AI산업과 철강업이 무슨 상관이 있을까? 저는 사실 상관이 없지는 않겠지만 그렇게 영향을 받을 거라고는 생각하지 않았습니다. 제철소에서 하루 종일 품질 편차를 고민하고 낭비를 줄이려 애쓰는 입장에서 AI는 그저 먼 나라 이야기였습니다. 코딩이나 컴퓨터 언어 정도로만 여기며 "우리 산업이랑 무슨 상관인가" 싶었습니다. 그런데 어느 날 후배 엔지니어들이 AI tool을 활용하여 저렴하게 실패비용을 저감하고 조업 패턴을 분석해서 조업사고를 막는 걸 직접 확인했습니다. 그때부터 생각을 바꾸기 시작했습니다. 철강업체는 AI를 어떻게 활용하고 있으며 AI산업변화에 따른 철강업계의 영향도에 대해서 알아보겠습니다.
데이터센터는 새로운 철강수요가 되다
후판 제품을 담당하고 있는데 하루는 생소한 프로젝트 물량이 들어왔습니다. 물어보니 데이터센터를 세우는 데 필요한 철강이라고 하더군요. 그 순간 머릿속이 번쩍했습니다. AI는 단순한 소프트웨어가 아니라 거대한 물리적 기반 위에 세워지는 산업일 수 있겠다는 생각이 들었습니다. 데이터센터 하나를 짓는 데 들어가는 철강량이 수만 톤에서 수십만 톤에 달합니다. 여기서 데이터센터란 단순히 서버를 쌓아둔 건물이 아니라 24시간 365일 단 1초도 멈추지 않아야 하는 국가 핵심 인프라를 의미합니다. 제가 직접 확인한 프로젝트만 해도 기초 구조물부터 냉각시설, 전력 인프라까지 엄청난 양의 특수 철강이 필요했습니다.
더 놀라운 건 이런 시설이 전 세계적으로 급증하고 있다는 점입니다. AI 서버는 기존 서버보다 전기를 2배에서 4배나 더 많이 소비합니다. 그러니 데이터센터 건물만이 아니라 이를 뒷받침할 전력망, 즉 철탑과 변압기, 에너지 저장 시스템(ESS) 같은 전력 인프라까지 전부 새로 깔거나 증설해야 하는 상황입니다. 에너지 저장 시스템이란 전력을 대규모 배터리처럼 저장해 두는 설비로, 전력 수요가 급증할 때 안정적으로 공급하기 위해 필수 장치입니다.
과거 철강산업은 건설, 조선, 자동차 판매량에 의존했습니다. 경기가 나빠지면 같이 휘청거리는 구조였습니다. 하지만 AI 인프라 수요는 경기 변동에 덜 민감합니다. 국가의 장기 산업 전략에 따라 움직이기 때문에 훨씬 안정적이고 예측 가능한 수요처가 될 수 있습니다. 이에, 철강회사 입장에서는 새로운 성장 동력을 찾았다고 할 수 있습니다.
더욱 중요한 건 이런 시설에는 싼 범용 제품을 쓸 수 없다는 점입니다. 지진이나 화재에도 버틸 수 있는 고강도 강재, 두껍고 튼튼해서 구조물의 뼈대를 이루는 후판, H빔 같은 형강처럼 신뢰성이 검증된 고부가가치 제품이 반드시 필요합니다. 여기서 고강도 강재란 인장강도가 일반 강재보다 월등히 높아 더 적은 양으로도 같은 하중을 견딜 수 있는 특수 강재를 말합니다. 이제 경쟁의 초점이 "얼마나 싸게"에서 "얼마나 튼튼하고 믿을 수 있게"로 완전히 바뀌고 있습니다.
