제조업 승계가 막히는 문제를 웨이스는 VEXPLOR로 어떻게 풀려 하는가판단 근거를 묶고 권한을 단계로 넘기는 방법
제조업 2세가 아버지의 공장을 물려받지 않는 이유는 결국 두 가지로 모입니다. 넘겨받는 사람이 회사를 움직이는 판단의 근거를 볼 수 없고, 결정 권한은 한 번에 넘어가거나 아예 넘어가지 않습니다. 공장에 AI를 들일 때도 똑같은 일이 생깁니다.
#의사결정
총 19개의 아티클
제조업 2세는 왜 아버지의 공장을 물려받지 않는가30년 운영 판단은 지분과 함께 넘어가지 않습니다
중소기업 대표에게 자녀에게 회사를 물려주지 않는 이유를 물으면 첫째 답은 세금이 아닙니다. 중소기업중앙회가 2024년 업력 10년 이상 중소기업 600곳을 조사했을 때, 자녀에게 승계할 계획이 없거나 아직 정하지 못한 134곳이 꼽은 첫째 이유는 「자녀가 원하지 않기…
보안이 걱정돼 멈춘 AI 도입을 웨이스가 경영진 의지의 문제로 보는 이유걱정은 설계로 풀고, 실패해도 다시 하는 회사가 남습니다
제조 AI 운영체제 VEXPLOR를 만드는 웨이스에 한 제조사의 팀장이 찾아왔습니다. 현업은 AI를 쓰고 싶은데 임원진이 보안을 걱정해 검토가 멈춰 있다고 했습니다. 회사 자료가 외부 AI로 나가면 어떻게 하느냐는 질문에 답이 없어 회의가 멈춘다는 것이었고, 그 사이 AI를 안 써서 뒤처지는 비용은 누구도 세고 있지…
AI 도입 전후 기록표, 경영진 보고 반 장 만들기 (30분)
오늘은 9편에서 고른 첫 사례의 전후 기록표(주차·시간·건수·오류·되돌림) 4주치, 비용 한 줄, 경영진 보고 반 장을 만듭니다. 오늘 책상에서 하는 일은 30분이고, 그 뒤 4주 동안 매주 금요일 5분씩 적습니다.
부서 업무 20개, 질문 2개로 AI 초안과 사람 몫 나누기 (30분)
오늘은 우리 부서의 반복 업무 20개를 질문 2개로 세 구분으로 나눈 분류표 1장, 「사람만」 하는 일 목록, 다음 달 첫 사례 1개와 그 성공 기준 1줄을 만듭니다. 걸리는 시간은 30분이고, 부서원이 업무 목록을 적어 주는 것은 전날 5분입니다.
회의 메모 9줄, AI로 결정·할 일·미결 3표 만들기 (25분)
오늘은 회의 중에 적은 메모 9줄을 AI 로 「결정·할 일·미결」 3표 한 장으로 만들고, 회의가 끝난 지 2시간 안에 참석자에게 확인 메일을 보냅니다. 회의 시간을 빼면 25분 걸립니다. 참석자에게 보내는 것은 3표 한 장과 「틀린 것이 있으면 오늘 중으로 답해 주세요」 한 줄입니다.
관리자 업무 20개, AI에 맡길 것과 내가 할 것 나누기 (40분)
오늘은 내 일주일 업무 20개를 4구역으로 나눈 분류표 1장, 다음 달에 AI 초안을 붙일 후보 3개, 사람이 계속 쥐는 업무 5개를 만듭니다. 40분이면 됩니다. 제조 AI 운영체제 VEXPLOR 를 만드는 웨이스가 공장에서 자주 받는 질문이 「그래서 뭘 맡기고 뭘 안 맡겨야 하나」입니다.
학벌이 아니라면, 제조 AI 팀의 실력은 무엇으로 판단하는가투자자와 고객이 30분 안에 확인할 5가지
스타트업 팀을 판단하는 자리는 대개 짧습니다. 투자 미팅은 한 시간이고, 고객사 첫 방문은 30분입니다. 그 시간에 팀의 실력을 판단할 근거는 사실상 이력서 한 장이고, 이력서에서 가장 먼저 눈에 들어오는 것은 대학 이름입니다. 제조 AI 운영체제 VEXPLOR를 만드는 웨이스가 고객 공장에서 겪는 것도 같습니다.
