AI ERP 도입 실패 안티패턴 2026 — 실패한 프로젝트는 대개 '성공적으로 오픈'했습니다

에이전트에 회사 데이터와 프로세스 접근권을 넘긴 기업이 73%입니다. 그 에이전트가 사고를 냈을 때 쓸 대응계획을 실제로 테스트해 둔 곳은 20%입니다. 2026년 2~3월 Grant Thornton이 950명에게 물은 숫자입니다.

많은 분들이 AI ERP 실패를 '도입에 실패하는 일'로 그립니다. 프로젝트가 멈추고, 벤더와 다투고, 예산이 날아가는 장면이요. 제가 현장에서 본 실패는 그렇게 생기지 않았습니다. 대부분 성공적으로 오픈했습니다. 오픈 보고까지 마쳤고, 아무도 그걸 실패라고 부르지 않았습니다.

AI ERP 도입 실패율은 몇 %인가 — 2026년 1차 자료에 그 숫자는 없습니다

▍실패율이 두 개 따로 있습니다

먼저 정직하게 짚고 시작하겠습니다. 이 글을 준비하면서 "AI ERP 실패율"을 1차 자료로 찾아봤는데, 그런 통계는 없습니다. 2026년 자료는 두 축으로 나뉘어 있습니다.

ERP 축은 의외로 조용합니다. Panorama Consulting Group이 2026년 3월 4일 낸 『The 2026 ERP Report』(170개사, 중위 연매출 2억 달러)에서 예산을 초과한 곳은 "4분의 1 이상", 일정을 초과한 곳은 "4분의 1 가까이"였습니다. 대형 이행으로 좁히면 그림이 나빠집니다. ISG가 2026년 2월 2일 낸 SAP 이행 조사에서는 S/4HANA 프로젝트의 거의 60%가 지연·예산초과였고, 49%는 프로세스 재설계를 거의 또는 전혀 하지 않고 레거시 프로세스와 데이터를 그대로 들고 갔습니다.

AI 축은 훨씬 험합니다. Gartner가 2026년 4월 7일 발표한 인프라·운영 리더 782명 조사(2025년 11~12월 수집)에서, ROI를 온전히 낸 use case는 28%였습니다. 5건 중 1건은 완전히 실패했고, 57%는 최소 한 번의 실패를 겪었습니다. 실패의 직접 원인으로는 스킬 갭과 데이터 품질·가용성이 각각 38%로 나란히 지목됐습니다. KPMG가 2026년 6월 낸 분기 조사(미국 C-suite 204명)에서는 더 불편한 방향이 보입니다. 에이전트를 파일럿하는 비율은 30%에서 35%로 늘었는데, 여러 기능으로 확산한 비율은 33%에서 29%로 줄었습니다. 한 분기 만에 뒷걸음질입니다.

한국은 그 앞 단계입니다. 한국오라클이 2026년 5월 14일 AI WAVE 콘퍼런스에서 밝힌 바로는, 기업의 71%가 이미 업무에 AI를 쓰지만 실제 운영 단계까지 간 곳은 1%였습니다. 벤더 발표라 조사 방법론이 공개되지 않은 숫자이니 그만큼의 무게로 읽으시면 됩니다.

이 두 축을 곱해 "AI ERP 실패율 몇 %"로 만든 1차 자료는 없습니다. 그런데 그런 숫자가 돌아다닙니다. 이번에 확인해보니 여러 블로그가 인용하는 "제조 ERP 프로젝트 73%가 목표 미달, 평균 원가초과 215%"는 Panorama 원문 PDF에 존재하지 않았습니다. 출처를 따라가 보면 어느 ERP 리셀러의 블로그였습니다. 실패를 이야기할 때는 실패율 숫자부터 출처를 보는 게 맞습니다.

