현장이 먼저 묻는다 AI 어디까지

향료 창고에서 7분으로 끝난 일

서울의 한 향료 제조업체에서 재고를 맞추는 일은 원래 한 달의 절반을 잡아먹었다. 향료마다 특성이 다르고 유통기한도 제각각인 데다, 어떤 원료는 다른 원료로 대체가 된다. 담당자가 이 변수를 일일이 손으로 따져 적정 재고를 계산하면 월 15일이 들었다. 이 회사가 국내 스타트업 딥플로우(Deepflow)의 AI 재고관리 시스템을 붙인 뒤, 같은 작업은 7분으로 줄었다. 수요 예측 정확도는 70퍼센트에서 80퍼센트로 올라갔다[1].

같은 솔루션을 쓴 전자제품 제조사에서는 재고 부족이 49퍼센트, 재고 과잉이 70퍼센트 줄고 월 재고비용 약 11억 원을 아꼈다는 수치가 보고됐다[1]. 발로 뛰어 확인한 첫 번째 사실은 이렇다. 가장 극적인 숫자를 만든 사례들은 엄밀히 말하면 '생성형 AI'가 아니라 수요예측에 특화된 머신러닝이었다. 챗GPT 같은 대화형 모델이 아니라, 리드타임 변동성과 계절성을 학습한 예측 엔진이다. 현장에서 진짜로 돈을 아껴준 AI와 요즘 다들 입에 올리는 생성형 AI는 같은 단어로 묶이지만, 다른 물건이라는 뜻이다.

성동구 카페 사장이 디자이너를 안 부르게 된 이유

생성형 AI가 실제로 작은 가게에 들어간 장면은 마케팅 쪽에서 더 선명하다. 서울 성동구에서 디저트 카페를 운영하는 30대 김모씨는 이벤트 홍보물을 만들 때마다 디자이너에게 외주를 줬고, 그 비용이 부담이었다. 지금은 AI로 메뉴 사진을 보정하고 포스터를 만들고 짧은 홍보 영상까지 직접 해결한다. "마케팅 비용이 크게 줄었다"는 게 그의 말이다[2]. 온라인 쇼핑몰을 하는 또 다른 자영업자는 상품 설명 문구 작성, 고객 문의 답변 초안, 리뷰 분석에 AI를 쓰면서 "업무 효율이 눈에 띄게 높아졌다"고 했다[2].

거창한 시스템이 아니다. 네이버 플레이스 리뷰 답글을 챗GPT 기반 도구로 받아 10초 안에 다는 식의, 손에 잡히는 자동화다[3]. 정부도 여기에 돈을 붓고 있다. 소상공인시장진흥공단은 2025년 2월 '소상공인 지식배움터'를 개편해 생성형 AI로 강의 핵심을 요약해주는 기능을 넣었고[4], 소상공인의 생성형 AI 활용 교육과 디지털 전환도 지원 사업으로 키우고 있다[4].

그런데 제조 현장의 절반은 아직 문 앞에 서 있다

소상공인 쪽 그림이 빠르게 움직이는 것과 달리, 중소 제조업 현장은 훨씬 신중하다. 중소기업중앙회가 2025년 10월 19일 발표한 조사를 보면 분위기가 잡힌다. 최근 5년간 대·중소 상생형 스마트공장 사업에 참여한 502개 중소 제조업체에 물었더니, 제조 공정에 AI 도입이 '필요하다'고 답한 곳이 47.4퍼센트였다[5]. '보통'까지 더하면 78.5퍼센트가 긍정적이다. 필요성은 안다는 얘기다.

문제는 그다음이다. AI 도입이 어려운 이유로는 '초기 비용 부담'을 꼽은 곳이 44.2퍼센트로 압도적이었고, '전문인력 부족'이 20.5퍼센트로 뒤를 이었다[5]. 정부에 바라는 지원도 추상적인 게 아니라 '직접 자금 지원'(72.3퍼센트)이 1순위였고, 그다음이 'AI 전문 컨설팅'(21.9퍼센트)이었다[5]. 스마트공장을 굴리는 데서도 전문 운영인력 부족(43.8퍼센트), 높은 유지·관리 비용(25.9퍼센트)이 발목을 잡았고, 공정 데이터를 분석하지 못하는 이유로도 담당자·전문인력 부족(50.4퍼센트)이 1위였다[5]. 향료 창고의 7분짜리 성공담과 이 설문 사이의 거리가, 한국 중소 제조업이 서 있는 진짜 위치다. 본보기는 있지만 옮길 사람과 돈이 없다.

