제조 AI 업체의 매출은 왜 중소 제조기업에서 더디게 오르는가 — 고객이 지금 겪는 문제부터 다시 봐야 하는 이유

제조 AI를 파는 회사의 매출이 생각만큼 오르지 않는 데에는 기술보다 앞선 이유가 있습니다. 사려는 고객 쪽이 아직 AI를 받아 쓸 준비가 되지 않았습니다. 데이터가 정리된 공장에서는 PoC(개념 검증)가 시연까지 가지만, 중견·중소 제조기업 10곳 중 4곳은 제조 데이터를 아직 모으지 않고, 모으는 곳도 절반 정도만 분석합니다. 수요가 없어서 시장이 열리지 않는 것이 아닙니다. 수요를 받을 바탕이 아직 없습니다.

제조 AI 운영체제 VEXPLOR를 만드는 웨이스가 중소 제조 현장에서 자주 보는 장면도 같습니다. 고객이 오늘 겪는 문제는 납기·재고·작업 기록인데, 업체가 들고 가는 제안서는 예측 모델과 자율 운영을 이야기합니다. 기초 단계 공장에 고도화 단계의 설명서를 들고 가는 셈입니다. 이 글에서는 공개 조사 3건으로 그 간격을 확인하고 제조 AI 업체가 제안서를 쓰기 전에 물어야 할 질문을 정리합니다.

중소 제조기업 1,000곳 가운데 제조 AI를 도입한 곳은 1곳입니다

중소벤처기업부의 「2024년 스마트제조혁신 실태조사」(2025년 4월 발표)는 공장을 보유한 중소·중견 제조기업 163,273곳을 모집단으로 삼았습니다. 결과를 보면 많은 기업이 AI보다 앞 단계에서 이미 멈춰 있습니다.

이 숫자는 AI가 필요 없다는 뜻이 아닙니다. AI에 넣을 데이터도, 그 데이터를 맡을 사람도 아직 없습니다. 평균 14.7명이 일하는 회사에서 데이터 전담 인력을 따로 두기는 어렵습니다. 같은 조사의 데이터 수집·분석 수치는 「AI로 시간을 아끼고도 생산량이 그대로인 공장에는 무엇이 빠졌나」 글에서 더 자세히 다뤘습니다.

스마트공장 수준이 높은 기업일수록 AI가 필요하다고 답합니다

중소기업중앙회는 최근 5년간 대·중소 상생형 스마트공장 사업에 참여한 중소기업 502곳에 AI 도입 의견을 물었습니다(2025년 10월 발표, 뉴시스 보도). 제조 공정에 AI 도입이 필요하다고 답한 곳은 47.4%였고 스마트공장 구축 수준으로 나누면 차이가 뚜렷합니다.

준비가 된 곳일수록 AI를 원합니다. 거꾸로 말하면 기초 단계 기업 가운데 AI가 필요하다고 분명히 답한 곳은 10곳 중 4곳이 채 안 됩니다. 이 조사는 스마트공장을 이미 구축한 기업만 대상으로 했습니다. 세계일보는 같은 조사를 두고 중소 제조업 전반의 도입 장벽은 이보다 더 클 수 있다고 짚었습니다.

같은 조사에서 고객이 처한 형편도 드러납니다.

스마트공장을 이미 구축한 응답 기업도 10곳 중 7곳은 AI 투자 의향 금액을 1억 원 이하로 답했습니다. 이 고객에게 AI 과제를 팔려면 과제의 크기부터 고객의 형편에 맞춰야 합니다.

데이터 관리 조직을 둔 기업에서도 데이터가 준비되지 않은 AI 과제는 중단됩니다

데이터 문제는 중소기업만의 일이 아닙니다. 가트너는 2025년 2월 보도자료에서 AI에 맞게 준비된 데이터 없이 진행하는 AI 과제의 60%를 기업들이 2026년까지 중단할 것으로 내다봤습니다. 같은 자료에서 가트너는 조직의 63%가 AI에 맞는 데이터 관리 방식이 없거나 있는지 모른다고 밝혔습니다(2024년 7월 데이터 관리 책임자 1,203명 조사).

데이터 관리 책임자를 따로 둔 기업에서도 이렇습니다. 전담 인력을 둔 곳이 100곳 중 1곳이 안 되는 국내 중소 제조기업에서 데이터가 저절로 준비되기를 기다리면 시장은 더 늦게 열립니다.

PoC는 시연으로 끝나고 매출은 매일 쌓이는 데이터에서 나옵니다

PoC 결과가 좋아도 구매로 넘어가지 않는 일이 되풀이됩니다. 시연에 쓰는 데이터와 운영에 쓰는 데이터가 다르기 때문입니다.

• 시연 데이터 — 업체가 과거 몇 달치 기록을 모아 손으로 정리해 넣습니다. 한 번 정리하면 끝납니다.

