제조 AI 지원사업으로 AI 검사 도입비 절반 줄이기, 지금부터 준비할 3가지

AI 비전 검사 상담은 자주 같은 말에서 멈춥니다. 효과는 알겠는데 올해 예산이 없다는 말입니다. 한 회사만의 사정은 아닙니다. 중소기업중앙회 조사(2025년 10월)에서도 제조 AI 도입의 가장 큰 걸림돌은 초기 비용 부담(44.2%)이었습니다. 저희가 이 문제를 풀어 가는 방법 중 하나가 제조 AI 지원사업입니다. SAIGE는 스마트공장 구축지원사업 과제에 AI 비전 공급기업으로 참여하고 있고, 제조AI특화 스마트공장 과제도 도입기업과 함께 준비해 왔습니다.

공고까지 시간이 남은 것 같지만 그렇지 않습니다. 2026년 제조AI특화 스마트공장은 3월에 공고가 나고 4월 20일에 접수가 마감됐습니다. 목표 불량 정의부터 PoC(실제 현장 데이터로 AI 검출 가능성을 미리 확인하는 단계)까지 저희 경험상 두세 달이 걸립니다. 여기에 신청 요건을 챙기고 사업계획서를 쓰는 시간까지 더하면, 다음 공고를 노리는 공장은 지금 준비를 시작해야 합니다. 예산도 늘어납니다. 2027년 정부 예산안에서 스마트공장 보급 예산은 4,036억 원에서 4,682억 원으로 커졌고, 중소기업의 제조 AI 전환을 돕는 피지컬 AI 사업(1,728억 원)도 새로 편성됐습니다. 예산안은 12월에 확정되므로, 이 글은 2026년 9월 기준 최근 공고와 저희 경험을 바탕으로 정리했습니다.

제조 AI 지원사업 한눈에 비교하기

사업 (주관)	지원 한도	조건
제조AI특화 스마트공장 – AI 공장 구축 (중기부)	최대 2억 원, 9개월	사업비의 50% 이내
제조AI특화 스마트공장 – 데이터 수집·검증 (중기부)	최대 5천만 원, 6개월	별도 성과 목표 없음
AI 통합 바우처 (과기정통부·NIPA)	최대 2억 원 한도, 약 7개월	정부 지원금 외 비용은 민간 매칭(현금·현물)

※ 2026년 공고 기준이며, 다음 공고에서 달라질 수 있습니다. AI 공장 구축 유형은 과제가 끝났을 때 정부가 정한 스마트공장 고도화 수준 ‘중간 1’ 이상에 도달해야 합니다.

세 사업의 가장 큰 차이는 지원금이 어디에 쓰이느냐입니다. 스마트공장 사업은 카메라, 조명, 이송 설비까지 포함한 공장 단위 구축을 지원하고, 바우처는 이미 만들어진 AI 솔루션을 우리 공장에 적용하는 비용을 지원합니다. 그래서 검사 공정의 설비까지 바뀌는 과제라면 스마트공장 사업이, 쓰던 검사기에 AI 판정만 붙인다면 바우처가 맞습니다. 어느 사업이든 신청 유형은 잡고 싶은 불량의 이미지가 이미 있느냐로 정해집니다. 그래서 저희가 상담에서 가장 먼저 묻는 것도 “그 불량 이미지가 지금 몇 장 있나요?”입니다. 이미지가 충분하면 AI 공장 구축 유형으로 바로 갈 수 있고, 없다면 데이터 수집·검증부터 시작해 구축으로 이어가면 됩니다. 안전 분야 지원사업은 안전 관련 정부 지원사업 총정리에서 따로 다뤘습니다.

데이터 수집·검증 유형은 특히 눈여겨볼 만합니다. AI 공장 구축 유형은 과제가 끝났을 때 고도화 수준 ‘중간 1’에 도달해야 하지만, 데이터 수집·검증 유형은 별도의 성과 목표를 두지 않습니다. 데이터가 부족한 상태에서 무리하게 구축 과제를 잡기보다, 이 단계에서 불량 이미지를 체계적으로 모아 두는 편이 다음 과제의 목표를 현실적으로 세우는 데 유리합니다.

제조 AI 지원사업으로 줄어드는 도입 부담

지원 구조를 숫자로 보면 이해가 빠릅니다. 2026년 기준으로 총사업비가 4억 원이라면 정부가 최대 2억 원, 기업이 2억 원을 부담합니다. 사업비가 작으면 정부 지원도 같은 비율로 줄어듭니다. 불량 데이터부터 모아야 한다면 데이터 수집·검증 유형(최대 5천만 원)으로 더 가볍게 시작할 수도 있습니다. 이 계산은 2026년 공고를 바탕으로 한 예시이고, 다음 공고의 비율과 한도는 공고에서 확정됩니다. 그래도 방향은 분명합니다. 혼자 도입하면 전부 떠안았을 비용을 정부가 최대 절반까지 나눠 집니다.

기업 부담분 자체를 줄이는 방법도 있습니다. 저희가 사업계획서를 함께 쓰며 효과가 컸던 것은 두 가지입니다. 첫째, 이미 있는 검사기와 카메라를 최대한 살리는 것입니다. 쓰던 설비 뒤에 AI 판정을 붙이면 새로 사야 할 하드웨어가 줄어 총사업비가 내려갑니다. 둘째, 손실이 가장 큰 공정의 샘플 라인 한 곳을 과제로 잡는 것입니다. 사업비가 작아지고 목표가 선명해져 자부담 대비 효과(ROI)를 숫자로 설명하기 쉬워집니다. 효과가 확인되면 다음 라인으로 넓히면 됩니다. 처음부터 전 라인을 과제로 잡은 계획서보다, 한 라인에서 검증하고 확장 계획을 붙인 계획서가 목표와 성과를 설명하기에 훨씬 유리합니다.

