알림 목록

분석지역:경상남도 18개 시·군
핵심산업: 기계·방산·조선·우주항공·자동차부품·스마트제조
분석의제: AI 교육의 확산과 제조 AX 인재 공급망의 실제 연결 여부
Golden Time Type:Educational Infrastructure Opportunity + Industrial Talent Pipeline Risk
Version: Regional AX Golden Time Intelligence v3.2 강화기준
기준일: 2026.08.28
 

경남교육청은 2021년부터 AI·빅데이터 기반 교육 플랫폼 ‘아이톡톡’을 운영했고, 2025년 기준 약 30만 개 교육 콘텐츠와 7TB 이상의 학습정보를 축적했다. 2026년 4월에는 도내 초·중·고 998개교 중 887개교가 연계 AI 수학 서비스에 등록해 89%의 학교 확산률을 기록했다. AI 기반 교수학습 인프라는 광역교육청 단위에서 상당한 규모로 확산됐지만, 이 데이터가 스마트제조·항공·조선·방산의 직무역량과 연결된 Evidence는 확인되지 않는다. 2026~2028년에도 교과 학습데이터와 산업 직무데이터가 분리되면 AI 교육 이용률은 상승해도 제조 AX 인재 공급력은 별도로 정체된다. 경남교육의 AI 학습 인프라는 선도권에 진입했지만 제조 AX 인재체계는 아직 동일 단계에 도달하지 않았다. (전자신문, 조선에듀)

경남교육청은 항공·스마트제조·조선·미래차·의생명·승강기·나노반도체를 직업교육 혁신지구의 전략 분야로 설정했고, 최근 3년 동안 14개 직업계고 18개 학과를 AI·스마트제조·AIoT·항공 등으로 재구조화했다. 2025년에는 AI융합팩토리·AI자동제어시스템·AI콘텐츠·바이오식품 4개 학과를 갖춘 양산인공지능고가 개교했고, 첫 신입생 126명 모집에 302명이 지원해 2.4대 1의 경쟁률을 기록했다. 학교와 학과의 명칭은 산업전환 방향으로 이동했지만 실제 기업 과업, 프로젝트 수행능력, 졸업 후 제조업 취업과 지역잔존을 연결한 성과는 아직 축적기간이 짧다. 2026~2028년은 학과 재구조화의 명칭이 실제 직무역량으로 검증되는 첫 구간이다. 경남의 제조 AX 인재교육은 확산 전 단계가 아니라 검증 전 단계로 판정한다. (경남교육청, 연합뉴스)

2025년 경남 직업계고 졸업자는 3,139명, 취업자는 895명, 취업률은 55.9%였다. 전국 취업률 55.2%보다 0.7%포인트 높았지만 전년보다 3.6%포인트 하락했고, 대학 진학률도 44.9%로 전년보다 2.8%포인트 낮아졌다. 직업계고의 미래산업 학과는 확대됐지만 졸업자의 노동시장 진입은 동시에 약화된 구조다. 취업자의 산업·기업규모·직무·임금·1년 및 3년 유지취업·경남 잔존을 함께 보여주는 지역 Evidence가 부족하다. 향후 2~3년 동안 학과 개편보다 취업경로의 약화가 빠르면 제조 AX 인재정책은 학생 모집 단계에서 산업 공급망으로 내려가지 못한다. 현재 Golden Time은 Educational Infrastructure Opportunity + Industrial Talent Pipeline Risk다. (교육부, 경남도민일보 보도)

경남은 창원의 기계·방산·원전, 거제의 조선, 사천의 우주항공, 김해·양산의 자동차부품·기계·스마트제조를 동시에 보유한다. 창원국가산단만 2024년 생산 62조2,230억 원, 수출 184억2,900만 달러, 3,216개 기업, 고용 12만289명 규모다. 산업구조가 단일 제조기술에서 기계·전자·소프트웨어·데이터·품질·공급망이 결합된 복합기술 구조로 이동했지만 학교 교육은 교과·학과·자격 단위로 분리돼 있다. 산업별 실제 과업과 학생 역량을 같은 분류체계로 비교한 데이터가 없다. 2026~2028년 대형 수주가 생산으로 전환되는 동안 교육과정의 직무 반영이 늦어지면 산업 호황과 신규 인재공급의 시차가 확대된다. 경남은 제조 AX를 실증할 산업현장은 충분하지만 이를 교육과정으로 번역하는 속도는 미확인이다. (연합뉴스)

경남 직업교육 혁신지구는 항공, 스마트제조, 조선, 미래차·의생명, 승강기, 나노반도체 등으로 분야를 넓혔다. 이는 지역 산업과 직업교육의 외형적 대응범위가 일치하기 시작한 Evidence다. 그러나 분야별 학생 수, 산업체 프로젝트 참여율, 관련 직무 취업률, 협약기업 근속률은 통합 공개되지 않는다. 교육 분야의 수와 산업 분야의 수가 일치해도 학생 한 명이 입학에서 취업까지 통과하는 경로는 검증되지 않는다. 2~3년 뒤에도 분야별 사업성과가 참여자·협약기관 수로 남으면 인재공급의 실효성은 판정되지 않는다. 경남 직업교육은 산업 포트폴리오 대응력은 확보했지만 인재 파이프라인 완성도는 확인되지 않았다. (경남교육청)

