지난달, 한 부품 가공 회사의 대표와 마주 앉았던 자리에서 들은 말입니다. "AI는 잘 도입했어요. 그런데 왜 견적이 여전히 사람이 다 쓰고 있죠?" 자동화를 깊게 만져본 사람이라면 이 한 문장이 어디를 가리키는지 안다고 봅니다. 이번 글은 제조업 자동화가 잘 굴러가다가도 견적과 도면 앞에서 무너지는 이유를 짧게 정리한 기록입니다.
중소 제조의 자동화가 어려운 진짜 이유는 기술이 아니라 데이터 입구의 상태입니다. 한 공장 안에 종이, PDF, CAD, ERP, 사원 머릿속 노하우가 동시에 살아 있고, 부서마다 다른 형태로 들어옵니다. 자동화 워크플로우는 깨끗한 입력을 가정하고 만들어지는데, 제조 현장은 가장 더러운 입구를 가진 곳입니다. 이 어긋남을 좁히는 작업이 자동화의 가장 큰 비용입니다.
사례 1 — 견적 자동 응답이 진짜로 풀리는 순간
도쿄 근교의 한 부품 가공 회사는 하루 평균 견적 문의 30건을 모두 영업이 손으로 답하고 있었습니다. AI 에이전트를 붙이려다가 매번 같은 자리에서 막혔습니다. "도면이 PDF로 와요." OCR로 도면을 읽어도 결국 사람이 다시 검수해야 했습니다. 해결은 단순했습니다. 견적을 "단순 회신"과 "정식 견적서 작성"으로 분리하고, 단순 회신에만 AI를 붙였습니다. 표준 부품·소량 시제품·반복 발주 — 이 세 가지가 전체 견적의 62%였고, 모두 도면 분석 없이 즉시 응답이 가능했습니다. 두 달 만에 영업 1인의 견적 응대 시간이 하루 4시간에서 1시간으로 줄었습니다. 도면이 필요한 38%는 여전히 사람이 합니다. 솔직히 처음에는 "62%만으로 가치가 있나" 회의적이었습니다. 대표가 말했습니다. "그 1시간이 영업이 사라진 시간이 아니라, 신규 거래 발굴에 쓸 수 있는 시간이 됐다고요."
사례 2 — 도면 메타데이터를 OCR보다 먼저
오사카의 한 정밀 부품 회사는 입고되는 도면 PDF를 카테고리별로 분류하는 작업에 매주 8시간을 쓰고 있었습니다. OCR로 도면 내부 텍스트를 읽는 솔루션을 사보다가 정확도가 70%에 그쳐 포기했습니다. 우리가 제안한 방향은 정반대였습니다. 도면 내부가 아니라 파일명·메일 본문·발신처·이전 발주 이력 같은 메타데이터를 먼저 활용했습니다. 95% 이상의 도면이 메타데이터만으로 분류 가능했고, OCR은 정말 필요한 5%에만 적용했습니다. 자동화 도입 4주 차, 분류 시간이 주 8시간에서 30분으로 줄었습니다. 의외였던 점은 분류 정확도가 사람이 하던 때보다 오히려 높아졌다는 것입니다. 사람은 바쁘면 대충 분류했는데, 자동화는 일관됩니다.
사례 3 — 라인 알림은 늘 거짓말로 시작합니다
경기도의 한 중견 가공 회사는 라인 정지 알림을 자동화하려다 처음 두 달을 잃었습니다. PLC 신호를 자동으로 받아 Slack에 알림을 띄웠는데, 알림이 너무 많아 아무도 안 봤습니다. 문제는 PLC가 "잠재적 이상"까지 전부 알림으로 보냈고, 그 중 진짜 라인 정지는 5%였다는 점입니다. 우리는 알림을 끄지 않고 분류했습니다. 1주 동안 모든 알림에 사람의 검수를 같이 받았고, 그 라벨링 데이터로 가짜 알림 필터를 학습시켰습니다. 8주 차부터 알림 수는 1/30로 줄었고, 라인장이 다시 Slack을 봤습니다. 솔직히 1주 라벨링 기간에 회사 분위기는 좋지 않았습니다. "이걸 하려고 시스템을 도입했나" 같은 말이 나왔습니다. 그 1주가 자동화의 가장 큰 비용이었고, 동시에 가장 중요한 단계였습니다.
세 사례를 관통하는 패턴
업종도 규모도 다른 세 회사의 자동화는 다른 시점에 막혔지만 같은 원인을 보입니다. 제조 현장의 입력 데이터는 깨끗하지 않고, 깨끗하게 만들기 전에 자동화를 붙이면 모두 실패합니다. 하지만 입력을 완벽하게 만든 다음 시작하면 시간이 너무 오래 걸려서 시작조차 못 합니다. 답은 "전체 자동화" 대신 "쉬운 60%만 자동화, 나머지는 사람"입니다. 그 비율이 80%가 되는 시점은 보통 도입 1년 뒤이고, 그것도 사람이 자동화를 매주 손봐서 가능합니다.
제조업 자동화 의사결정자를 위한 짧은 체크리스트
- 견적 응답을 "단순 회신"과 "정식 견적서"로 먼저 나누십시오. 표준 부품·반복 발주가 보통 60% 이상입니다.
- 도면 PDF는 OCR이 아니라 메타데이터(파일명·메일 본문·이전 발주 이력)부터 활용하십시오.
- ERP에 직접 연결하지 마십시오. 중간 sync layer를 두고 양방향 무결성을 검증하는 구조가 안전합니다.
- 사내 엔지니어 1명을 "자동화 파트너"로 지정하십시오. 외주만으로 굴러가는 자동화는 6개월 뒤 멈춥니다.
- PoC 4주는 ROI 검증이 아니라 "어떤 데이터가 더 더럽나"를 보는 기간입니다. 4주 뒤 ROI를 보려는 사람은 거의 다 실망합니다.
우리 회사가 이 사례와 닮았다면 — 무료 AX 진단
이 글의 제조업 사례들이 우리 회사 상황과 닮았다고 느끼셨다면, 5years+의 무료 AX 진단을 받아보세요. 산업·규모·핵심 페인포인트 3-4개 질문에 답하시면, 시니어 컨설턴트가 자동화 도입 우선순위 Top 3를 정리해 보고서로 보내드립니다. 영업 콜은 진단 결과 확인 후, 받고 싶으실 때만 신청하시면 됩니다.
마치며
제조업 자동화는 새 기술을 도입하는 일이 아니라, 공장에 쌓인 비대칭 데이터를 한 줄로 정리하는 일에 가깝습니다. 지금 운영 중인 공정이 있다면 두 가지를 권하고 싶습니다. 첫째, "지난 한 달간 가장 반복적으로 사람이 손댄 작업"을 한 줄로 적어보십시오. 둘째, 그 작업에 들어오는 데이터 형태(종이/PDF/CAD/구두)를 옆에 적으십시오. 자동화는 그 표 한 장에서 시작합니다.