실패한 AI ERP는 어떤 모습인가 — 가동은 하는데 결재에는 안 쓰이는 상태

▍오픈은 성공했습니다

가장 최근의 실증은 Tennant Company입니다. 산업용 청소장비를 만드는 이 상장사는 흩어져 있던 8개 ERP를 SAP 클라우드로 통합하고 2025년 11월 첫째 주 북미 지역을 오픈했습니다. 오픈은 됐습니다. 그다음에 무너졌습니다. 회사가 2026년 2월 23일 공시한 표현으로는 주문관리와 출하에 차질이 생기고, 제조 일정이 흔들리고, 특히 부품·소모품과 서비스 쪽 재고 가시성이 떨어지고, 처리 속도가 느려져 고객 지연이 길어졌습니다. 복구를 위해 1월 초 2주간 제조시설을 세우고 재고를 전수 실사했습니다. 매출 영향 약 3천만 달러, 조정 EBITDA 약 2천 2백만 달러, 4분기 조정 주당순이익은 컨센서스 1.68달러에 한참 못 미치는 0.48달러였습니다. 발표 다음 날 주가는 23.4% 빠졌습니다.

이 회사가 ERP에 쓴 돈은 2025년 한 해에만 5천 9백만 달러입니다. 프로젝트는 실패로 보고되지 않았습니다. 오픈했으니까요.

Panorama 리포트에서 제가 가장 오래 붙잡고 있던 문단은 실패율이 아니라 SaaS 거버넌스 부분이었습니다. 원문의 진단은 이렇습니다. go-live 이후에 조직은 보안 역할과 리포팅 표준과 변경요청을 아무도 명확히 소유하지 않는다는 걸 발견하고, SaaS 업데이트가 새 기능과 워크플로를 밀어 넣으면 사용자들은 임시 권한을 요청하거나 'shadow' 리포트를 만들기 시작하며, 그 결과 SaaS 모델이 지키려던 표준화가 깎여나갑니다.

이 장면은 프로젝트 상태 보고서에 안 잡힙니다. 시스템은 가동 중이고, 라이선스는 전원에게 깔려 있고, KPI 대시보드는 초록색입니다.

밖에서 본 숫자도 같은 방향입니다. Gallup이 2026년에 갱신한 확률표본 조사에서 미국 근로자의 47%가 "회사가 AI 기술을 통합했다"고 답했지만, 주 수회 이상 쓰는 사람은 30%, 일 단위로 쓰는 사람은 15%였습니다. 금융업은 일 단위 27%로 평균보다 높지만 여전히 네 명 중 셋은 매일 쓰지 않습니다. Gallup이 붙인 요약이 간결합니다 — 도입이 사용을 보장하지 않습니다. IBM이 2026년 5월 4일 낸 CEO 조사(33개국 2,000명)에서는 인식 격차가 드러납니다. CEO의 86%는 직원이 AI와 협업할 스킬을 갖췄다고 보는데, 실제로 정기적으로 쓰는 인력은 25%였습니다.

실패는 시스템이 멈추는 모습이 아니라, 시스템은 도는데 그 숫자로 아무도 결재하지 않는 모습입니다.

AI ERP 도입 실패의 안티패턴 다섯 — 실패는 오픈 전에 심어집니다

▍다섯 가지가 반복됩니다

오픈 후에 드러나는 실패는 오픈 전에 심어집니다. 2026년 자료에서 반복적으로 확인되는 다섯 가지를 정리했습니다.

① 프로세스는 그대로 두고 시스템만 바꿉니다. 앞의 ISG 조사에서 49%가 재설계 없이 레거시를 이관했고, 응답자 절반 이상은 기존 ERP를 과도하게 커스터마이징했다고 인정했습니다. Panorama는 예산초과의 1위 원인을 "예상치 못한 추가 기술 필요"로 짚고, 그 뿌리를 선택 단계의 부실로 봅니다 — 조직은 치명적인 misfit을 프로젝트 후반에 발견하고, 그때부터 추가 기술과 범위 확대와 커스텀 개발로 도망칩니다. 그리고 원문이 일정초과의 조직적 원인으로 든 예시가 회계사에게 정확히 꽂힙니다. 프로세스 오너가 표준화에 저항하는 대표 항목으로 공통 계정과목(common chart of accounts)을 들었습니다. 계정과목 하나 합치는 일이 설계 회의를 반복시키고 일정을 밀어냅니다.

