
목차
제조 AI 운영체제 VEXPLOR를 만드는 웨이스는 AI를 직원 한 사람의 일을 빠르게 하는 도구로 보지 않습니다. 웨이스에게 AI는 회사의 일이 처음부터 끝까지 흘러가는 방식을 바꾸는 시스템입니다. 직원에게 AI 도구를 나눠 줘도 부서 사이에서 다음 답을 기다리는 시간이 그대로면, 고객이 받는 결과는 크게 달라지지 않기 때문입니다.
웨이스는 이 방식을 먼저 자기 회사의 고객 대응 업무에 적용했고, 최근 90일 고객 요청 219건의 기준 시간 안 첫 응답 비율이 100%였습니다. 지금은 같은 방식을 고객사에 들어가 시스템을 구축하는 현장 엔지니어의 일로 넓히고 있습니다. 고객 기업에도 AI 도구 하나가 아니라 회사 전체의 업무 흐름을 구축합니다. 이 글에서는 웨이스가 생각하는 기업의 AX(AI 전환)가 무엇인지, 그리고 왜 개인이 아니라 조직에서 시작해야 하는지를 정리했습니다.
AI 도입 문의는 많지만, 회사 전체의 일을 바꾸려는 기업은 많지 않습니다
웨이스에는 AI를 도입하고 싶다는 기업의 문의가 꾸준히 들어옵니다. 그런데 문의를 하나씩 들여다보면 기업의 AX를 회사 전체의 일하는 방식을 바꾸는 일로 이해하고 있는 곳은 많지 않습니다. 직원들이 쓸 AI 도구를 고르는 문제나, 한 부서의 반복 업무 하나를 자동화하는 문제로 보는 경우가 더 많습니다.
이런 접근이 틀린 것은 아닙니다. 다만 도구가 한 사람의 일을 빠르게 해도, 부서 사이에서 일을 넘기고 기다리는 시간이 그대로면 회사가 고객에게 내놓는 결과는 크게 달라지지 않습니다. 전사적인 접근을 처음부터 고민하는 기업이 드문 이유도 여기에 있습니다. 도구는 사서 나눠 주면 되지만, 회사 전체의 흐름을 바꾸려면 어느 부서에서 일이 멈추는지, 누가 무엇을 판단하는지, 기록이 어디에 남는지를 먼저 봐야 하기 때문입니다.
같은 AI를 써도 회사마다 결과가 다른 이유는 업무 흐름에 있습니다
고객이 시스템 오류를 신고한 상황을 예로 들어 보겠습니다. 두 회사가 같은 AI를 사용합니다.
한 회사는 개발자가 코드를 고칠 때 AI의 도움을 받습니다. 하지만 신고를 읽고, 담당자를 정하고, 필요한 기록을 찾아 넘기는 일은 여전히 사람 몫입니다. 다른 회사는 AI가 신고를 읽고, 관련 기록을 모으고, 수정안과 검사 결과까지 준비하도록 업무 흐름을 바꿉니다. 사람은 맡길 범위를 정하고, 방향이 어긋나면 바로잡고, 중요한 변경을 판단합니다.
겉으로 보면 둘 다 AI를 쓰는 회사입니다. 그러나 앞의 회사는 도구를 하나 더했고, 뒤의 회사는 정보와 작업, 검사와 판단이 연결되는 흐름을 만들었습니다. 웨이스는 기업의 AX가 뒤의 것이라고 봅니다.

고객 기업에서 흔한 견적 업무를 예로 들면, AI 도구보다 부서 사이의 흐름이 먼저 보입니다
기업에서 흔히 보는 견적 업무를 살펴보겠습니다. 고객이 메일로 견적을 요청하면 영업 담당자가 내용을 정리합니다. 사양이 맞는지는 기술팀에 묻고, 원가는 구매팀에 묻습니다. 할인이 들어가면 팀장의 승인을 받고, 그다음에 견적서를 작성해 보냅니다.
부서마다 자기 일은 하루 안에 끝냅니다. 그런데도 견적이 고객에게 나가기까지는 며칠이 걸립니다. 시간은 일을 하는 데보다 다음 부서의 답을 기다리는 데 더 많이 들어갑니다. 지난번 비슷한 견적에서 무엇을 확인했는지는 그때 담당자의 메일함에만 남아 있어서, 같은 질문이 매번 처음부터 다시 오갑니다.

