시했다.
아울러 안정적인 에너지 공급체계의 필요성도 지적했으며 AI 데이터센터와 연산 인프라는 전력 집약적으로 지속가능한 에너지의 공급이 필수적이다.
보고서는 데이터센터에서 재생에너지 사용 비중을 단계적으로 높이고, 탄소 저감 효과가 큰 시간대에 워크로드를 집중 배치하는 등 에너지를 효율적으로 소비하는 방안을 고민해야 한다고 언급했다.
박양수 대한상공회의소 SGI 원장은 “대한상의는 지난 달 제조업의 구조적 위기를 돌파하고 AI 전환을 실현하기 위해 산업통상자원부와 함께 제조 AX 얼라이언스를 공동 출범시켰다”며 “제조 AI의 성과가 아직 가시화되지 않았다는 것은 곧 성장 잠재력이 크다는 의미이며 제조 AI 전환에는 시간이 걸리는 만큼 주요국보다 빨리 역량을 집중해 주도권을 선점해야 한다”고 밝혔다.
[이슈앤 = 이진수 기자]
