산업용 AI 시스템이 숙련 노동자의 판단 패턴을 흡수하고, 역사가 긴 기업은 수십 년의 암묵지를 운영 모델로 전환하면서 현장의 관리, 훈련, 교섭력 구조를 재편한다.
오래된 기업의 숨은 보물은 단순한 기계가 아니라 사람들의 머릿속에 쌓인 예외 처리, 지름길, 타이밍 판단의 연쇄였다. 그 기억이 대규모로 모델링될 수 있게 되자, 기업은 전문성을 더 이상 취약한 개인 능력으로 보지 않고 인프라로 다루기 시작한다. 중간 조정 업무는 줄고 도제 훈련은 빨라지며, 작은 공장도 한때는 세대의 연속성이 있어야만 가질 수 있던 운영 규율에 접근한다. 최선의 결과는 노동자 없는 공장이 아니라, 덜 부서지기 쉬운 공장이다. 기술은 더 빨리 가르칠 수 있고 은퇴 이후에도 보존된다. 다만 추출된 판단을 누가 소유하는지는 여전히 뜨거운 갈등의 원천으로 남는다.
2033년 울산 오전 5시 50분, 한 조선 부품 공장에서 58세 용접 감독관이 신입사원 옆에 선다. 라인 보조 시스템은 바이저 화면 위로 그의 과거 판단을 재생한다. 언제 용접선을 늦출지, 언제 무해한 진동을 무시할지, 언제 멈추고 검사를 부를지. 사라지기 전에 스무 해의 감각이 처음으로 가르칠 수 있는 형태로 보인다.
지지자들은 이것이 노동을 대체하는 대신 인간 기술을 보존할 수 있는 드문 자동화라고 말한다. 고령화된 인력을 가진 공장은 품질을 안정적으로 유지할 수 있고, 지방 공장은 신입을 더 빨리 길러낼 수 있으며, 은퇴가 더 이상 조직적 기억상실을 뜻하지 않게 된다. 그들의 가장 강한 논거는 대안이 영구한 숙련이 아니라 이직, 외주화, 인구 감소를 통한 기술 소실이었다는 점이다.
요즘 공장에서는 은퇴보다 먼저 판단이 남습니다. 베테랑이 빠져도 작업 기준은 사라지지 않죠. 먼저 기록되고, 바로 다음 사람에게 넘어갑니다. 제조사는 점검 순서와 용접 속도를 전부 남깁니다. 18개월치 로그가 쌓이면 멈춤 타이밍도 패턴이 됩니다. 베테랑의 멈춤 판단까지 수치로 바꾸는 겁니다. 신입은 첫 주부터 그 순서를 불러옵니다. 이제 배우는 시간보다 호출 속도가 더 중요해지죠. 이건 훈련 방식만의 문제가 아닙니다. 숙련은 개인 경력보다 기업 자산에 가까워집니다. 보험료 산정, 하청 평가, 노사 협상에도 그 기록이 들어오기 시작하죠. 작은 공장도 같은 규율을 복제하게 됩니다. 이 흐름이 이어지면 현장의 가치는 손보다 기록에 붙습니다. 숙련의 주인은 끝내 누구로 남아야 할까요. 사람일까요, 회사일까요.