[비즈한국] 尽管政府为增强产业竞争力，积极推动制造业向人工智能转型（AX）政策，但作为制造业基础的中小及中坚企业，其生产现场对AI技术的应用仍处于起步阶段。
这是因为大多数中小企业的智能工厂建设仍处于基础阶段，加之投资回报的不确定性以及专业人才的匮乏，多重因素交织导致企业现场的技术承载力严重不足。因此，政策体系亟需改革：摆脱单纯扩大支持企业数量的模式，转而通过分阶段提升现场基础设施，并强化各部门间的协同，以引导出实质性的成效。
即便是在智能工厂，四分之三仍处于“基础阶段”
根据中小风险企业部和智能制造创新推进团去年4月发布的《第一次智能制造创新实态调查》，国内制造业中小及中坚企业的制造AI采用率仅占总数的0.1%。有采用计划的企业也仅为1.6%。在拥有工厂的16万3273家中小及中坚制造企业中，智能工厂的普及率也仅停留于19.5%，而这被视为AI应用的前置阶段。
即便将范围缩小到已引进智能工厂的企业，情况也并无太大改善。在已建立智能工厂的企业中，仅有5.2%的企业采用了制造AI或制定了相关计划。这意味着在通往智能工厂下一阶段的AI转型面前，大多数企业停滞不前。此外，在已引入智能工厂的企业中，75.5%仍处于基础阶段，意味着在迈向AI应用之前，还有一道需要跨越的门槛。
这种普及滞后现象与企业规模和地区差异紧密相关。国内企业整体的AI利用率显示，大企业为48.8%，而中小企业仅维持在28.7%的水平。按行业划分，服务业利用率为53.0%，而制造业仅为23.8%，相对较低。按地区划分，首都圈（40.4%）与非首都圈（17.9%）的利用差距超过两倍。这表明，传统制造业比重越高的地区，其地方中小企业在将数字技术真正落地时越发困难。
投入7.5亿韩元效果仍不明确，且缺乏专业人才
制造现场AI转型进度缓慢的最主要原因，被认为是“数字转型（DX）基础薄弱”，即缺乏可实现数据收集与控制的环境。AI系统要学习工艺数据并执行质量检测或设备维护，必须以稳定的设备接口和计算机网络为前提，但中小制造企业的智能工厂普及率仅为19.5%。
即便审视已建立智能工厂的企业内部，质的提升也十分缓慢。在引入智能工厂的企业中，75.5%处于“基础水平”，采用的技术也大多以库存及资源管理的电子化（ERP，占76.3%）为主。而工艺实时控制系统（MES，14.4%）、控制器（16.9%）以及工艺自动化机器人和AI模型的应用相对匮乏。
数据管理方式也尚未系统化。许多表示正在收集制造数据的企业，仍然依赖于操作员手动将产量或不良记录写入作业日志的方式。这类碎片化数据缺乏时序连续性和标准规格，难以直接应用于高级机器学习模型。如果不先行更换设备上安装的老旧接口并构建通信网络等基础数据基础设施，应用AI技术必然存在结构性局限。
成本负担和投资回报率（ROI）的不确定性也是阻碍采用的主要因素。根据实态调查，中小制造企业建立智能工厂的平均费用约为7.5亿韩元（整体平均为11.3亿韩元）。考虑到超过半数（56.9%）的资金来自自有资金，初期投入本身就构成了进入壁垒。中小风险企业部制造创新课相关人士也指出，现场企业感受到的最大压力在于“相对于巨额的设备建设支出，难以明确在现场能够获得什么样的实际效用和成果”。
人才短缺也是阻碍采用的重要原因，且不亚于成本问题。在韩国中坚企业联合会发布的调查中，中坚企业在AI引入过程中遇到的最大困难是“缺乏专业人才（41.2%）”。这一比例高于技术及基础设施不足（20.6%）和初期投资成本（11.8%）。在中坚企业认为推进AI引入和普及所需的政策支持中，“培养AI专业人才（21.3%）”也名列前茅。
中小风险企业部的实态调查也印证了现场的人才结构。在企业平均14.7名员工中，负责智能工厂相关业务的人员仅为5.4名。设有专门部门或专职人员的企业仅占总数的19.5%，而拥有专门教育预算的企业仅为6.6%。虽然有14.5%的企业计划扩大人员，但近半数企业表示未能落实的最主要原因是成本负担（47.1%）。
关键不在“普及了多少”，而在“现场发生了多少变化”
专家指出，鉴于国内传统制造业比重较高的产业特性，若要使制造业AX政策取得成效，必须摆脱短期绩效主义，辅以夯实基础的阶段性支持政策。必须摒弃以单纯普及数量为中心的定量目标管理，全面改革政策结构，转而以不良率降低、交期缩短、成本节约等现场可感知的实质性绩效指标（KPI）为核心。
国会立法调查处立法调查官朴宰英（音译）表示：“政府扩大普及项目的方向是正确的，但不能再纠结于智能工厂数量或自动化设备采用率等单纯数字。智能工厂化的核心在于现场体质的改善，只有通过工厂现场能够切实体会到的质的提升指标来衡量成果，才能确保政策的实效性。”