알림 목록

분석지역:경상남도 및 18개 시·군
핵심산업: 조선·방산·우주항공·기계·자동차부품·농수산식품·관광
분석의제: 도–시·군–기업의 분산 데이터를 산업 변화와 정책성과의 동일 시간축으로 연결하는 행정 AX
Golden Time Type:Data Infrastructure Opportunity + Interoperability Lock-in Risk
Version: Regional AX Golden Time Intelligence v3.2 강화기준
기준일: 2026.08.28
 

경남빅데이터허브플랫폼은 2020년 8월 운영을 시작해 도와 18개 시·군의 공공데이터, 통계, 분석사례와 시각화 서비스를 제공하고 있다. 제조업 현황 데이터도 회사명·주소·생산품·업종명·기준일자 단위로 공개돼 기업의 공간적 분포를 확인할 기반은 형성됐다. 그러나 공장등록 데이터와 고용·수출·수주·에너지·스마트공장·정책지원·휴폐업을 동일 기업 기준으로 연결한 공개 Evidence는 확인되지 않는다. 2026~2028년 신규 데이터셋이 현재 구조로 누적되면 파일 수는 늘지만 기업과 산업의 상태변화를 추적하는 비용도 함께 증가한다. 경남은 산업데이터를 보유한 행정에는 도달했지만 산업변화를 연결 판정하는 행정 AX에는 도달하지 않았다. (경남빅데이터허브플랫폼, 경상남도 제조업 현황)

경남은 2024년 행정안전부 데이터기반행정 실태점검에서 최고등급인 ‘우수’를 받았고, 2025년에는 3대 전략·20개 과제·351억 원 규모의 AI 행정 종합계획을 확정했다. AI 기반 통합복지플랫폼, 신고접수 고도화, 공무원 업무지원 AI 등이 추진목록에 포함됐다. 데이터 관리와 AI 활용의 제도적 기반은 확대됐지만 18개 시·군의 산업데이터를 공동 표준으로 연결해 하나의 산업위험을 공동 판정하는 Runtime은 확인되지 않는다. 2~3년 동안 부서별 AI 서비스가 먼저 구축되면 데이터 정의와 권한체계가 서비스별로 고정된다. 경남 행정 AX의 현재 준비도는 기관 내부 활용에서는 중상, 도–시·군 산업 상호운용에서는 중하로 판정한다. (행정안전부, 경남 AI 행정 종합계획)

경남에는 스마트공장 구축기업 3,014개사, 2025~2026년 233억 원 규모 제조 AI 데이터센터, 2025~2028년 222억 원 규모 창원국가산단 AX 실증사업이 존재한다. 제조기업의 생산·품질·설비 데이터와 행정의 기업·고용·지원·지역경제 데이터가 동시에 확대되는 구조다. 그러나 기업 영업정보를 보호하면서 산업위험을 집계하는 데이터 결합방식, 공통 기업식별자, 시·군별 데이터 품질 기준은 공개되지 않았다. 2026~2028년 제조 AI 인프라와 행정 AI가 별도 체계로 확정되면 기업에는 중복 제출, 행정에는 중복 지원과 성과판정 오류가 남는다. 현재 Golden Time은 Data Infrastructure Opportunity + Interoperability Lock-in Risk다. (연합뉴스, 경상남도의회 주요업무보고)

경남의 산업은 창원 기계·방산·원전, 거제 조선, 사천 우주항공, 김해·양산 기계·자동차부품, 진주 농식품·바이오, 통영 수산·관광으로 분산돼 있다. 산업별 기업은 한 시·군에만 존재하지 않고 공급망을 따라 여러 지역에 걸쳐 있다. 행정데이터는 사업체 소재지와 사업 담당부서 기준으로 분리돼 실제 공급망 단위와 일치하지 않는다. 원청 수주 변화가 어느 시·군 협력사의 고용·전력·매출에 전달되는지 보여주는 Evidence가 없다. 2~3년 동안 산업별 충격이 빨라지면 시·군 단위 통계가 확정될 때 이미 기업위험은 다른 지역으로 전파된다. 경남의 산업은 광역 공급망으로 작동하지만 행정데이터는 기초행정 단위로 머물러 있다.

경남빅데이터허브에는 인구·산업고용·환경기상·교통·복지·관광 등 여러 분야의 데이터가 공개되고 제조업·사회적기업·협동조합·급수사용량·숙박업소 같은 시·군 데이터도 등록된다. 데이터 분야는 넓지만 갱신주기, 주소표준, 기업명 표기, 결측치, 과거 이력 보존방식은 데이터셋마다 다르다. 검색 가능한 데이터와 결합 가능한 데이터 사이의 GAP이 존재한다. 2026~2028년 연간·월간·수시 데이터가 서로 다른 기준으로 추가되면 산업 변화의 선후관계를 재구성하기 어려워진다. 경남의 데이터 규모는 확대됐지만 결합준비도는 데이터셋별 편차가 크다.

