알림 목록

分析地域： 蔚山広域市

核心地域： 北区・東区・南区・蔚州郡

Agenda：大企業と地域協力会社の間のAX準備・拡散・収益格差

Golden Time Type: Supply-chain AX Polarization Risk

基準日： 2026.08.28

Version: Regional AX Golden Time Intelligence v3.2
 

現代自動車はAI・ロボット・デジタルツインを組​​み合わせたソフトウェア定義工場を拡大し、HD現代は2030年まで造船所生産性30%向上と乾燥期間30%短縮を目標にFOSを推進している。蔚山製造業の競争単位が個別設備から工場全体のデータ・ＡＩ運営体制に移動したが、協力企業のＡＩ適用率と工程データ連結水準は地域単位で公開されない。 2026～2028年、元庁の納品基準がリアルタイム品質・炭素・納期データに変わると、対応できなかった協力会社は生産能力とは無関係に取引から離脱する。 蔚山のAX格差は、技術格差を超えてサプライチェーンが残存するかどうかを決定する段階に入った。

政府は2026年の産業AX予算を2025年に5,651億ウォンから1兆1,347億ウォンに拡大し、AIファクトリー予算も1,582億ウォンから2,200億ウォンに増やした。製造政策の中心がスマート工場普及から自律製造AI拡散に移行したが、2024年基準の自律製造AIファクトリーは全国26個に過ぎなかった。今後2～3年間、先導企業中心の配置が続くと、予算拡大と地域協力会社の実際導入との間に格差が残る。 国家ＡＸ投資は加速されたが、協力企業の現場拡散は初期段階だ。

中小ベンチャー企業部は2025年、製造AI戦略でAI中心スマート工場1万2,000個を構築し、中小製造企業AI導入率10%を達成する目標を提示した。政策目標自体が現在中小製造業のAI活用が低い水準であることを明らかにし、蔚山協力業者だけ別に算出した導入率は確認されない。 2026～2028年にも導入企業が全体の少数にとどまると元庁のAI転換速度とサプライチェーン平均転換速度はさらに広がる。 中小製造業ＡＸは、普及段階ではなく初期拡散段階と判断される。

大企業は設計・調達・生産・物流・製品・経営を結ぶ独自のデータとAI人材を保有している。協力会社は元請システムを通じて発注・品質情報を交換するが、独自のデータ保存・分析・モデル運営レベルは公開されない。 2～3年以内に元請AIが協力会社選定と単価・納期評価に適用されると、データ生産能力がない企業は評価対象であり、評価モデルには接近できない。 大企業はAX事業主体であり、多くの協力会社はAXデータプロバイダに滞在する可能性が高い。

蔚山の自動車・造船・石油化学生産は大企業工場と多段階協力企業が工程・納品・整備・物流を分担する仕組みだ。完成品の競争力がサプライチェーン全体の納期と品質に左右されるが、AI投資は資本・データ・人材が集中した元庁で先に進む。協力会社段階別AXレベルとボトルネック企業の位置は公開されない。 2028年までにサブサプライチェーンが接続されていない場合、大企業の内部生産性の上昇も外部調達の変動性によって制限されます。 蔚山製造AXの実質単位は大企業工場ではなく多段階サプライチェーンであり、現在の測定単位はそれより狭い。

協力企業は元庁の生産量・車種・線種・整備計画の変化に売上が連動する。 AX投資で発生した生産性利益が単価・物量・長期契約のうちどのように協力企業に配分されるかは公開Evidenceがない。 2～3年間の利益は元請に集中し、投資費は協力企業が負担すれば転換企業ほど投資回収のリスクが大きくなる。 蔚山のAX格差は、技術保有より生産性利益の配分構造で拡大することができる。

現代自動車は生産設備・物流ロボット・品質検査・デジタルツインを結合し、SDV・電動化生産体系を拡大している。自動車競争が組立品質からソフトウェア・バッテリー・電子制御データの統合に移行したが、地域内燃機関部品会社のソフトウェア売上と電動化転換率は確認されない。 2026～2028年の新車種の部品構成が固定されると、既存部品会社の転換機会は次期プラットフォームまで遅延する。 完成車ＡＸは加速段階であり、既存部品サプライチェーンのＡＸは企業別生存が分かれる段階だ。

