국내 기업 AX 소식: 위험한 자리에 사람 대신 AI와 로봇이 먼저 선다 (11월 13일 묶음)

철강·조선 4개사는 작업자가 위험에 다가가는 자리마다 AI를 넣고 있습니다. 포스코는 쇳물이 튀는 원인인 산소 투입을 AI가 정하게 했고, 고로 순찰과 위험 설비 점검은 포스코와 현대제철 모두 로봇에 맡겼습니다. HD현대중공업은 도장 검사를 비전 AI로 바꿨고, 세아베스틸은 공정을 250개 구역으로 나눠 AI가 지켜보게 합니다. 따라 하려면 위험 작업 목록, 구역별 위험 규칙, 경보가 울린 뒤 누가 무엇을 하는지부터 정해야 합니다.

요약

이번 묶음은 한국일보 윤한슬 기자가 11월 10일 산업면에 쓴 기사 한 건입니다. 제조 현장에서는 작은 사고도 중대재해로 번질 수 있어 대형 제조기업들이 위험 작업, 사전 안전 점검, 교육에 AI를 늘리고 있다는 내용입니다. 기사는 네 회사를 다룹니다. 포스코는 전로(쇳물의 불순물을 산소로 태워 강철로 만드는 설비) 공정에서 AI 자율조업 시스템이 산소 투입량을 정합니다. 광양·포항제철소에서는 Boston Dynamics의 4족 보행로봇 Spot(스팟)이 고로 설비 주변을 점검합니다. 현대제철도 스팟으로 위험 설비를 점검합니다. HD현대중공업은 도장 품질검사 시스템을 개발했고, 세아베스틸은 에버가드와 함께 AI 안전 솔루션을 만들었습니다.

네 회사가 AI를 넣은 자리는 서로 다릅니다. 포스코 전로는 위험의 원인인 공정 조건을 AI가 직접 다룹니다. 스팟은 사람이 가던 위험한 장소에 대신 갑니다. HD현대중공업의 도장 검사는 높은 곳과 유해 환경에서 하던 확인을 카메라와 AI가 맡습니다. 세아베스틸은 공정을 구역으로 나누고 AI가 지켜보다 경고 알람을 보냅니다. 진행 단계도 다릅니다. 포스코와 현대제철은 현장에서 쓰고 있고, HD현대중공업은 10월에 개발을 마쳐 현장에 하나씩 적용하는 중이며, 세아베스틸은 내년 상반기까지 구축과 안정화를 마칠 계획입니다. 사고 감소 같은 성과 수치는 기사에 나오지 않습니다. 아래에서 회사별로 정리한 뒤, 이 방식을 실제로 돌릴 때 필요한 기술·현업 디테일을 덧붙입니다.

사례별 정리

포스코: 전로 산소 투입은 AI 자율조업이 정하고 고로 순찰은 스팟이 맡는다

• 상황: 전로에 산소가 지나치게 들어가거나 불순물 정련이 제대로 되지 않으면 쇳물이 튀어 작업자가 다칠 수 있습니다. 고로에는 1,500도가 넘는 열풍을 넣는 설비가 있고, 그 주변의 온도와 가스 누출은 그동안 작업자가 직접 다니며 확인했습니다.
• 한 일: 포스코는 지난해 핵심 생산 공정에 AI 시스템을 적용했고, AI 자율조업 시스템은 제강 공정에 자리 잡았습니다. 전로에서는 이 시스템이 산소 투입량을 정합니다. 광양·포항제철소에서는 AI 기능을 단 스팟이 열풍 설비 주변을 스스로 돌며 온도와 가스 누출을 점검합니다. 기사 사진에는 포항제철소 1제선공장 2고로의 배관 사이를 오가는 스팟이 실렸습니다.
• 결과: 기사는 AI가 산소 투입량을 정해 쇳물 분출을 막고, 스팟이 점검을 맡아 작업자가 고위험 작업에 노출되지 않게 한다고 설명합니다. 사고 건수나 점검 횟수 같은 수치는 나오지 않습니다.

현대제철: 평소에는 위험 설비 점검, 비상 시에는 작업자 대신 스팟 투입

• 상황: 제철소에는 사람이 가까이 가기 어려운 위험 설비가 많고, 사고가 나면 화재·폭발 같은 2차 재해로 이어질 수 있습니다.
• 한 일: 현대제철도 위험 설비 점검에 스팟을 씁니다. 비상 상황이 생기면 작업자 대신 스팟을 먼저 들여보낼 계획입니다.
• 결과: 비상 투입은 계획 단계이며, 기사는 이를 통해 2차 재해를 막으려 한다고 전합니다. 수치는 나오지 않습니다.

