DX보다 AX를 먼저 검토해야 하는 제조기업의 조건 - 순서보다 중요한 것은 '현재 상태 진단'이다
왜 지금 이 질문이 중요한가 — DX 이후 AX라는 공식이 흔들리고 있다
스마트팩토리 현장을 다니다 보면 비슷한 고민을 자주 듣습니다. "우리도 AI를 써야 하는 거 아닌가요? 그런데 아직 데이터도 제대로 못 모으고 있어서요." 반대로 이런 질문도 나옵니다. "DX 먼저 하라고 하는데, 몇 년 걸린다고요? 그 사이에 경쟁사가 앞서가면 어떻게 하죠?"
두 질문 모두 근거가 있습니다. DX(디지털 전환)는 설비와 공정을 디지털화하고 데이터를 체계적으로 축적하는 과정입니다. AX(AI 전환)는 그 데이터를 기반으로 AI가 판단하고 최적화하는 단계입니다. 교과서적으로는 DX → AX 순서가 맞습니다.
그러나 현실은 다소 다릅니다. 중소벤처기업부 보도자료에 인용된 중소기업중앙회 조사에 따르면, AI 도입 장애 요인으로 초기 비용 부담이 44.2%, 인력 부족이 20.5%, 전략 부재가 **14.9%**를 차지하는 것으로 나타났습니다. "전략 부재"가 세 번째 장애요인이라는 점에 주목할 필요가 있습니다. 많은 기업이 무엇을 먼저 해야 할지 판단조차 못 하고 있다는 뜻입니다.
이 글은 DX와 AX 중 무엇이 더 좋은지를 다루는 글이 아닙니다. 어떤 상황에서 AX를 먼저, 또는 함께 검토하는 것이 현실적으로 유효한지를 실무 관점에서 짚는 것이 목적입니다.
AX 우선이 유효한 조건 — 네 가지 기준으로 판단한다
DX를 충분히 완료한 뒤에야 AX를 시작할 수 있다는 전제는, 실제로는 "완벽한 디지털 기반이 갖춰질 때까지 AI를 기다린다"는 의미가 됩니다. 그런데 완벽한 DX 완료를 기다리는 것 자체가 리스크입니다.
AX 추진 현장에서 공통적으로 드러나는 과제는 크게 세 가지입니다. 전략적 방향 설정, 데이터 인프라 정비, 그리고 조직·인력 역량 확보입니다. 주목할 점은 이 세 가지가 DX의 산출물이면서 동시에 AX의 투입 요건이라는 것입니다. 완전히 순차적으로 진행하는 것이 어렵다는 의미이기도 합니다.
그렇다면 어떤 기업이 AX를 먼저 검토할 수 있을까요? 아래 네 가지 기준을 판단의 기준점으로 삼을 수 있습니다.
① 특정 공정에 이미 충분한 데이터가 존재하는 경우
공장 전체의 디지털화는 미완이더라도, 특정 라인이나 설비에서는 이미 수년치 센서 로그, 불량 데이터, 설비 이력이 쌓여 있는 경우가 있습니다. 이 경우, 해당 공정만을 대상으로 AI 기반 품질 예측이나 설비 예지보전을 적용하는 것이 가능합니다. 전체 공장의 DX 완료를 기다릴 이유가 없습니다.
② 반복 불량이나 설비 다운타임의 손실이 구체적으로 산출되는 경우
AI 도입의 타당성은 결국 투자 대비 회수 가능성입니다. 특정 불량 유형의 발생 빈도와 손실액, 비계획 다운타임의 시간당 비용이 수치로 정리되어 있다면, AI 솔루션의 효과를 정량적으로 검증하는 PoC(개념 검증)를 먼저 시도하는 것이 현실적입니다. 손실 규모가 명확할수록 경영진의 투자 승인도 빠릅니다.
③ 생성형 AI로 해결할 수 있는 "비정형 업무 병목"이 뚜렷한 경우
AX는 설비와 공정에만 적용되지 않습니다. 품질 보고서 작성, 고객사 납기 이메일 정리, 작업 표준서(SOP) 검색 등 제조기업의 사무 영역에도 생성형 AI를 즉시 투입할 수 있는 반복 업무가 존재합니다. 이 영역은 DX 선행 없이도 클라우드 기반 AI 서비스만으로 빠르게 효과를 낼 수 있습니다.
④ 경쟁 환경이 급격히 변화하고 있는 경우
DX가 종이 문서를 디지털로 바꾸는 "전산화"라면, AX는 AI가 단순한 도구를 넘어 스스로 판단하고 가치를 창출하는 "자율화" 단계입니다. 주력 고객사나 경쟁사가 이미 AI 기반 품질 검사 또는 납기 예측을 도입한 경우라면, 3~5년의 DX 완료를 기다리는 것 자체가 경쟁력 격차를 만드는 원인이 됩니다. 이때는 DX와 AX를 병행하는 "점진적 AX" 전략이 현실적인 선택지가 됩니다.