이런 회사가 직원들에게 AI 도구를 나눠 주면 영업 담당자는 메일을 더 빨리 요약하고 견적서 문장을 더 빨리 작성합니다. 하지만 기술팀과 구매팀의 답을 기다리는 며칠은 그대로입니다. 고객이 견적을 받는 날도 크게 달라지지 않습니다.
업무 흐름에 AI를 넣으면 바뀌는 지점부터 다릅니다. AI가 요청을 읽고, 지난 견적 기록에서 같은 사양과 원가 근거를 찾아 초안을 만듭니다. 사람이 판단해야 할 것, 예를 들어 할인율이나 납기 약속만 근거와 함께 승인자에게 올라갑니다. 승인자는 자료를 모으지 않고 판단만 하면 됩니다. 이번 견적에서 확인한 내용은 다음 견적의 출발점으로 남습니다.
기업의 두뇌는 일한 기록이 다음 일의 출발점이 되는 구조입니다
업무 흐름을 바꾸면 기록이 남습니다. 오늘 처리한 일이 무엇이었고 어떤 검사를 통과했는지 남겨 두면, 다음에 같은 일을 할 때 그 부분이 다시 망가지지 않았는지 확인할 수 있습니다. 새 AI 모델이 나오면 지난 작업을 다시 맡겨 보고, 정말 더 잘하는지, 다른 일을 망가뜨리지 않는지, 시간과 비용은 얼마나 드는지 비교할 수 있습니다. 다른 회사도 같은 AI 모델은 구할 수 있습니다. 하지만 자기 회사의 실패를 다음 일의 기준으로 바꾼 기록은 따라 하기 어렵습니다.

웨이스는 이것을 기업의 두뇌라고 부릅니다. 웨이스가 만드는 VEXPLOR WORK는 직원이 일하는 곳이면서, 그 일의 기록이 회사의 지식이 되게 하는 곳입니다. 직원이 AI와 나눈 대화, AI가 실행한 도구, 문서를 올리고 고친 기록, 누가 무엇을 승인했는지가 회사 기록으로 남습니다. AI는 묻는 사람의 권한이 허락한 폴더와 장부만 읽고 일합니다. 이 기록을 어느 고객, 어느 건의 일인지에 붙이는 연결과, 쌓인 기록을 다음 대화의 출발점으로 다시 싣는 기능, AI의 답이 틀렸을 때 그 정정이 다음 점검 문항으로 들어가는 순환은 만들어 두었습니다. 지금은 이것을 사내에서 먼저 쓰면서 넓혀 가고 있습니다.
웨이스가 이 두뇌를 판정하는 기준은 한 문장입니다. 회사에 관한 질문을 묻는 사람의 권한 안에서, 출처와 함께, 지난달보다 더 많이 맞히는가입니다. 지식의 양보다 중요한 것은 틀린 답을 돌아보고 고친 뒤 같은 실수가 다시 나오지 않는지 확인하는 순환입니다.
개인이 AI를 잘 쓰는 회사에서는 그 사람이 떠나면 능력도 함께 떠납니다. 일한 기록이 회사에 쌓이는 회사는 사람이 바뀌어도 지난 경험에서 출발합니다. 웨이스가 AI를 개인의 도구가 아니라 조직의 문제로 보는 이유입니다.
웨이스는 고객 기업에 도구보다 방향을 먼저 제시합니다
기존 회사에서는 일이 여러 시스템에 흩어져 있습니다. 고객 요청은 지원팀 시스템에 있고, 개발 기록은 다른 곳에 있고, 최종 승인은 또 다른 팀이 맡습니다. 시스템마다 잘 굴러가더라도 AI가 일을 끝까지 처리하려면 정보 접근과 책임 범위를 다시 정해야 합니다. 부서마다 「일이 끝났다」의 기준도 다릅니다. 지원팀은 요청을 넘기면 끝이고, 개발팀은 수정하면 끝입니다. 그 사이에서 고객의 문제가 실제로 해결됐는지는 아무도 확인하지 않을 수 있습니다.
그래서 웨이스는 문의한 기업에 도구를 먼저 권하지 않고, 회사 전체의 업무가 어떻게 흘러가는지부터 함께 봅니다. 처음에 확인하는 질문은 4가지입니다.
일은 어디서 들어와서 어디서 끝나는가 — 부서별 완료가 아니라 고객이나 다음 부서가 결과를 받는 시점을 끝으로 봅니다.
