기본 콘텐츠로 건너뛰기

산업가스 판매량 감소, 경기 지표보다 먼저 움직이는 신호

 경제 전망 기사에서 반도체는 좋고 석유화학·철강은 나쁘다는 식으로 산업을 나누는 건 익숙한 그림이다. 그런데 산업가스 업계는 반도체가 좋아진다는 전망에도 "체감이 안 된다"고 말한다. 2022년까지 계속 올라가던 국내 산업가스 판매량은 2023년부터 꺾였고, 그 흐름이 이어졌다. 산업가스는 전방 산업의 가동률을 거의 실시간으로 따라가기 때문에, 통계보다 먼저 움직이는 숫자다. ## 배경: 왜 중요한가 산소·질소·아르곤·수소·탄산은 제품이 아니라 공정 조건이다. 철강 제련에 산소가 들어가고, 반도체 팹은 질소로 챔버와 배관을 채우고, 용접에는 아르곤이, 식음료와 냉동물류에는 탄산과 드라이아이스가 쓰인다. 이 가스들은 재고로 쌓아두기 어렵고 대부분 파이프라인이나 탱크로리로 그날그날 흘러간다. 공장이 라인을 하나 세우면 그만큼의 가스 수요가 바로 사라진다. 그래서 산업가스 판매량은 경기의 후행 지표가 아니라 가동률의 동행 지표에 가깝다. 생산 계획이 줄면 다음 달 통계가 나오기 전에 가스 주문량부터 줄어든다. 기사에서 충전·판매 업계가 판매량 10% 감소를 언급하는 대목은, 제조업 현장의 가동률이 그만큼 내려갔다는 말과 같은 뜻이다. 여기에 원가 구조가 겹친다. 공기분리장치(ASU)는 공기를 압축하고 냉각해 성분별로 나누는 설비라 전기가 원가의 큰 부분을 차지한다. 산업용 전기요금이 오르면 액화가스 가격에 반영될 수밖에 없다. 판매량은 줄고 원가는 오르는 조합이 지금 산업가스 시장이 놓인 자리다. ## 핵심: 일반 기사가 놓치는 지점 경기 전망 기사는 산업별로 좋다/나쁘다를 나눈다. 산업가스는 그 분류를 가로지른다. 한 충전소가 반도체 팹, 조선소, 자동차 부품사, 병원, 식품공장에 동시에 공급한다. 특정 산업 하나가 좋아져도 나머지가 눌리면 전체 물량은 회복되지 않는다. "반도체가 좋아진다"는 전망과 "체감이 안 된다"는 현장 반응이 동시에 성립하는 이유다. ### 세부 포인트 1 — 물량이 회복돼도 수익성은...

'한국의 팔란티어' 마키나락스, 현장 엔지니어가 보는 진짜 검증 포인트

 산업 특화 AI 기업 마키나락스가 코스닥 상장을 앞두고 시험대에 올랐다. 언론은 이 회사를 '한국의 팔란티어'로 호명하고, 정작 그 팔란티어는 52주 신고가 대비 30% 넘게 빠졌다. 오픈AI 같은 모델사가 기업용 AI 구현 영역까지 내려오면서 엔터프라이즈 AI 플랫폼의 해자 자체가 흔들린다는 이야기다. 그런데 공장 현장을 아는 사람 입장에서 보면, 이 논쟁은 애초에 절반쯤 엉뚱한 곳을 겨누고 있다. 제조 현장에서 AI 프로젝트가 죽는 이유는 모델사가 쳐들어와서가 아니기 때문이다.


## 배경: 왜 중요한가


마키나락스가 내세우는 제품은 '런웨이'라는 산업용 AI 운영체계다. 모델 개발부터 배포·운영까지를 관리하고, 외부망이 끊긴 폐쇄망 환경에서도 돌아간다는 점을 차별화 포인트로 제시한다. 제조와 국방, 두 축이다. 현대차 투자를 받고 아산공장 로봇 지능화 사업을 수주하면서 '제2의 레인보우로보틱스' 기대감도 붙었다.


문제는 숫자다. 결손금이 650억 원대, 자기자본이 144억 원. 누적 적자가 자본의 네 배를 넘는다. 국내 AI 관련 첫 SaaS 상장이라는 상징성 탓에, 이 회사의 성패는 뒤이어 줄 선 AI 기업들의 공모 밸류에이션 기준점이 된다. 시장이 예민하게 반응하는 이유다.


