현장 사례

제조 현장 AI 도입은 무엇부터 시작하나

제조 AI는 문서·정산·BOM·발주 같은 사무 흐름에서 시작해 공정 지식, 로봇 순으로 넓히는 편이 위험이 작습니다.

편집 및 재구성: AXMOS 콘텐츠팀 | 최종 수정 2026-10-02

핵심 요약

제조 현장 AI 도입은 문서, 정산, BOM, 재고, 발주처럼 이미 엑셀과 ERP에 데이터가 쌓이는 사무 흐름에서 시작하는 편이 위험이 작고 효과를 재기도 쉽습니다.
한국무역협회가 2026년 4월 발표한 수출기업 설문에서 제조 현장에서 AI를 활용 중인 기업은 17.9%였고, 도입하지 못한 이유로는 도입 영역과 공정 파악의 어려움(41.6%)이 가장 많았습니다.
공정 노하우와 작업지시서는 1단계에서 데이터 흐름이 정리된 뒤 다루는 2단계 과제이고, 로봇과 통합 제어는 설비 데이터와 안전 검증, 투자가 함께 필요한 장기 과제입니다.
제조 AI 도입률은 조사마다 5%에서 23.8%까지 다르게 나옵니다. 조사 대상과 AI의 정의가 다르기 때문이므로, 숫자보다 자사 업무 기준으로 출발점을 정해야 합니다.

제조 현장 AI 도입은 무엇부터 시작해야 하나?

제조 AI는 생산라인보다 문서·정산·BOM·발주 같은 사무 흐름부터 시작하는 것이 현실적입니다.

제조기업이 AI 도입을 미루는 이유는 기술이 없어서라기보다 어디에 적용할지 정하기 어려워서인 경우가 많습니다. 한국무역협회가 2026년 4월 공개한 수출기업 AI 활용 실태 설문조사에서 기업들은 AI를 도입하지 못하는 이유로 도입 영역과 공정 파악의 어려움(41.6%)과 기본 데이터 인프라 미비(39.1%)를 꼽았습니다. 한국지능정보사회진흥원(NIA)의 2025년 제조업 AI 활용 보고서도 기존 설비와 현장 여건으로는 제조 데이터를 모으고 AI와 연결하기 어렵다는 점을 주요 장애 요인으로 정리했습니다.

두 자료가 가리키는 문제는 같습니다. 생산 설비에서 데이터를 뽑아내는 일은 센서, 통신, 설비 제조사와의 협의가 함께 필요해 시간이 오래 걸립니다. 반면 견적, 정산, BOM, 재고, 발주 업무의 데이터는 이미 엑셀, ERP, 이메일, 메신저에 남아 있습니다. 라인을 멈출 위험도 없고, 처리 시간과 오류 건수로 효과를 바로 측정할 수 있습니다. AXMOS는 이런 이유로 제조기업의 첫 AI 과제를 사무 흐름에서 고르는 순서를 권합니다.

단계	대상 업무	필요한 데이터	현장 위험	검증 지표 예시
1단계: 사무 흐름	문서 작성, 정산, BOM 대사, 재고 집계, 발주	엑셀, ERP, 이메일, 영수증 같은 기존 기록	낮음(라인과 분리)	처리 시간, 재입력 건수, 오류율
2단계: 공정 지식	작업표준서 검색, 작업지시서 초안, 불량 이력 정리	작업표준서, 품질 기록, 숙련자 메모	중간(작업 방법에 영향)	지시서 수정 횟수, 문의 응답 시간, 재작업률
3단계: 설비와 로봇	설비 예지 보전, 로봇 연계, 통합 제어	설비 센서, 제어 시스템 로그	높음(안전과 생산 직결)	가동률, 불량률, 안전 사고 건수

표의 순서는 AXMOS가 제안하는 일반적인 경로입니다. 업종과 설비 수준에 따라 2단계와 3단계의 일부를 함께 진행하는 기업도 있습니다.

제조 AI 도입률은 왜 조사마다 다르게 나오나?