• 운영 데이터 — 현장이 매일 새로 입력해야 하는 기록입니다. 입력할 사람과 입력할 화면이 있어야 쌓입니다.

• 둘 사이의 간격 — 기초 단계 공장에서 작업 실적은 종이·엑셀·담당자의 기억에 흩어져 있습니다. PoC 때 업체가 정리해 준 데이터는 다음 달에 다시 쌓이지 않습니다.

PoC에서 AI가 잘 맞혀도, 그다음 달부터 AI가 읽을 기록이 없으면 고객은 계속 쓸 이유를 찾지 못합니다. 제조 AI 업체의 매출이 더딘 원인은 AI 성능보다 이 간격일 때가 많습니다.

제조 AI 업체가 제안서를 쓰기 전에 물어야 할 질문 3가지

먼저 따질 것은 지금 이 고객에게 우리 솔루션이 필요한가입니다. 아래 3가지를 고객과 함께 확인하면 답이 나옵니다.

세 질문 중 하나라도 답이 「아니오」라면 그 고객에게 지금 필요한 것은 AI 모델이 아니라 기록이 쌓이는 업무 화면입니다. 이 단계를 건너뛰고 AI부터 제안하면 PoC는 성공해도 계약으로 넘어가기 어렵습니다. 고객이 초기 비용과 인력을 가장 큰 걱정으로 꼽는다는 점도 같은 결론을 가리킵니다. 첫 과제는 작아야 하고 현장 사람이 매일 쓰는 것이어야 합니다.

웨이스가 빠르게 성장하는 이유는 고객이 지금 겪는 문제부터 풀어 왔기 때문입니다

웨이스의 2025년 매출은 14.03억 원으로 전년보다 약 30배 늘었고 흑자로 돌아섰습니다. 2026년 확정계약은 37.53억 원(협약 완료 12건, 총사업비 기준)입니다. 정부지원 스마트공장 구축은 20건을 넘었습니다.

시장이 아직 준비되지 않았다는 같은 조건에서 웨이스가 빠르게 성장하는 이유를 웨이스는 이렇게 봅니다. AI를 먼저 팔지 않고, 고객이 그달 겪는 문제를 먼저 이해하고 그 문제를 푸는 일부터 했습니다. 20건이 넘는 구축 가운데 MES가 8건 이상, PLM이 8건 이상입니다 — 생산 실적과 설계 기록이 매일 남는 업무 시스템을 먼저 만들었습니다. 고객이 돈을 내는 이유는 AI라는 이름이 아니라 이번 달 문제가 풀린다는 데 있습니다.

웨이스는 기록이 쌓이는 업무 화면부터 만들고 그 위에 AI를 올립니다

앞으로도 중소 제조기업과는 같은 순서로 갑니다. VEXPLOR로 작업 실적·재고·납기가 매일 남는 업무 화면을 먼저 만들고 그 기록이 쌓인 뒤 같은 데이터에 AI를 붙입니다. 첫 과제는 고객이 이번 달 겪는 문제 하나로 정하고 AI는 그 기록이 몇 달 쌓인 다음 단계에서 제안합니다.

이 순서로 가면 AI를 제안하는 시점에 고객의 데이터가 이미 준비돼 있습니다. 준비가 안 된 고객을 기다리는 대신, 준비된 고객을 함께 만들어 가는 방식입니다. 기초 업무 화면을 먼저 만드는 이유와 순서는 「ERP도 없는 제조기업이 AI를 시작하려면 무엇부터 만들어야 하는가」 글에 정리했습니다.

시장이 열리지 않는 이유를 고객의 준비 부족으로만 돌리면 업체가 할 수 있는 일은 기다리는 것뿐입니다. 고객이 지금 겪는 문제를 먼저 풀고 그 과정에서 데이터가 쌓이게 하면 AI를 쓸 수 있는 고객을 업체가 함께 만들 수 있습니다.

WACE(웨이스)는 공장이 스스로 판단하고 멈추지 않게 하는 제조 AI 운영체제 VEXPLOR를 만드는 회사다.

함께 읽어보세요

• AI로 시간을 아끼고도 생산량이 그대로인 공장에는 무엇이 빠졌나

• ERP도 없는 제조기업이 AI를 시작하려면 무엇부터 만들어야 하는가 — 기초 3가지와 순서

• 웨이스가 AI 준비가 안 된 제조기업에 기초 DX부터 함께 만드는 이유

출처

• 중소벤처기업부, 「2024년 스마트제조혁신 실태조사」 결과 발표(2025-04-28)

• 중소기업중앙회, 「스마트공장 구축 중소기업의 AI 도입 의견조사」(2025-10, 뉴시스 2025-10-19 보도 · 세계일보 2026-07-22 보도)

• Gartner, "Lack of AI-Ready Data Puts AI Projects at Risk"(2025-02-26 보도자료)