"올해 안에 보여줄 게 없으면, 다음 예산은 없습니다"
지난달, 한 부품 가공 회사의 대표와 마주 앉았던 자리에서 들은 말입니다. PoC 보고서를 사이에 두고 한참 침묵이 흘렀습니다. 그가 두려워한 건 AI 그 자체가 아니라, "도입했지만 아무도 쓰지 않는 시스템"이 또 하나 늘어나는 일이었습니다.
이번 글은 결재자 시선에서 본 비포·애프터 사례 세 개를 정리합니다. 한국·일본 중소기업 현장에서 자주 마주치는, 비교적 평범한 회사들의 이야기입니다. 화려한 수치보다, 자기 회사 상황에 비춰볼 수 있는 결을 따라가 주시기 바랍니다.
사례 1 — 30인 규모 부품 가공사: 품질 이상 분석, 3주에서 2일로
이 회사의 베테랑 품질 담당자는 입사 22년 차였습니다. 라인에서 불량이 나면 그가 하루 종일 데이터를 뒤져 원인을 좁혀갔습니다. 평균 3주. 그 사이 같은 문제가 두세 번 재발하기도 했습니다.
비포: 데이터는 엑셀과 종이 일지에 흩어져 있었고, 분석은 한 사람의 머릿속에 있었습니다. 그 사람이 휴가를 가면 라인 전체가 답답해졌습니다.
도입 과정: 6주짜리 작은 PoC였습니다. 최근 1년 치 검사 데이터를 모아 패턴을 학습시키고, 베테랑이 평소 보던 지표들을 대시보드로 정리했습니다. AI는 사람을 대신한 게 아니라, 그의 머릿속에 있던 지식을 공유 가능한 형태로 옮겨놓은 셈입니다.
애프터: 분석 사이클이 3주에서 평균 2일로 줄었습니다. 비슷한 흐름은 LG디스플레이 OLED 공정 사례에서도 공개된 바 있고(3주→2일 단축, 2024년 보도), 제조 SMB 전반에서 예측 정비로 다운타임 45%·정비비 25%가 줄었다는 글로벌 통계도 있습니다(OECD/업계 자료). 다만 이 회사가 진짜로 얻은 건 숫자가 아니었습니다. 베테랑이 한 달 휴가를 가도 라인이 멈추지 않았다는 점입니다.
사례 2 — 식품 도매 회사: 견적·반품 문의의 1차 응대 자동화
두 사람이 하루 50~80건의 거래처 문의를 처리하던 회사였습니다. 견적, 재고 확인, 반품 절차, 배송 일정. 똑같은 문의가 매일 반복되었고, 진짜로 까다로운 클레임을 다룰 여유는 사라져 있었습니다.
비포: 문의의 약 70%가 답이 정해진 반복 패턴이었습니다. 그런데도 응답까지 평균 4시간이 걸렸고, 거래처 만족도는 천천히 떨어지는 중이었습니다.
도입 과정: 기존 거래 데이터·견적 룰·반품 정책을 학습시킨 AI 에이전트가 1차 응대를 맡았습니다. 답이 명확한 건 즉시 응답, 모호하거나 예외 케이스는 담당자에게 정리된 형태로 넘어갔습니다. 처음 4주는 직원이 모든 답변을 검수했고, 오답이 줄어든 뒤에야 자율 응대 비율을 올렸습니다. 솔직히 처음 2주는 오답이 적지 않아 회의적인 분위기도 있었습니다.
애프터: 1차 응답 시간이 4시간에서 5분 이내로 떨어졌습니다. 더 중요한 변화는 두 사람에게 매일 2~3시간씩 "진짜 일"에 쓸 시간이 생긴 것이었습니다. 자리에서 빠지는 사람은 없었습니다. 다만 일의 모양이 달라졌습니다.
사례 3 — 50인 규모 서비스업 관리 부서: 월말 보고서 3일에서 반나절
관리팀장 한 분이 첫 미팅에서 솔직히 털어놓았습니다. "월말 보고서 작성 3일이 가장 무서운 3일입니다." 여러 시스템에서 데이터를 내려받고, 엑셀로 합치고, 양식에 맞춰 정리하는 과정이었습니다.