어디서 기다리는가 — 처리하는 시간보다 담당자를 찾고 확인을 기다리는 시간이 긴 곳부터 찾습니다.
누가 무엇을 판단하는가 — AI에게 맡길 일과 사람이 판단해야 할 일을 나눕니다. 승인자를 없애지 않고, 승인자가 판단할 기록과 검사 결과가 먼저 준비돼 있게 합니다.
기록은 어디에 남는가 — 처리한 일과 실패한 일이 다음 일의 출발점이 되는지 봅니다.
이 질문에 답해 보면 AI를 어디에 먼저 넣어야 하는지가 보입니다. 웨이스는 고객 대응 업무를 바꾼 경험을 기준으로, 고객 기업이 어느 흐름부터 바꿀지 함께 정하고 그 흐름을 구축합니다. 꼭 필요한 검증은 지키면서 불필요한 대기와 전달을 줄이는 것이 목표입니다. 개인정보와 돈이 걸린 일에는 지켜야 할 기준이 있고, 웨이스가 AI가 처리할 범위가 아닌 건을 사람에게 넘기는 단계를 남겨 두는 것도 그 때문입니다.
회사가 AI를 조직에 넣었는지는 4가지로 확인할 수 있습니다
AI 도구를 몇 개 쓰는지, 시연이 얼마나 멋진지로는 회사의 AX가 어디까지 왔는지 알기 어렵습니다. 웨이스는 회사 안에서 일이 어떻게 끝나는지를 봐야 한다고 생각합니다. 고객 기업이 스스로 점검할 수 있게 아래처럼 정리했습니다.
확인할 것 | 개인 도구에 그친 회사 | 업무 흐름에 넣은 회사 |
|---|---|---|
요청부터 해결 확인까지 | 부서 사이 대기 포함 수일 | 불필요한 대기를 줄여 끝까지 처리 |
실패한 일의 기록 | 담당자 기억에만 남음 | 다음 검사 기준이 됨 |
새 AI 모델 적용 | 써 보고 감으로 판단 | 지난 작업으로 비교 시험 |
한 건을 끝내는 비용 | 모델 이용료만 봄 | 재시도·수습까지 봄 |
마지막 줄은 특히 놓치기 쉽습니다. 모델 이용료가 싸져도 한 번 맡긴 일에 AI를 여러 번 호출하고, 실패해서 다시 시도하고, 사람이 수습하는 과정이 길면 전체 비용은 커집니다. 같은 모델을 같은 가격에 써도 업무 흐름을 제대로 연결하고 허용된 범위에서 정확하게 실행해 재시도를 줄인 회사가 더 적은 비용으로 일을 끝냅니다.
이 글을 한 장으로 요약하면 이렇습니다.

웨이스는 조직이 AI와 함께 일하는 방식을 먼저 자기 회사에서 검증합니다
웨이스는 고객에게 제안하는 방식을 먼저 자기 회사에서 해 봅니다. 고객 대응 업무를 처음 바꿨고, 지금은 현장 엔지니어의 일을 바꾸고 있으며, 그 과정에서 쌓인 기록과 방식을 고객 기업의 업무 흐름으로 옮깁니다.
웨이스가 고객 기업에 제안하는 것은 직원 한 사람이 AI를 더 잘 쓰는 방법이 아닙니다. 회사의 일이 기록으로 남고, 그 기록이 다음 일을 더 잘하게 하는 기업의 두뇌입니다.
웨이스가 하는 일이 궁금하시면: wace.me
WACE(웨이스)는 공장이 스스로 판단하고 멈추지 않게 하는 제조 AI 운영체제 VEXPLOR를 만드는 회사다.
함께 읽어보세요
이 글이 도움이 되셨다면 공유해 주세요
태그
작성자
새 글이 올라오면 메일로 알려드립니다
제조 현장에서 확인한 것들을 기록합니다. 새 글이 올라오면 보내 드리고, 언제든 해지할 수 있습니다.
우리 공장은 지금 어느 단계일까요?
제조 AI 성숙도 자가진단 — 회사 정보 없이 10문항이면 됩니다.
웨이스는 이 문제를 제조 AI 운영체제 VEXPLOR로 풀고 있습니다
관리 부서의 일에 VEXPLOR를 도입하기 전에 무엇부터 확인하는지, 진단 기간과 끝나면 받는 것을 정리해 두었습니다.