경남도의 산업지원은 도청, 18개 시·군, 경남테크노파크, 경남투자경제진흥원, 연구기관, 대학, 상공회의소와 산업별 기관으로 분산된다. 한 기업은 스마트공장·수출·고용·R&D·에너지·금융 사업에 중복 참여할 수 있지만 기관별 사업번호와 기업식별체계가 동일하다는 Evidence는 없다. 기관 수와 지원사업 수가 늘수록 동일 기업의 상태가 여러 기록으로 분산되는 구조다. 2~3년 동안 지원이 확대되면 중복수혜보다 더 큰 위험은 어떤 지원 조합이 성과를 만들었는지 판정하지 못하는 상태다. 경남 행정의 구조적 규모는 크지만 기업 단위 Evidence Chain은 미완성이다.

2024년 경남 GRDP는 151조2,000억 원으로 전년보다 8.5% 증가했고 전국 3위에 올랐다. 제조업 반등과 방산·조선·자동차 등의 수출이 광역 성장을 주도했지만 시·군별 GRDP는 기준연도와 공표시차가 달라 현재 산업상태를 즉시 반영하지 못한다. 광역 성장과 개별 산업단지·기업의 상태 사이에 시간 GAP이 존재한다. 2026~2028년 글로벌 수주·관세·공급망 변화가 빨라지면 확정통계는 사후평가에는 사용돼도 조기경보에는 늦다. 경남은 산업 규모를 정확히 집계하지만 산업 변곡점을 즉시 판정하는 구조는 부족하다.

스마트공장 구축기업은 3,014개사로 전국에서 경기 다음으로 많고 제조 AI 데이터센터는 중소기업에 GPU·분석·실증환경을 24시간 제공할 계획이다. 기업 내부 데이터의 생성량과 분석역량은 확대되지만 행정이 기업 원시데이터를 직접 수집하는 방식은 영업비밀·보안·소유권 문제에 막힌다. 데이터 개방과 산업분석을 동일시하는 GAP이 확인된다. 2~3년 동안 중앙집중 수집을 전제로 사업이 설계되면 참여기업은 적어지고 대기업·선도기업 데이터만 남는다. 제조데이터는 많지만 행정 활용 가능성은 데이터 보유량보다 신뢰·권한 구조에 의해 제한된다.

경남은 2024년 데이터기반행정 평가에서 우수등급을 받았다. 그러나 전국 679개 기관의 같은 평가에서는 관리체계 평균이 77.8점인 반면 데이터 공유는 61.8점, 분석·활용은 56.3점으로 낮았다. 우수한 관리체계가 실제 기관 간 공유와 정책 활용을 자동 보장하지 않는 구조다. 경남의 우수등급 세부점수와 18개 시·군별 격차는 공개자료에서 충분히 확인되지 않는다. 2026~2028년 평가등급이 목표가 되면 실제 산업문제 해결보다 절차·관리체계가 먼저 최적화된다. 평가상 우수는 확인됐지만 18개 시·군 산업데이터 연결성과는 별도 검증 대상이다. (행정안전부 평가결과)

산업행정의 판정단위는 연간 통계와 개별 지원사업에서 기업·공급망·지역의 실시간 상태변화로 이동하고 있다. 수주 감소, 전력사용 변화, 고용보험 이탈, 수출통관 감소, 휴폐업과 민원이 연결되면 산업위험을 확정통계보다 앞서 발견할 수 있다. 경남은 각 신호의 원천데이터를 보유하거나 접근할 기관을 보유하지만 동일 기업·산단·시점으로 결합한 Evidence는 없다. 2~3년 동안 신호 연결이 지연되면 위기는 개별 부서의 사후 지원대상으로만 나타난다. 행정 AX의 구조변화는 데이터를 더 모으는 단계에서 여러 약한 신호를 하나의 위험으로 판정하는 단계로 이동했다.

생성형 AI는 보고서·민원답변·자료검색 등 공무원 개인업무를 빠르게 자동화하지만 산업정책 판정에는 표준화된 데이터와 검증 가능한 계산과정이 요구된다. 경남 AI 행정계획에는 공무원 업무지원 AI가 포함됐지만 산업데이터의 출처·기준일·변경이력·판정근거를 보존하는 구조는 별도다. 문서생성 AI와 Evidence 기반 산업행정 사이의 GAP이 존재한다. 2026~2028년 생성형 AI가 먼저 보급되면 서로 다른 원천자료에서 동일한 형식의 보고서가 대량 생성돼 오류를 발견하기 더 어려워진다. 경남 행정 AX의 위험은 AI 미도입보다 연결되지 않은 데이터를 AI가 일관된 사실처럼 서술하는 데 있다.