경남의 AI 교육은 일반 초·중·고의 학습 플랫폼과 직업계고의 산업교육이라는 두 축으로 진행된다. 아이톡톡은 광범위한 학생 학습데이터를 축적하고, 직업계고는 산업별 실습과 취업을 담당한다. 두 축 사이에 수학·과학·정보 학습역량이 제조설계·자동제어·품질분석·예지정비 역량으로 이어지는 연결지표가 없다. 2~3년 동안 플랫폼 학습과 직업교육이 별도 체계로 운영되면 일반고 학생의 제조 AX 진입경로와 직업계고 학생의 AI 기초역량이 동시에 불명확해진다. 경남교육은 AI 학습체계와 제조 인재체계를 모두 보유하지만 하나의 교육 공급망으로 연결됐다는 Evidence는 부족하다.

양산인공지능고는 2025년 3월 AI융합팩토리과, AI자동제어시스템과, AI콘텐츠과, 바이오식품과를 설치하고 개교했다. 21학급 378명 수용 규모와 실제 산업현장을 모사한 실습시설도 구축됐다. AI 특화학교라는 교육 인프라는 형성됐지만 첫 졸업생은 아직 배출되지 않아 제조업 취업률·직무적합도·기업평가·지역잔존 성과가 존재하지 않는다. 2026~2028년은 교육시설의 완공과 인재성과 사이에 최초의 검증 데이터가 쌓이는 시기다. 양산인공지능고는 성공모델이 아니라 성과검증이 시작된 선행모델로 판정한다. (경남교육청)

최근 3년간 경남 14개 직업계고 18개 학과가 AI·스마트제조·AIoT·항공 등으로 개편됐고, 2026년에는 다시 5개 학교 5개 학과가 재구조화 사업에 선정됐다. 학과 개편의 속도는 확인되지만 교원 전공전환, 산업용 장비의 현장 동일성, 기업 데이터 접근, 프로젝트 평가방식의 변화는 학교별로 공개되지 않는다. 학과명 변경과 수업과업 변경 사이의 GAP이 확인된다. 2~3년 동안 개편 학과가 기존 교과에 AI 과목을 추가하는 수준에 머물면 제조 AX의 융합역량은 형성되지 않는다. 현재 학과 재구조화는 양적 확산 단계이며 교육내용의 산업 동기화 수준은 학교별 판정이 불가능하다. (연합뉴스)

2025년 전국 직업계고 졸업자 취업률은 55.2%, 300인 이상 기업 취업자 비중은 36.3%, 1차 유지취업률은 83.1%, 2차 유지취업률은 68.2%였다. 취업률만으로는 취업의 질을 판정하지 않고 기업규모와 유지취업률을 함께 보는 국가 통계구조가 형성됐다. 경남은 지역 취업률 55.9%는 확인되지만 제조업 취업 비중, 300인 이상 기업 취업 비중, 유지취업률, 도내 취업률이 하나의 표로 공개되지 않는다. 2026~2028년에도 총취업률만 제시되면 미래산업 학과 개편이 양질의 제조업 진입으로 이어졌는지 확인되지 않는다. 경남 직업교육의 정책 확산보다 결과 Evidence의 세분화가 뒤처져 있다. (교육부)

제조업의 AI 전환은 설비 자동화에 머물지 않고 설계, 공정계획, 품질검사, 예지정비, 생산일정, 공급망, 안전관리까지 확장되고 있다. 생산직과 기술직의 경계가 약해지고 기계·전기·전자 지식에 데이터 해석과 AI 검증능력이 결합되는 구조다. 경남 직업교육의 학과 개편은 이 변화의 방향을 반영했지만 산업현장에서 사용되는 데이터·소프트웨어·설비와 학교 실습의 일치도는 공개되지 않는다. 향후 2~3년 동안 기업의 AX 도입이 학교 장비와 교원 재교육보다 빨라지면 졸업 시점의 기술은 이미 현장 기준에 뒤처진다. 제조 AX 인재의 시간위험은 교육 부족보다 교육내용의 짧아진 유효기간에서 발생한다.