제조 AI 지원사업, 과제를 준비하며 저희가 확인한 것

2026년 공고에는 한도만큼 중요한 신청 요건이 있었습니다.

• 스마트공장 사업관리시스템에서 확인되는 사업장이어야 합니다.
• 동일·유사한 사업계획으로 다른 정부 지원을 받고 있으면 신청할 수 없습니다.
• AI 공장 구축 유형은 과제가 끝났을 때 고도화 수준 ‘중간 1’ 이상을 달성해야 합니다.

접수 기간 한 달 안에 이 요건을 챙기며 사업계획서까지 쓰기는 쉽지 않습니다. 실제로 도입 의지가 분명했는데도 필수 절차를 기한 안에 마치지 못해 신청을 미룬 경우가 있었습니다. 저희가 공고 전에 끝내 두기를 권하는 것은 세 가지입니다.

1. 잡고 싶은 불량과 데이터 정하기
지금 설비가 찍는 불량과 정말 잡고 싶은 불량은 다른 경우가 많습니다. 이물은 기존 영상에 잘 잡히는데, 손실이 가장 큰 불량은 이미지가 한 장도 없는 식입니다. 이 차이가 신청 유형과 설비 범위를 정합니다. 목표 불량은 되도록 하나나 두 개로 좁히고, 그 불량이 한 달에 얼마나 나오고 어떤 손실로 이어지는지까지 적어 두면 사업계획서의 필요성 항목을 그대로 채울 수 있습니다.

2. PoC로 검출 가능성 확인하기
현장 방문 후 기존 장비 이미지로 1주 남짓 1차 검토를 하고 PoC를 진행합니다. 여기서 확인한 결과가 사업계획서 목표와 ROI의 근거가 됩니다. PoC 없이 쓴 계획서는 평가에서도, 수행 중에도 목표가 흔들리기 쉽습니다. 기존 장비 이미지로 잡히지 않는 불량이 있다면, 추가 촬영이나 조명 변경이 필요한지도 이 단계에서 판단합니다.

3. 공급기업과 역할 나누기
제조 AI 지원사업은 공급기업의 역량도 함께 봅니다. AI 통합 바우처는 수요기업과 공급기업이 컨소시엄으로만 신청할 수 있고, 평가 항목에 솔루션 우수성·참여 인력·후속 지원 계획 같은 공급기업 역량이 들어갑니다. 그래서 비전 설비사, AI 공급기업, 데이터 연동 기업이 역할을 나눠 함께 제안하는 경우가 많습니다. 누가 설비를 만들고, 누가 AI 판정과 재학습을 맡고, 결과를 어디에 보여 줄지까지 공고 전에 정해 두면 계획서가 빨라집니다.

준비 항목	권장 시점	결과물
목표 불량·데이터 점검	공고 2~3개월 전	목표 불량 정의, 신청 유형 결정
PoC	공고 1~2개월 전	검출 가능성, 과제 목표 수치
공급기업·역할 분담	공고 전	컨소시엄 구성, 적용 범위(샘플 라인)

SAIGE VISION은 이 흐름에서 PoC와 구축을 맡습니다. 딥러닝으로 형태가 일정하지 않은 결함까지 판정하고, 쓰던 검사기 뒤에 AI 판정을 붙이는 방식으로도 적용됩니다. 다음 공고에서 선정되는 공장은 공고 전에 이 세 가지를 끝낸 공장일 가능성이 높습니다.

제조 AI 지원사업 과제, SAIGE VISION으로 설계하면 달라지는 것

지원사업 과제는 선정보다 수행이 더 어렵다는 이야기를 자주 듣습니다. 9개월 안에 설비를 만들고, 모델을 학습시키고, 목표 성능까지 검증해야 하기 때문입니다. 저희가 과제를 설계할 때 SAIGE VISION으로 먼저 챙기는 것은 두 가지입니다.

• 기존 장비 연동: 쓰던 검사기나 카메라의 이미지를 그대로 받아 AI 판정을 붙일 수 있는지 확인합니다. 연동이 가능하면 설비 교체 범위와 사업비가 함께 줄어듭니다.
• MLOps 기반 플랫폼 (SAIGE VISION Enterprise): 검사 이미지와 판정 결과, 수량 통계를 SAIGE VISION Enterprise 한 곳에서 관리하고, 여기서 쌓인 현장 데이터로 모델을 다시 학습·배포하는 흐름(MLOps: 모델의 학습·배포·개선을 반복 운영하는 체계)까지 처음부터 연결합니다. 과제 검수 때 성과를 증빙하는 자료가 이 플랫폼에서 나오고, 과제가 끝난 뒤에도 신제품이나 새 결함에 계속 대응할 수 있습니다.

이 방식은 지원사업 밖에서도 검증했습니다. 가전부품용 필름 검사에서는 전수검사 전환으로 연간 약 10억 원의 불량 손실을 줄일 기반을 마련했습니다. PCB 외관검사에서는 기존 검사기 뒤에 AI 필터를 붙이고 SAIGE VISION Enterprise로 검사 데이터를 통합 관리해 과검 재확인 대상을 줄였습니다.

© SAIGE All Rights Reserved.