11개국에서 ERP 컴플라이언스를 보던 시절, 같은 SAP인데 나라마다 무너지는 자리가 달랐습니다. 브라질에서 걸린 지점과 네덜란드에서 걸린 지점이 같지 않았고, 시스템이 아니라 그 나라 프로세스가 얼마나 표준화돼 있었는지가 갈랐습니다. AI도 정확히 같은 방식으로 갈립니다. 모델은 어디나 같은 걸 씁니다. 무너지는 자리는 늘 표준화가 안 된 자리입니다.

② 데이터가 준비됐다고 믿습니다. Drexel LeBow와 Precisely가 2026년 1월 낸 조사(데이터·분석 리더 505명)에서, 데이터가 AI에 쓸 준비가 됐다고 답한 비율은 88%였습니다. 같은 응답자들이 최대 난관으로 지목한 것도 데이터 준비였습니다(43%). 보고서는 이 자기모순을 confidence-reality gap이라 부르고, AI는 나쁜 데이터에 무관심해서 "나중에 고치자"는 접근이 더는 통하지 않는다고 적습니다. Cloudera가 2026년 4월 14일 낸 조사(IT 리더 1,270명)에서는 80% 가까이가 데이터 접근 문제로 AI가 막혀 있다고 답했고, 데이터가 완전히 거버넌스된다는 응답은 18%였습니다. 금융서비스에서 모든 데이터를 언제든 접근 가능하다고 답한 곳은 24%였습니다. KPMG 2026년 2분기 조사에서도 에이전트 배치의 최대 난제는 데이터 준비·접근(58%)이었습니다.

③ 효율만 좇고 결재선은 손대지 않습니다. Panorama 원문의 관찰이 날카롭습니다. 효율성 편익이 경영진의 주목을 독차지해서, 리더들은 의사결정을 어떻게 통제하고 측정하는지를 바꾸는 대신 기존 프로세스를 더 빨리 돌리는 쪽을 우선한다는 것입니다. 그 결과 레거시 승인구조와 성과지표가 그대로 보존되고, 운영모델 차원의 편익이 희생됩니다. 실제로 Panorama 조사에서 실현 난이도가 가장 높은 편익 범주가 새 운영모델 관련 항목이었습니다. Deloitte가 2026년 1월 21일 낸 조사(24개국 3,235명)에서도 AI를 중심으로 핵심 프로세스를 재설계하는 곳은 30%, 기저 프로세스는 거의 바꾸지 않고 표면적으로만 쓰는 곳이 37%였습니다.

④ 접근권은 주고 통제는 나중으로 미룹니다. 글 맨 앞의 73% 대 20%가 이 자리입니다. IBM이 2026년 6월 8일 낸 CIO·CTO 조사에서는 77%가 AI 도입이 현재의 거버넌스 역량을 앞지르고 있다고 답했고, CIO·CTO의 3분의 2는 자신이 완전히 통제하지 못하는 AI 시스템에 책임을 지고 있다고 했습니다. 에이전트 확산 규모에 완전히 준비됐다는 응답은 11%였습니다. Gartner는 2026년 5월 26일, 2027년까지 기업의 40%가 자율 AI 에이전트를 강등하거나 폐기할 것으로 봤습니다. 사유가 중요합니다 — 운영 사고가 난 뒤에야 발견된 거버넌스 공백입니다. 사고 전에는 아무도 몰랐다는 뜻입니다.

⑤ 성공을 정의하지 않고 시작해서, 사용량을 성과로 셉니다. Drexel·Precisely 조사에서 AI가 사업목표와 정렬됐다고 답한 곳은 71%인데, KPI에 연계된 지표를 실제로 가진 곳은 31%였습니다. BCG가 2026년 7월 22일 낸 CEO 152명 조사에서는 절반 이상이 AI를 P&L에 연결하는 것을 핵심 장벽으로 꼽았지만, 모든 AI 이니셔티브에 P&L 임팩트를 명확히 정의한 곳은 14%였습니다. 그리고 KPMG 2026년 2분기 조사에 제가 한동안 다시 읽은 대목이 있습니다. AI 시스템의 운영비용이 완전히 보이는 곳은 26%인데, 리더의 47%는 토큰을 최대한 많이 쓰도록 인센티브를 걸고 사내 리더보드로 추적하는 방안을 검토하겠다고 답했습니다. KPMG는 성과 대신 사용량을 우선하는 노력이 잘못된 행동을 강화할 위험이 있다고 적었습니다.