한국은행은 2022~2026년 감소한 청년 일자리 28만5천 개 가운데 26만8천 개, 94%가 AI 고노출 업종에서 발생했다고 분석했다. 정보서비스업 청년고용은 31.4%, 컴퓨터 프로그래밍업은 16.6%, 전문서비스업은 11.6% 감소한 반면 같은 업종의 50대 고용은 증가했다. AI는 경험이 축적된 노동자를 보완하면서 초기 경력자가 담당하던 과업을 먼저 압축하는 구조변화로 나타났다. 경남교육에는 제조업 초급직무 중 소멸과업과 신규과업을 구분하는 상시 Evidence가 없다. 2~3년 안에 엔트리 직무가 재설계되지 않으면 학생은 AI를 배워도 첫 경력을 얻지 못한다. 경남 제조교육의 위험은 AI를 가르치지 않는 데 있지 않고 AI 도입 이후 남는 첫 직무를 특정하지 못하는 데 있다. (한국은행)

생성형 AI와 산업용 AI의 확산은 지식 습득보다 문제정의·데이터 검증·현장판단의 비중을 높인다. 아이톡톡은 학생별 학습분석과 콘텐츠 추천을 수행하지만 제조현장의 불량·고장·납기·안전 문제를 다루는 프로젝트 데이터와 연결되지 않는다. 교육용 AI 사용능력과 산업용 AI 문제해결능력 사이에 검증 GAP이 존재한다. 2026~2028년 AI 도구 이용이 보편화되면 단순 활용교육의 차별성은 사라지고 실제 현장문제를 해결한 경험만 남는다. 경남교육의 경쟁력은 AI 이용률이 아니라 제조문제 해결이력으로 판정되는 단계에 진입했다.

아이톡톡은 교육과정·수업·평가·기록을 연결하는 AI·빅데이터 교수학습 플랫폼으로 운영되고 있으며 약 30만 개의 콘텐츠와 7TB 이상의 학습정보를 보유한다. 2026년 AI 수학 등록 학교 비율 89%는 일반 교과의 AI 활용이 일부 시범학교를 넘어 광역 단위로 확산됐다는 Evidence다. 그러나 플랫폼에서 축적된 수학·과학·정보 역량이 직업계고 학과 선택, 산업 프로젝트, 기업 채용으로 이어지는 연결은 확인되지 않는다. 2~3년 동안 교육데이터가 교과 안에만 머물면 제조 AX 인재 예측에는 사용되지 못한다. 아이톡톡은 AI 교육 인프라로는 확산됐지만 산업인재 인프라로의 확장은 미확인이다.

직업교육 혁신지구는 지자체·교육청·학교·대학·기업을 항공·스마트제조·조선 등 지역 전략산업별로 연결한다. 협력위원회와 지원센터가 존재하고 산업별 맞춤형 기술인재 양성을 명시했다. 그러나 협약기업이 제공한 실제 과업 수, 기업 전문가의 수업 참여시간, 학생 프로젝트의 현장 적용률, 채용전환율은 통합 공개되지 않는다. 참여기관의 연결과 교육과업의 연결 사이에 GAP이 남는다. 2026~2028년 협력체계가 회의·협약·현장견학 중심으로 유지되면 산업 변화속도를 교육과정에 반영하지 못한다. 현재 산학협력은 조직구조는 존재하지만 Runtime 강도는 판정 불가다. (경남 직업교육 혁신지구 지원센터)

경남형 RISE는 지역주력산업 수요 맞춤형 인재와 지역정주 인재 양성을 목표로 대학지원체계를 재편했고, 6개 대학을 대상으로 2024~2028년 최대 3,400억 원의 지원계획이 제시됐다. 고교 직업교육과 대학 고급인재 양성이 모두 지역산업을 지향하지만 고교→전문대·대학→기업으로 이어지는 공동 성과지표는 확인되지 않는다. 교육청과 도청의 인재정책 사이에 학습·진학·취업 데이터의 연결 GAP이 존재한다. 2~3년 동안 RISE와 직업교육 혁신지구가 별도 성과체계를 유지하면 동일 산업을 위한 인재사업이 서로 다른 공급망으로 고착된다. 경남의 인재정책은 교육단계별 사업은 존재하지만 전 생애 파이프라인은 미완성이다. (경상남도 청년정보플랫폼)

2025년 전국 직업계고 졸업자 5만9,661명 가운데 취업자는 1만5,296명, 진학자는 2만9,373명이었다. 취업률은 55.2%였지만 진학률은 49.2%로 상승해 직업계고가 즉시 취업만을 위한 교육체계에서 취업·진학이 병존하는 경로로 바뀌고 있다. 경남은 취업률 55.9%로 전국보다 소폭 높았지만 전년 대비 하락폭은 3.6%포인트로 전국 하락폭 0.1%포인트보다 컸다. 제조업 강도가 높은 지역임에도 직업계고 취업이 더 크게 약화된 원인을 산업·학과별로 설명하는 Evidence가 없다. 2~3년간 이 역행이 지속되면 제조업 집적이 직업교육의 취업우위로 이어진다는 전제가 무너진다. 경남은 제조업 기반에 비해 직업교육 노동시장 성과가 안정적 우위에 있지 않다. (한국교육개발원)

전국 직업계고의 300인 이상 기업 취업자 비중은 2021년 22.5%에서 2025년 36.3%로 상승했고, 2차 유지취업률도 68.2%로 개선됐다. 직업교육 성과의 판정축이 취업 여부에서 기업규모·고용지속성으로 이동한 구조다. 경남은 총취업자 895명은 확인되지만 대기업·중견기업·중소기업 분포와 원청·협력사 간 격차가 공개자료에서 분리되지 않는다. 2026~2028년 학과 개편 졸업자가 배출돼도 취업의 질이 공개되지 않으면 전국 대비 위치는 총취업률로만 오인된다. 경남교육은 교육과정의 미래산업 전환보다 결과지표의 미래 전환이 늦다.

