제조업 AI, 넓게 쓸수록 손해인 이유 — 3.5개 vs 6.1개
AI 성과를 내는 기업은 평균 3.5개의 유즈케이스에 집중하고, 성과를 못 내는 기업은 6.1개로 분산합니다. 그리고 집중한 쪽이 2.1배 높은 ROI를 기대하고 있습니다. BCG가 C레벨 경영진 1,803명을 조사한 결과입니다.
구매팀에 하나, 물류팀에 하나, 영업팀에 하나. 여러 부서에 AI를 조금씩 붙여보고 잘 되는 걸 키우겠다는 접근은 합리적으로 보입니다. 데이터는 정반대를 가리킵니다.
3.5개와 6.1개, 숫자가 말하는 것
BCG의 「AI Radar 2025」 보고서에서 나온 수치입니다. 19개 시장, 12개 산업의 C레벨 경영진 1,803명을 조사했습니다.
같은 조사에서 60%의 기업이 AI 가치 창출과 관련된 재무 KPI를 아예 정의하지 않고 있다는 결과도 나왔습니다. 성과를 측정하지 않으니 무엇이 되고 있는지도 모르는 상태입니다.
직관에 반하는 결과처럼 보입니다. 더 많은 곳에 적용하면 총합이 커질 것 같으니까요. 하지만 여러 부서에 파일럿을 돌리면 각각이 연결되지 않은 채 따로 놉니다. 데이터 형식이 다르고, 업무 흐름이 다르고, 관리 주체가 다릅니다. 파일럿만 쌓이고 성과로는 이어지지 않습니다.
분산이 실패하는 세 가지 이유
1. 하나의 업무를 처음부터 끝까지 바꾸지 못합니다
구매팀에 AI를 붙이면 견적서 비교는 편해집니다. 그런데 그 결과가 발주서 작성이나 시스템 입력으로 이어지지 않으면, 담당자가 다시 수작업으로 연결해야 합니다.
부분 자동화는 곧 부분 수작업입니다. 그리고 사람은 중간에 끊기는 도구를 결국 쓰지 않습니다.
2. 유지보수 비용이 곱해집니다
6개 부서에 각각 다른 도구를 붙이면 데이터 연동, 모델 관리, 예외 처리를 여섯 벌 해야 합니다. 도구가 늘어날수록 관리 비용은 선형이 아니라 그 이상으로 증가합니다. 표준화되지 않은 채 도구만 뒤섞이는 상태가 흔합니다.
3. 성과를 증명하지 못합니다
여러 곳에 조금씩 적용하면 각각의 효과가 작아 전체 투자 대비 성과를 보이기 어렵습니다. 경영진에게 숫자를 못 보여주면 다음 투자 승인이 안 납니다. 그렇게 AI 프로젝트는 조용히 멈춥니다.
제조업은 어디에 집중해야 하는가
BCG의 별도 보고서 「The Widening AI Value Gap」(2025년 9월, 경영진 1,250명 조사)에 답의 실마리가 있습니다.
AI 잠재 가치의 70%가 영업·마케팅, 제조, 공급망, 가격 결정 같은 핵심 업무에 집중되어 있습니다. 반면 IT 부서의 몫은 13%에 그칩니다.
많은 기업이 IT나 지원 부서부터 AI를 시작합니다. 데이터가 정리돼 있고 저항이 적기 때문입니다. 그런데 가치는 거기 있지 않습니다.
전부 문서가 오가는 업무입니다.
AI가 작동하려면 읽을 수 있는 데이터가 필요한데, 제조 현장의 거래 문서는 대부분 아직 그 형태가 아닙니다. hwp 계약서, 스캔한 발주서, 메일 첨부 견적서. 사람은 읽지만 기계는 못 읽는 상태입니다.
거꾸로 말하면, 이 문서들이 AI가 읽을 수 있는 데이터로 바뀌는 순간 구매·영업·물류·생산 전체의 토대가 한 번에 만들어집니다. 한 곳에서 깊게 시작하면 여러 곳으로 자연스럽게 확장되는 구조입니다.
캐논이 실제로 한 일
집중 전략의 실물 사례입니다.
캐논 USA 재무팀은 월 4,500건의 협력사 송장을 처리하고 있었습니다. RPA는 이미 있었지만 RegEx 규칙 기반이라 경직됐고, 정확도가 35~40%에 머물렀습니다. 전담 인력 4명이 붙어 있었습니다.
접근을 바꿨습니다. 송장 처리라는 하나의 워크플로를 끝까지 파고들었습니다.
그래서 무엇부터 물어야 하는가
"어떤 AI 도구가 좋은가"는 두 번째 질문입니다.
첫 번째 질문은 이겁니다. 우리 회사에서 가장 많은 시간이 묻혀 있는 업무가 어디인가.
판단 기준 세 가지입니다.
반복 빈도가 높은가 — 월 수백 건 이상 발생하는 업무인가
처음부터 끝까지 바꿀 수 있는가 — 중간에 다른 부서로 넘어가 끊기지 않는가
성과를 숫자로 보여줄 수 있는가 — 처리 시간, 건수, 오류율로 측정 가능한가
세 조건이 겹치는 지점 하나를 고르십시오. 그리고 그 하나를 끝까지 하십시오.
제조업이라면 그 시작점은 높은 확률로 거래 문서입니다. 반복 빈도가 높고, 워크플로가 명확하고, 처리 건수로 측정 가능하기 때문입니다.
자주 묻는 질문 (FAQ)
Q. AI 유즈케이스는 몇 개부터 시작해야 하나요? A. BCG 조사에서 성과를 내는 기업은 평균 3.5개에 집중했고, 성과가 없는 기업은 6.1개로 분산했습니다. 처음에는 하나를 끝까지 완성한 뒤 확장하는 방식이 권장됩니다.
Q. 여러 부서에 동시에 도입하면 왜 성과가 안 나오나요? A. 세 가지 이유입니다. 하나의 업무를 끝까지 바꾸지 못해 부분 수작업이 남고, 도구마다 유지보수를 따로 해야 하며, 각각의 효과가 작아 투자 대비 성과를 증명하기 어렵습니다.
Q. AI 가치는 어느 부서에서 나오나요? A. BCG 조사에 따르면 AI 잠재 가치의 70%가 영업·마케팅, 제조, 공급망, 가격 결정 같은 핵심 업무에 집중되어 있습니다. IT 부서의 몫은 13%입니다.
Q. 제조업은 어디부터 시작하는 것이 좋나요? A. 거래 문서 처리가 유력한 후보입니다. 구매·영업·물류·생산의 핵심 업무가 모두 문서를 매개로 움직이기 때문에, 문서가 AI가 읽을 수 있는 데이터로 전환되면 여러 부서로 확장할 토대가 한 번에 만들어집니다.
Q. 첫 유즈케이스를 고르는 기준은 무엇인가요? A. 반복 빈도가 높고, 하나의 워크플로를 처음부터 끝까지 바꿀 수 있으며, 처리 시간이나 건수로 성과를 측정할 수 있는 업무입니다. 세 조건이 겹치는 지점을 선택하십시오.
Q. 집중 전략의 실제 사례가 있나요? A. 캐논 USA는 월 4,500건의 송장 처리 한 가지에 집중해, 기존 35~40%였던 무인 처리율을 약 90%까지 끌어올렸습니다. 9개월 이내에 약 4만 건을 처리했습니다.