[이 기사에 나온 스타트업에 대한 보다 다양한 기업정보는 유니콘팩토리 빅데이터 플랫폼 '데이터랩'에서 볼 수 있습니다.]
인공지능 전환(AX)을 추진하는 제조기업은 데이터를 모두 정비하기보다 AI를 활용해 해결할 업무와 목표를 먼저 설정해야 한다는 업계의 제언이 나왔다.
AX 실행파트너 에이블런은 지난 16일 열린 '지역 제조기업 AX 전환 확산 웨비나 2026'에서 제조기업의 AI 도입과 조직 확산 방안을 논의했다고 21일 밝혔다.
이번 웨비나에는 198명이 신청했다. 업종별로 제조·생산 분야가 47%로 가장 많았으며 직급별로는 팀장과 경영진 등 팀장급 이상이 55.1%를 차지했다. 참가자들의 질문은 AI를 처음 적용할 업무 선정과 데이터 관리·보안, 개인의 AI 활용을 조직 전체로 확대하는 방법 등에 집중됐다.
유응준 전 엔비디아코리아 대표는 제조기업의 AX를 가로막는 요인으로 기술보다 조직과 업무 방식을 꼽았다. 대한상공회의소 조사에 따르면 제조기업 504곳이 꼽은 AI 도입의 주요 걸림돌은 전문인력 부재(80.7%)와 투자비 부담(73.6%)이었다.
유 전 대표는 "AI가 분석을 1분 만에 끝내더라도 승인에 2주가 걸리면 조직의 속도는 2주"라며 결재선 축소와 정보 공개, 실패 보고 부담 완화, 평가 기준 전환, 리더의 선제적인 AI 활용 등을 제안했다.
박진아 에이블런 대표는 제조기업이 데이터를 정비하는 데 앞서 AI로 해결하려는 목표를 구체화해야 한다고 강조했다. 중소벤처기업부와 스마트제조혁신추진단의 '제1차 스마트제조혁신 실태조사'에 따르면 제조데이터를 수집하는 기업은 60.8%, 수집 데이터를 분석하는 기업은 52.1%인 반면 제조 분야에 AI를 도입한 기업은 0.1%에 그쳤다.
박 대표는 품질 개선이나 불량률 감소 등 해결하려는 문제를 먼저 설정한 뒤 현재 확보한 데이터를 활용해 작은 규모로 검증할 것을 제안했다. 모든 데이터를 정비할 때까지 기다리기보다 검색증강생성(RAG)이나 기존 데이터베이스(DB)·응용프로그램인터페이스(API) 연계 등을 활용해 적용 가능성을 확인하는 방식이다.
개인이 사용하는 AI를 조직 차원으로 확산하려면 활용 결과를 데이터로 축적하고 여러 구성원이 반복해서 사용할 수 있는 구조를 만들어야 한다고 설명했다.
제조 현장의 AX 교육 사례도 소개됐다. 신진엠텍은 에이블런의 '인재키움 프리미엄 훈련사업'을 통해 13개 부서 임직원 179명을 대상으로 수준별 AI 교육을 진행했다.
임직원의 AI 활용 수준을 먼저 파악한 뒤 교육과정을 입문, 직무 연결, 문제해결 확장, 자동화·심화 등 4단계로 나눴다. 기술영업·구매·제조·품질·관리·재경 등 각 부서의 실제 업무를 교육 과제로 활용했다. 향후 자동화와 AI 에이전트, PoC(개념검증) 등으로 적용 범위를 확대할 계획이다.
박 대표는 "데이터가 다 갖춰질 때까지 AX를 미루는 제조기업이 많지만 현장에서 풀어야 할 과제가 분명하면 지금 보유한 데이터로도 시작할 수 있다"며 "교육을 통해 만든 결과물이 데이터로 쌓이고 조직의 의사결정으로 이어질 수 있도록 제조기업의 AX 실행 체계를 함께 설계하겠다"고 말했다.
한편, 에이블런은 제조·금융·의료 등 1360여개 기업·기관의 임직원 22만여명을 대상으로 AI 교육과 컨설팅을 제공하고 있다.