경남은 시·도 단위 자체 AI 교수학습 플랫폼을 운영하고 89%의 학교 등록률을 확보했다. 일반 AI 교육 인프라의 확산 수준은 상대적으로 높지만 제조업 특화 프로젝트, 산업체 데이터, 디지털트윈 실습, 기업 공동평가의 광역 표준은 확인되지 않는다. 범용 AI 교육 선도성과 제조 AX 교육 선도성 사이에 GAP이 존재한다. 2~3년 동안 다른 지역이 산업체 중심 프로젝트와 채용을 직접 연결하면 경남의 플랫폼 선도는 산업인재 선도로 확장되지 않는다. 경남교육의 전국적 강점은 AI 학습 기반이며 제조 AX 결과는 아직 비교 가능한 단계가 아니다.

도내 998개교 중 887개교가 AI 수학 서비스에 등록한 반면 최근 3년간 미래산업 중심으로 재구조화된 직업계고는 14개교, 18개 학과다. 범용 AI 학습은 대부분 학교로 확산됐지만 산업 특화교육은 제한된 학교·학과에 집중된 구조다. 일반고·중학교에서 축적된 AI 학습역량이 직업교육과 제조업 진로로 이동하는 비율은 확인되지 않는다. 2~3년 동안 두 체계 사이의 진로 연결이 없으면 AI 교육의 저변 확대와 제조 인재 부족이 동시에 지속된다. 경남은 AI를 접하는 학생은 빠르게 늘었지만 제조 AX 경로에 진입하는 학생의 증가는 판정할 수 없다.

양산인공지능고는 첫해 126명 모집에 302명이 지원했고, 경남 전체 직업계고 졸업자는 3,139명, 취업자는 895명이었다. 특정 AI 특화학교에 대한 수요는 높지만 전체 직업계고의 취업성과는 하락했다. 미래산업 교육에 대한 학생·학부모의 관심과 졸업 후 노동시장의 흡수력이 같은 속도로 움직이지 않는 구조다. 학교 지원경쟁률과 산업 채용수요를 연결한 중장기 Evidence가 없다. 2026~2028년 AI 특화학과 지원은 늘고 양질의 첫 취업은 늘지 않으면 학과 선호가 다시 대학 진학이나 도외 이동으로 전환된다. 입학 단계의 기대는 확인됐지만 취업 단계의 보상은 미검증이다.

창원산단 고용 12만289명과 경남 직업계고 취업자 895명은 산업고용 총량과 신규 고졸 인재공급 사이의 규모 차이를 보여준다. 두 수치는 조사대상과 범위가 달라 직접 고용비율로 환산할 수 없지만, 산단의 연령별 퇴직 전망과 직업계고 신규진입을 연결하지 못한다는 데이터 GAP은 확인된다. 2~3년 뒤 베이비붐 숙련인력의 퇴직이 확대되면 총고용 통계보다 직무별 대체인력 부족이 먼저 나타난다. 경남은 현재 고용 규모는 측정하지만 다음 숙련세대의 충원 가능성은 측정하지 못한다.

가장 큰 GAP은 AI를 배우는 교육과 AI로 제조업 문제를 해결하는 교육 사이의 분리다. 아이톡톡은 학습성취와 교과 데이터를 축적하고 직업계고는 실습·자격·취업을 운영하며 기업은 생산·품질·설비 데이터를 보유한다. 세 데이터는 학생의 역량과 산업 문제해결 결과를 동일한 Evidence로 연결하지 않는다. 2026~2028년 AI 활용이 보편역량으로 바뀌면 단순 도구 사용교육은 경쟁력을 잃고 실제 제조문제 해결이력만 채용신호로 남는다. 경남교육은 AI 사용자를 대규모로 만들 준비도는 높지만 제조 AX 문제해결자를 검증할 준비도는 낮다.

두 번째 GAP은 교원의 산업 AX 전환속도다. 최근 3년 동안 18개 학과가 신산업 중심으로 개편됐고 2026년에도 5개 학과가 추가 선정됐다. 학과 개편 속도에 비례한 교원 산업체 파견, 데이터·AI 재교육시간, 산업자격, 공동 프로젝트 수행성과는 공개되지 않는다. 실습장비와 학과명은 단기간에 바뀌어도 교사의 직무지식은 장기 축적이 필요한 구조다. 2~3년 안에 교원 역량 GAP이 줄지 않으면 최신 장비가 기존 방식의 실습에 사용된다. 경남 제조 AX 교육의 병목은 학생 수보다 교과와 현장을 번역하는 교원 역량일 가능성이 크다.

