사람이 부족한 곳은 생산 현장만이 아니다

중소 제조기업의 인력난이라고 하면 보통 생산직을 떠올린다. 그런데 중소벤처기업부 「중소기업실태조사」에 따르면 2023년 중소제조업 인력부족률은 1.79%였고, 직종별로는 생산직이 아니라 판매·마케팅직이 3.80%로 가장 높았다. 규모별로는 소기업의 인력부족률이 2.30%로 중기업(0.68%)보다 3배 이상 높았다.

작은 제조기업일수록 영업 담당자 한 명이 발주서 확인, 생산 일정 조율, 납기 회신, 성적서 발송까지 모두 맡는 경우가 많다. 사람이 부족한 만큼 반복되는 사무 업무가 남은 사람에게 몰린다.

이 부담을 덜기 위해 많은 기업이 먼저 로봇 공정 자동화를 검토하거나 도입했다. 하지만 “거래처 양식이 조금만 바뀌어도 멈춘다”, “예외가 많아 결국 사람이 다시 한다”는 경험도 함께 쌓였다. 그래서 요즘 현장에서 나오는 질문은 “로봇 공정 자동화 대신 AI를 써야 하나?”이다. 이 글은 그 질문에 답하기 위해 두 기술이 무엇이 다르고, 어떤 일에 맞는지를 정리한다.

출처: 중소벤처기업부, 「중소기업실태조사」 중소제조업 인력현황 (지표누리, 2026.01 갱신) – https://www.index.go.kr/unify/idx-info.do?idxCd=1191

1. 로봇 공정 자동화란 무엇인가: 정해진 순서를 그대로 따라 하는 소프트웨어 로봇

로봇 공정 자동화는 영어 Robotic Process Automation을 우리말로 옮긴 말이다. 여기서 로봇은 기계가 아니라 컴퓨터 안에서 움직이는 소프트웨어다. 사람이 화면에서 하던 클릭, 복사, 붙여 넣기, 입력, 파일 저장 같은 동작을 정해진 순서대로 똑같이 반복한다.

예를 들어 “매일 아침 8시에 생산관리 체계에 접속 → 전날 생산실적 내려받기 → 집계 양식에 붙여 넣기 → 팀장에게 메일 발송”이라는 순서를 한 번 만들어 두면, 로봇이 매일 같은 시간에 같은 일을 한다. 기존 전산 체계를 고치지 않고 사람이 쓰던 화면 위에서 그대로 작동하기 때문에 비교적 빠르게 도입할 수 있다.

국제전기전자공학회(IEEE)는 로봇 공정 자동화와 인공지능을 결합한 소프트웨어 기반 지능형 공정 자동화 기술의 개념과 용어가 업계마다 제각각이라는 문제를 정리하기 위해, 관련 용어와 개념을 표준 지침으로 묶었다¹⁾. 그만큼 로봇 공정 자동화와 그 확장 기술이 빠르게 늘어났고, 그 경계가 헷갈린다는 뜻이기도 하다.

2. AI 자동화란 무엇인가: 자료를 읽고 판단하는 자동화

AI 자동화는 학습된 인공지능 모델이 자료의 내용을 이해하고 판단해 일을 처리하는 방식이다. 국제표준화기구(ISO)와 국제전기기술위원회(IEC)의 인공지능 개념·용어 표준은 인공지능 체계를 사람이 정한 목표에 따라 예측, 추천, 판단 같은 결과를 만들어 내는 공학적 체계로 정의한다²⁾.

로봇 공정 자동화가 “3번째 칸의 숫자를 복사하라”는 지시를 따른다면, AI는 “이 문서에서 납기일을 찾아라”는 지시를 수행한다. 납기일이 표 안에 있든, 본문 문장 속에 있든, 거래처마다 위치가 달라도 뜻을 보고 찾아낸다. 제조 사무에서 쓰이는 AI 자동화는 주로 다음과 같은 능력을 활용한다.

