제조 AI 전환, 측정 지표 없이 예산만 늘리면 실패한다

AI에 예산은 쏟지만, 목표를 설정한 기업은 41%뿐이다

 

제조기업 최고운영책임자(COO, Chief Operating Officer)의 93%가 향후 5년간 AI 투자를 늘리겠다고 답했다. 그러나 AI 도입 성과를 측정할 명확한 목표가 없는 기업이 59%에 달한다.1) 맥킨지(McKinsey & Company)가 2025년 6~7월 연매출 10억 달러 이상 제조기업의 최고운영책임자 101명을 대상으로 실시한 설문 결과다. 예산은 급증하지만 성과 기준이 없다면, 그 투자는 현장에 뿌리내리지 못하고 사라진다.

이 글에서는 설문이 드러낸 제조 AI 전환의 핵심 맹점과, 측정 지표를 중심으로 AI를 현장 성과로 연결하는 3단계 전략을 정리한다. AI 도입을 검토 중인 제조기업과 시스템통합(SI) 파트너사라면, 지금 당장 우리 조직의 측정 지표부터 점검해야 할 이유를 확인할 수 있다.

파일럿은 넘쳤다, 성과는 없었다: 제조 AI의 현주소

설문에 응한 최고운영책임자들의 AI 도입 현황은 냉정하다. 응답자의 약 3분의 2는 자사 AI 구현이 아직 탐색 또는 일부 적용 단계에 머물러 있다고 밝혔다. 전사 운영에 AI가 완전히 내재화됐다고 답한 비율은 2%에 그쳤다.1)

 

지난 5년간 디지털·AI에 매출원가 대비 1% 미만을 투자했다는 응답자가 3분의 1에 달했다. 반면 향후 5년 계획을 보면 이 비율은 7%로 급감하고, 응답자의 3분의 1 가까이는 5% 이상을 투자할 계획이라고 밝혔다.1) 투자 규모는 급격히 커지는데, 그 돈이 실제로 성과를 만드는지 확인하는 체계는 여전히 미비한 것이다.

글로벌 등대공장 네트워크(GLN, Global Lighthouse Network)에 가입을 신청한 최신 공장들에서도 변화는 확인된다. 이들 공장의 기술 활용 사례 중 90%가 AI를 포함하고 있다.1) 문제는 선도 기업과 나머지 기업 사이의 격차가 빠르게 벌어지고 있다는 점이다.

투자가 많은 곳과 적은 곳: 최고운영책임자들이 놓친 것

최고운영책임자들의 AI 투자 우선순위를 보면, 예측 보전·일정 최적화·공정 개선 같은 친숙한 항목이 상위를 차지한다. 수십 년간 제조업이 목표로 삼아온 영역들이다. 그러나 맥킨지 설문이 진짜 주목하는 것은 투자가 많은 곳이 아니라 가장 적은 곳이다.

우선순위 하위에는 AI 확산을 지속시키는 데 필수적인 인력 역량 강화, 정보기술(IT, Information Technology)·운영기술(OT, Operational Technology) 인프라, 사이버 보안이 자리하고 있다.1) 이 세 가지는 AI가 파일럿 단계를 넘어 전사 확산으로 가는 데 반드시 필요한 기반이다. 없으면 아무리 정교한 자동화 도구도 파일럿에서 멈춘다.

 

 

출처: 맥킨지 최고운영책임자 100인 설문, 2025.6~7.1)

 

AI 확산을 막는 3대 장벽: 사람·공정·기술

최고운영책임자들은 이미 일부 문제를 인식하고 있다. 설문에서 AI 운영 도입의 가장 큰 과제를 꼽으라는 질문에 상위 세 가지 중 두 가지가 사람 관련 문제였다.1)

•   조직 문화 전환 — 응답자의 50%가 주요 장애물로 꼽았다

•   대규모 인력 재교육 — 49%가 주요 장애물로 꼽았다

•   데이터 및 IT·OT 인프라 한계 — 46%가 한계를 보고했다

 

기술 측면도 취약하다. 설문 응답자의 46%가 데이터 또는 IT·OT 시스템의 한계를 보고했으며, 노후 인프라(19%)와 낮은 데이터 품질(18%)이 발목을 잡고 있다. 검증된 활용 사례가 있어도 4분의 1의 기업이 재사용·확장 가능한 형태로 구현하는 데 어려움을 겪는다.1)

레거시 업무 절차도 문제다. 제조 현장의 너무 많은 업무 흐름이 과거 기술에 최적화된 채 경직돼 있어, AI 중심의 새로운 운영 방식으로 전환하기 어렵다.1)

 

측정 지표가 있는 기업만 성과를 낸다

맥킨지 설문과 제조 리더십 위원회(Manufacturing Leadership Council) 조사를 교차 분석하면 명확한 패턴이 드러난다. AI 측정 목표를 설정한 기업 중 3분의 2 가까이가 목표를 달성하거나 초과 달성했다.1) 반면 명확한 목표 없이 AI를 도입한 기업의 59%는 성과를 가늠할 기준 자체가 없었다.

다시 말해, 측정 지표 설정이 AI 투자 성패를 가르는 가장 강력한 변수다. 기술의 정교함보다 목표의 명확함이 먼저다.

