센서는 달렸는데 고칠 사람이 없다

스마트팜은 성과가 숫자로 확인된 드문 분야입니다. 그런데 국내 스마트온실 도입률은 2024년 기준 16% 수준이고, 정부가 2030년 목표로 잡은 게 35%입니다.

효과가 입증됐는데 왜 안 퍼질까요. 들여다보니 기술 문제가 아니었습니다.

효과는 분명하다

한 지자체 사업 결과를 보면 생산성과 상품화율이 각각 25%, 10% 증가하고, 관수·관비 노동시간과 병충해 피해는 각각 54%, 50% 감소했습니다.

주목할 건 노동시간 감소폭이 생산성 증가폭보다 크다는 점입니다. 물과 비료를 주는 작업이 자동화되면서 생기는 효과인데, 고령화와 인력난이 심한 농업에서는 이게 생산량 증가보다 더 중요한 가치일 수 있습니다.

한국농촌경제연구원 분석에 따르면 스마트팜 농가는 2023년 1,276억원의 수익 증대 효과를 거뒀고, 추가 도입 의향도 높게 나타났습니다.

그런데 보급이 느린 이유

초기 비용. 가장 직접적인 장벽입니다. 특히 청년이 스마트팜으로 창업할 때 초기 투자비가 진입 장벽으로 작용한다는 지적이 정부 계획 문서에도 나옵니다. 도입 후 생산성이 회복되는 데도 시간이 걸려서, 흑자 경영까지 상당 기간이 필요합니다.

규격 불일치. 이게 개인적으로 가장 흥미로운 지점입니다. 기자재 간 물리적·통신 규격이 달라 유지보수가 어렵다는 문제가 반복해서 제기됩니다. 정부가 2026년까지 표준 적용 기자재 실증 농가를 359호로 늘리고 데이터 단체표준을 확산하려는 것도 이 때문이고요.

33일차 매터 글에서 스마트홈의 M×N 문제를 다뤘고, 48일차에서는 결제 규격이 갈라진 얘기를 했는데, 농업에서도 같은 패턴이 나타납니다. 참여자가 영세할수록 표준화가 더 늦어진다는 차이가 있지만요.

공급업체 리스크. 국내 스마트팜 업체 대다수가 업력이 길지 않은 중소기업과 스타트업입니다. 업체가 도산하면 장비 지원이 끊기고 그 피해를 농가가 떠안습니다. 52일차 DRM 글에서 "서비스가 끝나면 구매한 것도 사라진다"는 문제를 다뤘는데, 여기서는 수천만원짜리 설비가 그렇게 됩니다.

목적 없는 도입. 정부 자료에도 "농가의 필요성보다 주변 추천에 따라 도입하는 경우가 많았고, 이로 인해 과잉투자와 역량 부족으로 활용도가 낮았다"는 평가가 나옵니다. 47일차 AI 디지털교과서 글에서 본 것과 같은 구조입니다. 도구가 먼저 들어오고 목적이 나중에 정해지면 활용이 안 됩니다.

AI에 대한 기대와 현실

2026년 업계 행사에서 나온 평가가 균형 잡혀 있어 인용할 만합니다. AI 기반 농업 분석이 지역별 기후 조건과 작물 특성을 반영한 정밀 판단에는 아직 한계가 있고, 의사결정을 전적으로 AI에 위임하기보다 농가의 판단을 보조하는 도구로 쓰라는 권고입니다.

45일차 의료 AI, 19일차 AI 채용 글에서 반복해서 나온 결론과 같습니다. 데이터가 축적될수록 정밀도는 올라가겠지만, 그 전까지는 사람의 판단과 결합하는 쪽이 맞다는 것.

농업은 변수가 특히 많습니다. 같은 작물이라도 지역, 토양, 품종, 재배 방식에 따라 최적값이 달라지는데, 이 조합마다 충분한 데이터가 쌓이려면 시간이 걸립니다.

규제 쪽 쟁점

수직농장(실내 다단 구조물에서 작물을 재배하는 방식)은 별도 문제를 안고 있습니다. 농지에 설치하려면 전용 절차를 거치거나 '타용도 일시사용' 형태로 최장 8년만 설치할 수 있는데, 설치 비용 회수 기간을 고려하면 8년이 짧다는 지적이 나옵니다.

기술은 준비됐는데 토지 제도가 그 형태를 상정하지 않은 경우죠. 10일차 로보택시, 43일차 지도 반출 글에서 본 것처럼 신기술이 기존 제도와 어긋나는 지점은 반복됩니다.

정리

스마트팜은 "AI로 농사짓는다"는 이미지보다 훨씬 현실적인 영역입니다. 센서로 환경을 재고, 설정값대로 제어하고, 데이터를 쌓는 일이 대부분이죠.

그리고 성패를 가르는 건 기술 성능이 아니라 유지보수 체계와 도입 목적입니다. 센서가 아무리 정밀해도 고장 났을 때 고칠 사람이 없으면 멈춘 설비일 뿐이니까요. 업계에서 도입 판단 기준으로 센서 정확도와 함께 사후관리 지원 체계를 꼽는 것도 그래서입니다.