Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
Forval 2026년 조사에 따르면, AI 도입의 가장 큰 장벽은 '어떤 업무에 쓸지 모르는 것'입니다. 개인 생산성 향상(효율화)만으로는 비용 절감으로 이어지지 않으며, 수발주 자동 분류나 승인 워크플로우 등 업무 플로우 자체에 AI를 통합하는 설계가 필수적입니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 Qiita AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기본 기사는 주식회사 DnD(https://dnd-inc.jp)의 칼럼 일부를 편집하여 게재했습니다.
초출: https://dnd-inc.jp/blog/sme-ai-workflow-integration.html
'AI를 사용하고 있는데, 업무가 좀처럼 바뀌지 않는다'——이렇게 느끼는 회사에는 공통적인 패턴이 있습니다. AI는 활용하고 있지만, 주로 '문서 작성'이나 '회의록 요약' 등 개인의 작업 효율화에 그치고 있습니다. Forval GDX 리서치 연구소(フォーバルGDXリサーチ研究所)가 2026년 8월에 발표한 조사(중소기업 경영자 1,653명)에서는 AI 미도입 이유로 '어떤 업무에 쓸 수 있는지 모름'이 47.9%로 가장 높게 나타났습니다. 이 '모른다'는 것은 AI 리터러시의 문제가 아니라, 업무 플로우(業務フロー)에 통합하는 설계가 보이지 않는 구조적인 문제입니다. 개인의 도구로서 사용하는 AI와 업무 플로우에 내장된 AI는 효과의 규모(scale)가 완전히 다릅니다.
이 기사의 핵심 요점
Forval GDX 리서치 연구소는 2026년 8월 21일 '중소기업의 경영 상황 변화 대응 〈3〉AI 활용 실태와 중소기업의 노력'(BLUE REPORT 제9호)을 발표했습니다. 전국 중소기업 경영자 1,653명을 대상으로 2026년 6월 5일~7월 4일에 실시한 조사 결과입니다.
조사에 따르면, 업무에 AI를 도입·활용하고 있는 기업은 **36.9%**였습니다. 여기에 검토 중·시험 운영 중(20.1%)을 더하면, 절반이 넘는 기업이 AI 활용에 긍정적인 상황입니다.
한편, AI 미도입 기업에게 미도입 이유를 물어본 결과, 가장 많았던 답변은 **'어떤 업무에 쓸 수 있는지 모르기 때문에'(47.9%)**였습니다. 그 다음으로 '전문 지식이나 노하우를 가진 인재가 없기 때문에'(53.7%)와 '구체적인 진행 방법을 모르기 때문에'(47.3%)가 이어집니다.
AI 활용 기업이 보고하는 효과를 보면, '업무 효율화'(91.7%)·'공수 절감'(86.5%)가 상위권을 차지한 반면, '비용 절감'은 60.1%에 머물렀습니다. 이 수치 차이에 현재 AI 활용의 과제가 응축되어 있습니다.
업무 효율화가 91.7%인 반면, 비용 절감이 60.1%에 그친다는 것은 무엇을 의미할까요?
'효율화되었다'와 '비용이 낮아졌다'의 차이는 누구의 시간이 아꼈느냐에 있습니다. 문서 작성이나 회의록 요약에 AI를 사용하면 담당자의 작업 시간은 확실히 짧아집니다. 하지만, 그 아낀 시간이 다른 업무에 투입될 뿐이라면, 회사 전체의 인건비는 변하지 않습니다.
예를 들어, 수주 담당자가 하루에 50건의 주문서를 시스템에 수기로 입력한다고 가정해 봅시다. 담당자가 AI로 문서 작성을 효율화해도, 50건의 수기 입력은 남아 있습니다. 그러나 수주 시스템에 AI-OCR을 결합하여 주문서 읽기를 자동화하면, 50건의 수기 입력 자체가 사라집니다. 전자는 개인의 생산성이고, 후자는 업무 비용에 영향을 미칩니다.
AI 활용의 두 가지 계층을 비교하면 과제가 명확해집니다.
많은 중소기업이 'AI를 활용하고 있다'고 답하면서도 '어떤 업무에 쓸 수 있는지 모른다'고 느끼는 것은, 사용하고 있는 것이 개인 도구의 계층이기 때문입니다. 업무 플로우 통합 설계를 생각하지 않으면, 도구를 바꿔도 같은 벽에 부딪힙니다.
업무 플로우로의 AI 통합이 유효한지 여부는 다음 체크리스트에서 확인할 수 있습니다. 해당되는 항목이 많을수록, AI를 결합할 여지가 큰 업무 플로우를 가지고 있다는 의미입니다.
3개 항목 이상에 해당하는 경우, 업무 플로우로의 AI 통합을 통해 구체적인 비용 절감이 예상됩니다. 5개 항목 이상이라면, 조기에 착수할수록 임팩트가 커집니다.