글로벌 리튬 생산 기업 A사는 AI 모델을 통해 현장 직원들이 실시간으로 생산 관련 세부 결정을 내릴 수 있게 했다. 생산량을 최적화하면서 물·에너지 사용도 최소화하는 방향이다. A사 경영진은 이 성공의 핵심으로 지속적인 교육 투자를 꼽았다. 기술을 효과적으로 활용하고 계속 발전시키는 것은 결국 사람이기 때문이다.1)

 

파일럿에서 성과로: 3단계 전환 전략

맥킨지는 AI 투자를 실질적 성과로 연결하는 핵심 열쇠로 생산 재설계 → 확장 가능한 기술 구축 → 조직 전체 확산의 3단계를 제시한다.1)

 

 

1단계: 생산 재설계 — 업무 절차를 처음부터 끝까지 다시 설계해 기술을 최대한 활용하는 새로운 운영 모델을 만드는 것이다. 투자 우선순위는 기술의 화려함이 아니라 지속적인 사업 가치를 기준으로 엄격히 정한다.

소비재 업종의 B사는 규모·설비 배치·기술 인프라·경영 문화가 제각각인 노후 생산 거점 네트워크를 업그레이드해야 했다. 차이에도 불구하고 공통된 문제가 반복됐다. 제품 교체 시 생산 손실 증가, 높은 에너지·용수 사용량이 대표적이었다. 이 공통점을 발견하면서 경영진은 공장 네트워크를 통합 생산 시스템으로 재인식했고, 센서 배치 개선과 표준작업절차(SOP, Standard Operating Procedure) 디지털화 같은 실용적 해법으로 나아갔다.1)

2단계: 확장 가능한 기술 구축 — 상호 운용이 가능하고 재사용 가능한 기능을 강조하는 IT 기반 위에 기술을 쌓는 것이다. 공통 데이터 제품, 개방형 인터페이스, 산업용 데이터 파이프라인을 기반으로 한 최소 실행 구조가 기업 규모 적용 배포를 위한 데이터 가용성과 품질을 높인다.1)

글로벌 제약기업 C사의 한 대형 생산 거점은 기존 IT·OT 시스템이 지나치게 분절돼 AI 투자를 확장하기 어렵다는 사실을 인식했다. 12개 IT 시스템과 150개 이상의 사물인터넷(IoT, Internet of Things) 센서를 연결하는 3개의 통합 데이터 플랫폼을 구축해 유연한 디지털 응용 프로그램을 위한 통합 구조를 만들었다.1)

이 기반 위에서 C사는 검증된 활용 사례를 재사용 가능한 형태로 만들었다. 현장 운영 효율 실시간 추적, 일정 최적화, 제품 라인 교체 지연을 줄이는 증강현실(AR, Augmented Reality) 등 다수의 응용 프로그램이 구현됐다. 여러 고영향 활용 사례를 동시에 배포한 결과, 전체 설비 종합 효율(OEE, Overall Equipment Effectiveness)이 10%포인트 향상되고 예상치 못한 생산 중단이 절반으로 줄었다. 이 공장은 3년 이내에 생산량을 2배 이상 늘리는 목표를 향해 순항 중이다.1)

 

3단계: 조직 전체 확산 — AI 확산의 성패는 결국 재교육된 인력, 쇄신된 조직 문화, 전사 도입을 지원하는 혁신된 운영 모델에 달려 있다. 선도 제조기업들은 인사팀과 협력해 맞춤형 교육을 대규모로 제공하는 AI 최적화 역량 체계를 구축해 인력 활성화에 나선다.1)

제약 제조기업 C사의 등대공장 거점에서는 25명 이상의 리더·관리자가 코칭을 받았고, 100명 이상의 현장 직원이 애자일(Agile) 방식으로 진행되는 단기 집중 개발 활동에 참여했다. 이 과정은 거점의 문화를 더 역동적이고 대응 속도가 빠른 방향으로 바꿨다. 결과적으로 노동 생산성이 10% 이상 향상됐고, 약 12개의 신규 디지털·분석 직무가 주로 내부 인재로 채워졌다.1)

 

결론: AI 전환의 출발점은 측정 지표다

제조 AI 투자의 핵심 질문은 "AI를 도입했는가"가 아니라 "AI가 어떤 수치를 바꿨는가"다. 예산은 커지고 있지만, 성과를 측정하는 기준 없이는 그 돈이 어디로 흘러가는지 알 수 없다.

국내 제조기업과 시스템통합 파트너사에게 지금 당장 필요한 것은 세 가지다.

•   AI 측정 지표를 먼저 정의하라. 전체 설비 종합 효율, 예상치 못한 생산 중단 감소율, 노동 생산성 같은 구체적 핵심성과지표(KPI, Key Performance Indicator)가 없으면 AI 투자는 방향을 잃는다.

•   인프라와 인력 역량에 충분히 투자하라. 최고운영책임자들이 과소 투자하는 IT·OT 인프라와 인력 역량 강화가 AI 확산의 실질적 기반이다.

•   파일럿을 재사용 가능한 형태로 만들어라. 검증된 활용 사례를 전사 자산으로 패키징해야 AI가 현장 하나에서 전체 네트워크로 확산될 수 있다.

 

AI 전환에서 앞서나가는 기업과 파일럿에 머무는 기업의 차이는 기술력이 아니다. 무엇을 측정하고, 그것을 책임지는 체계를 갖췄는가의 차이다.

 

[참고문헌]

1) Cocoual, Charles, et al. "From pilots to performance: How COOs can scale AI in manufacturing." McKinsey & Company. December 2025. https://www.mckinsey.com/capabilities/operations/our-insights/from-pilots-to-performance-how-coos-can-scale-ai-in-manufacturing

 

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.