매년 반복되는 산업 현장의 사고들은 우리 사회에 여전히 안전에 대한 근본적인 질문을 던지고 있다. 고용노동부 통계에 따르면, 2023년 한 해 동안 약 13만 6천 명의 산업재해자가 발생했으며, 이로 인해 약 2천 명이 사망했다. 광업, 건설업, 제조업 등 특정 업종에서 사고가 집중되는 양상은 특정 기업의 문제가 아닌, 산업 전반의 구조, 문화, 기술 환경이 복합적으로 얽혀 있음을 보여준다. 이러한 상황은 국내뿐만 아니라 전 세계적인 문제로, 국제노동기구(ILO)는 매년 약 270만 명이 산업재해나 직업병으로 사망한다고 보고하고 있으며, 이는 15초마다 한 명의 노동자가 일터에서 생명을 잃는 셈이다. 특히 개발도상국에서는 열악한 안전 관리 체계와 대응 역량 부족으로 사고 발생률이 높다는 점이 지적된다.
이처럼 반복되는 산업재해의 문제점을 해결하기 위한 정부의 정책적 시도가 ‘예방’ 중심에서 ‘예측’ 중심으로 본격화되고 있다. 2025년부터 추진되는 ‘제조안전고도화기술개발사업’이 그 대표적인 예이다. 이 사업은 업종별 사고 사례를 기반으로 AI 기술을 적용하여 사고 발생 가능성을 사전에 식별하고 조기에 대응할 수 있는 시스템을 마련하는 것을 목표로 한다. 초기 적용 업종으로는 이차전지, 석유화학, 섬유 등이 선정되었는데, 이는 단일 사고의 규모가 크고 반복되는 사고 유형이 뚜렷하다는 공통점을 가진다. 예를 들어, 2024년 6월 화성시의 리튬배터리 공장 화재는 31명의 사상자를 낳으며 이러한 업종의 위험성을 다시 한번 부각시켰다. 섬유산업 또한 수작업 공정이 많아 인적 재해 발생 가능성이 높고 유해물질 사용 빈도가 잦다는 점에서 AI 기반 예측 시스템의 필요성이 더욱 강조된다.
사고 유형별로 수년간 누적된 데이터를 기반으로 AI가 위험 상황을 실시간으로 감지하고 판단하도록 학습하는 시스템은 이미 이론적 단계를 넘어 실증 단계에 진입하고 있다. 끼임 사고가 2017~2021년 사이 총 3만 8584건에 달하는 등 구체적인 데이터는 AI 기반 예측 시스템의 기술적 구현 가능성을 뒷받침한다. 정부는 ‘제조안전 얼라이언스’와 같은 협업 구조를 통해 기업, 연구기관, 지자체가 데이터를 공유하고 현장에서 기술을 실증하는 체계를 마련하고 있으며, 이는 기술의 현장 적합성을 높이고 제조 현장의 특수성을 반영하는 데 기여할 것으로 보인다. 조선업계에서 이미 AI 기반 안전 시스템이 해외 수출로 이어진 사례는 이러한 접근 방식의 성공 가능성을 시사한다.
그러나 산업재해 예측 및 대응 시스템의 성공적인 안착을 위해서는 기술적 측면을 넘어선 고려가 필수적이다. 공정의 복잡성 증가, 작업자 다양화, 작업 환경 변화 속도 가속화 등 급변하는 산업 환경 속에서 안전은 더 이상 숙련이나 경험만으로 감당하기 어려운 영역이 되고 있다. AI와 같은 기술은 이러한 예측과 판단의 공백을 메우는 중요한 수단이 될 수 있으나, 기술이 현장에 실질적으로 적용되고 효과를 발휘하기 위해서는 작업자의 목소리가 반영된 설계가 이루어져야 한다. 결국 산업안전 기술은 설비나 시스템 자체를 위한 것이 아니라, 이를 운영하고 적용하는 ‘사람’을 위한 것이어야 한다. AI 기술은 작업자의 스트레스, 행동 이상, 피로도 등을 감지하고 대응하는 방향으로 설계되어야 하며, 고령자, 외국인 근로자, 신규 인력 등 다양한 취약계층을 고려한 포용적 기술 또한 반드시 포함되어야 한다. 아무리 정교한 시스템이 도입되더라도 현장 구성원의 인식 변화와 조직 문화 개선이 동반되지 않는다면 실효성을 담보하기 어렵다는 점에서, 기술, 정책, 그리고 사람이라는 세 요소가 유기적으로 맞물릴 때 비로소 진정한 산업안전의 변화가 현실화될 수 있다. 매일 반복되는 노동이 더 이상 생명의 위험과 맞바꾸는 일이 되지 않도록, 산업안전에 대한 꾸준한 관심과 낯선 현장의 리스크에도 귀를 기울이는 태도가 안전한 사회를 만드는 첫걸음이 될 것이다. 산업재해는 단순히 기술적 문제를 넘어 사회의 윤리적 성숙도를 비추는 거울이며, 안전은 비용이 아닌 책임이자 선택이 아닌 필수 과제이다.
About the Author