세 번째 GAP은 졸업 후 추적이다. 국가 통계는 취업률과 유지취업률을 제시하지만 경남의 산업별·직무별·지역별 장기잔존 성과는 공개되지 않는다. 학과 개편이 성공했는지 판단하려면 취업 여부보다 1년·3년 근속, 임금상승, 직무전환, 경남 잔존을 확인해야 하지만 현재 공개 Evidence는 총취업률에 머문다. 2026~2028년 첫 졸업 코호트를 놓치면 학과별 교육효과를 이후 정책변화와 분리하기 어려워진다. 성과추적의 Golden Time은 졸업생이 배출된 뒤가 아니라 첫 코호트가 입학한 현재부터 진행 중이다.

아이톡톡은 약 30만 개 콘텐츠와 7TB 이상의 학습정보를 축적했고 AI 수학은 도내 학교의 89%가 등록했다. 교육데이터 인프라와 학교 접근성은 광역 단위로 확산된 상태다. 그러나 산업체 과업·직무·채용·근속 데이터와의 연계 범위는 확인되지 않는다. 교육데이터 규모와 산업인재 판별력 사이의 GAP이 남는다. 2~3년 동안 학습정보만 누적되면 데이터는 커지지만 제조업 인재예측의 정확도는 높아지지 않는다. 교육 인프라 준비도는 상, 제조업 데이터 연계 준비도는 하로 판정한다.

양산인공지능고와 14개교 18개 재구조화 학과는 스마트제조·자동제어·AIoT·항공 분야의 교육거점을 형성했다. 거점은 증가했지만 실습장비의 산업현장 동일성, 교원 전문성, 기업 공동수업의 강도는 학교별로 다르고 통합 Evidence는 없다. 학교 설치와 교육품질 표준 사이의 GAP이 확인된다. 2026~2028년 학교 간 차이가 누적되면 동일한 AI·스마트 명칭 아래 역량 수준이 달라진다. 거점 확산은 진행 중이지만 교육품질의 광역 표준화는 미확인이다.

직업교육 혁신지구와 RISE는 교육청·도청·학교·대학·기업의 제도적 연결을 각각 보유한다. 협력구조는 존재하지만 고교 학습이력과 대학 교육, 기업 채용을 연결한 공통 식별체계와 공동 성과지표는 확인되지 않는다. 기관 연결과 데이터 연결 사이의 GAP이 남는다. 2~3년 동안 별도 거버넌스가 유지되면 같은 학생과 같은 기업이 여러 사업의 참여자로 중복 집계된다. 제도 준비도는 중상, 통합 Runtime 준비도는 하로 판정한다.

2025년 경남 직업계고 졸업자 3,139명 가운데 취업자는 895명이고 취업률은 55.9%였다. 미래산업 교육정책이 확대되는 동안 취업률은 전년보다 3.6%포인트 하락했다. 단년도 수치만으로 정책효과를 인과판정할 수 없지만 정책 확산과 노동시장 성과가 같은 방향으로 움직이지 않았다는 Evidence는 확인된다. 산업·학과·기업규모별 분해자료가 없어 하락 원인을 제조경기·진학·직무 미스매치로 구분하지 못한다. 2~3년간 이 분해가 없으면 학과 개편의 현장 확산 여부도 판정되지 않는다. 학생에게 내려간 것은 학과와 교육기회이며 취업 프리미엄의 확산은 미확인이다.

경남 직업교육 혁신지구는 항공·스마트제조 등에서 기업·기관·학교 협력위원회를 운영한다. 기업 참여의 제도적 통로는 존재하지만 학생이 실제 기업 데이터를 다룬 시간, 기업 전문가의 평가 비율, 프로젝트 이후 채용전환 규모는 공개되지 않는다. 기업이 협력기관으로 등록된 상태와 교육과정의 공동 생산자로 참여한 상태가 구분되지 않는다. 2026~2028년 이 차이가 유지되면 산학협력의 외형은 커져도 기업이 체감하는 신입사원의 현장적응기간은 줄지 않는다. 기업까지 내려간 협약은 확인되지만 기업 과업까지 내려간 교육은 판정 불가다.

양산인공지능고 첫 모집 경쟁률 2.4대 1은 학생·학부모의 AI 특화교육 수요를 보여준다. 그러나 학교 선택의 기대가 3년 뒤 경남 제조기업 취업과 장기근속으로 연결될지는 아직 Evidence가 없다. 입학 경쟁과 노동시장 보상 사이의 시차 GAP이 존재한다. 첫 졸업 코호트가 형성되는 2027~2028년에 취업의 질이 확인되지 않으면 초기 기대는 학교 브랜드에 머문다. 교육 수요의 확산은 확인됐지만 산업인재 공급의 확산은 아직 발생하지 않았다.

