알림 목록

Area Analisis: Kota Metropolitan Ulsan

Area Utama: Zona Industri Otomotif Buk-gu, Zona Industri Perkapalan Dong-gu, Zona Industri Petrokimia Nam-gu

Agenda: Penyelarasan antara Deklarasi Kota AI dan Hasil Produktivitas, Kualitas, Keselamatan, dan Energi di Lokasi Manufaktur

Jenis Waktu Emas: Percepatan Infrastruktur + Transformasi Pabrik Bukti Kesenjangan

Tanggal Referensi: 28 Agustus 2026

Versi: Standar Peningkatan Kecerdasan Waktu Emas AX Regional v3.2
 

Ulsan menarik proyek pusat data AI senilai 7 triliun won dari SK–AWS pada tahun 2025 dan menempatkan "Ulsan, Ibu Kota AI" di garis depan administrasi kotanya pada tahun 2026. Strategi AI kota ini bergeser dari fokus pada pendidikan dan penelitian ke model AI tipe kota industri yang menggabungkan infrastruktur komputasi skala besar dengan industri manufaktur. Namun, belum ada bukti publik yang terkonfirmasi yang menghubungkan investasi pusat data dengan peningkatan tingkat adopsi AI, produktivitas, pengurangan cacat, keselamatan, atau efisiensi energi di pabrik otomotif, pembuatan kapal, dan petrokimia Ulsan. Jika pembangunan pusat data dan proyek AI pabrik berjalan secara terpisah antara tahun 2026 dan 2028, Ulsan mungkin berhasil membangun infrastruktur AI, tetapi transisi lokasi industri dapat bergantung pada permintaan cloud eksternal. Meskipun  deklarasi Ulsan sebagai kota AI dikonfirmasi dalam hal investasi infrastruktur, hal itu dinilai belum terkonfirmasi dalam hal hasil pabrik.

Pada tahun 2026, Ulsan mengalokasikan anggaran sebesar 117,8 miliar won untuk membina UKM dan mempromosikan inovasi, meningkat 26,0% dari tahun sebelumnya, dan mencakup program UKM AX. Cakupan penerapan kebijakan AI meluas dari fokus pada perusahaan besar dan lembaga penelitian hingga mencakup UKM lokal dan perusahaan mitra. Namun, data yang tersedia untuk umum tidak mengkonfirmasi jumlah perusahaan yang didukung yang telah melampaui Proof of Concept (PoC) untuk menerapkan AI secara permanen pada lini produksi aktual, juga tidak mengungkapkan perubahan dalam produktivitas, penjualan, dan lapangan kerja. Jika dukungan tetap berada pada tahap konsultasi, peralatan, dan demonstrasi dari tahun 2026 hingga 2028, kesenjangan dalam data, tenaga kerja, dan proses antara perusahaan besar dan perusahaan mitranya akan semakin melebar.  Meskipun kebijakan difusi untuk Ulsan Manufacturing AX telah dikonfirmasi, tingkat konversi di lokasi produksi UKM dianggap belum terkonfirmasi.

Ulsan telah menetapkan target untuk lima tahun ke depan untuk mengembangkan 500 talenta AI konvergensi industri, melakukan 150 demonstrasi lapangan yang berpusat pada perusahaan besar, dan membina 500 startup teknologi canggih, sementara Sekolah Pascasarjana UNIST Novatus berencana untuk melatih sekitar 100 spesialis AI setiap tahunnya. Ekosistem AI industri telah berkembang menjadi struktur yang menggabungkan pengembangan talenta, startup, dan demonstrasi perusahaan besar. Namun, kriteria transisi—mulai dari 150 demonstrasi hingga aplikasi lini produksi, kontrak berbayar, pendapatan berulang, dan ekspansi ke perusahaan mitra—belum diungkapkan. Jika tujuan tetap terfokus pada talenta, startup, dan jumlah demonstrasi selama dua hingga tiga tahun ke depan, perubahan aktual di pabrik akan tersamarkan oleh masukan ekosistem.  Meskipun fondasi AI industri Ulsan sedang dibentuk, bukti transisinya ke produksi masih kurang.

Kementerian Perdagangan, Industri, dan Energi telah memperluas anggaran AX Industri 2026 menjadi 1,1347 triliun won, meningkat 100,8% dari tahun sebelumnya, dan menaikkan anggaran untuk proyek Pabrik AI menjadi 220 miliar won. Periode 2026 hingga 2028, ketika perluasan investasi nasional dalam AX Manufaktur berkonvergensi dengan struktur industri otomotif, pembuatan kapal, dan petrokimia Ulsan, adalah saat di mana pendanaan eksternal skala besar akan mengalir masuk. Namun, data runtime publik yang mengintegrasikan pengamanan proyek-proyek unggulan nasional dan kinerja aplikasi berdasarkan proses di pabrik-pabrik Ulsan belum diverifikasi. Jika standar data pabrik, tolok ukur kinerja, dan struktur difusi untuk perusahaan mitra tidak ditetapkan selama periode ini, anggaran nasional yang diperluas akan habis untuk proyek-proyek demonstrasi individual.  Masa keemasan bagi sektor manufaktur Ulsan bukanlah ketika anggaran AI tidak mencukupi, tetapi justru dua hingga tiga tahun ke depan untuk menentukan tingkat transisi antara demonstrasi dan produksi.

Tesis Golden Time — Satuan untuk menentukan apakah Ulsan adalah kota AI global bukanlah jumlah investasi pusat data atau jumlah proyek demonstrasi AI. Satuan penilaiannya adalah seberapa besar AI telah mengubah waktu henti pabrik, cacat, biaya, energi, dan kecelakaan keselamatan, dan apakah perubahan tersebut telah menyebar ke perusahaan mitra.

Ulsan adalah kota manufaktur tempat industri otomotif di Buk-gu, pembuatan kapal di Dong-gu, dan industri petrokimia serta energi di Nam-gu dan Ulju-gun terkonsentrasi. Cakupan penerapan AI tidak terbatas pada satu proses saja, tetapi mencakup seluruh rantai nilai yang membentang dari desain, pengadaan, produksi, kualitas, logistik, fasilitas, keselamatan, dan energi. Namun, tolok ukur resmi yang membandingkan jumlah pabrik, proses, tingkat konversi data fasilitas, dan tingkat penerapan AI di ketiga industri utama menggunakan kriteria yang sama belum dikonfirmasi. Lebih lanjut, jika operasi bisnis per sektor berkembang secara terpisah antara tahun 2026 dan 2028, tingkat konversi untuk semua pabrik di Ulsan tidak dapat dihitung secara retrospektif.  Meskipun skala industri Ulsan jelas, penyebut transisi AI dianggap belum terkonfirmasi.

Pabrik Hyundai Motor di Ulsan, HD Hyundai Heavy Industries, dan fasilitas petrokimia skala besar merupakan perusahaan utama yang memiliki fondasi untuk otomatisasi skala besar, sensor, dan manajemen produksi. Sektor manufaktur Ulsan telah bergeser dari pabrik yang berpusat pada tenaga kerja manual ke struktur yang menggabungkan pabrik yang sangat otomatis dengan jaringan kerja sama skala besar. Namun, cakupan pengungkapan mengenai persentase proses yang beralih dari otomatisasi yang ada ke prediksi berbasis AI dan kontrol otonom, serta kinerja yang dihasilkan, bervariasi menurut perusahaan. Jika peralatan otomatisasi dan proses AI tidak dibedakan selama dua hingga tiga tahun terakhir, investasi digital yang ada dihitung dua kali sebagai pencapaian AX baru.  Meskipun fondasi digital pabrik Ulsan kuat, skala transisi AI-nya tidak dapat dinilai secara terpisah.

Pusat data AI SK–AWS diperkenalkan sebagai investasi senilai sekitar 7 triliun won dan termasuk dalam 5 Proyek Unggulan Kota Ulsan untuk tahun 2025. Aset AI Ulsan telah berkembang dari demonstrasi oleh universitas lokal dan sektor publik hingga infrastruktur komputasi skala besar dari penyedia cloud global. Namun, tidak ada data yang tersedia untuk umum yang membedakan dampak investasi tersebut terhadap pengadaan lokal, lapangan kerja lokal, pemanfaatan komputasi oleh perusahaan manufaktur lokal, listrik, air, dan pendapatan pajak. Bahkan jika investasi konstruksi berjalan antara tahun 2026 dan 2028, jika pabrik-pabrik lokal tidak menjadi pelanggan sebenarnya, skala investasi dan skala transformasi industri tetap terpisah. Sementara skala ekonomi pusat data AI telah dikonfirmasi, skala koneksi industrinya dengan pabrik-pabrik Ulsan dianggap belum terkonfirmasi.