• 문서 읽기: 양식이 제각각인 발주서, 견적 요청서, 성적서에서 필요한 항목을 뽑아냄
• 분류: 들어온 메일이나 불만 접수를 유형별로 나누고 담당 부서를 정함
• 글 작성: 납기 회신, 견적 안내, 보고서 초안을 만듦
• 예측: 과거 자료를 바탕으로 수요나 납기 지연 가능성을 추정함

다만 AI는 학습한 자료에서 규칙을 스스로 익히는 기계학습 방식으로 작동하므로³⁾, 같은 입력에도 결과가 100% 같다고 보장할 수 없고 가끔 틀린다. 이 점이 로봇 공정 자동화와 가장 크게 다른 성질이다.

3. 한눈에 보는 차이: 규칙을 따르느냐, 판단하느냐

두 기술의 차이를 항목별로 정리하면 다음과 같다.

마지막 줄이 실무에서 특히 중요하다. 로봇 공정 자동화는 실패하면 멈추기 때문에 바로 알 수 있다. 반면 AI는 실패해도 결과를 내놓기 때문에, 틀린 값이 그대로 다음 단계로 넘어갈 수 있다. 그래서 AI 자동화에는 확인 장치를 반드시 함께 설계해야 한다.

4. 로봇 공정 자동화가 멈추는 순간: 규칙 기반의 한계

로봇 공정 자동화를 도입한 제조기업이 가장 자주 겪는 문제는 다음 세 가지다.

1. 화면이 바뀔 때: 전사적 자원관리(ERP)나 거래처 구매 사이트가 개편되어 버튼 위치나 입력 칸이 달라지면 로봇이 엉뚱한 곳을 누르거나 멈춘다.
2. 양식이 다를 때: A사는 엑셀, B사는 문서 파일, C사는 메일 본문으로 발주서를 보낸다. 같은 A사도 담당자가 바뀌면 양식이 달라진다. 로봇 공정 자동화는 양식마다 로봇을 따로 만들어야 한다.
3. 판단이 필요할 때: “단가가 지난번과 다르면 영업팀에 확인”, “납기가 생산 일정보다 빠르면 회신 문구 변경”처럼 상황에 따라 다르게 처리해야 하는 일은 규칙을 끝없이 늘려야 한다.

이런 일이 반복되면 로봇은 늘어나는데 자동으로 처리되는 비율은 오히려 줄어든다. 예외 처리를 결국 사람이 하게 되면서 “자동화했는데 일이 줄지 않는다”는 불만이 나온다. 이는 로봇 공정 자동화가 나빠서가 아니라 규칙으로 다룰 수 없는 일에 규칙 기반 도구를 쓴 결과다.

5. 제조 사무 업무별로 보면: 로봇 공정 자동화로 충분한 일, AI가 필요한 일

제조기업의 대표적인 사무 업무를 기준으로 어느 쪽이 맞는지 나눠 보면 다음과 같다.

표에서 보듯 순수하게 한쪽만 맞는 업무보다 섞어야 하는 업무가 더 많다. 제조 사무는 대부분 “제각각인 문서를 읽고(판단) → 정해진 체계에 넣는(규칙)” 구조이기 때문이다.

6. 둘을 섞는 지능형 자동화: 읽는 것은 AI, 넣는 것은 로봇 공정 자동화

로봇 공정 자동화와 AI를 함께 쓰는 방식을 지능형 자동화라고 부른다. 두 기술을 경쟁 관계가 아니라 역할 분담 관계로 보는 것이다. 거래처 발주서를 수주로 등록하는 업무를 예로 들면 흐름은 다음과 같다.

핵심은 3단계와 4단계다. AI가 뽑은 값을 규칙으로 한 번 더 걸러내고, 걸러진 것만 사람이 보는 구조를 만들면 AI의 ‘그럴듯한 오류’를 막으면서도 담당자는 전체가 아닌 일부만 확인하면 된다. 담당자의 역할이 “입력하는 사람”에서 “예외를 판단하는 사람”으로 바뀌는 것이다.

7. 어느 쪽인지 가르는 판단 점검표

자동화하려는 업무가 있다면 다음 질문으로 방향을 정할 수 있다.