제조 AI 데이터센터는 기업의 생산·품질·설비 데이터를 분석하고 행정은 기업등록·고용·수출·지원 이력을 관리한다. 두 데이터는 민감도와 사용목적이 달라 하나의 저장소에 집중할수록 보안·책임·참여 위험이 커진다. 산업데이터 연결을 중앙집중 저장과 동일시하는 GAP이 존재한다. 2~3년 동안 데이터 복제 중심 구조가 고정되면 침해사고와 데이터 최신성 관리비용이 함께 증가한다. 18개 시·군 산업데이터 연결의 적합한 판정축은 데이터 중앙집중이 아니라 공통 질문에 대한 분산 검증 가능성이다.

시·군 행정은 동일한 기업·도로·농지·관광지·복지대상을 다루지만 조직규모와 데이터 전문인력, 시스템 예산은 크게 다르다. 창원·김해·양산과 군지역이 같은 속도로 AI·데이터 체계를 구축하기 어려운 구조다. 시·군별 데이터 품질·갱신지연·분석인력에 대한 공개 비교 Evidence가 부족하다. 2026~2028년 자체 구축 경쟁이 진행되면 규모가 큰 시는 정교한 데이터체계를, 작은 군은 외부 솔루션 의존체계를 갖게 된다. 행정 AX는 지역격차를 줄이는 기술이면서 준비도 차이에 따라 행정격차를 확대하는 기술이다.

경남 AI 행정 종합계획은 3대 전략, 20개 과제, 351억 원 규모로 구성됐고 AI 기반 통합복지플랫폼, 신고접수시스템, 공무원 업무지원 플랫폼을 포함한다. 행정 AI의 서비스 범위는 복지·안전·내부업무로 확장됐지만 18개 시·군 산업데이터 통합판정은 독립된 Runtime으로 확인되지 않는다. 행정서비스 AI와 산업정책 AI 사이의 GAP이 남는다. 2026~2028년 서비스별 플랫폼이 먼저 확정되면 공통 데이터 모델 없이 API와 변환작업만 늘어난다. 현재 AI 행정은 업무·서비스 혁신 단계이며 광역 산업운영체계 단계는 아니다.

경남 제조 AI 데이터센터는 2025~2026년 233억 원, 창원국가산단 AX 실증은 2025~2028년 222억 원 규모로 진행된다. 제조 AI 융합기반과 AX랩도 기업 데이터 분석·솔루션 개발을 지원한다. 제조데이터 분석거점은 형성 중이지만 혜택이 창원 외 17개 시·군 기업으로 확산된 비율과 산업별 데이터 표준은 아직 확인되지 않는다. 2~3년 동안 이용기업이 스마트공장 구축 선도기업에 집중되면 비디지털 기업과 군지역 기업은 데이터 생태계 밖에 남는다. 제조 AI 인프라는 구축 중이지만 18개 시·군 확산성과는 미검증이다.

경남빅데이터허브는 도·시·군의 공개데이터를 검색·다운로드·시각화하고 빅데이터 분석·공모전·교육도 운영한다. 공공데이터 접근성과 활용접점은 존재하지만 산업위험 탐지 결과가 부서의 사업변경·예산조정·현장점검으로 이어진 사례를 일관된 형식으로 추적하기 어렵다. 분석과 행정결정 사이의 Runtime GAP이 남는다. 2026~2028년 공모전·분석보고서가 늘어도 실제 의사결정의 변경이 기록되지 않으면 활용성과는 반복 검증되지 않는다. 플랫폼은 데이터 제공단계에 도달했지만 결정 추적단계에는 미달한다.

행정안전부의 2024년 평가에서 중앙행정기관 평균은 85.2점, 광역자치단체는 85.3점, 공기업·준정부기관은 88.2점으로 관리기반은 전반적으로 높은 수준이었다. 반면 전체기관의 분석·활용 평균은 56.3점, 데이터 공유는 61.8점에 머물렀다. 대한민국 데이터행정의 공통 병목은 데이터 보유보다 기관 간 공유와 실제 결정 활용에 있다. 경남도 우수등급도 이 전국적 구조를 자동으로 벗어났다는 Evidence는 아니다. 2~3년 동안 평가체계와 기관별 플랫폼이 확대되면 형식적 표준과 실제 상호운용성의 차이가 커진다. 경남의 현재 위치는 국내 상위 관리기관이지만 산업데이터 Runtime 선도지역으로는 미검증이다.