電気自動車・SDVは部品数の減少と戦場・ソフトウェアの比重上昇を伴う。既存の協力会社が納品していた機械部品の需要が減ると同時に、データ提出・追跡性・サイバーセキュリティ基準は高くなったが、蔚山部品会社の準備度を示す統合指標はない。 2～3年以内に部品減少とデジタル認証費用が重なると、零細企業から売上と投資余力が同時に縮小する。 自動車サプライヤーのGAPは工場自動化だけでなく、納品品自体の消滅リスクも含む。

HD現代はAI設計、デジタルツイン、ロボット、名場エージェントを含むFOSを推進している。朝鮮生産が熟練者の現場調整からデータ基盤の予測・自律運営に移行したが、ブロック・配管・溶接・塗装協力業者の独自のＡＩ運営実績は確認されない。 2028年まで元請工程だけがインテリジェントになれば、協力会社の手作業の品質偏差が全体の乾燥期間のボトルネックとして残る。 朝鮮大企業のAXポートフォリオは総合型であり、地域協力網のAXは部分連結型である。

造船業は外国人材の拡大と現地のカスタマイズ訓練で生産人材を補充している。人材構造が多国籍作業組に変わったが、協力企業が作業標準・映像・品質データを多言語デジタル体系で運営する割合は確認されない。 2～3年間、熟練者離脱と人材循環が重なると、デジタル知識基盤がない企業から再作業・安全・納期のリスクが大きくなる。 朝鮮協力企業のＡＸ格差は、人材不足と熟練複製失敗が結合した格差だ。

蔚山石油化学大企業は長期間分散制御システム・工程最適化・予知整備技術を運営してきた。工程ＡＸが歩留まり・エネルギー・整備を統合する段階に移動したが、保守・検査・物流・環境管理協力企業のデータ連結範囲は公開されない。 2026～2028年の設備減産と事業再編が進めば元請システムに従属した協力会社は取引先縮小とAX投資回収失敗を同時に経験する。石油化学サプライヤーのGAPは、技術導入よりも元請構造調整に関するデータの可視性が不足している。

化学製品の競争基準は価格・品質から炭素足跡と原料履歴まで拡大した。大企業は製品単位の炭素情報を構築する余力があるが、輸送・整備・廃棄物処理企業の排出データが接続されなければ、サプライチェーン全体の検証が完成しない。 2〜3年以内に顧客の検証基準が強化されると、データのないサプライヤーは実際の排出量に関係なくサプライチェーンのリスクに分類されます。 カーボンデータGAPは環境評価を超えて取引資格格差に転換中だ。

スマート工場普及事業は生産管理・設備接続・品質データ収集を中小製造現場に拡散させた。しかし、製造AIは収集されたデータの品質・蓄積期間・工程標準化を前提とし、設備接続だけでは自律予測が形成されない。蔚山スマート工場の実際の活用率とAIモデルの運営率は公開資料から分離されない。 2026～2028年の基礎デジタル化とAI運営を同じ成果で集計すると、現場の格差は統計から消える。 スマート工場構築実績はAX準備の証拠だが、AX作動の証拠ではない。

中小ベンチャー企業部は２０２６年、スマート製造革新事業でスマート工場活用率８５％とＡＩスマート工場拡大を提示した。政策基準が構築数から活用率・AI成果に移行したが、蔚山企業の非稼働システム、データ欠損、サプライヤーメンテナンス依存度は確認されない。 2〜3年間のシステム使用率が低い場合、追加のAI投資は既存のデータエラーを増幅します。 蔚山協力会社AXの先行GAPはAIモデルより既存のスマート工場の実使用レベルだ。

大企業は完成車・船舶・化学製品の設計・生産・品質・顧客データを全周期にわたって保有する。協力会社は、自分が担当した工程データのみを保有したり元請システムに入力した後、再使用権限を確保できない構造が一般的だが、契約別のデータ権利は公開されない。 2～3年間、元庁データで学習したAIが生産意思決定に取って代わると、協力会社は独自のモデルを作る学習基盤を失う。蔚山AXギャップの中心はサーバー保有量より産業データアクセス権だ。