놀라운 반전 시간은 줄었는데 생산은 안 늘었다

여기서 취재의 방향을 한 번 틀 필요가 있다. 도입 사례만 모으면 'AI는 무조건 이득'이라는 결론으로 흐르기 쉽다. 그런데 한국은행이 내놓은 데이터는 정반대 경고를 한다. 한국은행 이슈노트가 챗GPT 출시 약 3년을 분석했더니, 생성형 AI를 쓴 근로자의 평균 업무시간은 3.8퍼센트 줄었다. 주 40시간 기준 주당 약 1.5시간이 사라진 셈이다[6].

놀라운 건 그 줄어든 시간이 더 많은 산출로 이어지지 않았다는 점이다. 근로자 단위에서 업무시간 절감률과 업무처리량 증가율 사이의 상관계수는 0이었다[6]. 한국은행은 이를 "생산성 단절"이라 부른다. "AI가 개별 작업 수준의 효율은 높였지만, 업무 흐름 개선이나 조직 구조 변화, 인력 재배치로 확장되지 못하면서" 시간만 비고 성과는 제자리였다는 것이다[6]. 생산성이 실제로 오른 집단은 예외적으로 자영업자, 전문직, AI를 아주 강하게 쓰는 소수뿐이었다[6].

이 대목이 중요하다. 성동구 카페 김씨처럼 1인이 모든 결정을 쥔 자영업자는 절감한 시간을 곧장 더 많은 홍보나 매출로 바꿀 수 있다. 반면 조직이 끼면, 줄어든 1.5시간은 보고와 회의 사이로 증발한다. 같은 생성형 AI라도 소상공인에게서 더 잘 먹히는 구조적 이유가 데이터로 설명되는 셈이다.

안 된 것들, 그리고 한 줄의 반대 의견

무엇이 안 됐는지도 정직하게 적어야 한다. 생성형 AI의 고질병인 환각(hallucination), 즉 사실이 아닌 정보를 확신에 찬 어조로 만들어내는 문제는 작은 가게에서도 그대로 위험하다. 해외 사례지만 캐나다 항공사는 자사 AI 챗봇이 잘못된 할인 정보를 안내해 소비자 보상 판결을 받았고, 마이크로소프트가 지원한 뉴욕시 사업자 안내 챗봇 '마이시티'는 직원의 팁을 가로채도 된다는 식으로 불법을 조장하는 답을 내놨다[7]. 고객 응대를 AI에 통째로 맡긴 소상공인이라면 남의 일이 아니다. 그래서 현장에서 권하는 방식은 자주 들어오는 문의만 AI가 받고 복잡한 건은 사람에게 넘기는 하이브리드다[7].

반대 의견도 분명히 있다. 한국IDC가 2024년 10월 내놓은 조사에서 국내 조직의 78퍼센트가 생성형 AI로 생산성이 개선됐다고 답했고, LG전자는 IT 지식 없이도 수백 테라 데이터를 분석하도록 SQL 코드를 짜주는 사내 AI를 만들었다[8]. AI 회의론은 과장이라는 시각이다. 하지만 이 78퍼센트는 '도입한 조직이 스스로 체감한 개선'이고, 한국은행의 상관계수 0은 '실제 산출물로 측정한 결과'다. 같은 기술을 두고 체감과 실측이 갈린다. 중소 제조업 사장이 컨설팅 청구서 앞에서 머뭇거리는 이유는, 바로 이 두 숫자 사이의 간극을 본능적으로 알기 때문일지 모른다. 향료 창고의 7분은 진짜지만, 그 7분을 모두가 살 수 있는 건 아니다.