Ford가 증명한 것: AI는 '백발 엔지니어' 없이 공장을 못 돌린다

3년 전 Ford 내부 회의실 어딘가에서 누군가가 이런 슬라이드를 넘겼을 것이다. "AI 비전 검사 도입 시 검사 인력 대비 비용 절감 X%." 그 숫자가 그럴듯하게 보였고, 결정이 내려졌다. 2026년 6월 현재, Ford는 그 결정의 대가를 치르고 있다. Bloomberg 보도에 따르면 Ford는 AI 품질검사 도구가 도메인 전문가 없이 단독 운영될 수 없다는 사실을 인정하고, 내부에서 'gray beard(백발 엔지니어)'로 불리는 베테랑 품질 검사 엔지니어 350명을 재고용했다.

이것은 단순한 인력 운용 실수가 아니다. AI가 숙련 노동을 1:1로 대체할 수 있다는 가설이 제조 현장에서 무너진 가장 선명한 증거다.

AI는 왜 '혼자서' 공장을 못 돌렸나

품질검사는 AI가 가장 잘할 것 같은 영역처럼 보인다. 반복적이고, 패턴 기반이며, 이미지 데이터가 풍부하다. 그런데 실제 제조 라인은 그렇게 깔끔하지 않다. 철판 조도의 미세한 변화, 조립 공정이 바뀐 직후 나타나는 새로운 결함 유형, 계절에 따라 달라지는 도장면 반사광—이런 변수는 라벨링된 훈련 데이터로 학습한 모델이 즉각 포착하기 어렵다.

베테랑 엔지니어가 보유한 암묵지(tacit knowledge)가 바로 여기서 작동한다. 수십 년간 라인을 걸으며 쌓은, 문서화되지 않은 패턴 인식이다. 이 지식은 그들이 떠날 때 함께 사라진다. AI 도구가 보정(calibration)과 재프로그래밍이 필요할 때, 그 작업을 수행할 사람이 조직 안에 없었다. 주니어 직원이 AI의 출력을 검토하고 AI가 주니어를 '훈련'하는 루프는 오류를 걸러내지 못하고 증폭시켰다.

비용 계산의 오류

단기 인건비 절감이 얼마나 값비싼 환상이었는지는 결과가 말해준다. AI 단독 운영 기간 동안 품질 결함이 수십억 달러의 손실을 야기했다. 재고용 비용과 온보딩 기간, 그리고 브랜드 신뢰도 훼손까지 더하면 원래 절감하려 했던 인건비를 아득히 초과한다.

이 패턴은 Ford만의 문제가 아니다. Career Metrics(2026) 조사에 따르면 전체 기업의 3분의 1이 AI 대체 이후 강제 재고용을 경험했으며, Metaintro는 Gartner 예측을 인용해 AI 주도 감원의 절반이 2027년까지 역전될 것으로 전망한다. Klarna가 AI 고객서비스 확대 후 인력을 다시 늘리고, IBM이 특정 백오피스 자동화 이후 재검토에 나선 것과 같은 흐름이다.

AI ROI 계산서에는 지금 빠진 항목이 있다. 재고용 비용, 지식 재구축 기간, 품질 리스크 충당금—이것들이 포함되지 않은 자동화 투자 제안서는 절반짜리 회계다.

하이브리드 체계가 만든 반전

흥미로운 것은 결말이다. 베테랑 엔지니어를 투입한 하이브리드 체계가 가동된 이후, Ford는 2026년 JD Power 초기품질조사(IQS)에서 일반 브랜드 부문 1위(152 PP100)를 기록했다고 Automotive News가 전했다. AI 도구를 없앤 것이 아니다. 베테랑 엔지니어가 AI를 보정하고 주니어를 훈련하며, AI가 놓치는 엣지 케이스를 감별하는 구조를 만들었다.

이 구조의 논리는 단순하다. AI 도구의 품질 출력은 도메인 전문가의 감독 밀도에 비례한다. AI는 스케일을 제공하고, 인간은 방향과 보정을 제공한다. 어느 한쪽만으로는 신뢰할 수 있는 시스템이 되지 않는다.

전망: AI 도입 로드맵에 빠진 한 단계

Ford 사례가 산업 전반에 던지는 교훈은 속도보다 순서의 문제다. AI를 배치하기 전에 베테랑 인력의 암묵지를 구조화된 형태로 포착(knowledge capture)하는 단계가 선행되어야 한다. 그 지식이 모델 파인튜닝에 들어가든, 검수 프로세스 설계에 반영되든 간에—전문가가 사라진 뒤 AI를 켜는 순서는 근본적으로 틀렸다.

다음 라운드의 자동화 투자 검토가 시작된다면, 경영진이 물어야 할 질문은 하나다. "이 AI 도구가 실패하거나 표류할 때, 그것을 알아채고 고칠 사람이 조직 안에 있는가?" 없다면, Ford가 걸어간 길을 다시 밟게 된다.