조사 대상과 'AI 도입'의 정의가 서로 달라서 같은 해에도 수치가 몇 배씩 차이 납니다.

제조 AI 도입률을 인용한 기사를 보면 5%, 17.9%, 23.8% 같은 숫자가 함께 돌아다닙니다. 아래 표처럼 각 숫자는 다른 집단에서, 다른 질문으로 얻은 값입니다.

자료	조사 대상과 시점	제조 관련 수치	읽을 때 주의할 점
산업통상자원부, AI 자율제조 얼라이언스 출범(2024년 7월)	제조 현장의 AI 자율제조 도입 수준	현재 5%, 2030년 40% 이상 목표	로봇·장비와 결합한 공정 자율화 기준이라 사무 업무 AI 활용은 포함하지 않음
대한상공회의소·산업연구원(2024년 8월)	국내 기업 500개사의 IT·전략기획 담당자	제조업 AI 활용률 23.8%(서비스업 53%)	업무 전반의 AI 기술 활용 여부를 물음
한국무역협회(2026년 3~4월 조사)	수출기업 대상 설문(2026년 4월 발표)	제조 현장 AI 활용 17.9%	수출기업 표본이며 제조 현장 활용에 한정. 표본 구성은 발표문에 자세히 나오지 않음

같은 부처 안에서도 기준에 따라 숫자가 달라졌습니다. 산업통상자원부는 2024년 5월 AI 자율제조 전략 1.0에서 AI 자율제조 확산률을 현재 9% 수준, 2030년 목표를 30% 이상으로 제시했고, 두 달 뒤 얼라이언스 출범 때는 현재 5%, 2030년 40% 이상으로 발표했습니다. 대한상의 조사에서는 AI를 쓰는 기업(업종 전체)이 가장 크게 얻은 효과로 시간 단축(45.8%)을 꼽았습니다. 어느 기준으로 보든 제조업에서 AI 활용은 아직 일부 기업에 머물러 있습니다. 다른 기업의 도입률보다 자사 업무에서 시간이 가장 많이 새는 곳이 어디인지를 먼저 확인하는 편이 출발점을 정하는 데 더 유용합니다.

1단계: 문서·정산·BOM·재고·발주 업무는 어떻게 AI로 바꾸나?

사람이 여러 시스템 사이에서 옮겨 적고 맞춰 보는 반복 작업을 골라 AI 에이전트에 맡깁니다.

제조기업의 사무 흐름에는 같은 데이터를 여러 번 입력하는 지점이 많습니다. 설계 변경이 생기면 BOM을 고치고, 구매 담당자가 발주서를 다시 만들고, 재고 담당자가 엑셀을 맞춥니다. 수출입 물량이 있으면 포워더 견적을 모으고 비교하는 일도 더해집니다. 이 과정은 규칙이 비교적 분명하고 결과를 숫자로 확인할 수 있어 첫 과제로 적합합니다.

AXMOS 사례 페이지에 공개된 제조 관련 사례는 다음과 같습니다(2026년 10월 기준, 수치는 각 고객사 공개 사례 기준이며 업무 범위에 따라 달라질 수 있습니다).

드림에이스(제조·모빌리티), 인포테인먼트 BOM 산출·동기화: 2~3일 걸리던 대사·재입력 작업을 실시간 동기화로 바꿨고, 커뮤니케이션 비용과 생산 멈춤이 각각 50% 줄었다고 공개했습니다. 드림에이스는 AXMOS 컨소시엄에서 제조·실증을 맡은 참여사이기도 합니다.
드림에이스(물류), 전동화 배터리·충전기 수출입 발주: 포워더 검색과 RFP 작성을 자동 산출로 바꿔 물류비 10%, 통관·포워딩 설계 30%를 줄였다고 공개했습니다.
남도마켓(유통·정산), 영수증 OCR 정산: 하루 800장을 수동으로 스캔하던 작업을 OCR 자동 인식으로 바꿨습니다. 업종은 유통이지만 자재 구매 영수증이 많은 제조기업에도 같은 구조를 적용할 수 있습니다.