창원은 기계·방산·원전, 사천은 우주항공, 거제는 조선, 김해·양산은 기계·자동차부품·스마트제조와 연결된다. 직업교육 역시 산업거점 주변 학교를 중심으로 특화되지만 학생의 거주지와 학교, 실습기업, 취업기업을 잇는 이동 Evidence는 공개되지 않는다. 산업이 없는 군지역 학생은 통학·기숙·이주비용을 먼저 부담하는 구조다. 2~3년 동안 거점학교 중심의 개편이 지속되면 교육 접근성 차이가 산업 진입기회의 차이로 고착된다. 경남 제조 AX 교육의 공간격차는 학교 수보다 산업현장까지의 접근거리에서 커지고 있다.

양산인공지능고는 동부경남의 산업·인구 밀집지역에 위치하고 창원기계공고는 중부 제조축에 자리한다. 반면 함양제일고의 AI에너지과 개편은 서부 내륙에서 신산업 교육거점을 형성하려는 변화다. 학과 설치는 분산되고 있지만 지역 기업의 채용수요와 장비·전문교원·프로젝트 파트너의 밀도는 동일하지 않다. 학교의 지역 배치와 산업생태계의 지역 배치 사이에 GAP이 남는다. 2026~2028년 학생이 교육은 지역에서 받고 취업은 외부에서 하면 학과 분산이 지역인재 잔존으로 이어지지 않는다. 서부경남의 교육거점 확산은 확인됐지만 산업 흡수력은 미검증이다.

거제·사천은 국가급 앵커기업을 보유하지만 산업구조의 단일 의존성이 크고, 창원·김해·양산은 상대적으로 다양한 기업군을 보유한다. 학생이 한 산업의 경기변동 이후 도내 다른 산업으로 직무를 전환한 Evidence는 확인되지 않는다. 도시별 특화교육과 도 전체 경력 이동망 사이의 GAP이 존재한다. 2~3년 동안 교육이 단일 산업 맞춤형으로 고정되면 산업 하강기에 학생의 숙련도 함께 지역 밖으로 이동한다. 경남의 산업별 특화교육은 진행 중이지만 도내 전환 가능한 공통역량 체계는 미확인이다.

최근 3년간 14개교 18개 학과가 미래산업 중심으로 개편됐고 양산인공지능고는 2025년 첫 학생을 선발했다. 2026년에는 다시 5개교 5개 학과가 재구조화 사업에 선정됐다. 현재는 투자·교원연수·교과·기업협력이 첫 졸업성과로 굳어지기 전 단계다. 직무·프로젝트·취업·잔존 Evidence를 처음부터 연결하지 않으면 졸업 후에는 교육과정별 효과를 복원하기 어렵다. 2026~2028년은 최초 코호트의 변화가 관측되는 유일한 기준선 구간이다. 지금은 학과를 더 만들 시점으로 판정되지 않고 이미 만든 학과의 산업전환력을 검증할 시점으로 판정한다.

전국 AI 고노출 업종의 청년 일자리 감소 가운데 94%가 AI 고노출 업종에서 발생했다. 제조업에서도 초급 설계보조·문서화·검사기록·기초분석 과업은 AI와 자동화의 직접 영향을 받는다. 경남의 재구조화 학과가 양성하는 학생은 졸업과 동시에 자동화 이후의 노동시장에 진입한다. 기존 직무명과 실제 잔존과업 사이의 GAP이 커지고 있지만 이를 반기 단위로 갱신하는 Evidence는 없다. 2~3년 뒤 첫 졸업생이 배출될 때 입학 당시 설계한 직무가 축소돼 있을 위험이 존재한다. Golden Time의 종료는 학교 개편의 완료가 아니라 교육과정이 산업변화보다 한 세대 늦어지는 순간이다.

경남의 방산·조선·우주항공 수주 확대는 2026~2028년 생산과 인력수요로 전환된다. 현재 인재교육이 이 수요와 맞으면 졸업생이 산업 호황기에 진입하지만, 맞지 않으면 기업은 외부 경력자·외국인력·자동화로 공백을 보충한다. 수주 일정과 학교별 졸업인력의 전공·역량·채용시점을 연결한 Evidence가 없다. 호황기에 형성되지 않은 청년 진입경로는 불황기에는 더 좁아진다. 현재 산업 호황기는 경남교육의 제조 AX 적합성을 판정할 마지막 우호적 시장구간이다.