AX 선행이 역효과를 낳는 조건 — 이 상황이라면 DX부터
물론 AX를 서두르는 것이 오히려 낭비를 초래하는 경우도 있습니다. 다음 상황이라면 DX 기반 정비를 우선해야 합니다.
- 설비 데이터가 종이 일지나 작업자 기억에 의존하는 경우 — AI에 투입할 데이터 자체가 없습니다.
- 공정 흐름이 표준화되지 않아 같은 작업이 사람마다 다르게 진행되는 경우 — AI 모델이 "정답"을 학습할 기준이 없습니다.
- ERP, MES, SCM 등 기간 시스템이 분절되어 데이터 연계가 불가능한 경우 — AI의 판단 근거가 되는 맥락 데이터가 단절됩니다.
- 현장 담당자가 디지털 기기에 익숙하지 않아 데이터 입력 자체가 불안정한 경우 — AI 출력에 대한 신뢰도 확보가 어렵습니다.
DX 성숙도와 AX 우선 가능 영역 — 실무 판단 기준표
아래 표는 기업의 DX 성숙도 수준별로 AX를 먼저 검토할 수 있는 영역과, 선행 조건을 정리한 것입니다. 하나의 가이드라인으로 활용하시기 바랍니다.
| DX 성숙도 | 현재 상태 예시 | AX 선행 가능 영역 | 전제 조건 |
|---|---|---|---|
| 초기 | 종이 일지, 설비 데이터 미수집 | 사무 자동화 (문서 생성, 이메일) | 클라우드 기반 생성형 AI 활용 가능 |
| 기초 | 일부 센서 부착, ERP 운영 | 품질 이상 탐지 (단일 공정) | 특정 공정 데이터 1년 이상 축적 필요 |
| 중간 | MES 운영, 데이터 수집 체계화 | 예지보전, 공정 파라미터 최적화 | 설비 이력·고장 데이터 체계적 관리 |
| 고도화 | 실시간 데이터 수집, 시스템 연계 | 공급망 예측, 자율 품질 판정 | 데이터 거버넌스 및 AI 운영 인력 확보 |
현장에서 확인된 접근법 — 작게 시작하고 확장한다
실제로 AX를 먼저 혹은 DX와 병행해서 성과를 낸 현장의 공통점은 "작은 문제에서 시작했다"는 점입니다. 전사 혁신을 목표로 대규모 프로젝트를 일시에 추진한 것이 아니라, 수치로 손실이 확인된 한 가지 공정 문제에 AI를 적용해 효과를 검증한 뒤 범위를 넓히는 방식입니다.
현장에서는 스마트팩토리 설비를 구축하고도 이를 제대로 운영할 전문 인력을 찾지 못해 어려움을 겪는 사례가 늘고 있으며, 특히 중소·중견기업의 인력난은 더욱 심각합니다. 이 점을 고려하면, 초기 AX 적용은 내부 인력이 운영 가능한 수준으로 범위를 한정하는 것이 현실적입니다.
또한 중소벤처기업부 보도자료에 따르면, AI 도입에 가장 필요한 지원으로 직접적인 자금 지원(72.3%)과 AI 전문 컨설팅(21.9%)이 가장 높게 나타났습니다. 정부가 지원하는 AI 팩토리 사업이나 스마트제조혁신 지원사업을 활용하면 초기 비용 부담을 낮추면서 작은 AX 파일럿을 시도해볼 수 있습니다.
DX냐 AX냐보다 중요한 것 — 지금 우리 공장의 상태를 먼저 진단하라
DX와 AX 중 무엇을 먼저 해야 하는가는 사실 잘못 설정된 질문일 수 있습니다. 올바른 질문은 "우리 공장에서 지금 당장 수치로 해결할 수 있는 문제가 무엇인가"입니다.
데이터가 없는 공정에 AI를 투입하면 성과가 나오지 않습니다. 반대로 이미 데이터가 충분한 공정을 두고 DX 전체 완료를 기다리는 것도 기회 손실입니다. DX 성숙도를 공정 단위로 평가하고, AX를 우선 적용 가능한 영역을 먼저 특정하는 것이 현실적인 첫걸음입니다.
지금 바로 할 수 있는 것은 간단합니다. 현장에서 "반복되는 문제" 세 가지를 정리하고, 각각에 대해 관련 데이터가 얼마나 쌓여 있는지 확인해 보십시오. 그 목록이 DX와 AX의 우선순위를 정하는 출발점이 됩니다.
참고문헌
- 중소벤처기업부. "AI 기반 스마트제조혁신 3.0 전략 발표 — 중소기업중앙회 스마트공장 구축기업 AI 도입 의견조사(2025.10.15) 인용 포함." 중소벤처기업부 보도자료. 2025년 10월 24일. https://www.mss.go.kr/site/smba/ex/bbs/View.do?cbIdx=86&bcIdx=1062738&parentSeq=1062738
- 과학기술정보통신부·산업통상자원부. "내년 대규모 AX사업 본격 시동 — 5극3특 지역 산업 AI 대전환." 대한민국 정책브리핑. 2025년 12월 11일. https://www.korea.kr/news/policyNewsView.do?newsId=148956323
본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.