AI가 조직의 중심, 사람은 가장자리에서잭 도시가 말한 이 개념으로 웨이스 조직도 가고 있습니다
잭 도시가 블록에서 가는 조직 개념은 AI가 중심에 있고 사람은 가장자리에서 일하는 것입니다. 관리자가 하던 정보 전달과 조율은 AI가 맡고, 사람은 판단과 신뢰처럼 AI가 못 하는 일을 가장자리에서 맡습니다.
잭 도시가 AI 조직의 조건으로 내건 「회사 월드 모델」, 공장에서는 무엇으로 만듭니까
트위터 공동 창업자 잭 도시가 이끄는 핀테크 회사 블록이 2026년 2월 전 직원의 40%, 약 4,000명을 내보냈습니다. 관리 계층을 지금 최대 5단계에서 2026년 안에 2~3단계로 줄이고, 관리자가 하던 정보 전달과 조율을 AI 에이전트에 넘긴다는 계획입니다.
공장은 시스템 공급사를 고를 때 실제로 무엇을 줄이려 할까요B2B 구매 연구 60년이 말하는 것
공장에서 MES나 제조 AI 같은 시스템을 처음 들이는 담당자는 견적서 여러 장을 앞에 두고 같은 고민을 합니다. 기능은 비슷해 보이고, 가격은 조금씩 다르고, 어느 회사가 3년 뒤에도 곁에 있을지는 알 수 없습니다. 이 고민은 새것이 아닙니다.
공장이 내리는 판단 9개 중 AI에게 맡길 수 있는 것은 몇 개입니까
공장에 AI를 넣는다고 하면 대개 기술 이름부터 나옵니다. 예지보전, 비전 검사, 생산 스케줄링 같은 이름입니다. 그런데 기술 이름으로 AI 도입을 설명하면 앞 글에서 짚은 문제가 그대로 반복됩니다. 설비 목록으로는 공장이 하는 일이 보이지 않았듯이, 기술 목록으로는 AI가 어떤 판단을 대신하는지가 보이지 않습니다.
기간에 값을 연동한 회사는 잘 만들수록 매출이 줍니다
같은 고객 요청 기록에서, 사람이 답할 때는 절반이 9일 안에 들어왔습니다. 자동 개발 체계가 요청을 받기 시작한 뒤로는 절반이 18.4분 안에 들어옵니다.
영업 없이 사고 싶어 하는 구매자가 늘었는데, 혼자 산 쪽은 왜 더 후회했을까요
기업 구매자는 영업 담당자를 만나고 싶어 하지 않습니다. 이제 새삼스러운 이야기가 아닙니다. 그래서 파는 쪽은 대개 같은 결론에 이릅니다. 사이트에 자료를 더 올리자는 것입니다.
원본과 사본을 구분하지 않아, 고칠 자리를 3개월 동안 잘못 봤습니다
데이터를 보고 결정하는 일에는 잘 안 보이는 단계가 하나 있습니다. 그 데이터가 원본인지, 원본을 요약한 사본인지는 화면에 적혀 있지 않습니다. 두 화면은 대개 똑같이 생겼습니다. 같은 항목이 같은 자리에 있고 숫자만 다릅니다.
왜 AI 도입 검토는 전산실에서 멈출까
작년부터 전산 조직이 있는 제조사에 AI를 제안하면서 저희가 처음 세운 계획은 단순했습니다. 전산실을 설득하자. 그쪽이 기술을 아는 사람들이니 설명이 제일 잘 통할 거라고 봤습니다.
오너는 하자고 하는데 일이 시작되지 않는 이유
저희는 그동안 이렇게 설명해 왔습니다. 판단을 옮기는 일이 사람을 빼는 일은 아니라고요. 뻔한 판단을 기계로 넘기면 사람은 어려운 것에 시간을 쓸 수 있습니다. 저희는 지금도 그렇게 봅니다.
고객을 도와주는데 왜 계약이 안 될까요
"팔려고 하지 말고 도와주세요." B2B 영업 조언 중에 이만큼 자주 반복되는 말도 드뭅니다. 자료를 더 드리고, 요청에 빠르게 답하고, 필요하다면 무상으로 먼저 만들어 드린다. 그러면 신뢰가 쌓이고 언젠가 계약으로 돌아온다는 이야기입니다.
상관은 알람을 만들고, 인과는 결정을 만든다
공장에 AI를 붙이면 대개 알람이 먼저 늘어납니다. 온도가 임계를 넘었다, 진동 패턴이 평소와 다르다, 불량률이 상승 추세다. 그런데 알람이 늘어난 만큼 결정이 빨라졌느냐고 물으면 대답이 잘 나오지 않습니다.