우리 프로젝트가 이미 실패 중인지 어떻게 아나 — 회계로 읽는 진단 지표

▍가동률은 아무것도 말해주지 않습니다

이 글에서 제가 가장 쓰고 싶었던 부분입니다. 실패가 오픈 후에 드러난다면, 오픈 후에 볼 지표가 있어야 합니다. 회계 쪽 사람이 원래 잘 보는 숫자들로 충분합니다.

① 수동전표 비중의 추이. 오픈 3개월과 6개월을 나란히 놓습니다. 이 비중이 안 떨어지면 자동화가 아니라 이중작업이 늘어난 것입니다.

② 사람 검수 비중. KPMG 조사에서 에이전트 산출물에 사람 검증을 요구하는 곳은 63%로, 1년 전 22%에서 크게 늘었습니다. 검수가 늘어난 것 자체는 성숙의 신호일 수도 있고 불신의 신호일 수도 있습니다. 저는 이걸 검수에서 실제로 값이 바뀐 건수의 비율로 구분합니다. 검수는 하는데 고쳐지는 게 거의 없으면 그 검수는 통제가 아니라 의식(儀式)입니다.

③ shadow 리포트와 개인 스프레드시트의 개수. Panorama가 지적한 표준화 침식이 눈에 보이는 형태로 나타나는 자리입니다. 오픈 후 6개월에 늘어나 있으면 시스템이 아니라 시스템 밖에서 회사가 돌아가는 중입니다.

④ 예외 대기열의 적체와 마감 일수. Gartner는 2026년 2월 24일 클라우드 ERP의 내장 AI가 2028년까지 결산을 30% 빠르게 만들 것으로 봤습니다. 뒤집으면, 마감 일수가 안 줄었다면 그 AI는 아직 결산 경로에 들어와 있지 않다는 뜻입니다.

⑤ 서명자. 이건 숫자가 아니라 이름입니다.

이 지표들을 아무도 보지 않으면 어디까지 가는지, 영국 버밍엄시의회가 보여줍니다. 2018년에 시작한 Oracle 이행 사업은 당초 계획이 1,900만 파운드에 예비비 100만 파운드였는데, 2026년 1월 기준 2027/28년까지의 예측비용이 1억 4,440만 파운드로 불었습니다. 회계 쪽에서 벌어진 일이 더 심각합니다. 은행계정 대조를 커스터마이징한 부분이 작동하지 않아 시의회가 자기 현금 포지션을 파악하지 못했고, 감사 가능한 재무제표를 제출하지 못했고, 부정 탐지에 쓰이는 감사추적을 18개월 이상 꺼둔 상태로 운영했으며, 20억 파운드 규모 거래를 잘못된 회계연도에 배정했습니다. 수작업으로 우회하는 데 들어간 인건비만 500만 파운드를 넘었습니다.

시스템은 그 기간 내내 가동 중이었습니다.

마지막 항목이 실은 제일 무겁습니다. EY가 2026년 6월 25일 COSO의 새 지침을 해설한 글에 이런 문장이 있습니다 — 타이밍과 추적가능성과 책임은 사후에 모아 만드는 문서가 아니라 통제 설계의 일부가 된다("Timing, traceability and accountability become part of control design, not documentation assembled after the fact."). 입력값, 모델 산출, 사람의 검토, 예외와 변경이 거래가 기록되기 전에 남아 있어야 하고, AI 관련 문서는 그 판단에 의존한 보고기간 안에 존재해야 한다는 것입니다. 결산 끝난 뒤에 설명을 만들어 붙이는 것으로는 대체되지 않습니다. COSO는 2026년 2월 23일 생성형 AI 내부통제 지침을 냈고, 그 안에서 AI 활용을 여덟 개 capability로 나누며 posting(기록)과 judgment(판단)를 별도 항목으로 떼어 놓았습니다. 회계 쪽에서 보면 이 구분이 반갑습니다. 자동으로 기록하는 것과 판단하는 것은 요구되는 통제가 다릅니다.