경기도 데이터드림과 충북 빅데이터허브 등 다른 광역자치단체도 공공데이터·시각화·민원·교통·환경 분석을 제공한다. 플랫폼 보유 자체는 광역행정의 차별적 경쟁력이 아닌 기본 인프라로 바뀌었다. 경남의 차별성은 조선·방산·우주항공·기계의 제조데이터를 행정 Evidence와 연결할 때 발생하지만 기업데이터의 참여·결합 성과는 아직 제한적이다. 2026~2028년 플랫폼 기능 경쟁에 머물면 제조집적이라는 경남의 고유자산이 행정경쟁력으로 전환되지 않는다. 경남의 비교우위는 공공데이터 플랫폼이 아니라 산업데이터를 정책판정으로 연결할 잠재력에 있다.

서울시는 2025년 직원의 63%가 생성형 AI를 활용했고 공통 서비스 운영에서 개별 구독 대비 예산 절감성과를 공개했다. 경남은 AI 행정계획과 활용교육을 추진하지만 공무원 이용률, 업무시간 절감, 오류율, 정책결정 개선을 같은 기준으로 공개한 Evidence가 부족하다. 계획규모와 검증성과 사이의 GAP이 존재한다. 2~3년 동안 이용률과 Outcome이 공개되지 않으면 AI 행정은 사업도입 여부로만 비교된다. 경남 행정 AI는 계획의 범위는 넓지만 측정 가능한 운영성과는 초기단계다. (서울특별시)

경남은 스마트공장 3,014개사, 제조 AI 데이터센터 233억 원, AX 실증산단 222억 원, AI 행정 20개 과제·351억 원을 동시에 추진한다. 제조데이터 생성, 컴퓨팅 인프라, 행정 AI 서비스에 별도 투자가 진행되는 구조다. 동일 기업·산업·시·군을 기준으로 사업 간 데이터와 성과를 연결한 Evidence는 없다. 2026~2028년 세 투자축이 독립적으로 완료되면 인프라는 늘어도 어떤 조합이 생산성·고용·수출을 바꿨는지 판정되지 않는다. 경남의 AX 투자는 규모보다 사업 사이의 Evidence 단절이 더 큰 위험이다.

제조 AI 데이터센터의 초기 맞춤형 실증 지원대상은 도내 중소기업 30곳이고, 경남 스마트공장 구축기업은 3,014개사다. 30개사는 스마트공장 구축기업의 약 1% 규모이며 전체 제조기업을 기준으로 하면 비중은 더 낮다. 초기 실증의 깊이와 전체 산업 확산 사이에 규모 GAP이 존재한다. 2~3년 동안 성공모델의 재현조건이 데이터로 남지 않으면 다음 기업마다 진단·정제·개발을 다시 시작한다. 경남 제조 AI의 시간위험은 실증 실패보다 실증의 반복비용이 낮아지지 않는 데 있다. (한국일보, 연합뉴스)

행정 AI는 20개 과제이고 경남의 기초자치단체는 18곳이며 주요 산업도 여러 권역에 분산돼 있다. 과제 수와 시·군 수가 비슷해 보여도 하나의 과제가 모든 시·군에 동일하게 확산된다는 Evidence는 없다. 사업단위와 지역단위를 혼동하는 GAP이 확인된다. 2~3년 동안 도청 중심 과제가 완료되면 시·군은 별도 예산과 시스템으로 동일 기능을 다시 구축할 가능성이 커진다. 광역 AI 과제의 수는 18개 시·군 확산 수준을 나타내지 않는다.

경남은 데이터기반행정 우수등급을 받았지만 전국 평가에서 관리체계 77.8점과 분석·활용 56.3점의 차이는 21.5점이었다. 기관의 관리역량과 실제 활용역량 사이에 구조적 격차가 존재한다. 경남의 세부점수와 시·군별 분포가 없으므로 동일한 격차 여부는 판정할 수 없다. 2026~2028년 우수등급이 유지돼도 산업정책 결정이 데이터로 수정된 사례가 늘지 않으면 실질 AX 성과는 정체된다. 평가점수는 준비도를 보여주지만 산업문제 해결력을 대체하지 않는다.