HD현대중공업: 비전 AI 도장 검사로 높은 곳·유해 환경 작업을 줄인다

• 상황: 선박 도장 품질 검사는 작업자가 높은 곳에 오르거나 유해 환경에 노출될 수 있는 일입니다.
• 한 일: HD현대중공업은 AI 자동화 시스템과 로봇 용접을 갖춘 스마트 조선소를 짓고 있습니다. 그 일환으로 카메라 영상을 AI가 판정하는 비전 AI와 딥러닝을 쓴 도장 품질검사 시스템을 2026년 10월에 개발했습니다. 안전 교육에는 다국어 통역과 AI 교육 지원 서비스를 씁니다.
• 결과: 기사는 품질을 객관적으로 확보하고 작업자의 추락·유해 환경 노출 위험을 줄일 수 있다고 설명합니다. 도장 자동 검사를 비롯한 AI 솔루션을 현장에 하나씩 적용하는 단계입니다. 검사 정확도나 적용 범위 수치는 나오지 않습니다.

세아베스틸: 현장 데이터 약 600만 개로 핵심 공정을 250개 구역으로 나눠 지켜본다

• 상황: 세아베스틸은 무재해 사업장을 목표로 철강 제조 현장에 맞춘 AI 안전 솔루션이 필요했습니다.
• 한 일: AI·비전 기반 안전 솔루션 기업 에버가드와 4년 동안 함께 개발했습니다. 그동안 현장 데이터 약 600만 개를 분석하고 실증을 거쳤으며, 핵심 공정을 250개 구역으로 나눴습니다. 기사 사진에는 군산공장 직원이 솔루션의 경고 알람을 시험하는 모습이 실렸습니다.
• 결과: 내년 상반기까지 군산공장과 창녕공장에 솔루션을 구축하고 안정화를 마칠 계획입니다. 데이터의 종류, 구역별 감시 방식, 경고 기준은 기사에 나오지 않습니다.

기술 디테일: 위험과 사람 사이에 AI를 넣으려면

아래는 네 사례의 방식을 따라 만들 때 필요한 것입니다. 기사에 나온 내용이 아니라 AX Review가 덧붙인 실행 방법이며, 필드명·설정값·기준은 모두 가상 예시입니다. 전로와 순찰 로봇 설명은 제강 공정과 설비 점검의 일반 원리를 따랐습니다.

공정을 AI가 직접 제어할 때는 제안 모드에서 시작해 상·하한 안에서만 움직이게 합니다(포스코 전로 사례). 산소를 불어 넣는 한 번의 작업(취련)마다 용선 온도와 성분, 고철 비율, 배가스 성분과 유량, 산소 랜스 높이를 입력으로 받습니다. 모델은 종점 성분과 함께 쇳물 분출(slopping) 전조 점수를 예측하고, 그 결과로 산소 유량 설정값을 제안합니다. 처음 몇 주는 AI가 제안만 하고 운전원이 승인하는 모드로 돌립니다. 제안값과 운전원이 실제로 쓴 값의 차이가 충분히 좁아지면 자동 모드로 넘깁니다. 자동 모드에서도 설정값은 공정 기술 부서가 정한 상·하한을 벗어나지 못하게 PLC 쪽에서 막고, 분출 전조 점수가 기준을 넘으면 유량을 낮추고 경보를 냅니다. 취련마다 heat_id, model_version, o2_setpoint, operator_override, slop_score, slop_event를 남겨 두면 분출이 났을 때 원인을 되짚을 수 있습니다.

순찰 로봇은 경로보다 기록 형식을 먼저 정합니다(포스코·현대제철 스팟 사례). 스팟 같은 로봇은 미리 정한 지점(waypoint)을 돌며 열화상 카메라, 가스 센서, 일반 카메라로 데이터를 모읍니다. 지점마다 기준선을 두고 같은 지점의 지난 값과 비교해야 이상을 잡을 수 있습니다. 예를 들어 최근 2주 같은 시간대 평균보다 15도 이상 높으면 이상으로 표시합니다. 판정은 사람이 다시 봐야 하므로 원본 사진과 영상 주소를 함께 남기고, 확인한 사람이 없는 이상 표시는 30분 뒤 상위 담당자에게 올립니다. 제철소 안에는 무선 신호가 약한 곳이 많아 로봇이 데이터를 저장했다가 신호가 잡히는 곳에서 한꺼번에 올리게 해야 합니다. 비상 투입을 계획한다면 평소 순찰 경로와 별도로 비상 경로를 정해 두고 분기마다 한 번은 실제로 돌려 봅니다.

