배 만드는 시간 30% 단축, HD현대가 조선소를 바꾼 AI 도입 전략

거대한 선박 블록 사이로 용접 불꽃이 쏟아지는 조선소 현장을 떠올려 볼게요.

얼마 전까지 이 작업은 숙련 기술자의 감과 손끝 경험에 기대 왔습니다. 하지만 지금, HD현대 조선소에서는 AI가 용접 위치와 경로를 직접 계산하고 로봇이 그 지시를 받아 작업을 이어 갑니다.

AI 도입을 이야기하지 않는 기업을 찾기가 더 어려운 시대입니다. 그런데 시범 프로젝트 단계에서 멈추거나, 도입은 했는데 현장 성과로 연결되지 않는 경우가 훨씬 흔하죠.

HD현대의 FOS 프로젝트가 눈에 띄는 이유가 여기에 있습니다. 2021년부터 2030년까지 이어지는 장기 로드맵을 따라 생산성 30% 향상과 선박 건조 기간 30% 단축이라는 수치 목표를 향해 실제 성과를 쌓아 가고 있기 때문이에요.

오늘은 FOS 프로젝트가 어떻게 설계됐고 무엇이 이 도입을 성공으로 이끌었는지, 기술 도입 관점에서 짚어 보겠습니다.

조선소를 통째로 디지털로 옮기는 프로젝트, FOS

FOS는 Future of Shipyard의 약자입니다. HD현대가 2030년까지 조선소의 모든 공정을 디지털, AI, 로봇 중심으로 전환해 지능형 자율 운영 조선소를 구축하려는 대규모 디지털 전환 프로젝트를 가리키죠.

핵심은 전환의 방향에 있습니다. 과거 조선업은 사람의 경험과 숙련도에 크게 의존하는 노동집약적 구조였어요. FOS는 이 구조를 데이터와 AI가 의사결정을 거드는 구조로 바꾸는 데 목표를 둡니다. 운영 방식 자체를 다시 짜는 시도라는 점에서, 일반적인 자동화 도입과는 결이 꽤 다릅니다.

눈에 보이는 조선소에서 자율 운영까지, 3단계 로드맵

FOS가 흥미로운 지점은 한 번에 모든 것을 바꾸려 들지 않았다는 데 있어요. HD현대는 9년의 여정을 세 단계로 나누고 단계마다 분명한 목표를 뒀습니다.

1단계는 눈에 보이는 조선소입니다.

2021년부터 2023년까지 진행됐고, 야드의 모든 건조 현황과 설비 데이터를 디지털화해 가시화하는 데 집중했죠.

이 시기의 핵심 성과는 실제 조선소를 3D 가상 공간에 그대로 복제한 디지털 트윈 플랫폼 트윈포스를 개발한 것이었어요. 디지털 트윈은 현실의 설비와 공정을 가상 공간에 똑같이 본떠 시뮬레이션하는 기술인데, FOS의 모든 분석이 여기서 모인 데이터 위에서 출발합니다.

2단계는 연결과 예측, 최적화입니다.

2024년부터 2026년 현재까지 진행 중이고, 1단계에서 모은 데이터를 AI와 머신러닝으로 분석하는 구간이죠.

공정 사이의 병목을 미리 예측하고 인력과 자재 배치를 시스템이 함께 판단하도록 만드는 단계로 보면 됩니다.

3단계는 지능형 자율 운영 조선소예요.

2027년부터 2030년을 목표로, 사람이 일일이 개입하지 않아도 공정 제어와 설비가 AI와 로봇에 의해 자율적으로 조율되는 상태를 지향합니다.

데이터를 모으고, 분석으로 연결하고, 자율로 넘기는 순서가 또렷합니다.

AI 도입이 자주 무너지는 지점이 바로 이 순서를 건너뛰는 데 있다는 점을 떠올리면, 이 설계가 시사하는 바가 작지 않죠.

AI를 현장에 안착시킨 세 가지 선택

기술 그 자체보다 도입 방식이 성패를 갈랐습니다. FOS가 현장에 자리 잡은 배경에는 세 가지 선택이 있었어요.

첫째는 실행 속도를 확보하는 조직 구조입니다. HD현대는 대표이사 직속 독립 기구인 AI 추진실을 재편했어요. 의사결정 단계를 줄여, 조선 현장을 잘 아는 사람들이 현장에 맞는 AI 모델을 빠르게 만들 수 있는 환경을 마련한 셈이죠.