가장 큰 GAP은 18개 시·군이 동일 기업·사업·지역·시간을 같은 방식으로 식별하지 못한다는 점이다. 공장등록, 사업자, 고용, 수출, 지원사업, 민원, 에너지 데이터는 각각 다른 번호·주소·기준일을 사용한다. 이름이 같은 기업의 연결과 주소변경·법인분할·공장이전을 자동 추적하는 광역 Master ID는 확인되지 않는다. 2026~2028년 데이터량이 증가할수록 수작업 매칭과 중복판정 오류가 늘어난다. 경남 산업데이터 연결의 선행 GAP은 AI 모델이 아니라 공통 식별체계다.

두 번째 GAP은 시점이다. GRDP·통계연보·기업현황은 연간 또는 특정 기준일로 갱신되고 고용·전력·민원·수출은 월간이나 실시간에 가깝다. 갱신주기가 다른 데이터를 기준시점 없이 결합하면 산업변화의 원인과 결과가 뒤섞인다. 데이터셋별 지연시간과 수정이력을 한눈에 확인할 Evidence가 부족하다. 2~3년 동안 AI가 시차를 구분하지 않은 데이터를 학습하면 과거 상태를 현재 위험으로 오인한다. 경남 행정 AX의 정확도는 데이터양보다 시간축 정렬에 의해 제한된다.

세 번째 GAP은 행정결정의 기록이다. 데이터 분석 결과와 보고서는 남지만 담당부서가 어떤 판단을 바꾸고 예산·사업·점검을 어떻게 수정했는지는 표준형태로 남지 않는다. Evidence와 결정 사이의 연결이 없으면 동일 분석이 반복되고 실패원인이 축적되지 않는다. 2026~2028년 공무원 업무지원 AI가 확산되면 문서 생성량은 늘지만 결정이력은 더 분산된다. 경남 행정 AX의 가장 큰 운영 GAP은 데이터가 아니라 데이터로 무엇을 바꿨는지 추적되지 않는 구조다.

경남빅데이터허브, 제조 AI 데이터센터, 스마트공장 3,014개사와 도·시·군 행정정보시스템이 존재한다. 공공데이터·기업데이터·컴퓨팅 인프라의 기본 요소는 각각 형성돼 있다. 그러나 이들을 연결하는 공통 기업식별자·메타데이터·권한·품질 기준은 확인되지 않는다. 2026~2028년 개별 인프라가 먼저 고도화되면 상호연결 비용이 증가한다. 인프라 보유 준비도는 상, 상호운용 준비도는 하로 판정한다.

도와 대도시는 데이터·정보통신·산업 전문조직을 보유하지만 소규모 군은 인력과 예산이 제한적이다. 18개 시·군의 데이터 담당인력 수, 분석경력, 이직, 외주 의존도를 비교한 Evidence는 부족하다. 동일 플랫폼을 제공해도 활용역량이 지역별로 달라지는 GAP이 남는다. 2~3년 동안 민간 솔루션 의존이 확대되면 작은 시·군의 데이터 구조와 지식이 외부 업체에 축적된다. 도 단위 전문성은 존재하지만 시·군 확산 준비도는 불균등하다.

데이터기반행정법, 공공데이터 제도, 개인정보보호·보안 규정과 경남의 AI 윤리·생성형 AI 보안기준 수립 방향이 존재한다. 법·보안 기반은 형성 중이지만 기업 영업데이터를 행정 분석에 사용할 동의·목적·보존기간·결과공개 기준은 별도다. 공공데이터와 산업기밀 사이의 제도 GAP이 남는다. 2026~2028년 명확한 참여조건이 형성되지 않으면 기업은 가장 민감하고 가치 있는 데이터를 제공하지 않는다. 공공행정 데이터 제도는 중상, 민관 산업데이터 신뢰제도는 중하로 판정한다.

경남빅데이터허브는 주민과 기업이 공공데이터를 검색·다운로드할 수 있고 분석교육·공모전도 운영한다. 데이터 접근은 외부 이용자까지 내려갔지만 공개데이터를 이용해 기업의 생산성·매출·고용이 개선된 사례를 일관되게 추적한 Evidence는 부족하다. 제공과 활용성과 사이의 GAP이 남는다. 2~3년 동안 다운로드·조회 수가 대표지표로 유지되면 실제 경제효과는 확인되지 않는다. 도민에게 내려간 것은 데이터 접근권이며 문제해결 성과의 확산은 미확인이다.

제조 AI 데이터센터는 초기 중소기업 30곳에 맞춤형 분석·솔루션·실증을 지원할 계획이다. 지원은 기업 현장까지 내려가지만 3,014개 스마트공장과 비디지털 제조기업 전체로 확산될 경로는 아직 초기다. 선도기업 지원과 광역 산업확산 사이의 GAP이 존재한다. 2026~2028년 기업별 맞춤개발 비용이 반복되면 중소기업 다수는 지원사업이 끝난 뒤 자체 운영하지 못한다. 제조 AI의 현장 적용은 시작됐지만 자립·확산 수준은 미검증이다.