Rencana Kota Pintar Ulsan menyajikan 21 proyek, termasuk informasi spasial AI dan kembaran digital, dengan total biaya proyek sebesar 294,2 miliar won untuk periode 2022–2026. Penerapan data perkotaan telah meluas hingga mencakup transportasi, keselamatan, dan manajemen spasial. Namun, struktur untuk menganalisis data kota pintar secara bersamaan dengan data kompleks industri dan proses perusahaan belum dikonfirmasi dalam bukti yang tersedia untuk umum. Jika Urban AX dan Industrial AX dikembangkan menjadi platform terpisah dalam dua hingga tiga tahun ke depan, pengaruh timbal balik antara transportasi, logistik, manajemen bencana, energi, dan operasi pabrik akan diabaikan. Meskipun  skala AI di Ulsan telah meluas di sektor perkotaan dan industri, hubungan antara kedua sistem tersebut dianggap belum terkonfirmasi.

Pusat data AI, UNIST, Ulsan Technopark, fasilitas R&D dan produksi perusahaan besar, serta program dukungan untuk UKM menunjukkan konsentrasi aset AI di Ulsan. Ekosistem AI telah berkembang menjadi struktur yang menampung kebutuhan penelitian, talenta, komputasi, dan manufaktur dalam satu wilayah. Namun, tingkat konversi—dari hasil penelitian yang masuk ke Proof of Concepts (PoC) pabrik hingga kontrak lini produksi dan pendapatan startup—tidak diungkapkan secara publik. Bahkan jika jumlah institusi dan proyek meningkat antara tahun 2026 dan 2028, jika tingkat konversi ini tetap rendah, konsentrasi ini hanya akan tetap menjadi daftar aset paralel.  Meskipun Ulsan memiliki komponen AI industri, ekosistem komersial yang berfungsi belum terverifikasi.

Selama lima tahun ke depan, 150 demonstrasi lapangan yang dipimpin oleh perusahaan besar akan menciptakan titik kontak skala besar yang memungkinkan perusahaan rintisan dan lembaga penelitian untuk memasuki lokasi manufaktur sebenarnya. Pengembangan teknologi bergeser dari verifikasi laboratorium ke verifikasi lapangan dengan memanfaatkan data industri dan kondisi peralatan. Namun, kriteria publik untuk mengevaluasi kontrak produksi, replikasi di pabrik lain, penerapan pada perusahaan mitra, dan pendapatan pemeliharaan setelah demonstrasi masih belum dikonfirmasi. Jika jumlah demonstrasi meningkat pesat antara tahun 2026 dan 2028, akan sulit untuk membedakan antara PoC (Proof of Concept) yang telah selesai dan produksi yang beroperasi.  Meskipun titik kontak lapangan Ulsan semakin meluas, kesenjangan antara ekosistem demonstrasi dan ekosistem produksi tetap ada.

Sekolah Pascasarjana UNIST Novatus berupaya melatih sekitar 100 spesialis AI setiap tahunnya, sementara Kota Ulsan telah menetapkan target 500 talenta AI yang berorientasi pada konvergensi industri selama lima tahun. Kebijakan talenta telah bergeser dari pendidikan AI umum ke pengembangan talenta yang berorientasi pada konvergensi industri yang mampu memahami proses otomotif, pembuatan kapal, dan energi. Namun, belum ada data publik yang menghubungkan pekerjaan lulusan di perusahaan-perusahaan Ulsan, masa kerja jangka panjang, proyek lapangan, atau kontribusi terhadap produktivitas yang telah diverifikasi. Jika hanya jumlah lulusan yang diakumulasikan selama dua hingga tiga tahun, talenta lokal akan terpisah dari pergantian tenaga kerja eksternal, dan hasil pendidikan akan terputus dari kinerja pabrik.  Meskipun ekosistem pengembangan talenta ada, kompetensi profesional yang tersisa di pabrik-pabrik Ulsan dianggap belum terkonfirmasi.

Dana Pertumbuhan Regional Kota Ulsan senilai 50 miliar won dan target 500 startup teknologi canggih menghubungkan pendanaan untuk komersialisasi setelah pengembangan teknologi. Ekosistem AI industri berkembang dari fokus pada program subsidi menjadi struktur investasi dan peningkatan skala. Namun, pelacakan data publik tentang penjualan perusahaan yang diinvestasikan dana di pabrik mereka di Ulsan, investasi lanjutan, tingkat kelangsungan hidup, dan pemukiman lokal masih dalam tahap awal. Bahkan jika jumlah startup meningkat antara tahun 2026 dan 2028, perusahaan mungkin pindah ke wilayah metropolitan Seoul atau pasar luar negeri jika pengamanan pelanggan manufaktur tertunda.  Meskipun dasar untuk pendanaan startup telah dikonfirmasi, hubungan komersial dengan permintaan manufaktur lokal dianggap belum terverifikasi.

AI manufaktur bergeser dari aplikasi individual seperti inspeksi kualitas, pemeliharaan prediktif, dan peramalan permintaan ke manufaktur otonom di mana peralatan, robot, dan perencanaan produksi terintegrasi. Kementerian Perdagangan, Industri, dan Energi juga telah mengusulkan arah untuk membangun lebih dari 500 pabrik AI manufaktur otonom pada tahun 2030. Namun, jumlah pabrik di Ulsan di mana AI mengontrol kondisi produksi secara tertutup, melampaui rekomendasi proses, belum diungkapkan. Jika investasi yang berpusat pada model individual menjadi mapan antara tahun 2026 dan 2028, biaya perluasan ke otomatisasi penuh dari seluruh proses akan meningkat.  Meskipun ada tanda-tanda demonstrasi aplikasi untuk AI manufaktur di Ulsan, tahap manufaktur otonom dianggap belum terkonfirmasi.

Industri otomotif bergeser dari fokus pada mesin pembakaran internal ke industri yang menggabungkan kendaraan listrik, SDV (Small-Driven Vehicles), robot, baterai, dan layanan data. Cakupan AI telah meluas melampaui efisiensi proses hingga mencakup persaingan data di seluruh perangkat lunak kendaraan dan seluruh siklus hidup produk. Bukti mengenai ekosistem industri regional, yang menghubungkan data produksi dari pabrik Ulsan dengan data operasi dan layanan kendaraan, tidak diungkapkan. Jika AI pabrik dan AI produk dipisahkan selama dua hingga tiga tahun ke depan, Ulsan mungkin tetap menjadi pusat produksi sementara perangkat lunak bernilai tambah tinggi terkonsentrasi di wilayah eksternal. Diperkirakan  bahwa kesenjangan dalam AX otomotif Ulsan lebih besar dalam integrasi data produk dan proses daripada dalam otomatisasi produksi.

Industri pembuatan kapal menghadapi tantangan simultan yang melibatkan kompleksitas desain, produksi, pengelasan, pengecatan, logistik, dan pengoperasian, serta kekurangan tenaga kerja terampil. AI dan robot beralih dari otomatisasi peralatan individual ke optimasi terintegrasi yang menghubungkan desain kapal dengan operasi galangan kapal. Namun, tidak ada metrik yang tersedia secara publik yang mengkonfirmasi seberapa besar penerapan AI di galangan kapal Ulsan telah mengubah jadwal proyek, pengerjaan ulang, produktivitas, dan kecelakaan keselamatan. Jika respons yang berpusat pada pekerja sementara dan outsourcing menjadi mengakar dalam menangani tumpukan pesanan dari tahun 2026 hingga 2028, data dari periode booming tidak akan terakumulasi sebagai aset otomatisasi jangka panjang. Meskipun  peluang penerapan AX di industri pembuatan kapal Ulsan signifikan, terdapat kurangnya bukti yang menghubungkan periode booming dengan transformasi struktural.