같은 이야기를 한국공인회계사회 『공인회계사 저널』 2026년 4월호에서 김갑순 파트너가 더 짧게 적었습니다. AI가 회계사를 대체하느냐보다, AI가 만든 판단에 누가 서명하느냐가 중요하다는 것입니다. 고객은 여전히 누가 이 문장을 승인했는지 묻고, 법원과 감독당국은 여전히 누가 이 보고서에 서명했는지 봅니다.

그 서명이 얼마나 무거운지는 우리 업계가 이미 실물로 배웠습니다. 2025년부터 2026년 사이에 Big 4 네 곳 모두 AI가 지어낸 인용이 들어간 보고서를 철회하거나 환불했습니다. Deloitte 호주법인은 호주 정부에 낸 검토 보고서에 존재하지 않는 학술문헌과 조작된 법원 판결 인용이 들어간 것이 드러나 계약금 44만 호주달러의 최종 지급분을 환불했습니다. Deloitte 캐나다법인은 526페이지 의료 보고서에서 실존 연구자를 없는 논문의 저자로 기재했고, 환불은 하지 않았습니다. KPMG의 에이전틱 AI 보고서는 인용 45개 중 40개가 가짜였고 홈페이지에서 삭제됐습니다. EY 캐나다법인과 PwC 중동법인 보고서도 각각 2026년 5월과 7월에 같은 문제로 지적됐습니다.

회계·세무 실무에는 이미 들어왔습니다. 2026년 7월, 캘리포니아 조세심판원은 폐업 음식점의 조세불복 사건에서 변호사와 공인회계사가 존재하지 않는 판례를 인용한 것을 확인하고, 정당한 법적 근거로 뒷받침되지 않은 주장을 전부 배척했습니다. 심판원은 이를 "우려스럽고 부적절하다"고 적었습니다. 자동화가 실패한 게 아니라, 검증하지 않은 서명이 실패한 것입니다.

그래서 무엇부터 해야 하나

▍네 가지

① 데이터 거버넌스를 새로 만들지 말고 기존 것을 확장하십시오. Drexel·Precisely 조사에서 거버넌스 프로그램을 가진 조직은 71%가 데이터를 신뢰했고, 없는 조직은 50%였습니다. 원문의 관찰이 실무적으로 유용합니다 — 기존 데이터 거버넌스를 AI 거버넌스까지 확장한 곳이, AI 거버넌스를 별도로 새로 만든 곳이나 AI에 집중하려고 데이터 거버넌스를 줄인 곳보다 성과가 좋았습니다.

② 전부 고치려 하지 마십시오. Panorama의 권고는 소수의 고영향 프로세스 개선에 집중하면 가치 실현이 빠르고 리스크와 비용이 줄며 반복 가능한 blueprint가 남는다는 것입니다. 한꺼번에 다 고치려는 시도는 비싸고 느려서 사용자 수용 자체를 막습니다.

③ 착수 전에 P&L을 정의하고, 재무가 첫날부터 검증하십시오. BCG의 권고를 그대로 옮기면 각 이니셔티브가 시작되기 전에 기대되는 P&L 임팩트와 가치 논리를 정의하고, 재무가 첫날부터 결과를 검증해야 합니다. 앞서 본 대로 이걸 실제로 하는 곳은 14%입니다.

④ 통제를 시스템에 심으십시오. IBM 조사에서 통제를 AI 시스템에 직접 내장한 조직은 수동 거버넌스 프로세스에 의존한 조직보다 인시던트가 25% 적었습니다. 정책 문서로 존재하는 통제와 코드로 존재하는 통제는 다른 물건입니다.