시·군 데이터는 도 플랫폼에 공개되지만 데이터 오류를 발견한 기업·주민이 수정요청을 하고 반영결과를 추적하는 품질 Runtime은 데이터셋마다 다르다. 공개 이후 현행화와 책임소재가 일관되게 표시되지 않는 GAP이 남는다. 2~3년 동안 오래된 기업·시설 정보가 AI 검색과 정책분석에 사용되면 잘못된 행정대상이 반복 생성된다. 데이터 공개는 내려갔지만 데이터 품질에 대한 이용자 통제권은 제한적이다.

창원은 국가산단 AX 실증과 제조 AI 데이터센터가 집중되고 김해·양산·거제·사천도 대규모 산업기업을 보유한다. 반면 군지역은 농업·관광·소규모 제조·생활서비스 데이터가 중심이며 실시간 설비데이터와 전문인력이 적다. 산업구조 차이가 데이터 생성량과 분석역량 차이로 전환되는 구조다. 2~3년 동안 제조 중심 AX가 경남 전체 표준이 되면 농산어촌의 계절·기후·생활인구 데이터는 후순위로 밀린다. 경남의 행정 AX 격차는 도시 규모뿐 아니라 산업이 얼마나 많은 디지털 흔적을 남기는지에 따라 확대된다.

18개 시·군 데이터는 동일 분야라도 항목·파일형식·갱신주기·공개범위가 다르다. 대도시의 세분화된 데이터와 군지역의 연간 집계자료를 직접 비교하면 분석정밀도가 다르게 나타난다. 데이터가 많은 지역이 문제가 많은 지역 또는 성과가 좋은 지역으로 과대표현될 수 있다. 2026~2028년 AI 분석이 이 차이를 데이터량 차이가 아닌 실제 지역차이로 학습하면 자원배분 편향이 고착된다. 시·군 데이터 격차는 통계품질 문제를 넘어 AI 행정의 공간편향 위험이다.

창원 제조 AI 거점에서 개발된 모델이 거제 조선·사천 항공·김해 기계·군지역 식품가공에 적용되려면 공정·설비·데이터 구조가 달라 재학습이 요구된다. 단일 성공모델의 광역 확산 가능성을 입증한 Evidence는 아직 제한적이다. 거점 집중과 지역 적용 사이의 GAP이 남는다. 2026~2028년 중앙 거점 의존이 높아지면 지역별 문제정의와 현장지식이 모델 밖에 남는다. 경남 제조 AI의 공간확산은 컴퓨팅 접근보다 산업별 데이터 번역에서 막힐 가능성이 높다.

경남 제조 AI 데이터센터는 2025~2026년, 제조업 AI 융합기반은 2024~2026년, AX 실증산단은 2025~2028년, AI 행정 20개 과제도 2025년 이후 단계적으로 구축된다. 주요 데이터·AI 시스템이 같은 2~3년 안에 설계·구축·확산되는 구간이다. 공통 식별자와 메타데이터가 사전에 정렬됐다는 Evidence는 아직 없다. 2026~2028년 시스템별 데이터 모델이 확정되면 이후 연결은 신규 개발보다 복잡한 변환사업이 된다. 현재 Golden Time은 AI 도입 시기가 아니라 데이터 구조가 장기간 고정되는 시기다.

스마트공장 3,014개사의 데이터는 이미 기업별 솔루션과 설비 안에 축적돼 있고 신규 제조 AI 사업은 추가 데이터를 생성한다. 과거 데이터의 형식과 소유권을 현재 체계로 연결하지 못하면 AI 학습에 사용할 연속된 시간축이 끊어진다. 기존 스마트공장과 신규 AX 사업 사이의 데이터 승계 Evidence가 부족하다. 2~3년 동안 신규사업 데이터만 표준화되면 수년간 투자한 스마트공장 데이터가 단절자산으로 남는다. Golden Time의 비가역성은 데이터를 잃는 데 있지 않고 과거와 현재를 비교할 연결고리를 잃는 데 있다.

도와 시·군은 생성형 AI·업무지원 AI·민원·복지·안전 서비스를 각각 도입하고 있다. AI가 행정문서를 생성하기 시작하면 출처와 결정이력을 자동 보존하지 않은 문서가 빠르게 누적된다. 현재 문서관리와 AI 생성물의 Evidence 연결방식은 충분히 공개되지 않았다. 2026~2028년 출처 없는 AI 문서가 기록체계에 편입되면 이후 정책판정의 책임성을 복구하기 어렵다. Golden Time의 종료조건은 AI 서비스 완성이 아니라 검증 불가능한 행정기록이 일상화되는 순간이다.