제철소에 활약하는 AI 기술
제철소 안에서도 AI는 이미 깊숙이 들어와 있습니다. 제가 실제로 목격한 변화만 해도 여러 가지입니다. 여러 공정에서 젊은 엔지니어들이 AI를 활용해 눈에 띄는 성과를 내고 있습니다. 특히 품질 관리 분야가 대표적입니다. 과거에는 숙련된 검사원이 육안으로 표면 결함을 찾아냈지만, 이제는 컴퓨터 비전(Computer Vision) 기술을 활용한 AI가 실시간으로 자동 판정합니다. 컴퓨터 비전이란 컴퓨터가 이미지나 영상을 분석해 사람처럼 사물을 인식하고 판단할 수 있게 하는 기술입니다. 딥러닝 모델을 활용해서 철강의 재질을 예측하고 거기에 따른 조업패턴도 분석합니다.
예지보전(PdM, Predictive Maintenance)도 빼놓을 수 없습니다. 예지보전이란 설비가 고장 나기 전에 미리 징후를 감지해 정비 시기를 최적화하는 방식을 말합니다. 제철소 설비는 24시간 쉬지 않고 돌아가는데, 갑자기 멈추면 엄청난 손실이 발생합니다. AI는 수만 개의 센서 데이터를 실시간으로 분석해 설비 이상 징후를 사전에 포착하고 잔여 수명까지 추정합니다. 실제로 미국의 뉴코어(Nucor)는 압연 공정과 전기로에 머신러닝 모델을 적용해 가동률을 개선하고 돌발 정지를 크게 줄였다고 보고했습니다.
일본 JFE스틸의 사례도 인상적입니다. 이 회사는 2018년부터 데이터 분석 플랫폼인 'Pla'cello'를 개발해 고로 비정상 상태를 8~12시간 앞서 예측하는 모델을 운용하고 있습니다. 고로는 제철소의 심장 같은 설비인데, 한번 문제가 생기면 복구에 막대한 비용과 시간이 듭니다. AI 덕분에 이런 위험을 사전에 차단할 수 있게 된 겁니다.
솔직히 말하면 제가 처음 이런 기술을 접했을 때는 반신반의했습니다. "기계가 사람의 경험과 감을 따라올 수 있을까?" 하는 의구심이 들었죠. 하지만 실제로 조업 패턴을 분석해서 이상 시 조치 기준을 수립하고, 사고를 미리 막는 사례를 직접 보면서 생각을 바꾸게 되었고 지금도 계속 변화하고 있습니다.
2026년부터는 유럽연합을 비롯한 주요 시장에서 탄소국경조정제도(CBAM)가 본격 시행됩니다. 철강 제품에 포함된 탄소 배출량을 정밀하게 측정하고 보고해야 하며, 그에 따른 비용을 부담해야 합니다. 여기서 CBAM이란 Carbon Border Adjustment Mechanism의 약자로, 탄소 배출이 많은 제품에 추가 비용을 부과해 기후변화에 대응하려는 국제 규제입니다. AI는 이런 탄소 데이터를 실시간으로 수집하고 관리하는 데 필수적인 도구가 되고 있습니다.
중국 바오우철강은 저탄소 제철 공법인 HyCROF에 AI를 접목했습니다. AI가 산소 유량, 수소 비율 같은 조업 변수를 실시간으로 최적화하고, 시뮬레이션 모델을 통해 예측 제어를 수행합니다. 그 결과 생산능력은 늘어나고 탄소 배출은 줄어드는 효과를 동시에 거두고 있습니다. 제조업에서 AI는 이제 선택이 아니라 생존 도구가 되어가고 있습니다.
제가 개인적으로 가장 인상 깊었던 건 AI가 단순히 비용을 줄이는 도구가 아니라는 점입니다. AI는 새로운 수요를 창출하고, 제품의 질을 끌어올리고, 규제에 대응하는 전략적 무기로 작용하고 있습니다. 철강산업이 저무는 산업이라는 편견이 얼마나 잘못된 생각인지 깨닫게 되었습니다. AI 확산은 철강산업에게 위기가 아니라 기회입니다. 다만 그 기회를 먼저 알아보고 준비한 기업만이 새로운 시대의 승자가 될 거라 확신합니다.