元庁は様々な協力企業の品質・納期データを比較して最適な供給者を選択することができる。個々のサプライヤーは、元庁が持つ比較データと需要予測にアクセスできず、設備投資と人材配置を過去の注文に依存する。 2028年までに情報非対称が維持されると、元庁の予測精度は上昇し、協力会社の在庫・アイドル設備のリスクは大きくなる。 サプライチェーンAIは、共同最適化よりも交渉力の非対称性を拡大する可能性が確認されている。

蔚山大企業は自動車・造船・石油化学全般でAI設計、デジタルツイン、ロボット、予知整備を推進している。技術適用範囲が企業活動全般に拡大されたが、協力企業のAI導入率・活用率・投資規模は地域統計で確認されない。 2～3年以内にギャップを測定できなければ、支援対象とサプライチェーンボトルネックの一致があるかどうかも判定されない。 大企業の準備水準は「高度化」、協力企業の準備水準は「部分デジタル化・ＡＸ未確認」だ。

中小製造企業ＡＩ導入率１０％が今後の政策目標として提示され、全国自律製造ＡＩファクトリーは２０２４年に２６社だった。現在の基盤が少数の先導者中心であることを示しているが、蔚山協力企業の業種・規模別分布は公開されていない。 2028年までにAI導入が上位協力会社に集中すれば、下位協力網の準備水準は変わらない。 サプライチェーンの平均準備レベルは、大企業の先導事例よりも著しく低いと判断される。

大企業のAI・ロボット適用事例は生産・検査・物流・設計で確認される。適用が個々の工程を超えて工場運営体制に拡大されたが、同じ技術が協力業者工場に拡散した割合は確認されない。 ２～３年間、元庁工場内部の拡散だけ持続すれば、サプライチェーンの処理速度差が納期ボトルネックを作る。 大企業内部の拡散は進められ、企業間の拡散は未確認だ。

政府は２０３０年までに自律製造ＡＩファクトリー５００個以上を目標に提示したが、２０２４年基準は２６個だった。拡散目標と現在基盤との間に約19倍の規模差が存在し、蔚山の配定・選定物量は確認されない。今後2～3年は目標達成の初期拡散器なので、先導プロジェクトから除外された企業の格差が先に拡大する。AIファクトリーの拡散は始まったが、蔚山協力網全体を包括する段階ではない。

大企業は専任AI組織と外部技術企業・大学・グローバルプラットフォーム企業の協業網を保有する。中小企業は最新の技術習得、専門人材採用と製造ドメイン結合で困難を経験することでNIA調査で確認されたが、蔚山協力企業のAI専任人材の数は公開されない。 2～3年間の採用格差が維持されると、同じソリューションを導入してもモデル改善と障害対応速度が変わる。 蔚山の人員GAPは、導入費用よりもAIを運営し続ける組織の有無で発生する。

協力企業の現場知識は代表・工場長・熟練者に集中している。人材高齢化と外国人材の拡大が進むが、作業知識をデータ・規則・モデルに蓄積した企業比率は確認されない。 2028年までに熟練離脱がAX組織形成より先になるとデジタル化する源泉知識から消失する。 協力企業のAX時間リスクはAI人材不足と製造知識消滅が同時に進行する仕組みだ。

大企業はAIを通じて生産性・品質・在庫・エネルギーコストを統合削減できる規模とデータを保有している。協力企業は導入費用を負担するが、生産性上昇分が納品単価・物量・契約期間に反映された事例は地域単位で確認されない。 2〜3年間の成果配分構造が形成されなければ、AX投資の経済性は元請と協力業者の間で異なって現れる。 技術拡散よりも、AX利益のサプライチェーン拡散がより低い段階であると判定される。

スマート工場と製造AI支援は構築費の一部を減らすが、メンテナンス・データ精製・モデル更新費は繰り返し発生する。支援終了後、独自の運営率と投資回収期間は公開資料が不足している。 2026～2028年のシステム交換・購読費が累積されると、低マージン協力会社は稼働中断や外部供給者依存を選択することになる。 サプライヤーAXは、初期導入よりも繰り返し費用を負担する収益構造において脆弱である。