12-1. Golden Time 기초지자체 적용 사례 ① — 창원시

창원에는 국가산단 AX 실증사업 222억 원, 제조 AI 데이터센터 233억 원, 다수 스마트공장과 방산·기계·원전 공급망이 집중된다. 도내에서 산업·컴퓨팅·기업 데이터가 가장 밀도 높게 교차할 수 있는 지역이다. 그러나 원청 수주·협력사 생산·고용·전력·정책지원 데이터를 기업단위로 연결한 공개 Outcome은 아직 없다. 2026~2028년 인프라가 기업별 실증에 머물면 창원의 모델은 다른 시·군 공급망으로 확산되지 않는다. 창원의 Golden Time은 데이터센터 완공이 아니라 원청 변화가 협력사·고용·지역경제로 전달되는 시간을 조기 판정하는지로 결정된다.

12-2. Golden Time 기초지자체 적용 사례 ② — 사천시·진주시

사천은 우주항공청·항공국가산단·KAI를 보유하고 진주는 대학·연구·교육·행정 기능을 보유한다. 우주항공 생태계의 기업·인재·연구 데이터가 두 도시와 인접 군지역에 걸쳐 생성되는 구조다. 기업등록·R&D·채용·주거·교육·협력사 데이터를 공동 산업권으로 연결한 Evidence는 부족하다. 2026~2028년 사천과 진주가 별도 시스템과 성과지표를 구축하면 동일 우주항공 생태계가 행정상 두 개의 산업으로 분리된다. 사천·진주의 Golden Time은 데이터를 한곳에 모으는 기간이 아니라 동일 기업·인재·프로젝트를 두 행정이 같은 Evidence로 판정하는 기간이다.

제조 AI 데이터센터, 스마트공장, 행정 AI, 시·군 플랫폼이 서로 다른 식별자와 데이터 모델로 확정되면 이후 연결은 원본 정비·API·변환·수작업 매칭을 반복한다. 시스템 구축비보다 장기간 누적되는 상호운용 비용이 커지는 구조다. 현재 전체 연결비용과 중복시스템 수는 확인되지 않는다. 2~3년 동안 개별 최적화가 지속되면 광역 통합은 기술 문제가 아니라 예산·책임·계약 충돌로 비가역화된다. 놓치는 대상은 데이터가 아니라 향후 시스템을 낮은 비용으로 연결할 선택권이다.

기업은 반복되는 지원신청·실적보고·현황조사에 같은 정보를 여러 기관에 제출한다. 공통 기업식별과 동의 기반 데이터 재사용이 없으면 AX 사업이 늘수록 기업의 행정부담도 증가한다. 기업별 중복제출 시간과 기관별 중복수집 비용 Evidence는 없다. 2026~2028년 중복 요구가 확대되면 데이터 품질은 피로와 형식적 입력으로 악화된다. 현재 소실되는 것은 기업의 데이터 참여 신뢰다.

행정분석 결과가 실제 예산·사업·점검 변경과 연결되지 않으면 성공과 실패의 원인이 다음 담당자에게 전달되지 않는다. AI는 과거 문서를 빠르게 검색하지만 기록되지 않은 판단과 현장 맥락은 복원하지 못한다. 공무원 인사이동과 외주사업 종료가 반복되는 2~3년 동안 결정지식이 조직 밖으로 빠져나간다. 경남 행정 AX의 비가역적 손실은 데이터 파일보다 판단이 축적되지 않는 조직기억이다.

경남은 빅데이터허브, 스마트공장 3,014개사, 제조 AI 데이터센터, AI 행정계획과 18개 시·군 공공데이터를 동시에 보유한다. 데이터 연결의 원천자산은 이미 존재하지만 동일 기준으로 검증된 상태는 아니다. 2026~2028년 구축사업이 완료되기 전 연결기준이 형성되면 기존 인프라를 재구축하지 않고 비교 가능한 시간축이 남는다. 현재 확보 가능한 가장 큰 자산은 신규 플랫폼이 아니라 기존 데이터의 상호운용성이다.

경남의 산업은 조선·방산·우주항공·기계·자동차부품이 공급망으로 연결돼 있어 한 산업의 수주와 고용변화가 여러 시·군에 전달된다. 이 전파경로는 현재 행정데이터에서 부분적으로만 관측된다. 2~3년 안에 동일 기업·공급망·지역을 연결하면 산업충격 전후를 비교할 최초 기준선이 형성된다. 현재 얻을 수 있는 산업자산은 AI 모델보다 경남 공급망의 실제 지도다.

