맞춤형 DX 소공인 정책

기술보다 데이터가 먼저다

디지털 전환과 AI 도입을 이야기할 때 많은 기업이 기술 스택부터 묻는다.
어떤 솔루션을 써야 하는지, 자동화 수준은 어디까지 가능한지에 대한 질문이다.

그러나 현장에서의 성패는 기술이 아니라 데이터다.
정확히 말하면 어떤 데이터를, 어떤 프로세스에서, 어떤 의사결정에 쓰느냐의 문제다.

컨설팅 현장에서 자주 듣는 말이 있다.
“시스템은 깔았는데, 현장은 그대로입니다.”

이 말의 본질은 데이터 구조와 운영 기준이 바뀌지 않았다는 데 있다.

1. 업종별 디지털 전환은 출발선이 다르다

제조업이라고 하나로 묶기에는 현장의 결이 너무 다르다.
금속가공, 전자부품, 소비재, 생활밀착형, 건축자재 제조업은
같은 생산이라는 단어를 쓰지만 전혀 다른 언어로 움직인다.

AI·DX 소공인 정책이나 기업 내부 혁신 과제가 실패하는 이유도 여기에 있다.
범용 모델을 그대로 적용하려 하기 때문이다.

업종별 디지털 전환의 핵심은

- 어떤 공정이 병목인지

- 어떤 데이터가 실제로 존재하는지

- 누가 그 데이터를 만들어내는지

를 먼저 구분하는 데 있다.

한 제조 대표는 이렇게 말했다.
“우리 공장은 자동화보다 사람이 더 중요합니다. 문제는 그 사람이 뭘 기준으로 일하느냐죠.”

2. 6대 프로세스가 연결될 때 현장은 변한다

현장 데이터는 파편처럼 흩어져 있다.
이를 연결하는 기준이 바로 6대 작업 프로세스다.

1) 생산 기획 프로세스

2) 원가 관리 프로세스

3) 자재 책임 추적 프로세스

4) WIP(Work In Progress, 재공품) 관리 프로세스

5) 재발 방지 프로세스

6) 스킬 기반 운영 프로세스

이 여섯 가지가 연결되면
현장은 감이 아니라 기준으로 운영되기 시작한다.

예를 들어 금속가공 제조업에서는
도면번호, 오더, 납기 정보가 생산 기준 데이터가 된다.
여기에 공정별 스크랩, 가공 손실률이 연결되면
원가와 품질의 원인이 동시에 보이기 시작한다.

전자·기계·부품 제조업에서는
모델과 사양, 수율, 재작업률이 핵심이다.
공정 이력과 WIP 병목 데이터가 연결되지 않으면
AI는 예측이 아니라 통계 요약에 그친다.

3. 업종그룹별 핵심 데이터는 다르다

소비재·패키징 제조업은 SKU와 주문 흐름이 중심이다.
리드타임, WIP 회전, 클레임 연계 불량 데이터가 연결될 때
납기와 품질이 동시에 개선된다.

생활밀착형 제조업은 더 섬세하다.
의류, 봉제, 가죽, 가방, 가구 현장에서는
사이즈, 패턴 버전, 작업자 숙련도, 시간당 처리량이
곧 경쟁력이 된다.

“왜 이 라인만 느릴까요?”라는 질문은
대개 사람의 문제가 아니라 데이터 구조의 문제다.

건축·소재형 제조업에서는
규격, 물량, 자재 적치와 이동, 적체 WIP가 핵심이다.
공정 체류 시간과 하자 원인이 연결되지 않으면
AI는 의미 있는 개선안을 만들 수 없다.

4. 통합표는 결과물이 아니라 설계도다

업종그룹별 핵심 데이터 체계 표는
단순한 정리 자료가 아니다.

이 표는

어떤 데이터를 먼저 수집할지

어떤 데이터를 연결할지

어떤 KPI(Key Performance Indicator, 핵심 성과 지표)로 볼지
를 결정하는 설계도다.

AI·DX 과제는 이 설계도가 없이 시작하면
대부분 “데이터가 부족합니다”라는 말로 끝난다.

5. 정책과 컨설팅이 놓치기 쉬운 지점

소공인 정책이나 중소기업 DX 사업에서
자주 발생하는 오류는 두 가지다.

- 업종 특성을 고려하지 않은 공통 과제 설계- 현장 데이터 생성 주체를 고려하지 않은 시스템 도입

2018년 제조혁신 보고서에서도
“중소 제조업의 디지털 전환 실패 원인은 기술보다 현장 적합성 부족”이라고 지적했다
(중소벤처기업부, 2018).

2021년 맥킨지 리포트 역시
“AI 프로젝트의 70%는 데이터 구조 설계 단계에서 실패한다”고 분석했다(McKinsey, 2021).

6. 결국 질문은 이것이다

AI를 도입할 것인가의 문제가 아니다.
DX를 할 수 있느냐의 문제도 아니다.

질문은 하나다.
우리 업종의 현장은 어떤 데이터로 움직이고 있는가.

그리고 그 데이터는
누구의 일을 기준으로, 어떤 의사결정을 돕고 있는가.

이 질문에 답하지 못하면
AI는 멋진 보고서로 남고,
현장은 여전히 경험과 감으로 돌아간다.

---

#AI·DX #제조업디지털전환 #현장데이터
#소공인정책 #업종별데이터 #스마트공장
#교육컨설팅 #기업교육 #DX전략