제조 AI ERP 어디부터 자동화하나 — 반복업무 5대장 중 현금 사이클(청구·수금·매입)을 먼저 연결하라
SAP는 재무·제조·공급망에 걸쳐 40개가 넘는 AI 에이전트와 2,400개의 스킬을 내놨습니다. 그런데 이걸 실제 운영에 올린 고객은 3%입니다(DSAG 2026 조사). 나머지 97%는 발표를 봤고, 데모를 봤고, 그대로 멈췄습니다.
흔히 이 3%를 'AI가 아직 덜 익었다'는 신호로 읽습니다. 제가 몇 달 현장에서 본 원인은 다릅니다. 기술이 아니라 시작점입니다. 대부분 임팩트가 가장 커 보이는 생산계획·수요예측부터 덤비다, 현장 데이터가 안 붙어 조용히 꺼집니다.
문제는 어떤 AI 모델을 고르느냐가 아니라, 어디서부터 시작하느냐입니다.
제조 AI ERP 성공사례가 왜 안 보이나 — 발표와 검증의 간극
▍벤더는 에이전트를 쏟아내는데, 검증된 운영 사례는 이제 막 나옵니다
공급은 시끄럽습니다. SAP는 지난해 Joule 에이전트를 대거 공개했고, Microsoft는 Finance in Microsoft 365 Copilot을 2025년 10월 정식 출시했습니다. Oracle도 2026년 4월 Fusion에 재무 에이전트(원장·지급·비용)를 GA로 올렸습니다. 국내도 다르지 않습니다. 더존 ONE AI는 출시 1년 만에 7,000개 기업이 도입했고, 영림원은 K-System Ace I&I로 원가·경영분석에 생성형 AI를 얹었습니다.
그런데 '제조사 실명 + 실제 운영 + 성과 숫자'가 다 붙은 사례를 찾으면, 거의 없습니다. 해외조차 실명이 붙은 건 SAP Joule로 조달-지불 송장을 자동 대사하는 Mota-Engil, Microsoft 에이전트로 제품변경 승인을 주 단위에서 일 단위로 줄인 Coca-Cola Beverages Africa 정도인데, 둘 다 하드 숫자가 없고 벤더가 직접 쓴 자료입니다. 벤더가 말하는 '송장 처리 50% 단축' 같은 숫자는 자기 벤치마크지, 특정 고객의 검증된 결과가 아닙니다.
국내로 좁히면 더 분명합니다. 스마트팩토리·공정 자동화 같은 DX 성공사례는 등대공장까지 차고 넘칩니다. 그런데 그 다음 단계인 AX — 생성형·에이전트 AI를 ERP나 재무 운영에 올려 성과를 낸 국내 제조사가, 그걸 실명으로 발표(PR)한 사례를 저는 찾지 못했습니다. 며칠에 걸쳐 언론·보도자료·벤더 성공사례 페이지·정부 과제까지 뒤졌는데, 나온 건 세 종류뿐이었습니다. 삼성·LG처럼 'AI를 도입했다'는 발표, 중소벤처기업부의 중소제조 멀티 AI 에이전트 같은 진행 중인 정부 과제, 그리고 앞서 본 더존 ONE AI 7,000개사 같은 도입 계약 건수. 실명 제조사가 '우리 결산이, 우리 원가가 이렇게 바뀌었다'고 숫자로 내놓은 AX 사례는 없었습니다.
국내 제조 AX의 성공사례가 안 보이는 게 아니라, 아직 아무도 PR하지 않았습니다. 뒤집으면, 지금 baseline을 재는 회사가 그 첫 사례가 됩니다.
그래서 지금은 남의 사례를 기다릴 때가 아니라, 우리 회사에서 측정 가능한 첫 사례를 만들 때입니다. 도입 전에 '이 업무에 몇 시간, 오류율 몇 %'를 재두면, 석 달 뒤 그 개선폭이 우리 숫자가 됩니다.
큰 목표부터 덤비면 왜 꺼지나 — 작은 성공의 구조
▍13kg은 10년을 못 뺐는데, 하루치로 쪼개니 빠졌습니다
개인적인 이야기 하나. 저는 13kg 감량을 10년 동안 못 했습니다. 목표가 '살을 빼자'였기 때문입니다. 그러다 하루 몇 km, 한 끼 무엇으로, 이렇게 하루치로 쪼갠 뒤에야 빠졌습니다. 큰 목표는 매번 실패하고, 매일의 작은 성취가 쌓여 도달합니다.