대부분 ‘예’라면 로봇 공정 자동화로 빠르게 시작하고, 앞의 두 질문에서 ‘아니오’가 나오면 AI가 들어가야 한다. 둘이 섞여 있다면 6장의 지능형 자동화 구조를 검토하면 된다.

8. 도입 전에 꼭 확인할 것

어떤 방식을 고르든 다음 항목을 먼저 점검해야 실패를 줄일 수 있다.

• 업무 정리가 먼저다: 비효율적인 절차를 그대로 자동화하면 비효율이 빨라질 뿐이다. 불필요한 단계, 중복 확인, 사람마다 다른 처리 기준을 먼저 정리한다.
• 로봇·AI 계정과 권한: 자동화 도구가 쓰는 계정을 개인 계정과 분리하고, 필요한 체계와 메뉴에만 접근하게 한다. 누가 무엇을 처리했는지 기록이 남아야 한다.
• 사람 확인 지점: 금액, 납기, 품질 기준처럼 틀리면 피해가 큰 항목은 자동으로 확정하지 말고 확인 단계를 둔다.
• 효과 측정 기준: 도입 전후의 처리 시간, 오류 건수, 사람이 개입한 예외 비율을 재야 한다. “편해졌다”는 느낌만으로는 확대 여부를 판단할 수 없다.
• 유지보수 담당: 화면이 바뀌거나 정확도가 떨어졌을 때 누가 고칠지 정해 둔다. 수행사에 맡긴다면 계약에 유지보수 범위를 명시한다.

대체가 아니라 역할 분담이다

“로봇 공정 자동화는 끝났고 이제 AI의 시대”라는 말이 자주 들리지만, 제조 사무 현장에서는 정확한 표현이 아니다. 로봇 공정 자동화는 정해진 일을 틀림없이 반복하는 데 여전히 가장 싸고 확실한 도구이고, AI는 제각각인 자료를 읽고 판단하는 데 강하다. 둘은 서로를 대체하기보다 서로의 빈 곳을 채운다.

본문의 핵심을 정리하면 다음과 같다.

• 로봇 공정 자동화: 사람이 정한 규칙과 순서를 화면 위에서 그대로 반복하는 소프트웨어 로봇이다.
• AI 자동화: 학습된 모델이 문서와 문장의 뜻을 이해하고 판단해 일을 처리한다.
• 가장 큰 차이: 로봇 공정 자동화는 실패하면 멈추고, AI는 실패해도 그럴듯한 결과를 내므로 확인 장치가 필요하다.
• 업무 구분: 양식이 고정된 반복 업무는 로봇 공정 자동화, 양식이 제각각이거나 판단이 필요한 업무는 AI가 맞다.
• 지능형 자동화: 제조 사무는 ‘읽고 판단하고 입력하는’ 구조가 많아 AI와 로봇 공정 자동화를 섞는 방식이 현실적이다.
• 도입 전 점검: 업무 정리, 계정·권한, 사람 확인 지점, 효과 측정 기준, 유지보수 담당을 먼저 정한다.

제조기업은 기술부터 고르기보다 자동화하려는 업무 하나를 정해 점검표로 성격을 먼저 따져 보는 것부터 시작할 것을 권한다. 이미 로봇 공정 자동화를 쓰고 있다면 버릴 필요 없이, 멈추는 지점에 AI를 붙이는 방식으로 확장할 수 있다. 자동화 수행사는 도구 납품을 넘어 업무 분석, 예외 처리 설계, 효과 측정까지 함께 제공하는 역량을 경쟁력으로 삼아야 한다. 줄어드는 인력으로 늘어나는 일을 감당해야 하는 제조기업에게, 자동화의 핵심은 어떤 기술을 쓰느냐보다 어떤 일을 누구에게 맡기느냐다.

본 게시물은 AI 어시스턴트를 활용하여 초안을 작성하고 편집자의 검수를 거쳤습니다. 타 기업명 및 영업 기밀 보호를 위해 본문 중 일부 고유명사는 익명화(A/B) 처리되었습니다.