중소 제조기업이 AI Agent를 도입하는 가장 실용적인 경로는 자체적으로 대형 모델을 만드는 것이 아니라, 업무 흐름에서 고빈도이고 규칙이 명확하며 사람이 하기에 번거로운 단계를 찾아 기성 Agent 도구로 그 한 지점을 대체하고, 동작한 뒤에 확장하는 것이다. 구체적으로는 입력과 출력 형식이 명확한 업무, 예를 들어 고객 문의 응답, 문서 입력, 보고서 생성, 설비 점검 기록에서 시작하는 것이 투자 회수를 계산하기 가장 쉽다.
1. AI Agent가 해결하는 문제와 일반 자동화 스크립트와의 차이
AI Agent는 A이면 B를 처리하는 단순 스크립트가 아니다. 전통적 RPA는 고정 규칙으로 인터페이스를 클릭하고 데이터를 옮기며 인터페이스가 바뀌거나 입력 형식이 달라지면 실패한다. AI Agent는 세 가지 핵심 역량이 있다. 자연어 지시를 이해하고, 데이터베이스, ERP 인터페이스, 메일 시스템 같은 외부 도구를 호출하며, 실행 결과로 다음 단계를 결정한다. 즉 반정형 또는 비정형 정보 환경에서 다단계 업무를 완수할 수 있다.
중소기업에게 이것은 사람이 지켜봐야 했던 반복적 정신 노동, 예를 들어 고객 메일에서 주문 세부를 추출해 ERP에 입력하고, 매일 MES에서 데이터를 뽑아 엑셀 일보를 만들고, 재고와 리드타임을 근거로 고객 문의에 자동 회신하는 일을 Agent에 맡기고 사람은 예외만 처리하면 된다는 뜻이다.
2. AI Agent의 기술 원리와 핵심 역량
기술적으로 쓸 만한 AI Agent는 보통 네 부분으로 이루어진다. 추론과 의도 이해를 담당하는 대형 언어 모델, API나 RPA 브리징으로 업무 시스템에 연결하는 도구 호출 인터페이스, 문맥과 작업 이력을 유지하는 메모리 모듈, 작업 분해 순서를 결정하는 오케스트레이션 로직이다. 업계는 흔히 ReAct 프레임워크나 함수 호출 메커니즘으로 한 단계 생각하고 한 단계 실행하며 결과를 보고 다음을 결정하는 루프를 구현한다.
핵심 역량 지표는 여러 측면을 다룬다. 도구 호출 정확도, 즉 올바른 인터페이스를 선택하고 파라미터를 정확히 채우는가. 다단계 업무 완수율, 예를 들어 다섯 단계 업무를 끝까지 완료하는 비율. 예외 복구력, 즉 인터페이스가 타임아웃되거나 오류를 반환할 때 재시도하거나 사람에게 넘길 수 있는가. 이 지표들이 선택 시 모델 파라미터 크기보다 의미 있다. 또한 Agent가 기존 시스템에 연결하는 프로토콜, 즉 REST API, 직접 데이터베이스 연결, 설비 데이터 수집용 OPC-UA, MQTT 등 흔한 산업 프로토콜 지원 여부에도 주목하라.
3. 제조 현장의 대표적 적용 시나리오
전자 공장의 SMT 라인이 매일 대량의 실장 결함 기록을 만들고, 검사원이 자동 광학 검사 장비가 출력한 결함 코드를 IPC-A-610 기준에 대조한 뒤 품질 시스템에 입력한다고 하자. Agent가 이 단계를 처리할 수 있다. 설비가 내보낸 CSV를 읽고 결함 유형별로 자동 분류하며 품질 시스템 인터페이스를 호출해 기록을 쓰고 예외 항목을 기업 메신저로 알림 푸시한다. 사람은 Agent가 불확실하다고 표시한 항목만 검토하면 된다.
다음으로 자동차 부품사가 고객의 주문 변경 통지를 형식이 제각각인 메일로 받는다고 하자. Agent는 메일 본문과 첨부를 파싱해 품번, 수량, 납기 변경을 추출하고 ERP의 원 주문과 비교해 변경 확인 초안을 만들어 영업이 검토하게 한다. 이런 업무의 특징은 입력 형식은 변하지만 의미 패턴은 안정적이라는 것이며, 이는 정확히 Agent의 역량 범위에 들어간다.