제조 AX도 똑같습니다. '전사를 AI로 전환하자', '실시간 원가를 완성하자'는 그 13kg짜리 목표입니다. 임팩트는 크지만 현장 데이터가 24~48시간 지연되고 상당 부분 수기라, 시작하자마자 벽에 부딪힙니다. 생산계획·수요예측이 딱 그 자리입니다. 임팩트 최고, 데이터 준비도 최악. 여기부터 가면 3% 바깥에 남습니다.
작은 성공은 쉬운 일을 하라는 뜻이 아니라, 데이터가 이미 붙어 있는 일부터 하라는 뜻입니다.
제조 반복업무 5대장 — 무엇부터 AI에 연결하나
▍운영 사이클을 다섯 칸으로 쪼갭니다
제조업의 반복업무를 운영 사이클 순으로 다섯 칸으로 나눠봤습니다.
| # | 반복업무 | 데이터 연결의 핵심 문제 | 비즈니스 임팩트 | 첫 작은 성공 (사람 검수) | 데이터 난이도 |
|---|---|---|---|---|---|
| ① | 영업 서류·견적·수주 | 제품마스터·단가·재고·BOM이 흩어져 견적이 수기 | 견적 속도·단가 오류로 새는 마진 | 견적서·발주서 자동 생성·대조 | 중 |
| ② | 계약·청구·수금 (AR) | 계약조건↔세금계산서↔입금이 따로 논다 | 현금. 수금 하루 당기면 운전자본 개선 | 계산서 자동 발행, 입금-채권 자동 대사 | 하 (문서=정답) |
| ③ | 생산계획·자재소요 (MRP) | 수요·재고·BOM·MES 실적이 24~48h 지연 | 결품↔과잉재고, 납기 — 임팩트 최고 | 수요예측 초안, 자재소요 계산 | 상 |
| ④ | 재고·출고 관리 | WMS·ERP·MES 재고가 시점마다 어긋난다 | 현금(재고 잠김) + 결품 리스크 | 실시간 재고 모니터·이상 감지·발주 제안 | 중~상 |
| ⑤ | 구매·매입·전표 (AP) | 매입송장↔발주↔입고 3자 대사가 수기 | 인건시간·오류, 조기결제 할인 | 송장 읽어 3-way match·전표 초안 | 하 (문서=정답) |
고르는 기준은 넷입니다. ① 매일·매주 반복되고 양이 많은가, ② 정답이 명확해 사람이 틀렸는지 바로 아는가, ③ 실패가 싸고 되돌릴 수 있는가, ④ 회계 판단이 안 들어가는가.
판단이 아니라 연결부터, 사람이 매일 검수하는 일부터입니다.
왜 청구·수금·매입(현금 사이클)부터인가
▍가장 쉬워서가 아니라, 문서가 곧 정답이고 현금이 걸려 있어서
다섯 칸 중 ②계약·청구·수금(AR)과 ⑤구매·매입·전표(AP)를 1파도로 봅니다. 이유는 둘입니다. 하나, 여기선 문서가 곧 정답입니다. 세금계산서·매입송장의 숫자가 맞는지 사람이 즉시 확인합니다. AI가 틀려도 승인 전에 걸러지고, 되돌릴 수 있습니다. 둘, 임팩트가 현금입니다.
어제 흑자도산 글에서 실리콘투 이야기를 했습니다. 영업이익 1,000억을 벌고도 현금은 마이너스였던 회사. 그 현금이 어디 잠겨 있었냐면, 재고와 아직 못 받은 매출채권이었습니다. 수금을 하루 당기고 매입 대사를 자동화하면, 그 잠긴 현금이 풀립니다. 청구·수금·매입은 회계 업무이기 전에 운전자본 관리입니다.
③생산계획과 ④재고는 2파도입니다. 임팩트는 더 크지만 데이터가 안 붙어 있습니다. 그런데 순서에는 숨은 보상이 있습니다. 1파도로 청구·수금·매입을 연결하는 동안, 거래처·단가·입출금 데이터의 파이프가 깔립니다. 그 파이프가 2파도의 생산계획·재고 최적화에 그대로 연료가 됩니다. 쉬운 현금 사이클을 먼저 잇는 건, 어려운 계획 자동화의 레일을 미리 까는 일이기도 합니다.