이 조건들은 결국 AI ERP라는 그릇 안에서 만납니다 — 데이터와 워크플로와 권한이 한 곳에 붙어 있지 않으면 ①부터 ④까지가 각기 다른 시스템에 흩어지니까요. 파일럿을 운영으로 넘기는 이야기의 다음 장이고, AI가 만든 분개를 누가 설명하느냐는 AI 회계 거버넌스로 이어집니다. Gridie도 회계사가 설계한 자산을 운영자가 그대로 굴리는 AI-native ERP를 그 자리에 두고 있습니다.

솔직한 한계

▍기준이 아직 안 왔습니다

정직하게 남겨둘 게 있습니다. AI가 만든 회계 판단을 어떻게 통제할지에 대해, 지금 기댈 구속력 있는 기준이 없습니다. PCAOB는 2026년 7월 현재 AI에 관한 구속력 있는 기준을 두지 않았고, 2026년 5월 관련 연구과제를 등재한 단계입니다. IAASB의 감사증거 기준 ISA 500 개정은 2026년 8월 공개초안 발표가 예정돼 있고 시행일은 미정입니다. 2026년 1월 22일 시행된 인공지능기본법의 고영향 AI 영역에 회계는 들어가지 않았습니다. 채용과 대출심사는 들어갔는데 회계는 빠졌습니다. 그러니 지금 통제 설계는 각 회사가 스스로 해야 하고, 저도 완성된 답을 갖고 있지 않습니다.

이 글 자체의 한계도 밝혀두겠습니다. 저는 "AI ERP가 직접 원인인, 실명 기업의 공시된 실패 사례"를 찾지 못했습니다. 2026년 7월 현재 실명으로 확인되는 실패는 세 갈래로 나타납니다. Tennant나 버밍엄처럼 고전적인 ERP 구축 실패, AI 고객응대를 깔았다가 되돌린 사례, 그리고 Big 4 보고서처럼 전문가 산출물에 AI 환각이 들어간 사례입니다. AI 부기·마감 도구가 직접 원인이 된 중요한 왜곡표시나 재작성 사례도 확인하지 못했습니다. 즉 지금 "AI ERP 실패"는 부검할 시체가 아니라 예고된 리스크입니다. 이 글의 안티패턴은 사후 부검이 아니라 조사 데이터에서 역산한 것이고, 그만큼의 무게로 읽으시면 됩니다.

회계 영역에서 확인되는 것은 도구 쪽의 정리입니다. 회계법인용 AI 부기 플랫폼 Botkeeper는 약 9천만 달러를 조달하고 11년을 운영한 뒤 2026년 2월 문을 닫았습니다. 그리고 완전 자율 AI 회계를 다시 만들겠다고 2026년 5월 시드를 받은 창업자 본인이, 지금 모델이 여전히 부기에서 상당한 실수를 낸다고 인정했습니다. 만드는 쪽에서 나온 말이라 저도 반박할 재료가 없습니다.

숫자로도 남겨두겠습니다. Grant Thornton 조사에서 90일 안에 독립적인 AI 거버넌스 감사를 통과할 자신이 있다고 답한 곳은 소수였습니다 — 78%가 자신이 없다고 했습니다. AI를 완전히 통합한 단계에서는 74%가 자신 있다고 답했고, 파일럿 단계에서는 7%였습니다. 저희가 만드는 것도 이 격차 안에 있습니다.

자주 받는 질문

Q. AI ERP 도입 실패율은 몇 %인가요?

A. "AI ERP 실패율"이라는 단일 통계는 2026년 1차 자료에 존재하지 않습니다. 두 축을 따로 봐야 합니다. ERP 축에서는 2026년 3월 Panorama 리포트가 예산초과 4분의 1 이상, 일정초과 4분의 1 가까이로 집계했고, ISG는 2026년 2월 S/4HANA 이행의 거의 60%가 지연·예산초과라고 봤습니다. AI 축에서는 2026년 4월 Gartner 조사에서 ROI를 온전히 낸 use case가 28%, 5건 중 1건은 완전 실패였습니다. 이 둘을 곱해 만든 숫자를 인용한 자료를 보면 원문 출처를 확인하시는 게 좋습니다.