自動車SDV・電動化、朝鮮FOS、石油化学事業再編はすべて2026～2028年サプライチェーン構成を変える日程に入っている。元庁の製品・工程転換が協力企業の投資・人材転換よりも先だが、企業別対応期間は公開されない。車種・線種・設備再編が確定した後には新規供給会社認証と投資回収時間が不足する。 蔚山協力企業のゴールデンタイムは元庁AX完成時点ではなく、サプライチェーン再選定前に終了する。

政府ＡＸ予算は拡大されたが、ＡＩファクトリーと高度化支援は審査・選定を経て一部企業に集中する。 2～3年間、上位企業が繰り返し選定されると、データと成果が再び先導企業に蓄積され、未導入企業の格差は福利に拡大する。事業終了後、後発企業はより高い技術水準から出発しなければならない。AX支援の時間リスクは、未選定期間自体が競争格差で累積することにある。

AIモデルは生産・不良・整備データが蓄積されるほど精度が高くなる。大企業と先導協力会社が先にデータ循環を形成すれば、後発企業は設備導入の他に数年間の学習データギャップを同時に負担する。 2028年までにデータの蓄積が始まらなければ、資本投資だけで先導企業のモデル性能に追いつきにくい。 製造AIギャップは、時間が経つにつれて大きくなるデータ累積型不可逆リスクです。

元庁のデジタルサプライチェーンは、品質・納期・炭素・セキュリティをリアルタイムで評価し、供給会社の選定に反映する。一度サプライチェーンから離脱した企業は売上減少でAX投資余力を失い、再認証に必要なデータも蓄積できない。 2～3年以内に離脱が発生すると、技術格差と取引格差が互いに強化する。 サプライヤーAXの失敗は、システムの未導入ではなく、サプライチェーンの退出によって固定される不可逆性を持っています。

圧縮判定：協力会社が元庁AIにデータを提供する水準を超えて、データ再利用権、独自運営能力、生産性利益を同時に確保するかが蔚山サプライチェーンAXの分岐点である。

蔚山の大企業ＡＸは投資・データ・人材・現場適用において高度化段階、地域協力業者ＡＸは基礎デジタル化と一部の先導企業を除けば初期・未確認段階と判定される。

現在のギャップは単なる技術レベルの違いではありません。大企業はサプライチェーンを予測・評価する主体となり、協力企業は自身のデータを提供しながらも比較情報と需要予測には接近できない非対称構造だ。

この格差が2028年まで続くと、蔚山は大企業工場のAX競争力を確保する代わりに、地域協力生態系の付加価値と企業数を失う可能性が高い。

Golden Time Judgment: Enterprise AX Acceleration + Supply-chain Polarization Risk

Evidence Sources

• 産業通商部、2026年産業AX・AIファクトリー予算及び構築目標
• 中小ベンチャー企業部、AIベースのスマート製造革新3.0戦略
• 中小ベンチャー企業部、2026年スマート製造革新支援事業
• NIA、企業内のAI活用の現状と懸念分析
• NIA、国内製造業競争力強化のためのPhysical AI活用案
• スマート工場事業管理システム
• HD現代、未来型造船所FOS構築
• 産業通商部、産業団地AX分科及びM.AXクラスタ

Structural Insight — 大手 AX が成功するほど、サプライヤーの独立性は弱くなる可能性があります。

大企業のAIは、様々な協力企業の価格・品質・納期・不良データを同時に学習する。データが蓄積されるにつれて、元庁はサプライチェーン全体をより正確に予測し、サプライヤを迅速に交換します。一方、サプライヤーは自分のデータだけを保持したり、元請システムに入力したデータさえも独自に活用することはできない。

この非対称では、パートナーのデジタル接続はすぐにAXの能力を意味しません。元請プラットフォームに連結された企業はデータ生成には参加するが、モデルの所有・比較情報・意思決定には参加できない。連結度が高くなるほど元清依存度も一緒に上昇するパラドックスが発生する。

元青AIが生産性を高めると、より少ないサプライヤーとより正確な配達システムを運営する方向が経済的に有利になる。サプライヤーのAXサポートが独自の競争力につながらない場合、AIはサプライチェーン全体を成長させるよりも優れた企業だけを選別する装置として機能する。

したがって、蔚山の構造的リスクは、協力者がAIを遅らせるだけではありません。 サプライヤーがAXに参加するほどデータをより多く提供するが、自身の予測力と交渉力は高くならない構造が固着することがより大きなリスクである。