둘째는 데이터 통합을 위한 외부 협력입니다. 글로벌 데이터 AI 기업 팔란티어의 기업용 데이터 통합 플랫폼을 들여와, 조선소 안에 흩어져 있던 설계, 생산, 품질 데이터를 하나로 연결했어요. AI가 제대로 작동하려면 모델보다 먼저 데이터가 모여 있어야 한다는 원칙을 그대로 보여 주는 대목입니다.

셋째는 설계와 생산을 잇는 플랫폼 통합이에요. 독일 지멘스와 함께 설계-생산 일관화 제조혁신 플랫폼을 공동 개발해, 도면 설계 단계의 데이터가 AI를 거쳐 현장 로봇의 작업 지시까지 끊김 없이 이어지도록 만들었습니다.

세 선택의 공통점은 분명합니다. 알고리즘을 고도화하기 전에 데이터가 흐르는 길부터 깔았다는 점이죠.

현장에서 확인된 변화

전략이 좋아도 현장 성과로 이어지지 않으면 의미가 옅어질 수 있습니다. 하지만 FOS는 실제 작업 현장에서 변화를 만들어 내고 있다는 점에서도 주목할만 합니다.

먼저 디지털 작업지시 시스템이 정보를 일원화했습니다. 예전에는 생산 계획, 근태, 안전 지침이 수작업이나 개별 문서로 따로 돌았는데, 지금은 작업자가 태블릿 하나로 AI가 조율한 공정 순서와 실시간 안전 정보를 확인하며 일합니다.

AI 비전 기반 조립 크레인형 용접로봇도 고위험 공정에 투입됐어요. 로봇 전면의 비전 센서와 내부 AI 모델이 용접 위치를 스스로 인식하고 경로를 계산해 연속 용접을 수행하는데, 숙련도가 낮은 작업자도 일정한 품질을 낼 수 있도록 돕습니다.

HD현대로보틱스와의 협업은 이 변화를 표준화로 넓혔습니다. HD현대중공업과 HD현대로보틱스가 주요 생산라인에 로봇, 비전, AI를 결합한 솔루션을 표준 형태로 투입하면서, 수작업 중심이던 공정 구조가 자동화 구조로 옮겨 가고 있죠.

성과는 안전과 수주로도 번졌습니다. 고열과 화기에 노출되던 고위험 작업에 AI와 로봇을 배치하면서 사고율이 크게 낮아졌고, 납기뿐 아니라 ESG와 안전 관리 수준을 따지는 글로벌 선주들에게 이 안전 시스템이 실질적인 수주 경쟁력으로 작동하고 있습니다.

그럼에도 AI 도입이 어려운 이유

FOS의 성과만 보면 AI 도입이 수월해 보일 수 있지만, 대부분의 기업이 막히는 지점은 따로 있어요.

가장 흔한 벽은 데이터입니다. 설계, 생산, 품질 정보가 부서마다 다른 형식으로 흩어져 있으면, 아무리 좋은 모델을 붙여도 학습시킬 재료가 정리되지 않죠. HD현대가 팔란티어와 가장 먼저 한 일이 데이터 통합이었다는 사실이 이를 뒷받침합니다.

다음 벽은 현장과의 거리예요. 본사에서 만든 모델이 현장의 작업 흐름과 맞지 않으면 도입은 문서상으로만 남습니다. AI 추진실을 현장 가까이 둔 이유가 바로 여기에 있죠.

정리하면, AI 도입의 성패는 모델 성능보다 데이터를 모으고 흐르게 하는 기초 작업에서 갈립니다.

AI 도입의 시작점, 흩어진 문서의 통합

HD현대 FOS는 거대한 프로젝트지만 출발점은 의외로 단순했습니다. 흩어진 설계, 생산, 품질 데이터를 한곳으로 모으고, 따로 돌던 작업 문서를 하나의 흐름으로 묶는 일이었죠. 3단계 로드맵도 팔란티어 협력도, 결국 데이터가 흐르는 길을 먼저 깔기 위한 선택이었습니다.

AI 도입을 고민하는 조직이라면 같은 질문 앞에 서게 됩니다. 우리 회사의 문서와 데이터는 AI가 읽을 수 있는 형태로 정리돼 있는가. 이 첫 단계가 막막하다면, 문서 자동화부터 풀어 가는 방법을 유링파워로 문의해 보세요.