12-1. Golden Time 기초지자체 적용 사례 ① — 양산시

양산인공지능고는 2025년 AI융합팩토리·AI자동제어시스템·AI콘텐츠·바이오식품 4개 학과, 학년당 126명, 총 21학급 378명 규모로 개교했다. 첫 모집에는 302명이 지원해 2.4대 1의 경쟁률을 기록했고 실제 산업현장을 모사한 실습시설도 구축됐다. AI 특화교육의 학생 수요와 물리적 인프라는 확인됐지만 양산·김해 제조기업의 실제 데이터, 공동 프로젝트, 채용약정, 졸업 후 근속성과는 아직 확인단계에 도달하지 않았다. 첫 졸업생이 배출되는 2027~2028년까지 이 GAP이 유지되면 학교의 AI 브랜드와 지역 제조업의 AX 인력수요가 분리된다. 양산의 Golden Time은 학교 개교가 아니라 첫 졸업 코호트가 지역 제조업에 흡수되는지 판정하는 기간이다. (경남교육청)

12-2. Golden Time 기초지자체 적용 사례 ② — 창원시

창원기계공고는 2026년 협약형 특성화고와 학과 재구조화 사업에 선정됐고 AI스마트기계과를 중심으로 지역 산업체 맞춤형 실무교육 확대가 예정됐다. 창원에는 3,216개 기업과 12만 명 이상의 산단 고용이 존재해 기업 협력의 물리적 기반은 경남에서 가장 크다. 그러나 방산·원전·기계 원청과 협력사가 요구하는 과업을 공동 교육과정으로 반영한 비율, 학생의 프로젝트 참여, 채용전환, 3년 근속 Evidence는 아직 제시되지 않았다. 2026~2028년 협약형 특성화고가 기업명단과 시설투자 중심으로 운영되면 창원의 산업 규모는 교육성과로 내려가지 않는다. 창원은 기업 부족지역이 아니라 기업 집적을 학생의 경력사다리로 전환했는지 검증받는 지역이다. (연합뉴스)

경남 직업계고 취업률은 2025년 55.9%로 전국 평균보다 소폭 높았지만 전년보다 3.6%포인트 하락했다. 동시에 제조업은 AI·자동화·디지털 품질 중심으로 재편되고 있다. 교육과 노동시장 사이의 GAP이 유지되면 졸업생은 첫 직무를 얻지 못하고 기업은 경력자 부족을 반복한다. 첫 취업 실패는 이후 직무경력·임금·지역잔존 격차로 누적된다. 2~3년의 입직 지연은 2030년 전후 중간숙련자 공백으로 전환된다. 현재 놓치는 대상은 취업자 수가 아니라 제조 AX의 다음 숙련세대다.

AI 고노출 업종에서 청년고용은 감소하고 50대 고용은 증가했다. 이 경험자 편향이 제조업까지 확대되면 기업은 기존 숙련자에게 AI를 결합하고 신규 청년 채용을 줄이는 방식으로 전환한다. 학교에는 자동화로 사라진 초급과업과 새로 생긴 초급과업을 구분한 Evidence가 없다. 2026~2028년 엔트리 직무가 축소된 뒤에는 학생의 현장경험 자체가 생성되지 않는다. 경남교육이 놓치는 것은 AI 지식이 아니라 청년이 숙련자로 성장할 첫 번째 작업권이다.

제조업 특화교육이 단일 앵커기업이나 현재 수주에 과도하게 맞춰지면 산업 하강기에는 숙련의 이동성이 낮아진다. 경남은 기계·방산·조선·우주항공이라는 복수 산업을 보유하지만 학생의 공통역량과 산업 간 직무전환 Evidence는 없다. 2~3년 동안 산업별 폐쇄형 교육이 고착되면 한 산업의 충격이 졸업생의 도외 이동으로 직결된다. 지금 형성되지 않은 산업 간 이동성은 미래 경기충격에서 교육투자의 회수 가능성을 낮춘다.

아이톡톡의 7TB 이상 학습정보, 89%의 AI 수학 등록학교, 14개교 18개 재구조화 학과, 양산인공지능고, 직업교육 혁신지구와 RISE가 동시에 존재한다. 교육·산업 연결을 판정할 수 있는 기초 접점은 이미 형성돼 있다. 그러나 동일 학생의 학습·프로젝트·취업·근속·지역잔존을 관통하는 Evidence는 없다. 2026~2028년 최초 코호트의 시간축이 확보되면 분산사업을 비교할 수 있는 기준선이 처음 생성된다. 현재 확보 가능한 가장 큰 자산은 신규 교육시설이 아니라 제조 AX 인재경로의 관측 가능성이다.

창원·양산·김해·거제·사천은 서로 다른 제조산업과 기업구조를 보유하고 서부 내륙에도 AI에너지 등 새로운 학과가 등장했다. 동일한 AI 기초역량이 스마트기계·항공·조선·에너지로 이동할 수 있는 지역적 조건은 존재한다. 그러나 실제 학생의 산업 간 이동과 기업 간 숙련 인정은 확인되지 않는다. 2~3년 안에 이 이동 Evidence가 생성되면 산업별 교육은 폐쇄형 전공이 아니라 도내 경력시장으로 판정된다. 현재 얻을 수 있는 구조적 자산은 산업 하나에 맞춘 인력이 아니라 여러 산업에서 가치가 유지되는 숙련이다.