Menghadapi kelebihan pasokan global, regulasi karbon, dan tekanan biaya, industri petrokimia bergeser dari sekadar perluasan volume produksi ke produk bernilai tambah tinggi, efisiensi energi, keselamatan, dan optimasi karbon. Peran AI juga meluas dari pemeliharaan prediktif peralatan hingga optimasi simultan hasil proses, energi, emisi, dan keselamatan. Namun, waktu operasional publik untuk pemanfaatan bersama data proses dan data energi, perpipaan, dan keselamatan di antara perusahaan-perusahaan di Kompleks Petrokimia Ulsan belum diverifikasi. Jika optimasi hanya dilakukan berdasarkan perusahaan per perusahaan selama dua hingga tiga tahun, efek sinergis terkait energi, bahan baku, dan keselamatan di seluruh kompleks akan terbatas.  Kompleks Petrokimia Ulsan dinilai memiliki kesiapan yang lebih rendah dalam optimasi kompleks industri bersama dibandingkan dengan penerapannya pada masing-masing perusahaan.

Kota Ulsan sedang mengejar strategi kota AI berdasarkan Markas Besar Promosi Ibu Kota AI dan Komite Kecerdasan Buatan Ulsan, yang mengintegrasikan pusat data skala besar dengan AI industri. Kerangka respons telah diperluas dari proyek informatisasi individual menjadi Tata Kelola AI di tingkat pemerintah kota. Namun, dasbor yang mengintegrasikan dan secara publik mengungkapkan tolok ukur produktivitas spesifik industri, tingkat adopsi pabrik, tingkat difusi pemasok, dan tingkat pengembalian AI belum ditemukan. Bahkan jika organisasi, komite, dan proyek meningkat antara tahun 2026 dan 2028, kesenjangan antara deklarasi dan transformasi pabrik tidak dapat diukur kecuali hasil industri ditetapkan sebagai indikator umum.  Meskipun respons tata kelola Ulsan telah diperkuat, sistem manajemen hasil manufaktur dianggap belum terkonfirmasi.

Anggaran tahun 2026 sebesar 117,8 miliar won untuk mendorong UKM dan mempromosikan inovasi mencakup dukungan untuk AX UKM dan ekosistem startup. Respons terhadap UKM telah bergeser dari dukungan keuangan dan saluran penjualan umum ke struktur yang mencakup AI dan inovasi digital. Namun, alokasi AX yang sebenarnya, perusahaan penerima manfaat, perusahaan yang menjalani transformasi produksi, dan peningkatan produktivitas dalam total anggaran tidak dipisahkan secara jelas dalam data yang tersedia untuk umum. Jika total anggaran yang besar selama dua hingga tiga tahun dianggap sebagai kinerja AX, sumber daya dan efek aktual yang diinvestasikan dalam transformasi manufaktur mungkin dilebih-lebihkan.  Meskipun arah respons UKM telah dikonfirmasi, hubungan antara pembiayaan AX dan hasilnya masih belum terkonfirmasi.

Pusat Pengendalian Terpadu Kompleks Industri Hijau Cerdas telah meletakkan dasar bagi manajemen keselamatan kompleks industri dengan investasi sebesar 13 miliar won dari Desember 2022 hingga November 2025. Respons terhadap kompleks industri telah bergeser dari inspeksi keselamatan perusahaan individual ke struktur yang mengintegrasikan pemantauan pipa bawah tanah dan risiko di dalam kompleks. Namun, data yang tersedia untuk umum tidak mengkonfirmasi bagaimana waktu deteksi kecelakaan, waktu deteksi kebocoran, waktu penghentian operasi, dan kemampuan respons bersama telah berubah sejak pusat tersebut mulai beroperasi. Setelah pencapaian konstruksi untuk tahun 2026–2028 selesai dengan penyelesaian fasilitas, pemanfaatan data keselamatan untuk operasi pabrik akan dibatasi. Meskipun  infrastruktur untuk respons data kompleks industri telah selesai, hasil pengurangan risiko aktual dianggap belum terkonfirmasi.

Tujuan Ulsan untuk menciptakan 500 startup teknologi canggih, 500 talenta AI konvergensi industri, dan 150 demonstrasi lapangan menempatkan startup, talenta, dan demonstrasi dalam satu strategi. Struktur respons telah diperluas dari program dukungan individual menjadi ekosistem startup siklus penuh. Namun, seluruh rantai—di mana sebuah startup menjalani demonstrasi di perusahaan besar, berkembang ke perusahaan mitra kecil dan menengah, dan mengamankan pendapatan berulang—belum diungkapkan. Jika hasil kinerja untuk setiap target dari tahun 2026 hingga 2028 dikelola secara terpisah, strategi siklus penuh tersebut terbagi menjadi tiga pencapaian independen.  Meskipun respons siklus penuh Ulsan telah dirancang, kelayakan operasionalnya dianggap belum terverifikasi.

Kementerian Perdagangan, Industri, dan Energi memperluas anggaran AX Industri menjadi 1,1347 triliun won untuk tahun 2026 dan meningkatkan anggaran Pabrik AI menjadi 220 miliar won. Ulsan memiliki klaster industri di sektor otomotif, pembuatan kapal, dan petrokimia, yang akan berfungsi sebagai pusat permintaan langsung untuk perluasan AX Manufaktur nasional. Namun, belum ditemukan data regional terintegrasi mengenai jumlah proyek yang dipilih untuk Ulsan, jumlah investasi, atau tingkat penerapan lini produksi dalam program Pabrik AI nasional. Karena persaingan untuk proyek-proyek nasional semakin ketat antara tahun 2026 dan 2028, posisi terdepan Ulsan tidak dapat dijamin hanya oleh klaster industri. Meskipun  Ulsan menunjukkan kompatibilitas struktural yang tinggi dengan kebijakan AX nasional, pangsa bisnis dan hasilnya yang sebenarnya masih belum terkonfirmasi.

Tujuan nasional adalah memiliki lebih dari 500 pabrik AI manufaktur otonom pada tahun 2030, dengan proyeksi 26 pabrik pada tahun 2024. Ini menandai fase awal transisi industri AI manufaktur domestik dari pabrik-pabrik unggulan yang terbatas ke tahap difusi skala besar. Tidak ada data komparatif resmi yang tersedia mengenai posisi pabrik-pabrik Ulsan di antara 26 lokasi tersebut atau proyeksi 500 lokasi. Jika wilayah manufaktur lain mengamankan platform dan pemasok bersama dalam dua hingga tiga tahun ke depan, Ulsan dapat tertinggal dalam ekosistem manufaktur otonom, terlepas dari skala pabrik-pabrik korporatnya yang besar.  Posisi domestik Ulsan dinilai sebagai pemimpin dalam hal skala industri, tetapi terdapat "Kesenjangan Data" dalam hal jumlah pabrik manufaktur otonom.

Perusahaan manufaktur global terkemuka membangun daya saing mereka melalui kombinasi standar data proses, kembaran digital (digital twin), perangkat lunak industri, dan personel di lokasi, bukan melalui model AI. Ulsan juga memiliki kemampuan otomatisasi untuk perusahaan besar, sistem kontrol kompleks industri, dan basis talenta AI. Namun, belum ditemukan data yang membandingkan interoperabilitas data proses antar perusahaan, penggunaan kembali model, dan standar bersama di antara perusahaan mitra dengan yang ada di wilayah internasional terkemuka. Jika sistem korporasi monopoli diperkuat antara tahun 2026 dan 2028, hanya AX internal dari masing-masing perusahaan besar yang akan maju, bukan ekosistem kolaboratif regional.  Daya saing global Ulsan dinilai terpisah antara kemampuan internal perusahaan besar dan kemampuan difusi seluruh wilayah.

Pusat data AI, yang bernilai lebih dari 7 triliun won, berfungsi sebagai sinyal utama yang kuat mengenai skala investasi infrastruktur AI regional. Partisipasi penyedia cloud global menghubungkan infrastruktur komputasi, jaringan, dan energi dengan pasar internasional. Sebaliknya, kondisi penggunaan, biaya, keamanan, perlindungan teknologi inti nasional, dan standar ekspor data untuk perusahaan manufaktur lokal belum diselesaikan secara publik. Jika pusat data tersebut membangun struktur operasional yang berpusat pada permintaan AI eksternal selama dua hingga tiga tahun ke depan, aksesibilitas aktual untuk pabrik-pabrik Ulsan dapat dibatasi terlepas dari skala investasinya.  Ulsan dinilai sebagai pemimpin dalam lokasi infrastruktur AI tetapi masih belum dikonfirmasi mengenai sistem pemanfaatan data manufakturnya.