그리고 하필 이 타이밍에 팔란티어가 흔들린다. 실적은 나쁘지 않은데 경쟁 심화와 밸류에이션 부담이 겹쳤다. '모델사가 애플리케이션 계층을 삼킨다'는 서사가 SaaS 전반을 짓누르는 국면에서, 마키나락스는 그 서사의 국내판 첫 시험 케이스로 무대에 오른 셈이다. 회사 스스로도 "같은 한계 요소로 평가받을 수 있다"고 인정했다.


## 핵심: 일반 기사가 놓치는 지점


기사들은 대체로 "오픈AI가 내려오면 마키나락스가 위험한가"를 묻는다. 현장 관점에서 이 질문은 우선순위가 낮다. 공장 라인에 AI를 붙여본 사람이라면, 프로젝트를 죽이는 건 모델 성능이 아니라 그 앞단이라는 걸 안다. 설비마다 다른 태그 네이밍, 10년 전 PLC와 작년에 들어온 로봇이 같은 라인에서 뒤섞인 이기종 환경, 품질 판정 기준이 반장 재량으로 굴러가는 암묵지. 마키나락스를 평가하려면 이 지점을 봐야 한다.


### 세부 포인트 1 — '폐쇄망'은 해자인가, 유지비인가


회사는 폐쇄망 대응과 보안 레퍼런스를 방어 논리로 든다. 대기업이 핵심 공정 데이터를 외부 모델사에 넘기기 어렵다는 지적은 타당하다. 실제로 반도체·이차전지·방산 라인의 데이터는 물리적으로 망이 분리돼 있고, USB 반입조차 결재 대상이다.


다만 현장 감각으로 보면 에어갭은 양날의 칼이다. 온프레미스 배포 자체는 이미 여러 벤더가 한다. 진입장벽으로서의 값어치는 생각보다 얕다. 반대로 비용은 확실하다. 폐쇄망에서는 모델 업데이트마다 사람이 들어가야 하고, 고객사 보안 심사를 통과해야 하며, 원격 디버깅이 안 된다. 즉 폐쇄망은 경쟁사를 막아주는 벽인 동시에, 자사 엔지니어의 발도 묶는 벽이다. 매출총이익률을 갉아먹는 쪽으로 작동할 수 있다는 뜻이다.


진짜 해자가 있다면 폐쇄망이라는 물리적 조건이 아니라, 그 안에서 10년간 쌓인 공정 데이터 스키마와 도메인 지식의 구조화 수준일 것이다. 이건 외부에서 확인하기 가장 어려운 부분이기도 하다.


### 세부 포인트 2 — 제조 AI 매출은 왜 반복 매출이 되기 어려운가


팔란티어와의 비교에서 정작 중요한 건 체급이 아니라 매출의 결이다. 제조 현장 AI는 라인 단위로 커스터마이징된다. A공장 도장 라인에서 검증한 이상탐지 모델이 B공장 조립 라인에서 그대로 돌아가는 경우는 드물다. 설비가 다르고, 센서 위치가 다르고, 불량 정의가 다르다.


그래서 이 바닥의 매출은 구독료가 아니라 용역비를 닮아간다. PoC는 잘 되는데 전사 확산이 안 되는 이른바 'PoC 무덤'이 반복되는 구조적 이유다. 마키나락스가 '한국의 팔란티어'라는 호칭에 값하려면, 런웨이라는 플랫폼이 프로젝트마다 새로 짜는 도구가 아니라 라인이 늘수록 한계비용이 떨어지는 자산임을 보여줘야 한다. 증권사 실무자가 "레퍼런스가 반복 매출과 수익성으로 이어지는지를 시장이 계속 확인할 것"이라고 말한 대목이 정확히 이 지점이다.


## 그래서 뭘 봐야 하나


단정할 수 있는 건 없다. 다만 관찰 지표는 비교적 분명해 보인다.


첫째, 매출총이익률의 방향성이다. 플랫폼 회사라면 매출이 늘수록 원가율이 떨어져야 한다. 이 곡선이 평평하다면, 사업의 실체는 SaaS보다 SI에 가깝다는 신호로 읽을 여지가 있다.


둘째, 매출 구성의 공시 수준이다. 라이선스·구독 매출과 구축·용역 매출을 분리해서 보여주는지, 그리고 그 비중이 어떻게 움직이는지. 이 분해가 안 나오면 아무리 좋은 레퍼런스도 검증 불가 영역에 남는다.


셋째, 레퍼런스의 복제 여부다. 완성차 한 공장에서의 성공이 같은 그룹의 다른 공장으로, 나아가 다른 고객사로 넘어가는 데 걸리는 시간과 투입 인력. 이게 짧아지면 플랫폼이 맞고, 매번 비슷하면 아니다.