비포: 보고서 자체보다 데이터 수집·전처리에 시간이 더 들었습니다. 매번 사람이 같은 손동작을 반복하다 보니 실수도 잦았습니다.
도입 과정: 화려한 AI가 아니라, 반복되는 손동작을 그대로 따라하는 업무 자동화 흐름을 먼저 만들었습니다. 그 위에 요약·검토 단계만 AI가 거들도록 했습니다. 순서가 중요했습니다 — AI 먼저가 아니라, 워크플로우 정리가 먼저였습니다.
애프터: 월말 보고서 작성 시간이 3일에서 반나절로 줄었습니다. 그 팀장은 이제 보고서를 "쓰는" 사람이 아니라, 숫자를 "해석하는" 사람이 되었습니다. 본인은 이게 더 어렵다고 했습니다. 그리고 더 의미 있다고도 했습니다.
세 사례를 관통하는 패턴
업종도 규모도 달랐지만, 잘 굴러간 도입에는 공통점이 있었습니다.
첫째, AI는 사람을 대체하지 않고 사람의 시간을 재배치했습니다. 베테랑이 휴가를 갈 수 있게 되고, 직원 두 명이 까다로운 클레임에 집중하게 되고, 팀장이 해석에 시간을 쓰게 된 것. 이게 의사결정자가 봐야 할 진짜 변화입니다. 30%라고 하면 작아 보이지만, 100건이면 30건만큼의 사람 시간이 다른 곳으로 옮겨간다는 뜻이기도 합니다.
둘째, 작게 시작했지만 큰 그림이 있었습니다. 세 회사 모두 첫 PoC는 6~8주짜리 작은 범위였습니다. 처음부터 "이게 잘되면 다음에 어디로 확장한다"는 그림이 있었습니다. 이 부분은 4회 — AI 도입 단계별 로드맵 (PoC → 본 운용)에서 자세히 다뤘습니다.
셋째, 실패하지 않은 게 아니라 작게 실패했습니다. 세 곳 모두 도입 과정에서 작은 실패가 있었습니다. 다만 6~8주 단위로 검증했기에 손해가 커지지 않았습니다. 7회 — 자주 보는 AI 도입 실패 5가지와 회피법에서 정리한 함정들을 사전에 피해간 게 컸습니다.
시리즈를 닫으며 — 1회부터 8회까지의 결정 흐름
이 시리즈는 한국·일본 중소기업의 의사결정자가 AI 도입을 처음부터 끝까지 따라갈 수 있도록 설계했습니다. 짧게 회고하면, 1회에서 "무엇부터 검토할 것인가"로 시작해, 4회에서 로드맵을 그리고, 6회에서 ROI 측정 기준을 잡고, 7회에서 실패 패턴을 짚었으며, 이번 8회에서 실제 비포·애프터를 봤습니다. 사이의 회차들은 각 단계에서 결재자가 자주 막히는 지점들을 다뤘습니다.
마지막으로 한 가지만 더 드리자면, 이 시리즈를 다 읽으신 분께 지금 권하고 싶은 행동은 두 가지입니다. 하나는 회사 안에서 "3주 걸리는 일"을 한 가지만 골라보는 것입니다. 다른 하나는 그 일의 어느 단계가 사람의 판단이고 어느 단계가 반복인지, 종이 한 장에 그려보는 것입니다. 이 한 장이 어떤 PoC 제안서보다 더 멀리 갑니다.
저희 5years+에서는 한국과 일본 중소기업을 대상으로 이런 작은 PoC부터 본 운용까지 함께 진행해왔습니다. 회사마다 상황이 달라, 정형 패키지보다는 30분 정도 현황을 듣고 시작하는 편이 효율적입니다. 필요하시면 무료 상담 신청 페이지로 가볍게 문의 주시기 바랍니다. 8주 동안 시리즈를 끝까지 읽어주신 분들께 감사드립니다.