업무 플로우로의 AI 통합을 검토할 때, 착수하기 쉬운 세 가지 접근 방식을 정리합니다. 모두 '1개의 플로우부터 작게 시작하는' 설계가 현실적입니다.
FAX나 전자메일로 도착하는 주문서·발주서를 AI-OCR로 읽어 품번, 수량, 납기 등의 정보를 수주 시스템에 자동 연동합니다. 나아가 재고 상황과 대조하고 출하 지시를 자동으로 생성하는 것까지 연동함으로써, '수주 담당자가 수기로 입력하지 않는' 플로우가 실현됩니다.
스몰 스타트(Small Start)의 핵심은 건수가 가장 많은 거래처 1곳·포맷 1가지로 범위를 좁혀 PoC(개념실증)를 진행하는 것입니다. 포맷이 여러 개일 경우에도, 건수 상위부터 AI 인식 모델을 하나씩 키워나가는 방법이 정착하기 쉬운 경우가 많습니다.
메일·문의폼·채팅으로 도착하는 문의를 AI가 자동으로 분류하고, 정형적인 질문(영업시간·요금·재고·사양 등)에는 자동 답변문을 생성 및 전송합니다. AI가 답할 수 없는 복잡한 건만 담당자에게 배분함으로써, 전체 문의 대응 공수를 대폭 줄일 수 있습니다.
중요한 것은 처리한 내용을 문의 관리 시스템에 자동으로 기록하는 것입니다. 로그가 축적되면서 빈번하게 발생하는 질문 패턴을 파악하고, FAQ나 제품 설명 개선 또는 다음 AI 학습에 활용할 수 있습니다.
발주 승인·경비 정산·휴가 신청 등의 사내 워크플로우를 시스템화하고, 기준을 충족하는 건은 AI가 자동 승인하거나 라우팅합니다. 금액이나 기준 범위 내는 자동 처리하고, 예외 건만 담당자가 판단하는 '예외 관리형' 설계가 현실적이고 안전한 접근 방식입니다.
페이퍼리스(Paperless)화와 결합하면, 도장 찍을 서류 교환이나 '누구에게 승인을 받아야 하는지'를 매번 확인할 필요도 해소됩니다.
세 가지 접근법 모두 독립적으로 착수할 수 있지만, 회사 상황에 맞는 순서가 있습니다.
'한 번에 모든 업무를 자동화하겠다'고 하면 설계가 복잡해져 정착하지 않는 경우가 많습니다. 스몰 스타트로 성공 경험을 만드는 것이 조직 전체로 전개하는 가장 빠른 경로입니다.
회사 업무 플로우에 AI를 결합하는 설계를 함께 고민해 보지 않겠습니까?
상담 및 견적은 무료입니다. '어떤 업무부터 손대야 할지'라는 단계부터 받고 있습니다.
AI를 사용하고 있는 상태는 '직원이 AI 도구를 개별적으로 활용하는' 단계로, 문서 작성·회의록 요약·정보 수집 등이 전형적인 예시입니다. 업무 플로우에 통합은 'AI가 시스템 안에서 자동으로 움직이는' 상태로, 주문이 도착하면 자동 확인/분류하고, 문의가 오면 자동 1차 회신하는 등 담당자가 조작하지 않아도 처리가 진행되는 구조입니다. 전자는 개인의 생산성이 올라가지만, 후자는 업무 비용 자체가 바뀝니다.
거래처가 10곳 이상 있고 매일 5건 이상의 수주·문의가 발생하는 규모부터 비용 대비 효과를 보기 쉽습니다. 소규모라도 '특정 정형 작업에 집중하는' 접근법으로 스몰 스타트할 수 있습니다. 우선 가장 손이 많이 가는 업무 1개를 골라 3개월의 시험 도입부터 시작하는 것을 추천합니다.
많은 클라우드 기반 시스템은 API를 가지고 있어 연동이 가능합니다. 다만 오래된 핵심 시스템이나 온프레미스(On-premise) 시스템에는 API가 없는 경우가 있습니다. 현재 사용 중인 시스템의 연동 가능 여부는 첫 번째 히어링 단계에서 확인할 수 있으니, '시스템이 오래되었다'는 상황이라도 상담해 주세요.
AI 판단은 100% 정확하지 않기 때문에, 중요한 처리에는 'AI가 제안하고 담당자가 최종 확인하는' 설계를 기본으로 합니다. AI의 판단 신뢰도가 낮은 건을 자동으로 담당자의 큐에 배분하는 메커니즘을 통해, 실수의 리스크를 관리하면서 자동화율을 높여갑니다. 처음부터 전건 자동화를 목표로 하기보다, 단계적으로 사람의 개입을 줄여나가는 설계가 현실적입니다.
이 기사는 주식회사 DnD(업무 효율화·DX 파트너)가 운영하는 칼럼의 전재입니다.
▶ 최초 공개·전문: https://dnd-inc.jp/blog/sme-ai-workflow-integration.html
▶ 문의하기: https://dnd-inc.jp/contact.html