넷째, 국방 매출의 계약 구조다. 방산 특성상 장기·안정적이지만 확장 속도는 느리고 인식 가능한 매출 시점도 다르다. 제조 매출과 섞어서 성장률을 보면 그림이 왜곡될 수 있다.


## 마무리


'한국의 팔란티어'라는 수식어는 기대이자 함정이다. 팔란티어가 최근 흔들린 이유는 기술이 없어서가 아니라, 애플리케이션 계층의 해자를 시장이 재평가하기 시작했기 때문이다. 마키나락스가 마주한 질문도 결국 같다. 다만 그 답은 모델사와의 정면 대결이 아니라, 공장 바닥에서 라인 하나를 늘릴 때 사람이 몇 명 더 들어가느냐에 달려 있다.

댓글

이 블로그의 인기 게시물

아파트 공사비는 왜 오르는가: 층상 배관과 4Bay가 말해주는 건설 원가의 구조

최근 몇 년간 아파트 분양가 상승의 원인으로 지목되는 것은 대체로 세 가지다. 자재비, 인건비, 그리고 금리. 언론 보도는 대개 여기서 멈춘다. 그런데 현장에서 도면을 보고 공정표를 짜본 사람이라면 이 설명이 절반쯤만 맞다는 걸 안다. 아파트 공사비를 밀어 올리는 진짜 힘은 원자재 시황이 아니라, 지난 10년간 누적된 규제·인력·설계 표준의 구조적 변화에 있다. 이것들은 시황처럼 내려오지 않는다. ## 배경: 왜 중요한가 건설은 제조업과 달리 원가 구조가 눈에 잘 띄지 않는다. 반도체 팹은 장비 리스트와 감가상각으로 원가를 역산할 수 있지만, 아파트 한 동의 공사비는 수십 개 공종의 시간과 인력이 서로를 밀고 당기며 결정된다. 어떤 항목이 얼마나 올랐는지가 아니라, 어떤 항목이 다른 항목의 공기(工期)를 얼마나 늘리는지가 핵심이다. 지난 10년간 이 상호작용을 바꾼 변수는 크게 세 갈래다. 첫째는 안전 규제다. 중대재해처벌법을 포함한 책임 법규 강화는 단순히 안전 관리비 항목을 늘린 것이 아니라, 작업 자체의 속도를 늦췄다. 고소작업 전 점검, 밀폐공간 작업 절차, 장비 이동 시 신호수 배치 같은 조치는 개별적으로는 몇 분이지만 수천 번 반복되면 공기 몇 주가 된다. 공기가 늘면 현장 관리비, 금융비용, 장비 임대료가 함께 늘어난다. 둘째는 인력이다. 미장, 조적, 타일 같은 습식 공종은 숙련도가 곧 품질이자 속도인 영역인데, 이 분야 국내 숙련공은 고령화와 신규 유입 단절로 빠르게 줄고 있다. 외국인 근로자 의존도가 높아지면서 의사소통과 숙련도 편차가 공기 변동성을 키웠다. 셋째는 설계 표준이다. 층간소음 차단 성능, 단열 기준 강화, 열교환 환기 시스템과 시스템 에어컨 사실상 의무화가 겹치면서 천장 속 공간—배관, 덕트, 전기 트레이가 지나는 그 좁은 층—이 급격히 복잡해졌다. 아파트 공사비는 이 세 갈래가 곱해진 결과다. ## 핵심: 일반 기사가 놓치는 지점 기사들이 "건축비 상승"이라고 뭉뚱그리는 자리에서, 현장은 두 가지를 본다. 하...