비전 검사는 사람 검사 결과와 나란히 돌려 일치율을 본 뒤 맡깁니다(HD현대중공업 도장 검사 사례). 흘러내림, 기포, 미도장 부위처럼 판정할 결함 유형을 먼저 목록으로 만들고, 유형마다 사진 수백 장에 라벨을 붙여 학습시킵니다. 조명과 촬영 거리가 바뀌면 판정이 흔들리므로 촬영 조건을 고정하거나 조건별로 따로 검증합니다. 시범 기간에는 같은 블록을 사람과 AI가 모두 검사하고 결과가 엇갈린 건만 모아 다시 봅니다. 결과는 block_id, image_uri, defect_type, confidence, inspector_result, final_result로 남깁니다. 확신도가 낮은 건은 사람에게 넘기는 규칙을 두면 AI가 모든 건을 다 맡지 않아도 사람이 높은 곳에 오르는 횟수가 줄어듭니다.

구역 감시는 구역마다 위험 조건과 대응을 표로 정의합니다(세아베스틸 250개 구역 사례). 공정을 구역으로 나누는 이유는 같은 장면이라도 위치에 따라 위험의 뜻이 달라지기 때문입니다. 크레인 아래에 사람이 서 있는 것은 인양 중일 때만 위험합니다. 그래서 구역마다 위험 조건, 그 조건을 확인할 설비 신호(크레인 인양 중, 가열로 가동 중), 대응 수준을 한 행으로 둡니다. 카메라가 사람을 찾으면 그 구역 규칙과 설비 상태를 함께 보고 경보 여부를 정합니다. 경보에는 zone_id, rule_id, ts, snapshot_uri, equipment_state, ack_by, ack_sec를 남깁니다. 오경보가 많으면 현장이 경보를 무시하게 되므로 구역별 오경보율을 매주 보고 규칙을 고칩니다.

현업 실행 디테일: 누가, 언제, 무엇을

공장 한 곳에서 위험 구역 10~20곳을 골라 12주 동안 시범 운영하는 경우를 예로 듭니다. 역할, 일정, 판정 기준은 모두 가상 예시입니다.

역할	담당	하는 일
시범 책임	공장 안전환경 팀장	대상 구역 선정, 판정 기준 확정, 확대 결정
공정 담당	해당 공정 엔지니어 1~2명	구역별 위험 조건 정의, 설비 신호 연결, 대응 절차 작성
현장 감독	조·반장	경보 확인과 조치, 오경보 표시
AI·영상	내부 ML 엔지니어 또는 솔루션 업체	카메라 배치, 모델 학습·튜닝, 경보 로그 관리
IT·OT 보안	OT 네트워크 담당 1명	카메라·로봇 망 분리, PLC 연동 권한, 영상 보관 기간

준비물은 다섯 가지입니다. 최근 3년치 사고와 아차사고 기록, 구역별 설비 배치도와 카메라 설치 가능 위치, 설비 가동 신호 목록(크레인·가열로·압연기), 작업자 영상 수집에 대한 노사 협의와 개인정보 처리 기준, 현재 순찰·점검 일지입니다. 1~2주차에는 사고·아차사고를 구역별로 모아 우선 구역을 고르고 기준선을 잽니다. 3~4주차에는 구역별 위험 규칙 표와 대응 절차를 씁니다. 5~8주차에는 경보를 현장에 보내지 않고 기록만 남기는 그림자 운영으로 오경보와 놓친 건을 셉니다. 9~12주차에는 경보를 켜고 대응 시간을 잰 뒤 확대 여부를 정합니다.

시작 전에 현장에 물을 질문입니다.

1. 지난 3년 동안 사고와 아차사고가 가장 많이 난 구역 다섯 곳은 어디입니까?
2. 그 구역에서 사람이 위험해지는 조건은 설비가 어떤 상태일 때입니까?
3. 지금 사람이 직접 가서 확인하는 점검 가운데 로봇이나 카메라가 대신할 수 있는 것은 무엇입니까?
4. 경보가 울리면 누가 몇 분 안에 무엇을 해야 합니까? 설비를 멈출 권한은 누구에게 있습니까?
5. 영상 속 작업자 정보는 얼마 동안 보관하고 누가 볼 수 있습니까?

진행 판정 기준(예시)은 이렇게 둡니다. 그림자 운영 4주 동안 실제 위험 상황을 놓친 건이 0건이고 구역별 오경보가 하루 3건 이하이면 경보를 켭니다. 경보를 켠 뒤에는 확인까지 걸린 시간의 중앙값이 2분 이내이고, 위험 구역 안 사람 체류 시간이 기준선보다 줄었으면 다른 공정으로 넓힙니다. 공정 제어(포스코 전로 방식)는 별도 과제로 두고, 제안 모드에서 운전원 승인 비율과 분출 발생을 비교해 자동 모드 전환을 정합니다.