또 다른 흔한 시나리오는 설비 점검이다. 점검원이 계기판을 촬영하거나 휴대폰에 음성으로 값을 읊으면 Agent가 음성을 텍스트로 바꾸고 값을 추출해 SCADA의 실시간 데이터와 대조하고 점검 보고서를 생성한다. 계기 판독이 명확하고 점검 경로가 고정된 시나리오에 적합하다.
4. 중소기업의 선택과 구축 시 유의점
첫 번째 자주 묻는 질문은 모델을 직접 만들어야 하는가다. 대부분의 중소기업은 그럴 필요가 없다. 성숙한 Agent 플랫폼이나 SaaS 도구를 쓰고 호출당 또는 좌석당 과금하면 초기 비용을 관리 가능한 수준으로 유지할 수 있다. 모델 자체 구축은 대량의 독점 데이터와 매우 특수한 시나리오를 가진 기업에 적합하지만 투자와 유지 장벽이 높다.
두 번째 질문은 기존 시스템에 어떻게 연결하는가다. 성패의 관건이다. 선택 시 Agent 도구가 표준 API를 제공하는지, 이미 쓰는 ERP, MES, CRM 시스템의 데이터 인터페이스를 지원하는지 확인하라. 레거시 시스템에 API가 없으면 인터페이스 수준에서 RPA 브리징이 필요하고 안정성과 유지 비용을 미리 평가해야 한다. 실제로 통합 공수가 전체 프로젝트의 절반 이상을 차지하는 경우가 많다.
세 번째 질문은 구축 기간이다. 메일 주문 파싱 같은 단일 지점 시나리오는 보통 구성부터 시험 운전까지 주 단위이고, 여러 시스템과 권한 구성이 관련된 복잡한 시나리오는 월 단위로 잡는다. 하나의 시나리오를 먼저 검증하고 확장하는 것이 바람직하다.
네 번째 질문은 성과를 어떻게 측정하는가다. 몇 명을 줄였는지만 보지 말고 세 지표의 변화를 보라. 업무 완수율, 사람 개입 비율, 평균 처리 시간이다. 초기에는 개입 비율이 높은 것이 정상이므로 디버깅 기간을 주어야 한다.
다섯 번째 흔한 함정은 Agent를 만능 비서로 보고 처음부터 복잡한 부서 간 프로세스를 맡기는 것이다. 실제로 Agent는 경계가 명확하고 입출력 형식이 비교적 안정적인 업무에서 가장 잘 동작하며, 프로세스가 길고 관련 시스템이 많을수록 오류 확률이 높아진다.
5. 어떤 시나리오가 적합하고 어떤 시나리오가 그렇지 않은가
적합한 시나리오는 단계는 나열할 수 있지만 입력 형식이 변하는 업무, 예를 들어 메일 파싱과 문서 입력, 시스템 간 데이터 이동과 비교가 필요한 업무, 예를 들어 주문 대조와 재고 문의 응답, 합격 기준이 명확한 반복적 텍스트 처리, 예를 들어 보고서 생성과 점검 기록 정리다. 라인 택트가 안정적이고 데이터 인터페이스를 쓸 수 있는 환경이 성공률이 높다.
부적합한 시나리오는 광범위한 주관적 판단이 필요한 결정, 예를 들어 공정 파라미터 조정의 최종 승인, 안전 관련 제어 루프가 관련된 조작, 예를 들어 설비 기동 정지를 직접 제어하는 일, 품질이 극히 나쁘고 불규칙한 입력 데이터, 예를 들어 판독 불가능하고 템플릿도 없는 수기 문서, 인터페이스가 전혀 없어 브리징할 수 없는 완전 폐쇄 레거시 환경이다. 노이즈가 많고 언어가 혼재하며 형식을 전혀 예측할 수 없는 텍스트 시나리오도 별도 평가가 필요하다.
ERP 시대 이후 수십 년간 구축된 업계 경험, 120만 고객사, 국내외 시장에 걸친 수천만 대 단말 배포로 판단하면, 중소기업이 AI Agent를 도입하는 올바른 리듬은 이렇다. 먼저 특정 단계 하나의 공수와 오류 원가를 계산하고, 기존 시스템에 연결 가능한 경량 도구를 골라 검증하며, 한 단계씩 복제한다. 한 번에 전부를 노리지 말아야 한다.