Q. AI ERP 도입이 실패했는지 어떻게 알 수 있나요?

A. 가동률과 라이선스 수는 실패를 알려주지 않습니다. 수동전표 비중이 오픈 3개월과 6개월 사이에 떨어지는지, 사람 검수에서 실제로 값이 바뀌는 비율이 얼마인지, 개인 스프레드시트와 shadow 리포트가 늘고 있는지, 마감 일수가 줄었는지를 보십시오. 2026년 Panorama 리포트는 go-live 이후 보안 역할·리포팅 표준·변경요청의 소유자가 불분명해지면서 사용자가 임시 권한과 shadow 리포트로 우회하고 표준화가 침식된다고 지적했습니다. 그 침식은 상태 보고서에 초록색으로 표시됩니다.

Q. AI를 얹기 전에 무엇을 먼저 갖춰야 하나요?

A. 데이터 정합성과 프로세스 표준화가 먼저입니다. 2026년 1월 Drexel LeBow·Precisely 조사에서 응답자의 88%가 데이터가 AI에 준비됐다고 답했지만 같은 사람들이 최대 난관으로 지목한 것도 데이터 준비(43%)였습니다. Cloudera 2026년 4월 조사에서는 데이터가 완전히 거버넌스된다는 응답이 18%였습니다. 그리고 프로세스입니다. ISG 2026년 조사에서 S/4HANA로 옮기며 재설계를 거의 하지 않은 곳이 49%였고, Panorama는 표준화 저항의 대표 항목으로 공통 계정과목을 들었습니다. 계정과목 체계가 정리되지 않은 상태에서 AI를 얹으면 자동화가 아니라 자동화된 오류가 됩니다.

Q. AI ERP가 실패한 실제 사례가 있나요?

A. 2026년 7월 현재 "AI ERP가 직접 원인"으로 공시된 실명 실패 사례는 확인되지 않습니다. 실명으로 확인되는 실패는 세 갈래입니다. 첫째는 고전적 ERP 구축 실패로, Tennant Company가 2025년 11월 SAP 클라우드 북미 오픈 후 매출 약 3천만 달러와 조정 EBITDA 약 2천 2백만 달러 규모의 영향을 공시했고, 버밍엄시의회의 Oracle 사업은 예측비용이 1,900만 파운드에서 1억 4,440만 파운드로 늘며 감사 가능한 재무제표 제출조차 못 했습니다. 둘째는 AI 고객응대를 도입했다가 되돌린 사례입니다. 셋째는 Big 4 네 곳이 모두 겪은 보고서 환각 사건입니다. 그러니 AI ERP 실패는 아직 부검 대상이 아니라 예고된 리스크로 다루는 편이 정확합니다.

Q. AI가 만든 분개는 감사에서 문제가 되지 않나요?

A. 증거를 언제 남겼는지가 갈림길입니다. EY가 2026년 6월 COSO 지침을 해설하며 정리한 원칙은, 타이밍·추적가능성·책임이 사후 문서가 아니라 통제 설계의 일부라는 것입니다. 입력값과 모델 산출, 사람의 검토, 예외와 변경이 거래 기록 이전에 남아 있어야 하고, AI 관련 문서는 그 판단에 의존한 보고기간 안에 존재해야 합니다. COSO는 2026년 2월 생성형 AI 내부통제 지침에서 posting과 judgment를 별도 capability로 구분했습니다. 결산이 끝난 뒤 설명을 만들어 붙이는 방식은 통제로 인정받기 어렵습니다.

오픈 보고서에 초록색이 찍히는 것과, 그 시스템이 실제로 회사의 판단 경로에 들어와 있는 것은 다른 일입니다. 저는 후자만 자산으로 셉니다. 지난 분기에 AI가 만든 분개 중, 그 판단의 근거가 그 분기 안에 남아 있는 건 몇 건입니까?