AX 관점에서 첫 과제는 위험의 원인을 직접 건드리는 공정 제어보다 구역 감시나 순찰처럼 사람을 위험에서 떼어 놓는 쪽이 빠릅니다. 기존 설비를 바꾸지 않고 카메라와 로봇을 더하는 일이라 시작 장벽이 낮기 때문입니다. 다만 어느 쪽이든 성과는 경보 수가 아니라 사람이 위험 구역에 머문 시간과 아차사고 건수로 재야 경영진이 투자를 판단할 수 있습니다. 철강·조선처럼 공정이 이어진 현장이라면 구역 규칙 표와 경보 로그를 회사 공통 형식으로 맞춰 두는 편이 좋습니다. 그래야 공장마다 다른 솔루션을 써도 결과를 한 화면에서 비교할 수 있습니다.

원문 사례

회사	대상	내용	수치·계획(기사 기준)
포스코	제강 전로	AI 자율조업 시스템이 산소 투입량을 정해 쇳물 분출 예방	지난해 핵심 생산 공정에 AI 적용, 이어 제강 공정에 자리 잡음
포스코	고로 설비 점검	AI 기능을 단 4족 보행로봇 스팟이 열풍 설비 주변 자율 이동, 온도·가스 누출 점검	1,500도 넘는 열풍 설비. 광양·포항제철소
현대제철	위험 설비 점검	스팟으로 점검, 비상 시 작업자 대신 투입해 2차 재해 예방	비상 투입은 계획
HD현대중공업	선박 도장 검사·안전 교육	비전 AI·딥러닝 도장 품질검사 시스템, 다국어 통역·AI 교육 지원	2026년 10월 개발 완료, 현장에 하나씩 적용
세아베스틸	철강 공정 안전	에버가드와 AI·비전 기반 안전 솔루션 공동 개발, 경고 알람	4년 개발, 현장 데이터 약 600만 개, 250개 구역, 군산·창녕공장 내년 상반기 구축·안정화

기사	매체 · 저자	날짜	링크
까딱하면 중대재해… 안전 위해 AI 손 빌리는 제조기업들	한국일보 · 윤한슬	2026-11-10 (산업면)	기사

핵심 개념

전로

고로에서 나온 쇳물에 산소를 불어 넣어 탄소와 불순물을 태워 강철로 만드는 설비. 산소가 지나치면 쇳물이 넘쳐 튈 수 있다.

고로 열풍

고로 아래쪽으로 불어 넣는 뜨거운 공기. 기사에서는 1,500도가 넘는다고 했다.

AI 자율조업

운전원이 정하던 공정 설정값을 AI가 데이터로 판단해 정하는 방식. 포스코 전로에서는 산소 투입량이 대상이다.

Spot(스팟)

Boston Dynamics의 4족 보행로봇. 계단과 배관 사이를 다니며 센서와 카메라로 설비를 점검한다.

비전 AI

카메라 영상을 AI가 보고 판정하는 기술. HD현대중공업은 도장 품질 검사에 썼다.

아차사고(near miss)

다칠 뻔했지만 사고로 이어지지 않은 일. 구역 감시의 효과를 잴 때 사고 건수보다 먼저 움직이는 지표다.

그림자 운영(shadow mode)

AI가 판정은 하되 결과를 현장에 보내지 않고 기록만 남겨 사람 판단과 비교하는 시범 방식.

내 메모

TODO: 내 생각 추가

원문: 한국일보 윤한슬 기자 「까딱하면 중대재해… 안전 위해 AI 손 빌리는 제조기업들」(2026.11.10, 산업면)을 원문으로 읽고 썼습니다. 이 묶음에 배정된 기사는 이 한 건입니다. 요약, 사례별 정리, 원문 사례는 기사에 나온 사실을 AX Review가 다시 정리한 것이고 수치는 모두 기사에 나온 값입니다. 기술 디테일, 현업 실행 디테일, 인포그래픽과 표는 AX Review가 새로 작성했으며 필드명, 설정값, 일정, 판정 기준, 구역 번호는 가상 예시입니다. 전로 입력 항목과 분출 전조, 순찰 로봇 기록 방식, 도장 결함 유형은 제강·설비 점검·도장 검사의 일반 원리를 따른 것으로 각 회사가 밝힌 구성이 아닙니다. 전체 내용은 원문에서 볼 수 있습니다.