Ketika menghubungkan investasi sebesar 7 triliun won untuk pusat data AI dengan anggaran sebesar 117,8 miliar won untuk dukungan UKM pada tahun 2026, skala modal strategi AI Ulsan menunjukkan kesenjangan yang signifikan antara infrastruktur skala besar dan dukungan untuk usaha lokal. Meskipun kedua angka tersebut tidak dapat dibandingkan secara langsung berdasarkan rasio karena perbedaan sifat dan jangka waktu, keduanya mengungkapkan kesenjangan struktural antara investasi infrastruktur dan perluasan pabrik. Jalur bagaimana investasi pusat data diterjemahkan menjadi pengurangan biaya komputasi, akses data, dan produktivitas AI untuk UKM masih belum teridentifikasi. Jika hubungan ini tidak terjalin antara tahun 2026 dan 2028, investasi skala besar dan AX usaha lokal akan tetap menjadi kebijakan yang terpisah.  Kesenjangan numerik kota AI Ulsan terletak antara jumlah investasi infrastruktur dan jumlah konversi pabrik.

Menghubungkan tujuan 500 talenta AI konvergensi industri, 500 startup teknologi canggih, dan 150 demonstrasi lapangan tidak secara otomatis menjamin peluang demonstrasi lapangan dan penempatan talenta untuk setiap startup. Karena periode dan subjek target berbeda, perhitungan rasio mekanis juga tidak valid. Tidak ditemukan data yang menghubungkan talenta, perusahaan, demonstrasi, dan kontrak produksi sebagai satu proyek tunggal. Jika hanya hasil kinerja untuk setiap tujuan yang diakumulasikan selama dua hingga tiga tahun, terjadi ketidaksesuaian di mana talenta dihasilkan dan perusahaan didirikan, tetapi klien pabrik tidak dapat diamankan. Meskipun  skala tujuan ekosistem Ulsan telah dipresentasikan, kepadatan koneksi dinilai belum terukur.

Tujuan UNIST untuk melatih sekitar 100 spesialis AI setiap tahunnya selaras secara aritmetika dengan targetnya yaitu 500 orang selama lima tahun. Meskipun rencana penyediaan tenaga pendidikan telah dikonfirmasi, rencana tersebut tidak terkait dengan tuntutan pekerjaan spesifik di industri otomotif, pembuatan kapal, dan petrokimia Ulsan. Lebih lanjut, data tentang pekerjaan lokal, masa kerja, dan kinerja proyek lulusan tidak diungkapkan. Jika permintaan industri berubah lebih cepat daripada kurikulum antara tahun 2026 dan 2028, kekurangan tenaga kerja di posisi tertentu akan tetap ada meskipun target personel tercapai.  Rencana talenta AI Ulsan dinilai memiliki konsistensi kuantitatif, tetapi kesesuaiannya untuk peran pekerjaan di pabrik masih belum terkonfirmasi.

Alokasi dana sebesar 13 miliar won untuk Pusat Kontrol Terpadu Kompleks Industri Hijau Cerdas dan 294,2 miliar won untuk Rencana Kota Cerdas menunjukkan bahwa pendanaan telah diinvestasikan dalam infrastruktur data kompleks perkotaan dan industri. Inisiatif AX Ulsan telah berjalan dalam bentuk kontrol, kembaran digital, dan informasi spasial bahkan sebelum deklarasi resmi. Namun, hasil publik yang menghubungkan jumlah investasi dengan pengurangan kecelakaan, penghematan energi, dan waktu henti peralatan belum diverifikasi. Jika investasi AI baru ditambahkan selama dua hingga tiga tahun ke depan, fungsi yang berlebihan mungkin muncul tanpa penilaian pengembalian aktual atas investasi digital sebelumnya.  Meskipun total volume investasi AI di Ulsan meningkat, produktivitas aset investasi yang ada tetap menjadi "kesenjangan data".

Menghubungkan target 150 demonstrasi lapangan dengan dukungan AX untuk UKM menciptakan potensi bagi hasil demonstrasi perusahaan besar untuk menyebar ke perusahaan mitra. Namun, indikator seperti jumlah perusahaan mitra yang berpartisipasi per demonstrasi, jumlah pabrik replika, kontrak berbayar, dan pendapatan berulang belum diungkapkan. Karena jumlah demonstrasi mewakili titik sentuh teknologi dan jumlah difusi mewakili perubahan industri, keduanya tidak identik. Jika kedua angka ini tidak dibedakan antara tahun 2026 dan 2028, peningkatan PoC (Proof of Concept) akan terlalu tinggi jika dibandingkan dengan difusi AX di pabrik.  Kesenjangan numerik terbesar dalam AI manufaktur Ulsan terletak antara jumlah demonstrasi dan jumlah proses produksi.

Kesenjangan pertama adalah tidak adanya Basis Data Pabrik . Meskipun Ulsan memiliki tiga industri utama dan pabrik berskala besar, proporsi setiap tahap—pengumpulan data, analisis AI, rekomendasi otomatis, dan kontrol otonom—dalam keseluruhan proses tidak diungkapkan. Ini adalah struktur tanpa penyebut untuk transisi. Seiring meningkatnya proyek demonstrasi dan implementasi antara tahun 2026 dan 2028, menjadi sulit untuk membedakan antara proses dengan aplikasi yang tumpang tindih dan yang tidak.  Kesenjangan terbesar dalam Ulsan Manufacturing AX ditentukan sebagai kurangnya tingkat aplikasi aktual relatif terhadap total pabrik, bukan jumlah proyek AI.

Kesenjangan kedua adalah kurangnya pelacakan transisi dari PoC (Proof of Concept) ke Produksi . Meskipun Ulsan menetapkan target 150 demonstrasi lapangan, operasi lini produksi aktual dan kriteria kontrak berbayar setelah demonstrasi selesai tidak diungkapkan. Verifikasi teknologi dan hasil industri dipisahkan ke dalam tahapan yang berbeda. Jika jumlah demonstrasi menjadi indikator kinerja tetap selama dua hingga tiga tahun, perbedaan antara pelajaran yang dipetik dari demonstrasi yang gagal dan model yang dikomersialkan akan hilang.  Kesiapan AI Industri dinilai belum terkonfirmasi berdasarkan tingkat konversi produksi, bukan berdasarkan jumlah peluang demonstrasi.

Kesenjangan ketiga terletak pada batas data antara perusahaan besar dan pemasok mereka . Sementara perusahaan utama memiliki fasilitas, personel, data, dan kemampuan keamanan, pemasok menghadapi tantangan yang lebih besar dalam hal biaya pengumpulan data dan kekurangan personel khusus. Meskipun kualitas, waktu pengiriman, dan biaya dalam rantai pasokan yang sama saling terkait, sistem AI tetap terpisah untuk setiap perusahaan. Jika perusahaan besar memajukan kemampuan AX mereka terlebih dahulu antara tahun 2026 dan 2028, pemasok mungkin tidak dapat memenuhi tuntutan data dan kualitas yang lebih tinggi. Kesenjangan dalam ekosistem industri Ulsan terletak antara optimasi internal dalam perusahaan besar dan optimasi seluruh rantai pasokan.

Kesenjangan keempat adalah kurangnya konektivitas antara pusat data AI dan lokasi manufaktur . Meskipun infrastruktur komputasi skala besar telah dibangun, kondisi terkait keamanan data pabrik, biaya, latensi, perlindungan teknologi inti, dan pengoperasian model belum diverifikasi secara publik. Bahkan jika pusat data dan pabrik berlokasi di wilayah yang sama, mereka tidak secara otomatis membentuk ekosistem AI tunggal. Jika struktur kontrak dan operasional tetap terpaku pada permintaan eksternal selama dua hingga tiga tahun, persyaratan aksesibilitas untuk perusahaan manufaktur lokal akan menjadi prioritas yang lebih rendah.  Kesiapan infrastruktur tinggi, tetapi kesiapan aplikasi industri dianggap belum terverifikasi.