2027~2028년에는 양산인공지능고를 비롯한 개편 학과의 첫 졸업성과가 나타난다. 초기 코호트는 교육과정·교원·장비·기업협력의 효과를 가장 명확하게 비교할 수 있는 집단이다. 이 시기의 취업직무·임금·근속·지역잔존 데이터가 누락되면 이후 코호트는 추가 정책과 경기변동이 섞여 인과판정이 어려워진다. 지금 확보 가능한 시간자산은 최초 졸업생의 성과를 왜곡 없이 검증할 수 있는 기준선이다.

AX 대응의 범위는 AI 교과와 코딩 수업의 추가가 아니다. 교육과정→산업과업→프로젝트→첫 취업→근속→직무전환→지역잔존을 하나의 Evidence Chain으로 연결하는 구조다. 학교의 AI 이용률이 상승해도 관련 직무 취업과 유지취업이 개선되지 않으면 제조 AX 인재성과로 판정하지 않는다.

첫 Runtime은 양산인공지능고와 최근 재구조화된 18개 학과의 학생을 기준 코호트로 설정한다. 입학 당시 역량, 학년별 프로젝트, 기업평가, 취업직무, 초임, 1년·3년 근속, 경남 잔존을 동일 시간축으로 연결한다. 일반고 학생에게는 아이톡톡의 수학·과학·정보 학습이 제조 AX 진로와 연결되는 경로를 별도 추적한다.

실패조건은 AI 수업 부족이 아니다. 학과명과 장비는 바뀌었지만 기업의 현장적응기간이 줄지 않고, 경남 직업계고 취업률과 유지취업률이 정체되며, 개편 학과 졸업생이 제조 AX 직무가 아닌 다른 전공·지역으로 이동하는 상태다.

Educational Infrastructure Opportunity + Industrial Talent Pipeline Risk

경남교육은 AI를 학교에 확산하는 단계에서는 선도권을 확보했다. AI로 제조업 문제를 해결하는 인재를 산업까지 공급하는 단계에서는 아직 성과가 입증되지 않았다.

현재 위험은 AI 교육의 부재가 아니다. 교과 플랫폼, 직업계고, 대학, 기업이 각각 움직이는 동안 학생의 역량이 첫 직무와 장기경력으로 이어지는 경로가 비어 있다는 데 있다.

2026~2028년은 개편 학과와 AI 특화학교의 첫 성과가 결정되는 Golden Time이다. 이 기간이 지나면 교육과정의 실패와 산업경기·청년유출의 영향을 분리하기 어려워진다.

최종 판정: AI 학습 인프라는 상, 미래산업 학과 확산은 중상, 제조업 직무연결은 중하, 장기성과 추적은 하, 시간위험은 상이다.

검증 순서는 학습→실습→기업 프로젝트→첫 취업→1년 유지→3년 직무성장→5년 경남 잔존이다. 등록학교 수, 개편 학과 수, 협약기업 수 가운데 어느 하나만 증가하면 제조 AX 인재성과로 판정하지 않는다.

Runtime Chain

Student Learning Evidence → Manufacturing Project → Company Verification → Entry Job → Skill Growth → Regional Retention

이번 분석에서 남는 구조적 통찰

경남교육의 구조적 GAP은 AI 교육이 부족하다는 데 있지 않다. 경남은 이미 광역 AI 학습 플랫폼, 7TB 이상의 학습정보, 89%의 AI 수학 등록학교, AI 특화고와 미래산업 학과를 보유한다. 부족한 것은 AI를 배운 학생이 제조업의 어떤 문제를 해결했는지 증명하는 연결 Evidence다.

AI 학습 플랫폼은 학생이 무엇을 알고 있는지 기록하고, 직업계고는 학생이 어떤 장비를 다뤘는지 기록하며, 기업은 생산현장에서 어떤 문제가 발생했는지 기록한다. 세 기록이 분리돼 있는 동안 교육은 성취도를 만들고 기업은 다시 현장적응을 교육한다. 교육투자와 기업훈련비가 중복되지만 어느 단계에서 GAP이 발생했는지는 남지 않는다.

제조 AX 시대에는 학과명보다 문제해결 이력이 강한 채용신호가 된다. AI스마트기계과 졸업 여부보다 실제 설비데이터로 고장을 예측했는지, 영상검사로 불량을 분류했는지, 공정변수를 조정해 생산성을 높였는지가 숙련을 증명한다. 이 전환이 없으면 AI 교육의 확산과 제조업 인력난은 서로 충돌하지 않고 계속 공존한다.

Golden Time Thesis — 경남교육의 2026~2028년 골든타임은 AI를 더 많이 가르치는 기간이 아니라, 학생의 학습데이터를 경남 제조업의 실제 문제해결 이력으로 바꾸는 기간이다. 이 연결이 형성되면 아이톡톡·직업계고·RISE·기업은 하나의 인재 공급망이 된다. 연결되지 않으면 경남은 AI 교육 선도지역이면서 제조 AX 인재 부족지역이라는 모순을 동시에 갖게 된다.