첫 과제를 고르는 체크리스트

담당자가 매주 같은 데이터를 두 번 이상 옮겨 적는 업무인가?
입력 데이터가 엑셀, ERP, 이메일처럼 이미 디지털로 남아 있는가?
잘못 처리되면 사람이 확인해서 되돌릴 수 있는가?
처리 시간과 오류 건수를 지금 기준으로 잴 수 있는가?
현업 담당자 한 명이 3주 동안 검증에 참여할 수 있는가?

다섯 항목에 모두 해당하는 업무가 첫 후보입니다. AXMOS의 AX Build는 평균 3주 안에 이런 업무를 AI 에이전트로 구축하는 방식으로 공개되어 있으며, 기존 시스템 분석, 에이전트 설계와 개발, 검증과 배포 순서로 진행합니다. 엑셀과 PDF 업무를 고르는 기준은 비개발자 AI 자동화 가이드에서도 다뤘습니다.

2단계: 공정 노하우와 작업지시서는 언제 AI로 옮기나?

1단계에서 데이터 정리와 검증 절차가 자리 잡은 뒤, 사람의 승인을 거치는 구조로 시작합니다.

공정 노하우는 작업표준서, 품질 이력, 설비 점검 기록, 숙련자의 메모에 흩어져 있습니다. 이 자료를 한곳에 모으면 신입 작업자의 질문에 답하거나 작업지시서 초안을 만드는 데 AI를 쓸 수 있습니다. 다만 작업 방법에 직접 영향을 주기 때문에, AI가 만든 초안은 반장이나 공정 담당자가 승인한 뒤에만 현장에 내려가도록 설계해야 합니다.

이 단계의 출발점은 문서를 모으는 일입니다. AXMOS 사례 페이지에 공개된 넥스코(제조·지식관리) 사례는 원드라이브와 NAS에 분산되어 있던 자료를 통합 KMS로 모으고, 회의록과 태스크 관리 에이전트로 대표의 의사결정 과정을 데이터로 남긴 경우입니다. 공정 노하우 자체를 다룬 사례는 아니지만, 흩어진 문서를 먼저 정리해야 그다음 활용이 가능하다는 점을 보여 줍니다.

2단계에서 정할 것

어떤 문서를 최신 기준 문서로 인정할지(버전 관리 기준)
AI 답변이나 지시서 초안을 누가 승인할지
현장 작업자가 AI 답변의 근거 문서를 확인할 수 있는지
잘못된 답변이 나왔을 때 기록하고 고치는 절차

이 단계는 사람이 쓰는 방식이 바뀌어야 효과가 납니다. 파일럿에서 멈추지 않고 운영으로 넘기는 방법은 한국 기업 AI 도입은 왜 PoC에서 멈추는가에서 정리했습니다.

3단계: 로봇과 통합 제어는 왜 나중에 추진하나?

설비 데이터 연결, 안전 검증, 설비 투자가 함께 필요해 준비 기간과 비용이 가장 크기 때문입니다.

산업통상자원부는 AI 자율제조 전략 1.0에서 AI 자율제조를 AI를 기반으로 로봇과 장비를 제조 공정에 결합해 생산을 고도화하고 자율화하는 제조 환경으로 정의했고, 2024년 7월에는 2030년까지 도입률을 5%에서 40% 이상으로 높이는 목표를 밝혔습니다. 2025년 5월에는 사업 이름을 AI 팩토리로 바꾸면서, 25개 내외 과제를 목표로 한 수요조사에 519개 기업 수요가 접수됐다고 밝혔습니다. 같은 발표에서 신규 과제를 2024년 26개에서 2030년 100개 이상으로 늘리고 휴머노이드 연계 사업도 추진한다고 했습니다.

기업 관심은 크지만 이 단계는 정부 과제 단위로 진행될 만큼 규모가 큽니다. 로봇이나 통합 제어를 도입하려면 설비에서 데이터를 실시간으로 받아야 하고, 오작동 시 안전 문제가 생기지 않는지 검증해야 하며, 설비 투자 결정도 따라옵니다. 1단계와 2단계에서 데이터 관리 기준과 승인 절차를 갖춘 기업일수록 이 단계에서 시행착오를 줄일 수 있습니다.