Kesenjangan kelima adalah kurangnya pengungkapan mengenai hasil pabrik . Hasil penerapan AI tercermin dalam produktivitas, cacat, waktu henti peralatan, konsumsi energi, keselamatan, dan waktu pengiriman. Meskipun angka individual mungkin terbatas karena rahasia dagang, statistik regional anonim dan berbasis indeks juga tidak tersedia. Jika data kinerja untuk tahun 2026–2028 tetap tidak diungkapkan, kebijakan akan dievaluasi semata-mata berdasarkan jumlah perusahaan yang didukung dan proyek percontohan.  Meskipun perubahan di pabrik-pabrik Ulsan mungkin terjadi di masing-masing perusahaan, perubahan tersebut tetap tidak terkonfirmasi melalui bukti di seluruh kota.

Pusat data AI SK–AWS dan infrastruktur yang ada di kompleks industri dan kompleks industri hijau cerdas memperluas fondasi untuk komputasi, jaringan, dan kontrol. Infrastruktur teknologi Ulsan telah bergeser ke struktur di mana platform cloud global dan kompleks kota/industri hidup berdampingan dengan server pabrik individual. Namun, tingkat pemanfaatan aktual, biaya layanan, latensi, dan peringkat keamanan pabrik lokal masih belum terkonfirmasi. Setelah model operasi pusat data diselesaikan antara tahun 2026 dan 2028, kondisi penggunaan awal akan ditetapkan sebagai aksesibilitas industri jangka panjang.  Infrastruktur komputasi dinilai berada dalam fase konstruksi skala besar, sementara aksesibilitas untuk manufaktur lokal dianggap dalam keadaan belum terkonfirmasi.

Tujuan merekrut 500 talenta AI yang berfokus pada konvergensi industri dengan UNIST Novatus membangun fondasi untuk penyediaan tenaga kerja spesialis. Pendidikan talenta telah bergeser dari analisis data umum ke model konvergensi industri yang membahas masalah proses manufaktur. Namun, permintaan berdasarkan fungsi pekerjaan di sektor otomotif, pembuatan kapal, dan petrokimia, serta retensi lulusan di tingkat regional, belum diungkapkan. Jika perusahaan besar, pusat data, dan perusahaan rintisan bersaing untuk mendapatkan talenta yang sama selama dua hingga tiga tahun ke depan, kekurangan tenaga kerja di usaha kecil dan menengah (UKM) akan memburuk terlebih dahulu.  Meskipun rencana pasokan untuk infrastruktur talenta telah dikonfirmasi, distribusi berdasarkan industri dan retensi regional dianggap belum dikonfirmasi.

Proses otomotif, pembuatan kapal, dan petrokimia mencakup teknologi inti nasional, rahasia dagang, dan informasi keselamatan. Data industri bergeser dari keterbukaan yang diperluas ke struktur pembelajaran kolaboratif dalam zona kepercayaan terbatas. Standar Ulsan untuk standar data antar perusahaan, otoritas, pseudonimisasi, pembelajaran terfederasi, dan akuntabilitas model tidak dikonfirmasi dalam bukti publik. Jika sistem independen oleh masing-masing perusahaan menjadi mapan antara tahun 2026 dan 2028, pengamanan data pelatihan untuk model AI regional umum akan menjadi sulit.  Kesiapan data dinilai tinggi di dalam perusahaan besar tetapi rendah dalam hal pemanfaatan bersama regional.

Markas Besar Promosi Modal AI, Komite Kecerdasan Buatan, Rencana AX UKM, dan Strategi Startup berfungsi sebagai landasan kelembagaan untuk implementasi. Administrasi AI Ulsan telah berkembang dari departemen individual menjadi organisasi khusus dan sistem implementasi publik-industri-akademik. Namun, tata kelola terbuka yang mengintegrasikan dan mengelola kriteria penghentian proyek tertentu, verifikasi kinerja, hak data, transisi tenaga kerja, dan tanggung jawab keselamatan belum dikonfirmasi. Seiring bertambahnya proyek selama dua hingga tiga tahun ke depan, ambiguitas batasan tanggung jawab—bukan jumlah lembaga—berubah menjadi risiko operasional.  Ditetapkan bahwa meskipun kesiapan kelembagaan telah tercapai dalam membangun kerangka kerja implementasi, hal itu belum mencapai kerangka kerja tanggung jawab AI industri.

Anggaran dukungan untuk UKM pada tahun 2026 adalah 117,8 miliar won, meningkat 26,0% dari tahun sebelumnya, dan AX telah dimasukkan dalam arah dukungan tersebut. Target kebijakan telah diperluas dari perusahaan besar dan lembaga penelitian ke UKM regional. Namun, jumlah perusahaan, proses, produktivitas, lapangan kerja, dan penjualan yang menerima dukungan AX tidak diungkapkan secara terpisah. Jika hanya total anggaran dukungan untuk tahun 2026–2028 yang meningkat, transisi aktual ke lini produksi AI akan bercampur dengan dukungan keuangan, saluran penjualan, dan inovasi umum.  Meskipun perluasan target UKM dikonfirmasi dalam lingkup kebijakan, hal itu masih belum dikonfirmasi dalam hal hasil di pabrik.

Sebanyak 150 demonstrasi lapangan yang berpusat pada perusahaan besar berfungsi sebagai jalur bagi perusahaan rintisan dan pemasok AI untuk mengakses data proses aktual. Perusahaan teknologi mendapatkan kondisi untuk beralih dari penerima manfaat proyek penelitian menjadi pemasok solusi masalah bagi perusahaan manufaktur. Namun, kondisi terkait beban biaya demonstrasi, hak kekayaan intelektual, akses data, pembelian lanjutan, dan ekspansi ke pelanggan lain tidak diungkapkan. Jika demonstrasi gratis yang disesuaikan untuk perusahaan besar diulang selama dua hingga tiga tahun, pemasok mungkin mengumpulkan teknologi tetapi gagal mengamankan pendapatan berulang.  Meskipun ekspansi perusahaan rintisan dikonfirmasi pada saat kontak dengan lapangan, hal itu dianggap belum terverifikasi dalam hal pembentukan pasar.

AI pabrik memengaruhi tugas pekerja dan paparan risiko dengan mengubah penghentian peralatan, kecelakaan keselamatan, konsumsi energi, dan kualitas. Dampak nyata dari AI industri tidak hanya terlihat pada produktivitas perusahaan tetapi juga pada keselamatan kerja, perubahan pekerjaan, dan stabilitas pekerjaan. Data publik dari Ulsan yang menghubungkan kecelakaan, pekerjaan terampil, pekerjaan, dan pelatihan ulang sebelum dan sesudah penerapan AI belum dikonfirmasi. Seiring dengan perluasan otomatisasi antara tahun 2026 dan 2028, peningkatan produktivitas dan biaya transisi pekerjaan akan muncul dalam statistik terpisah.  Dampak AI terhadap pekerja masih belum dinilai karena keselamatan, fungsi pekerjaan, dan pekerjaan tidak dipertimbangkan secara bersamaan.

Investasi dalam pusat data AI dan manufaktur AI memperluas permintaan lokal akan listrik, air, konstruksi, dan layanan. Dampaknya terhadap penduduk dan bisnis tidak hanya terlihat pada lapangan kerja lokal dan pendapatan pajak, tetapi juga pada beban jaringan listrik, lingkungan, dan infrastruktur kehidupan. Namun, data publik terintegrasi mengenai lapangan kerja lokal, listrik, air, pendapatan pajak, dan biaya lingkungan yang terkait dengan pusat data belum tersedia. Jika investasi fasilitas berlangsung selama dua hingga tiga tahun, manfaat awal yang diharapkan tetap tetap, sementara biaya operasional mungkin baru terlihat setelah selesai.  Meskipun perluasan regional infrastruktur AI skala besar dikonfirmasi oleh jumlah investasi, nilai lokal bersih dianggap belum terkonfirmasi.

