본문에서 전망하는 시장의 변화를 뒷받침하는 숫자, 일정, 사례를 한눈에 확인하기 쉽게 모았습니다. 각 항목별 내용이 이미 일어난 사실인지, 지금 진행 중인 일인지, 아직 오지 않은 전망인지 표시해 두었습니다.
전망 전반을 뒷받침하는 수치입니다. 아래 항목마다 원본 출처가 있습니다.
필요성과 사용률 사이의 간극이 드러나고, 정부 지원과 자가 복구형 자동화가 그 간극을 채워 가는 과정을 날짜로 펼쳐 보여드립니다. 원 안이 비어 있으면 확정된 일, 색이 채워져 있으면 진행 중이거나 예정된 일입니다.
대한상의·산업연구원 조사. 제조업 23.8%, 비수도권 17.9%로 낮았습니다. [S2]
중소기업중앙회 조사. 업종 특화 솔루션 부족(64.0%)과 투자 여력 부족(54.0%)이 걸림돌로 꼽혔습니다. [S1]
생산·품질·설비·안전·조달 의사결정을 AI 에이전트 단위로 나눠 기존 공장 데이터 위에 얹는 모델입니다. [S7]
과제당 최대 2억 원, 지원 기간 5~11월. 등록된 국내 AI 공급기업은 1,428곳입니다. [S3]
정부형은 총사업비 50% 이내, 대기업이 협력사와 함께하는 대중소 상생형(AI 트랙)도 구축비의 50%까지 정부가 지원합니다. [S4][S5]
12년간 2만 5,632개사를 지원했지만 실시간 자율 제어 단계는 2.0%에 그쳤습니다. [S6]
UiPath의 Healing Agent처럼 화면이나 양식이 바뀌어 자동화가 멈추면 원인을 찾아 스스로 복구하는 기능이 상용 제품에 들어왔습니다. [S8]
진행 중현장 직원이 말로 자동화를 만들고, 에이전트가 서식 변경을 스스로 고치는 단계가 오면 사람 손이 필요한 일이 줄어듭니다. 본문의 전망입니다.
레거시 공장 맞춤형 AI 자동화 시장을 만들어내는 추동력을 확인해보세요.
필요성은 높고 사용률은 낮다. 특히 비수도권 제조기업에서 거리가 멀다.
중소기업은 AI를 일반론으로는 인정하지만, 자기 회사 업무로 들어오면 활용법을 떠올리지 못한다.
새 시스템을 들이는 대신, 데이터가 들어오는 입구와 승인 절차만 정리한다.
개인 카카오톡 대화방은 입력 창구로 쓰기 어렵다.
정부 지원금은 도입 장벽을 낮추지만, 사업마다 조건이 다르고 해마다 바뀐다.
시장이 비어 있다기보다, 현장 데이터를 연결하는 경쟁이 시작됐다.
월 구독의 근거였던 '사람의 손'이 소프트웨어 기능 안으로 흡수되고 있다.
본문의 계산을 따라가 봅니다. 같은 기술이라도 월 처리량에 따라 맞는 과금 방식이 달라집니다.
| 구분 | 월 500건 공장 | 월 30건 공장 |
|---|---|---|
| 자동화 전(건당 5분) | 약 42시간 | 2.5시간 |
| 자동화 후(건당 1분 확인) | 약 8시간 | 0.5시간 |
| 절감 시간 | 약 33시간 | 2시간 |
| 맞는 과금 방식 | 월 구독 | 건별 이용 |
사무직 인건비를 시간당 2만 원으로 가정하면 월 500건 공장의 절감액은 약 66만 원으로 월 30만 원 구독의 두 배가 넘습니다. 월 30건 공장은 절감액이 4만 원 정도라 구독이 맞지 않습니다. 시급은 계산을 위한 가정입니다.
| 항목 | 금액 |
|---|---|
| 초기 구축비(업무 1개) | 300만~500만 원 |
| 월 구독료 × 12개월 | 360만 원 |
| 고객 1곳 첫해 매출 | 660만~860만 원 |
현장 방문, 그림자 운영, 교육 시간을 빼면 구축비에서 남는 몫은 작습니다. 공장마다 새로 만들면 용역업이 되고, 업종 템플릿을 재사용해야 구독이 이익이 됩니다.
| 단계 | 주요 작업 | 고객이 확인할 지표 | 과금 방식 |
|---|---|---|---|
| 진단 | 반복 업무 선정, 자료 흐름 파악 | 월 처리 건수, 소요 시간 | 무료·저가 진단 패키지 |
| 시범 구축 | 문서 인식, 엑셀·ERP 연결 | 자동 처리율, 절감 시간 | 초기 구축비 |
| 안정화 | 병행 비교, 예외 규칙 수정 | 누락률, 오인식률 | 구축 잔금 |
| 관리 운영 | 양식 변경, 교육, 장애 대응 | 가동률, 대응 시간 | 월 구독료 |
| 업종 확장 | 발주·재고·정산 모듈 추가 | 고객당 매출, 추가 절감액 | 모듈 이용료 |
본문에 제시된 사례와 함께, 같은 시장에서 비교해 볼 만한 기업과 제도를 추천합니다.
기존 공장 운영 데이터 위에 생산·품질·설비·안전·조달 담당 AI 에이전트를 얹습니다. 2025년 11월 브릿지 투자를 받았습니다.
"기존 시스템 위에 AI 계층을 얹는" 접근의 국내 사례입니다. [S7]
중소·중견기업이 많이 쓰는 ERP에 AI를 직접 넣었습니다. 회계·인사·세무·물류 업무를 다룹니다.
ERP 사업자가 기본 자동화를 제공하는 경쟁 축입니다. [S9]
자동화가 화면·양식 변화로 실패하면 원인을 찾아 해결책을 제안하거나 직접 적용합니다.
운영 대행의 일이 소프트웨어로 흡수되는 방향을 보여줍니다. [S8][S10]
대기업 등 주관기관이 협력 중소기업을 모아 AI 기반 스마트공장을 구축하고, 정부가 구축비의 50%까지 지원합니다.
본문이 말하는 "원청·협동조합 단위 공동 도입"의 제도적 통로입니다. [S5]
수요기업과 AI 공급기업이 컨소시엄으로 신청해 과제당 최대 2억 원을 받습니다. 공급기업 풀은 1,428곳입니다.
도입 장벽을 낮추는 동시에 공급자 경쟁을 보여주는 지표입니다. [S3]
본문에서 전망한 변화를 직접 팔로우업하실 수 있는 신호로 바꿨습니다.
한 공장에서 만든 발주·납품·정산 템플릿을 같은 업종의 다음 공장에 적용하는 데 걸리는 기간이 줄어드는지 보세요.
그림자 운영 기간의 누락률과 오인식률, 서식 변경 후 복구까지 걸린 시간을 보세요. 시연 다음의 경쟁입니다.
문서 인식과 업무 자동화 도구에 서식 변화를 스스로 고치는 기능이 기본으로 들어가는지 보세요. 운영 대행 구독의 수명을 가늠하는 신호입니다.
원청·협동조합의 공동 도입, 자동화 플랫폼의 인수합병처럼 업종별 템플릿과 절감 데이터가 누구에게 넘어가는지 보세요.
이 페이지의 [S번호]와 연결됩니다. 기관 원문을 우선했고, 원문이 없는 경우 전문 매체 보도를 썼습니다.