①영업 서류는 쉽지만 임팩트가 중간이라, 영업 인력이 병목인 회사라면 1파도에 끼워도 됩니다.
그래도 남는 한계 — 초안은 AI가, 확정은 사람이
▍AI는 첫 50%를 빠르게 밀고, 마지막 구간에서 느려집니다
솔직히 말하면, 되는 영역과 아직 사람이 붙어야 하는 영역이 갈립니다. 송장을 읽어 전표 초안을 만들고, 입금과 채권을 대사하고, 리포트를 취합하는 일은 지금도 값을 냅니다. 반대로 원가 배부 기준의 확정, 재공품 평가, 표준원가와 실제원가 차이의 해석은 회계 판단이 들어가는 자리라, AI가 초안을 빠르게 만들어도 최종 확정은 사람이 책임집니다. 감사에서 설명 가능한 숫자를 만드는 마지막 구간은 여전히 느립니다.
그리고 어떤 에이전트도 없는 데이터를 지어내지는 못합니다. 현장에서 재공품 이동 한 건이 스캔되지 않으면, 그 위의 원가 에이전트도 같이 흔들립니다. 도구를 켜기 전에 현장 입력 체계가 먼저 서야 하는 이유입니다.
저는 이런 산업 특화 재무·운영 에이전트를 Gridie라는 이름으로 만들고 있습니다. Gridie는 회계사가 설계해 운영자에게 넘기는 AI-native 재무 운영 시스템입니다. 다만 여기서 하고 싶은 말은 제품이 아니라 순서입니다. 무엇을 사느냐보다, 어디부터 연결하느냐가 먼저입니다.
두 진영이 어떻게 갈리는지는 AI ERP 현황에, 실시간 숫자가 재무에서 어떻게 작동하는지는 실시간 FP&A에 따로 정리했습니다.
자주 받는 질문
Q. 제조 AI ERP, 지금 도입하면 실제로 뭐가 되나요?
A. 매입송장·세금계산서를 읽어 전표 초안을 만들고, 입금과 매출채권을 대사하고, 일일·주간 리포트를 취합하는 일은 지금도 안정적으로 됩니다. 반면 원가 배부나 재공품 평가처럼 회계 판단이 들어가는 영역은 AI가 초안을 만들고 사람이 확정하는 방식이 현실적입니다. 판단이 아니라 연결부터 시작하는 편이 실패 확률을 낮춥니다.
Q. 임팩트가 큰 생산계획부터 하면 안 되나요?
A. 임팩트는 가장 크지만 데이터가 가장 안 붙는 영역입니다. 현장의 스크랩·재공품 이동·설비 가동이 수기 입력이라 24~48시간 지연이 생기고, 그 위에 올린 계획 에이전트는 추정으로 돌아갑니다. 먼저 청구·수금·매입으로 데이터 파이프를 깔고, 그 위에서 생산계획·재고로 올라가는 순서를 권합니다.
Q. 검증된 성공사례가 없는데 어떻게 시작하나요?
A. baseline을 재는 것부터입니다. 지금 그 업무에 몇 시간이 들고 오류율이 얼마인지 도입 전에 기록해 두면, 몇 달 뒤 개선폭이 우리 회사의 첫 사례가 됩니다. 공개된 제조 재무 AX 운영 사례가 드문 이유의 상당 부분은, 아무도 전후를 측정하지 않았기 때문입니다.
Q. 세금계산서 발행은 이미 자동인데, 청구·수금을 또 하나요?
A. 발행과 대사는 다른 일입니다. 대부분의 회사가 자동화한 건 계산서를 내보내는 쪽이고, 들어온 입금이 어느 채권에 붙는지 맞추는 일은 여전히 사람이 엑셀에서 합니다. 부분 입금·상계·수수료 차감이 섞이면 더 그렇습니다. 1파도에서 값이 나오는 자리는 발행이 아니라 이 대사 구간입니다.
지금 검색창에 '제조 AI ERP 성공사례'를 치는 대신, 이번 주 우리 팀이 가장 많이 반복한 업무 하나의 처리 시간을 재보는 건 어떻습니까?