Zona industri otomotif di Buk-gu dicirikan oleh pabrik kendaraan jadi berskala besar yang terhubung dengan jaringan suku cadang dan logistik, sementara zona industri pembuatan kapal di Dong-gu memiliki galangan kapal besar dan struktur kerja sama dan alih daya berlapis-lapis. Di zona petrokimia Nam-gu dan Ulju-gun, proses berkelanjutan, perpipaan, energi, dan keselamatan saling terkait antar perusahaan. Struktur ini menyulitkan pengukuran transisi ketiga industri ini menggunakan kebijakan AI manufaktur tunggal. Dasbor Ulsan umum yang membedakan unit proses dan kriteria hasil berdasarkan sektor industri belum diidentifikasi. Membandingkan jumlah proyek demonstrasi yang sama antara tahun 2026 dan 2028 mendistorsi kesulitan dan efek difusi berdasarkan industri.  Perbedaan AX di Ulsan ditentukan disebabkan oleh tidak adanya standar pengukuran yang mencerminkan perbedaan regional dalam struktur industri.

Buk-gu, Dong-gu, dan Nam-gu, tempat konsentrasi lokasi perusahaan besar, berbeda dari Ulju-gun, tempat tersebarnya UKM dan kompleks industri, dalam hal kemampuan data, tenaga kerja, dan investasi fasilitas. Sementara AI untuk perusahaan besar dapat diimplementasikan melalui investasi internal, bisnis skala kecil sangat bergantung pada dukungan publik dan infrastruktur bersama. Data yang membandingkan tingkat adopsi AI, jumlah investasi, dan kinerja perusahaan manufaktur di berbagai distrik dan kabupaten tidak tersedia. Jika kinerja yang didorong oleh perusahaan besar meningkatkan rata-rata Ulsan selama dua hingga tiga tahun ke depan, kesenjangan untuk UKM yang tidak mengadopsi AI menjadi kabur.  Disimpulkan bahwa rata-rata AX Ulsan berisiko dilebih-lebihkan oleh kinerja perusahaan besar.

Meskipun pusat data AI dan infrastruktur penelitian serta startup berlokasi di wilayah tertentu, permintaan manufaktur tersebar di berbagai sektor industri. Bahkan jika jarak fisiknya pendek, perbedaan dalam pemanfaatan muncul jika akses ke keamanan data, jaringan, kontrak, dan personel khusus berbeda. Waktu penggunaan dan biaya infrastruktur AI oleh perusahaan di setiap wilayah belum diungkapkan. Jika pelanggan dan mitra awal menjadi tetap antara tahun 2026 dan 2028, kesenjangan produktivitas antara perusahaan yang terhubung dan tidak terhubung akan berkepanjangan.  Ditetapkan bahwa aksesibilitas AI di Ulsan bersifat asimetris karena ukuran perusahaan dan otoritas data, bukan karena jarak.

Sistem Kontrol Terpadu Kompleks Industri Hijau Cerdas memantau risiko umum di dalam kompleks, tetapi tujuan dan datanya berbeda dari AI produksi pabrik individual. Strukturnya melibatkan AX keselamatan tingkat kompleks industri dan AX produksi internal perusahaan yang berjalan secara paralel. Runtime publik yang menghubungkan peringatan, status peralatan, dan jadwal pemeliharaan kedua sistem tersebut tidak tersedia. Jika sistem terpisah tersebut diterapkan selama dua hingga tiga tahun, jeda waktu antara penilaian risiko kompleks dan penentuan operasi pabrik akan semakin lebar.  AX di kawasan industri Ulsan dinilai terfragmentasi antara kompleks dan pabrik.

Investasi di pusat data AI SK–AWS sedang diupayakan, dan Sistem Promosi Modal AI diluncurkan sepenuhnya pada tahun 2026. Periode dari tahun 2026 hingga 2028 adalah saat desain, konstruksi, dan kondisi operasional pusat data, serta struktur pemanfaatan perusahaan manufaktur lokal, akan dikonkretkan. Standar mengenai tingkat pemanfaatan pabrik lokal, keamanan, biaya, dan layanan bersama belum dikonfirmasi. Setelah model operasi awal diselesaikan, biaya untuk mencerminkan kembali permintaan manufaktur lokal dari prioritas yang lebih rendah akan meningkat.  Masa Keemasan pertama ditentukan sebelum hubungan antara infrastruktur komputasi skala besar dan permintaan pabrik ditetapkan melalui kontrak.

Anggaran Kementerian Perdagangan, Industri, dan Energi untuk Aglomerasi Industri (Industrial AX) telah diperluas menjadi 1,1347 triliun won pada tahun 2026, dan anggaran untuk Pabrik AI juga meningkat menjadi 220 miliar won. Aglomerasi Manufaktur Nasional (National Manufacturing AX) telah memasuki fase difusi skala besar, beralih dari proyek percontohan terbatas ke fase ekspansi skala besar. Namun, jangka waktu regional yang menghubungkan proyek-proyek terpilih Ulsan, proses produksi, dan ekspansi perusahaan mitra belum dikonfirmasi. Jika wilayah lain mendahului standar, pemasok, dan referensi khusus industri antara tahun 2026 dan 2028, keunggulan Ulsan dalam aglomerasi industri dapat berubah menjadi beban bagi fasilitas non-otomatis yang ada.  Masa Keemasan kedua adalah dua hingga tiga tahun ke depan, di mana sumber daya Aglomerasi Nasional akan ditetapkan sebagai standar industri awal.

Ulsan menargetkan 150 demonstrasi lapangan, 500 talenta AI konvergensi industri, dan 500 startup teknologi canggih selama lima tahun ke depan. Periode dari tahun 2026 hingga 2028 menandai pelaksanaan paruh pertama dari tujuan ini dan stabilisasi metode evaluasi kinerja. Kriteria untuk konversi produksi, pendapatan berulang, dan hasil pabrik belum diungkapkan. Jika evaluasi awal terpaku pada jumlah demonstrasi, pendidikan, dan startup, akan sulit untuk kemudian mengalihkan fokus ke komersialisasi.  "Masa Emas" ketiga ditentukan sebelum unit kinerja AI industri ditetapkan sebagai demonstrasi.

Industri otomotif menghadapi SDV (Small-Domain Vehicles) dan kendaraan listrik, industri pembuatan kapal beralih ke otonomi dan kapal digital, dan industri petrokimia bertransisi menuju kelebihan pasokan, emisi karbon, dan produk bernilai tambah tinggi. Waktu investasi AI di Ulsan bertepatan dengan transformasi simultan struktur produk, proses, dan tenaga kerja dari ketiga industri ini. Data tentang dasar proses dan transisi pekerjaan berdasarkan sektor industri masih belum lengkap. Setelah fasilitas, peran pekerjaan, dan rantai pasokan diorganisasi ulang antara tahun 2026 dan 2028, data dan struktur AI yang dipilih secara tidak tepat akan tertanam dalam sistem produksi jangka panjang.  "Masa Emas" keempat ditentukan bukan sebagai siklus teknologi AI, melainkan periode di mana siklus investasi fasilitas industri-industri utama Ulsan diselesaikan.

12-1. Studi Kasus Penerapan Masa Keemasan di Pemerintahan Daerah Tingkat Dasar ① — Buk-gu

Buk-gu adalah rumah bagi pabrik Hyundai Motor di Ulsan dan pusat konsentrasi ekosistem suku cadang otomotif dan logistik. Transformasi AX otomotif bergeser dari otomatisasi pabrik ke struktur terintegrasi produk-proses di mana kendaraan listrik, SDV (Small-Driven Vehicle), robot, dan data kualitas saling terhubung. Namun, data yang tersedia untuk umum tidak mengkonfirmasi sejauh mana manfaat penerapan AI pada kendaraan jadi telah menyebar ke peningkatan produktivitas, waktu pengiriman, dan kualitas bagi pemasok di Buk-gu. Jika sistem produksi kendaraan jadi diorganisasi ulang di sekitar kendaraan listrik dan perangkat lunak antara tahun 2026 dan 2028, pemasok dengan konektivitas data yang lemah akan kesulitan untuk mengatasinya hanya dengan mengandalkan kemampuan pasokan yang ada.  Buk-gu dinilai sebagai wilayah dengan potensi tinggi untuk memimpin transformasi AX pabrik-pabrik perusahaan besar, tetapi transformasi seluruh rantai pasokan masih belum terkonfirmasi.

