Global ESG Brief 주가전망
ESG가 알파가 되는 두 장면: 로봇 전환 관리와 제품 여권
26.07.16.
읽는시간 1분
■ 로봇 투입이 노사 의제의 새 명분으로 편입
현대차에서 7월 13~15일 임금·성과급 협상을 둘러싼 부분 파업이 있었고, 올해 요구 안에 'AI·로봇 도입 시 고용보장'이 처음 명시됐다.
다만 그 수단인 완전월급제·정년 연장은 이미 2025년 노사 공동 TF가 가동 중인 반복 의제이고, 생산직 임금 체계도 2012년 월급제로 전환된 만큼, 이번 국면은 로봇이 촉발한 사건이라기보다 자동화가 기존 노사 의제의 새 명분으로 편입되는 과정에 가깝다.
BMW·GM·도요타에 이어 현대차그룹도 아틀라스 도입을 구체화하는 등 로봇 투입은 산업 공통의 흐름이며, 인력난 (한국 생산가능인구 2030년까지 357만명 감소)과 원가 하락 (서구 휴머노이드 대당 2030년 1.7만 달러 이하 전망)이 이를 뒷받침한다.
도입은 방향이 정해진 문제이고, 초점은 '누가 전환을 어떻게 관리하는가'로 옮겨간다.
전환은 이해관계자마다 얼굴이 다르다.
경영진에게 자동화는 인력난·산재·품질을 푸는 기회이자 희망이지만, 노동자에게는 임금 인상의 지렛대이자 고용 안정의 위협이다.
투자자에게 핵심은 그 사이에서 기업이 전환을 얼마나 매끄럽게 설계하느냐다.
원만한 전환은 순인건비 하락과 불량률 개선으로 마진을 높이고 안정된 노사관계가 생산 연속성·브랜드를 지켜 매출과 자본효율을 끌어올리는 반면, 마찰적 전환은 파업 손실과 과도한 양보가 절감분을 잠식하고 평판 훼손이 매출을 깎아 ROE를 구조적으로 누른다.
노사 거버넌스·로봇 투입 지점·순인건비 궤적은 성격상 '비재무'로 분류되지만, 그 귀결은 철저히 재무적이다.
자동화 국면에서 기업의 S (인적자본)·G (노사관리) 역량은 순이익과 지속가능 ROE를 좌우하는 선행 시그널이며, 로봇 밸류체인 (액추에이터·센서·AI반도체)이 구조적 성장의 수혜라면 도입 기업의 알파는 바로 그 관리 역량에서 갈린다.
현대차에서 7월 13~15일 임금·성과급 협상을 둘러싼 부분 파업이 있었고, 올해 요구 안에 'AI·로봇 도입 시 고용보장'이 처음 명시됐다.
다만 그 수단인 완전월급제·정년 연장은 이미 2025년 노사 공동 TF가 가동 중인 반복 의제이고, 생산직 임금 체계도 2012년 월급제로 전환된 만큼, 이번 국면은 로봇이 촉발한 사건이라기보다 자동화가 기존 노사 의제의 새 명분으로 편입되는 과정에 가깝다.
BMW·GM·도요타에 이어 현대차그룹도 아틀라스 도입을 구체화하는 등 로봇 투입은 산업 공통의 흐름이며, 인력난 (한국 생산가능인구 2030년까지 357만명 감소)과 원가 하락 (서구 휴머노이드 대당 2030년 1.7만 달러 이하 전망)이 이를 뒷받침한다.
도입은 방향이 정해진 문제이고, 초점은 '누가 전환을 어떻게 관리하는가'로 옮겨간다.
전환은 이해관계자마다 얼굴이 다르다.
경영진에게 자동화는 인력난·산재·품질을 푸는 기회이자 희망이지만, 노동자에게는 임금 인상의 지렛대이자 고용 안정의 위협이다.
투자자에게 핵심은 그 사이에서 기업이 전환을 얼마나 매끄럽게 설계하느냐다.
원만한 전환은 순인건비 하락과 불량률 개선으로 마진을 높이고 안정된 노사관계가 생산 연속성·브랜드를 지켜 매출과 자본효율을 끌어올리는 반면, 마찰적 전환은 파업 손실과 과도한 양보가 절감분을 잠식하고 평판 훼손이 매출을 깎아 ROE를 구조적으로 누른다.
노사 거버넌스·로봇 투입 지점·순인건비 궤적은 성격상 '비재무'로 분류되지만, 그 귀결은 철저히 재무적이다.
자동화 국면에서 기업의 S (인적자본)·G (노사관리) 역량은 순이익과 지속가능 ROE를 좌우하는 선행 시그널이며, 로봇 밸류체인 (액추에이터·센서·AI반도체)이 구조적 성장의 수혜라면 도입 기업의 알파는 바로 그 관리 역량에서 갈린다.
KB증권은 동 조사분석자료를 기관투자가 또는 제3자에게 사전 제공한 사실이 없습니다. 본 자료를 작성한 조사분석담당자는 해당 종목과 재산적 이해관계가 없습니다. 본 자료 작성자는 게제된 내용들이 본인의 의견을 정확하게 반영하고 있으며, 외부의 부당한 압력이나 간섭 없이 신의 성실 하게 작성되었음을 확인합니다.
작게
보통
크게