2차전지 소재 국산화가 실제로 넘어야 하는 문턱

 인터배터리 전시장에서 코팅 양극박이 공개되고, 고체전해질 미립화 기술이 신기술 인증을 받고, 자동차 회사가 배터리 개발 캠퍼스를 짓는다. 2차전지 관련 보도자료를 시간순으로 늘어놓으면 하나의 흐름이 보인다. 셀 회사의 증설 발표가 줄어든 자리를 소재·부품·장비 쪽 소식이 채우고 있다. 전기차 판매 둔화 이야기와는 결이 다른 움직임인데, 현장에서 보면 이유가 분명하다. ## 배경: 왜 중요한가 2020년부터 2023년까지 2차전지 산업의 뉴스는 대부분 캐파(생산능력) 숫자였다. 몇 GWh를 어디에 짓는다, 누구와 합작한다는 발표가 이어졌다. 셀 라인을 먼저 확보하는 쪽이 이긴다는 판단이었고, 실제로 그 시기에는 맞는 판단이었다. 지금은 국면이 다르다. 유럽과 북미의 전기차 수요 증가율이 꺾이면서 이미 지은 라인의 가동률이 먼저 문제가 됐다. 라인을 더 짓는 것보다 지금 라인에서 나오는 셀의 원가와 수율을 개선하는 쪽이 급해졌다. 그 개선의 대부분은 셀 조립 공정이 아니라 소재에서 나온다. 양극재·음극재·분리막·전해질·집전체(박) 같은 소재가 셀 원가에서 차지하는 비중이 절반을 훌쩍 넘기 때문이다. 여기에 공급망 재편이 겹쳤다. 중국산 소재 의존을 줄이라는 요구가 통상 규제 형태로 들어오면서, 성능이 같아도 어디서 만들었는지가 구매 조건이 됐다. 2차전지 소재 국산화가 기술 과제이면서 동시에 통상 과제가 된 배경이다. ## 핵심: 일반 기사가 놓치는 지점 보도자료는 대체로 "개발 완료", "인증 획득", "전시회 공개"에서 끝난다. 현장에서 중요한 건 그 뒤다. 개발된 소재가 셀 회사의 양산 라인에 실제로 들어가기까지 걸리는 시간과, 그 사이에 무슨 일이 벌어지는지가 사업의 성패를 가른다. ### 세부 포인트 1 — 인증과 양산 사이의 2~3년 배터리 소재는 셀 회사가 승인해도 끝이 아니다. 셀 회사 위에 완성차 업체가 있고, 완성차는 자기 차량 플랫폼에 들어갈 셀의 소재 변경을 별도로 검증한다. 소재 하나를...

AI가 내놓은 결론을 그대로 승인할 때 — 판단 위임의 함정

 인공지능의 미래를 두고 위대한 사상가에게 길을 묻는 글들이 늘고 있다. 그중 자주 소환되는 이름이 한나 아렌트와 아이히만이다. 명령을 따랐을 뿐이라는 말, 스스로 생각하기를 멈춘 상태를 아렌트는 '무사유'라고 불렀다. 이 논의는 대개 윤리와 철학의 언어로 마무리된다. 현장에서 보면 이 문제는 훨씬 더 구체적이고 일상적인 형태로 나타난다. ## 배경: 왜 중요한가 AI는 이제 산업 현장에서 조언자가 아니라 결정 라인의 한 단계로 들어와 있다. 반도체 공정의 이상 감지, 발전 설비의 부하 예측, 제조 라인의 불량 판정, 설비 정비 시점 추천까지 모델이 숫자를 내놓고 담당자가 그 숫자를 확인한다. 문제는 확인의 실질이다. 화면에 뜬 추천을 검토하는 것과, 추천을 그대로 승인 버튼으로 넘기는 것은 겉으로 같아 보이지만 완전히 다른 행위다. 여기서 아이히만의 구도가 반복된다. 아이히만은 악한 의도를 가진 사람이 아니라, 자기가 처리하는 일이 무엇인지 끝까지 생각하지 않은 사람이었다. AI 시대의 판단 위임도 같은 자리에서 시작한다. 누구도 나쁜 마음을 먹지 않았는데, 모델이 계산하고 사람이 눌렀고 책임은 어디에도 남지 않는다. 각 단계의 담당자는 자기 몫을 했다고 믿는다. 산업 현장이 특히 취약한 이유는 규모와 속도 때문이다. 모델은 초 단위로 수천 건을 처리하고, 사람이 모든 건을 실제로 다시 생각하기는 물리적으로 어렵다. 그래서 검토는 형식이 되고, 판단 위임은 예외가 아니라 기본값이 된다. ## 핵심: 일반 기사가 놓치는 지점 AI 위험을 다루는 기사 대부분은 모델의 정확도, 편향, 일자리 대체를 이야기한다. 현장에서 더 크게 작동하는 문제는 다른 데 있다. 모델이 틀리는 순간이 아니라, 사람이 생각하기를 멈추는 순간이다. ### 세부 포인트 1 — 책임의 분산 자동화된 결정 라인에서는 책임이 여러 손을 거치며 옅어진다. 모델을 만든 팀은 운영 조건을 몰랐다고 하고, 운영자는 모델을 믿었다고 하고, 관리자는 절차를 지켰다고 한다. 각자의 말이 다 ...