Volume produksi, cacat, dan waktu henti di pabrik kendaraan jadi terkait dengan data pengiriman dan kualitas pemasok suku cadang. Unit utama AI pabrik bukanlah lini produksi individual, tetapi rantai pasokan dari penerimaan suku cadang hingga pengiriman kendaraan jadi. Model dan standar data antar perusahaan, serta hasil bersama, belum diungkapkan. Jika optimasi internal dalam produsen kendaraan jadi menjadi mapan selama dua hingga tiga tahun ke depan, pemasok akan dibiarkan menangani waktu pengiriman yang lebih singkat dan persyaratan kualitas yang lebih tinggi tanpa fondasi berbasis AI.  "Waktu Emas" untuk wilayah Utara ditentukan sebelum kesenjangan data antara produsen kendaraan jadi dan pemasok menjadi tetap sebagai perbedaan rantai pasokan, bukan selama otomatisasi pabrik.

12-2. Studi Kasus Penerapan Masa Keemasan di Pemerintah Daerah Tingkat Dasar ② — Dong-gu

Dong-gu merupakan pusat konsentrasi HD Hyundai Heavy Industries, subkontraktor pembuatan kapal, dan tenaga kerja terampil. Ledakan industri pembuatan kapal dan tumpukan pesanan menyediakan data lapangan skala besar untuk menerapkan AI, robot, dan teknologi galangan kapal digital pada produksi aktual. Namun, belum ada bukti regional universal yang mengkonfirmasi seberapa besar penerapan AI telah mengubah waktu konstruksi kapal, pengerjaan ulang, kualitas pengelasan, kecelakaan keselamatan, atau kekurangan tenaga kerja. Jika tekanan produksi selama periode booming 2026–2028 diserap oleh perluasan pekerja sementara dan outsourcing, data lapangan dan kapasitas investasi yang tersedia untuk transisi akan habis sebelum terjadi penurunan ekonomi.  Dong-gu dinilai sebagai wilayah di mana permintaan untuk demonstrasi AI dan kapasitas keuangan ada, tetapi hasil transformasi struktural masih belum terkonfirmasi.

Galangan kapal kesulitan menerapkan model yang sama berulang kali karena desain berbasis pesanan, galangan yang besar, dan proses multi-tahap. AI dalam pembuatan kapal dirancang agar lebih efektif ketika diintegrasikan dengan perubahan desain, material, urutan kerja, dan personel terampil, daripada melalui pemeliharaan prediktif dari satu peralatan saja. Data proses kontraktor utama-subkontraktor yang menghubungkan data proses dengan produktivitas spesifik pekerjaan belum tersedia. Jika demonstrasi robot dan visi individual dilakukan secara independen selama periode dua hingga tiga tahun, data tersebut tidak digabungkan untuk mempersingkat waktu konstruksi keseluruhan galangan.  Periode "Golden Time" Donggu adalah periode untuk menilai efek terintegrasi yang mengubah waktu tunggu keseluruhan proyek pembuatan kapal, bukan jumlah teknologi yang didemonstrasikan.

Jika struktur operasional pusat data AI dipisahkan dari manufaktur lokal, Ulsan mungkin menjadi lokasi untuk infrastruktur komputasi tetapi bukan wilayah untuk menciptakan nilai dari data industri. Tidak ada hubungan yang terkonfirmasi antara investasi 7 triliun won dan kondisi penggunaan untuk perusahaan manufaktur. Jika struktur pelanggan untuk kontrak jangka panjang, listrik, dan layanan cloud menjadi tetap antara tahun 2026 dan 2028, ruang untuk memprioritaskan akses lokal dan menggabungkan layanan khusus manufaktur akan berkurang.  Kerugian pertama bukanlah efek dari menarik pusat data, tetapi waktu untuk mengubah infrastruktur komputasi menjadi produktivitas industri lokal.

Jika validasi lapangan tidak dialihkan ke produksi, data pabrik digunakan untuk proyek sekali pakai, dan model dihentikan tanpa pemeliharaan. Ulsan memiliki 150 target validasi, tetapi kriteria untuk transisi ke komersialisasi belum dikonfirmasi. Jika PoC (Proof of Concept) terakumulasi selama dua hingga tiga tahun, perusahaan menanggung beban kelelahan validasi dan biaya penyediaan data, sementara pemasok gagal menghasilkan pendapatan berulang.  Kerugian kedua ditentukan bukan oleh anggaran validasi, tetapi oleh kepercayaan antara pabrik dan perusahaan AI, serta waktu yang dibutuhkan untuk komersialisasi.

Jika kesenjangan kecepatan antara konglomerat besar AX dan mitra AX melebar, standar kualitas, pengiriman, dan keamanan dalam rantai pasokan meningkat, tetapi kemampuan respons UKM tidak dapat mengimbangi. Meskipun dukungan untuk UKM diperluas pada tahun 2026, tingkat konversi pabrik aktual belum diverifikasi. Karena sistem perusahaan otomotif besar, pembuat kapal, dan perusahaan petrokimia menjadi tetap antara tahun 2026 dan 2028, biaya masuk bagi perusahaan mitra yang tidak terkait akan meningkat.  Kerugian ketiga bukan hanya produktivitas UKM individu tetapi juga kelengkapan regional rantai pasokan Ulsan.

Sekalipun talenta AI dilatih, jika tidak menghasilkan proyek di tempat kerja di perusahaan-perusahaan Ulsan atau pekerjaan jangka panjang, hasil pendidikan akan dialihkan ke wilayah lain. Meskipun ada target sekitar 100 orang per tahun dan 500 orang selama lima tahun, jumlah pekerjaan dan retensi tetap belum terkonfirmasi. Seiring meningkatnya persaingan talenta di antara pusat data, perusahaan besar, dan perusahaan rintisan selama dua hingga tiga tahun ke depan, kekurangan personel AI industri di usaha kecil dan menengah (UKM) akan semakin memburuk.  Kerugian keempat ditentukan bukan pada jumlah personel terlatih, tetapi pada modal manusia lokal yang memiliki pengetahuan proses dan pengetahuan AI.

Ulsan secara bersamaan memiliki permintaan manufaktur skala besar di sektor otomotif, pembuatan kapal, dan petrokimia, talenta dan penelitian dari UNIST, lokasi untuk perusahaan besar, dukungan startup, dan pusat data global. Komponen permintaan, penawaran, dan infrastruktur AI industri hidup berdampingan di satu wilayah. Namun, runtime publik yang menghubungkan elemen-elemen ini ke satu Hasil Pabrik (Factory Outcome) belum teridentifikasi. Masih ada ruang untuk menilai interkonektivitas sebelum struktur operasional setiap elemen menjadi mapan secara individual antara tahun 2026 dan 2028.  Saat ini, peluang terletak pada penentuan tingkat konversi pabrik dari aset yang sudah terintegrasi daripada menambahkan aset AI.

Pabrik otomotif, pembuatan kapal, dan petrokimia menghasilkan data skala besar mengenai kualitas, peralatan, keselamatan, dan energi. Ulsan bukanlah wilayah yang kekurangan masalah industri dunia nyata yang diperlukan untuk pembelajaran AI. Namun, pembelajaran kolaboratif regional belum terkonfirmasi karena perbedaan dalam rahasia perusahaan dan standar data. Seiring dengan semakin canggihnya struktur data spesifik perusahaan dalam dua hingga tiga tahun ke depan, biaya penyebaran model umum ke perusahaan mitra akan meningkat.  Saat ini, peluangnya terletak pada penilaian kelayakan pembelajaran bersama dari data proses yang ada daripada menciptakan data baru.

Perluasan anggaran industri nasional AX dan peningkatan dukungan untuk UKM di Ulsan terjadi bersamaan. Struktur di mana pendanaan eksternal dan lokal meningkat secara simultan memberikan kondisi untuk menyerap biaya tetap awal pembuatan AI. Namun, data mengenai tumpang tindih proyek, kesenjangan proses, dan keterkaitan kinerja belum dikonfirmasi. Setelah periode ekspansi fiskal 2026–2028 berlalu, mungkin akan sulit untuk mengamankan investasi demonstrasi dan infrastruktur dalam skala yang sama lagi.  Saat ini, peluang terletak pada fase ekspansi fiskal di mana berbagai sumber pendanaan dapat dikaitkan dengan produksi daripada skala subsidi.