도와 시·군의 AI 서비스가 아직 단계적으로 구축 중이어서 출처·판정·결정·성과를 기록하는 구조를 공통 적용할 시간여지가 남아 있다. 실제 결정이력의 표준화 수준은 낮다. 2026~2028년 안에 이력데이터가 축적되면 어떤 분석과 사업이 기업·고용·지역성과를 바꿨는지 최초로 비교할 수 있다. 현재 확보 가능한 행정자산은 자동화된 문서가 아니라 검증 가능한 결정의 연속성이다.

AX 대응은 18개 시·군 데이터를 하나의 중앙 저장소로 복제하는 구조가 아니다. 공통 식별자→메타데이터→분산 분석→공급망 판정→행정결정→Outcome을 연결하면서 민감한 기업 원본데이터는 보유기관과 기업의 통제 아래 두는 Runtime이다.

첫 적용축은 창원의 방산·기계 공급망과 사천·진주의 우주항공 산업권이다. 원청 수주, 협력사 생산·고용, 스마트공장·AI 지원, 전력사용과 휴폐업 신호를 동일 기업·월 단위로 연결하되 외부에는 시·군·산업별 집계위험만 공개한다.

실패조건은 데이터셋 감소가 아니다. 플랫폼의 데이터와 AI 서비스는 늘지만 동일 기업이 여러 번호로 집계되고, 시·군별 기준일이 다르며, AI 판단의 출처와 실제 사업변경이 기록되지 않는 상태다.

Data Infrastructure Opportunity + Interoperability Lock-in Risk

경남은 데이터가 부족한 지역이 아니다. 같은 기업과 산업을 서로 다른 기관·번호·시점으로 기록해 하나의 변화로 연결하지 못하는 지역이다.

현재 위험은 AI 도입 지연보다 제조 AI·행정 AI·시·군 정보시스템이 연결기준 없이 각각 완성되는 데 있다.

2026~2028년은 경남의 산업데이터 구조가 장기간 고정되는 Golden Time이다. 이 기간 이후의 통합은 신규 구축보다 더 비싼 변환과 재검증 사업이 된다.

최종 판정: 공공데이터 인프라는 상, 제조데이터 잠재력은 상, 18개 시·군 상호운용성은 하, 기업 참여 신뢰는 중하, Evidence–Decision 연결은 하, 기술적 비가역성은 진행 중이다.

검증 순서는 식별→표준화→결합→분석→판정→행정결정→현장 Outcome→재검증이다. 데이터셋 수·AI 과제 수·플랫폼 이용량 가운데 어느 하나만 증가하면 행정 AX로 판정하지 않는다.

Runtime Chain

Data Identity → Interoperability → Industrial Signal → Administrative Decision → Verified Outcome

이번 분석에서 남는 구조적 통찰

18개 시·군 산업데이터 연결의 구조적 문제는 데이터가 여러 곳에 있다는 데 있지 않다. 공장등록, 고용, 수출, 지원사업, 에너지, 민원은 원래 서로 다른 기관에서 생성된다. 문제는 같은 기업과 같은 사건을 각 기관이 다른 이름·번호·주소·기준일로 기록한다는 데 있다.

따라서 산업데이터 연결은 모든 원본을 한곳에 복사하는 작업과 다르다. 원본을 중앙에 모아도 동일 기업을 식별하지 못하고 시점을 정렬하지 못하면 파일만 커진다. 반대로 공통 식별자·메타데이터·판정질문이 일치하면 민감한 기업데이터를 이동하지 않고도 공급망 위험을 집계할 수 있다.

경남 행정 AX의 경쟁력은 데이터 소유량이 아니라 18개 시·군이 같은 기업의 같은 변화를 같은 Evidence로 판정하는 능력에서 결정된다. 이 능력이 없으면 AI는 18개의 불완전한 기록을 더 빠르게 요약하고, 이 능력이 형성되면 분산된 기록도 하나의 산업 Runtime으로 작동한다.

Golden Time Thesis — 경남의 2026~2028년 골든타임은 18개 시·군 데이터를 한곳에 더 많이 모으는 기간이 아니라, 같은 기업·사업·지역·시간을 동일하게 식별하고 그 Evidence가 실제 행정결정과 Outcome으로 이어졌는지 기록하는 기간이다. 이 연결이 형성되면 경남의 분산 산업은 하나의 행정 AX 공급망이 된다. 형성되지 않으면 제조 AI와 행정 AI가 각각 고도화될수록 서로 연결하는 비용과 판단오류가 함께 증가한다.