제공 범위도 구분해서 보셔야 합니다. AXMOS가 공식 사이트에 공개한 서비스는 Slack, Gmail, Excel, ERP, CRM 같은 도구를 잇는 AI 에이전트 구축(AX Build)과 교육을 겸한 공동 구축(AX Grow)입니다. 로봇이나 설비 제어는 공개된 제공 범위에 들어 있지 않으며, 3단계는 이 글에서 제안하는 장기 방향으로 이해하시면 됩니다.

자주 묻는 질문

Q. 제조 현장 AI 도입은 무엇부터 시작해야 하나요?

문서, 정산, BOM, 재고, 발주처럼 데이터가 이미 엑셀과 ERP에 남아 있는 사무 흐름부터 시작하는 것이 현실적입니다. 라인을 멈출 위험이 없고 처리 시간과 오류 건수로 효과를 바로 잴 수 있습니다.

Q. 제조 AI 도입률은 실제로 몇 퍼센트인가요?

조사마다 다릅니다. 산업통상자원부는 2024년 AI 자율제조 도입률을 5%로, 대한상공회의소·산업연구원 조사는 제조업 AI 활용률을 23.8%로, 한국무역협회가 2026년 4월 발표한 설문은 수출기업의 제조 현장 AI 활용을 17.9%로 집계했습니다. 조사 대상과 AI의 정의가 서로 다릅니다.

Q. 품질 검사나 설비 예지 보전부터 하면 안 되나요?

센서와 설비 데이터가 이미 갖춰져 있다면 가능합니다. 다만 데이터를 새로 모아야 하는 경우에는 준비 기간이 길어지므로, 사무 흐름에서 먼저 성과와 검증 절차를 만든 뒤 확장하는 편이 부담이 적습니다.

Q. 작업지시서를 AI가 만들어도 안전한가요?

AI가 만든 초안을 그대로 현장에 내리면 위험합니다. 최신 기준 문서를 정하고, 반장이나 공정 담당자가 승인한 지시서만 배포하며, 작업자가 근거 문서를 확인할 수 있게 설계해야 합니다.

Q. AXMOS는 로봇이나 설비 제어도 구축하나요?

AXMOS가 공식 사이트에 공개한 서비스는 사무 도구와 업무 흐름을 잇는 AI 에이전트 구축과 교육입니다. 로봇이나 설비 제어는 공개된 제공 범위에 포함되어 있지 않습니다.

그래서 제조기업은 무엇을 해야 하나?

AXMOS는 제조 AI 도입을 한 번에 공장 전체를 바꾸는 사업으로 보지 않고, 작은 업무에서 검증 절차를 만들어 넓혀 가는 일로 봅니다. 먼저 진단합니다. 견적, 정산, BOM, 재고, 발주 가운데 담당자가 같은 데이터를 반복해서 옮겨 적는 업무를 찾고, 지금의 처리 시간과 오류 건수를 기록합니다. 다음으로 실행 구조를 정합니다. AI 에이전트가 맡을 작업, 사람이 확인할 지점, 결과를 승인할 담당자를 정하고 현업 담당자와 함께 실제 업무에 적용합니다. 마지막으로 검증합니다. 처리 시간과 재입력 건수가 실제로 줄었는지 확인한 뒤 2단계 과제로 넘어갑니다. 결과는 업무 범위와 데이터 상태에 따라 달라질 수 있습니다.

중소 제조기업이 대기업과 다르게 접근해야 할 점은 중소기업 AI 전환은 대기업과 무엇이 달라야 하나에서, 제조 현장의 목소리는 부산 제조 AX 간담회 인사이트에서 이어서 볼 수 있습니다. 다른 현장 사례는 현장 사례 글 모음에 있습니다.

우리 공장의 어떤 사무 흐름부터 AI로 바꿀지 정하고 싶다면 AX 진단 문의하기로 연락해 주십시오. AXMOS의 구축 방식은 AXMOS 알아보기에서 확인할 수 있습니다.