Meskipun booming industri pembuatan kapal, transisi produk otomotif, dan tekanan restrukturisasi petrokimia mewakili situasi industri yang berbeda, semuanya membutuhkan perancangan ulang data proses dan produktivitas. Ulsan memiliki portofolio manufaktur yang memungkinkan perbandingan demonstrasi spesifik industri, bukan kebijakan AI umum tunggal. Indikator kinerja umum di berbagai industri belum diidentifikasi. Jika transisi spesifik industri berlanjut selama dua hingga tiga tahun ke depan, peluang awal untuk belajar dari bukti keberhasilan dan kegagalan bersama akan hilang.  Saat ini, peluang ditentukan bukan dengan mengelompokkan ketiga industri di bawah teknologi yang sama, tetapi oleh jangka waktu di mana mereka dapat dibandingkan berdasarkan hasil yang sama.

Runtime Industrial AX

Garis Dasar Proses → Pengumpulan Data → Demonstrasi AI → Penerapan Lini Produksi → Hasil Kualitas, Penghentian Produksi, Biaya, Keselamatan, dan Energi → Replikasi Pemasok → Pendapatan Berulang → Daya Saing Industri → Proses Selanjutnya

Kesenjangan Bukti Percepatan Infrastruktur + Transformasi Pabrik

Deklarasi Ulsan sebagai kota AI telah membuahkan hasil nyata melalui investasi dalam organisasi, talenta, demonstrasi, keuangan, dan pusat data.

Perubahan dalam produktivitas, kualitas, keselamatan, dan energi di tingkat pabrik tidak tercermin dalam bukti yang berlaku untuk seluruh kota.

Risiko saat ini bukanlah kurangnya investasi AI, melainkan struktur di mana investasi skala besar tidak beralih dari tahap demonstrasi dan infrastruktur ke produksi pabrik.

Periode dari tahun 2026 hingga 2028 adalah saat tingkat konversi pabrik, bukan nama kota AI, yang menentukan status sebenarnya dari Ulsan.

Hasil akhirnya adalah Kesenjangan Bukti Percepatan Infrastruktur + Transformasi Pabrik.

1. Jumlah total pabrik manufaktur di Ulsan
2. Jumlah total proses produksi menurut industri
3. Tingkat pengumpulan data proses
4. Tingkat Penerapan AI di Pabrik dan Proses
5. Perbedaan antara Otomasi dan Aplikasi AI
6. Rasio antara proses yang direkomendasikan AI dan proses kontrol otonom.
7. Jumlah awal dan akhir PoC lapangan
8. PoC → Tingkat Konversi Produksi
9. Tingkat retensi 12 bulan setelah implementasi produksi.
10. Tingkat replikasi pabrik yang berbeda untuk model yang sama
11. Waktu henti peralatan sebelum dan sesudah penerapan AI
12. Tingkat cacat dan pengerjaan ulang sebelum dan setelah penerapan AI.
13. Waktu Tunggu Produksi Sebelum dan Setelah Penerapan AI
14. Intensitas energi sebelum dan setelah penerapan AI
15. Kecelakaan dan nyaris celaka yang berkaitan dengan keselamatan sebelum dan sesudah penerapan AI.
16. Proyek AI Bersama Perusahaan Besar – Perusahaan Mitra
17. Tingkat Penerapan AI oleh Mitra
18. Jumlah Dukungan SME AX, Perusahaan Penerima Manfaat, dan Hasil
19. Jumlah perusahaan manufaktur Ulsan yang menggunakan pusat data
20. Biaya komputasi dan waktu pemrosesan perusahaan manufaktur
21. Tingkat penyerapan tenaga kerja AI di perusahaan-perusahaan Ulsan
22. Tingkat Dominasi Lokal untuk Talenta AI dalam Jangka Waktu 1 Tahun dan 3 Tahun
23. Tarif kontrak berbayar perusahaan rintisan dengan perusahaan besar
24. Pendapatan Berulang dan Investasi Lanjutan di Perusahaan AI Industri
25. Pengembalian Hasil Pabrik Dibandingkan dengan Investasi AI

Kesenjangan Data: Dalam bukti publik, Ulsan Manufacturing AX Runtime yang menghubungkan pusat data AI, talenta, perusahaan rintisan, keuangan → demonstrasi lapangan → aplikasi lini produksi → produktivitas, kualitas, keselamatan, energi → penyebaran mitra → pendapatan berulang perusahaan AI ke ID pabrik/proyek dan jangka waktu yang sama belum dikonfirmasi.

Rantai Waktu Eksekusi

Komputasi, Bakat, Data Proses → PoC → Produksi → Hasil Pabrik → Ekspansi Rantai Pasokan → Pendapatan Berulang → Produktivitas Industri → Daya Saing Manufaktur Global

Sumber · Verifikasi

• Kota Metropolitan Ulsan Mempromosikan Ulsan sebagai Ibukota AI
• Kota Metropolitan Ulsan Berinvestasi di Pusat Data AI SK–AWS
• Zona Khusus Peluang dan Pengembangan Pusat Data AI, Kota Metropolitan Ulsan
• Kota Metropolitan Ulsan, Konvergensi Industri, Startup AI, Talenta, dan Strategi Demonstrasi Lapangan
• Rencana Kota Metropolitan Ulsan, 2026 untuk Membina UKM dan Mendorong Inovasi
• Pusat Kendali Terpadu Kompleks Industri Hijau Cerdas, Kota Metropolitan Ulsan
• Kota Metropolitan Ulsan, Rencana Kota Cerdas 2022–2026
• Kementerian Perdagangan, Industri dan Energi Memperluas Investasi di Pabrik Industrial AX dan AI
• Kementerian Perdagangan, Industri dan Energi, Kebijakan Industri Baru untuk Era AI
• Kota Metropolitan Ulsan, Status Populasi Ulsan per Mei 2026

Wawasan struktural yang tersisa dari analisis ini

Pusat data AI menghasilkan komputasi, sementara pabrik menghasilkan produktivitas. Fakta bahwa kedua fasilitas tersebut berlokasi di kota yang sama tidak serta merta mengubah komputasi menjadi produktivitas. Komputasi pusat data hanya diubah menjadi nilai manufaktur ketika hak, keamanan, biaya, dan latensi data pabrik dihubungkan dengan sistem pemeliharaan di lokasi untuk model AI.

Karakteristik struktural Ulsan terletak bukan pada kurangnya permintaan AI, tetapi pada kenyataan bahwa permintaan tersebut terperangkap di dalam perusahaan. Meskipun pabrik otomotif, pembuatan kapal, dan petrokimia menghasilkan sejumlah besar data, jika mereka tidak dapat melampaui batasan perusahaan dan industri, pemasok AI harus membuat Proof of Concept (PoC) baru setiap saat, dan perusahaan mitra berulang kali menanggung biaya transisi yang sama.

Oleh karena itu, wawasan struktural tunggal dari kota AI Ulsan adalah bahwa agregasi komputasi dan agregasi pembelajaran itu berbeda . Sementara pusat data mengumpulkan komputasi di satu tempat, pembelajaran industri tidak teragregasi kecuali jika percobaan, kegagalan, dan hasil spesifik pabrik digunakan kembali. Yang perlu diamankan Ulsan bukanlah gelar fasilitas AI terbesar, tetapi kecepatan di mana pembelajaran dari satu pabrik berpindah ke pabrik berikutnya.

Tesis Waktu Emas — Titik di mana Ulsan menjadi kota AI global bukanlah hari selesainya pembangunan pusat data AI. Melainkan hari ketika Proof of Concept (PoC) sebuah pabrik beralih ke produksi, dan hasilnya direplikasi untuk meningkatkan kualitas, mengurangi cacat, menghentikan produksi, menurunkan biaya, dan meningkatkan keselamatan di pabrik lain dan perusahaan mitra. Jika jalur replikasi ini tidak dibangun antara tahun 2026 dan 2028, Ulsan akan memiliki infrastruktur komputasi yang besar dan banyak demonstrasi AI, tetapi kecepatan pembelajaran seluruh industri manufaktur tidak akan berubah.