AI 전환 지원사업 준비, 신청 전에 꼭 정리해야 할 5가지

1편에서 이번 AI 전환 지원이 무엇을 해주는지 봤고, 2편에서는 우리 회사가 이 흐름에 맞는지 판단하는 기준을 정리했습니다. 이제 3편에서는 가장 현실적인 이야기로 들어가겠습니다. 신청 전에 무엇을 준비해야 하는가입니다. 사실 많은 기업이 여기서 갈립니다. 기술이 부족해서보다, 준비 자료가 흐릿해서 방향을 잃는 경우가 더 많습니다.

정부가 말하는 제조 AI 전환은 단순히 장비를 들이거나 화면을 하나 더 붙이는 일이 아닙니다. 중기부와 정책브리핑이 공통적으로 말하는 방향은 제조 AX, 상생형 AI 스마트공장, 그리고 현장에서 쓸 수 있는 전문인력 확보입니다. 결국 심사는 “무엇을 살 것인가”보다 “어떤 문제를 어떻게 줄일 것인가”에 더 가까워질 수밖에 없습니다.

3편의 핵심은 준비자료입니다. 병목 공정, 손실 구조, 데이터 상태, 실행 인력, 공급기업 비교 기준이 정리되어야 신청도 설득력이 생깁니다.

 

첫 번째, 병목 공정을 한 장으로 정리해야 합니다

가장 먼저 해야 할 일은 우리 회사의 병목 공정을 명확히 적는 것입니다. 어디에서 생산이 밀리는지, 어떤 구간에서 재작업이 반복되는지, 설비가 자주 멈추는 지점이 어디인지가 보여야 합니다. 막연히 “생산성이 떨어집니다”라고 적는 것보다, 어느 공정에서 어떤 문제가 몇 번 반복됐는지가 보이는 자료가 훨씬 강합니다.

신청 전 준비 순서

1병목 공정 정리

→

2손실 수치 확인

→

3데이터 상태 점검

→

4실행 인력 지정

→

5공급기업 비교

준비 순서가 잡혀야 신청서 내용도 흔들리지 않습니다.

어떻게 정리하면 좋을까요

공정명을 세로로 놓고, 문제 유형을 가로로 놓으면 됩니다. 예를 들어 절단, 가공, 조립, 검사, 포장 같은 단계별로 불량, 재작업, 대기시간, 설비 멈춤, 납기 영향 여부를 체크하는 식입니다. 복잡하게 만들 필요는 없습니다. 대표와 현장 책임자가 같은 그림을 보고 이야기할 수 있으면 됩니다.

가장 많이 막히는 단계는 기술 검토가 아니라, 회사 안에서 “어디가 제일 문제인가”를 하나로 못 정하는 순간입니다.

 

두 번째, 손실을 숫자로 바꿔야 합니다

정책 흐름이 제조 AI 전환으로 가더라도, 결국 현장에서는 손실을 줄이는 이야기가 되어야 합니다. 그래서 불량률, 재작업 시간, 설비 비가동 시간, 납기 지연 횟수 같은 항목을 숫자로 바꿔야 합니다. 완벽한 수치가 아니어도 괜찮습니다. 다만 최근 6개월 또는 1년 기준으로 대략의 흐름은 보여야 합니다.

실무 점검표

준비 항목	정리 방식	왜 필요한가
불량률	월별 또는 공정별 추이	품질 개선 목표를 수치화하기 위해
재작업	주요 원인과 반복 빈도	AI 적용 필요성을 설명하기 위해
설비 멈춤	정지 횟수, 평균 정지 시간	예지·이상 감지 과제와 연결하기 위해
납기 지연	지연 건수와 주요 원인	운영 효율 개선의 명분을 만들기 위해

며칠 전 한 제조업 대표님과 이야기할 때도 비슷했습니다. 대표님은 “불량이 많은 것 같다”고 하셨는데, 현장은 “어느 라인에서 얼마나 많은지 아직 감으로만 압니다”라고 답했습니다. 그 순간 잠시 멈칫했습니다. 문제가 없는 게 아니라, 아직 숫자로 이름을 붙이지 못한 상태였기 때문입니다. 이 단계만 넘어도 준비 수준이 확 달라집니다.

신청서는 문제를 설명하는 문서이기도 하지만, 동시에 손실을 숫자로 번역하는 문서이기도 합니다.

 

세 번째, 지금 있는 데이터와 없는 데이터를 구분해야 합니다

AI 전환을 말할 때 가장 자주 생기는 오해가 있습니다. “데이터가 엄청 많아야만 가능하다”는 생각입니다. 꼭 그렇지는 않습니다. 중요한 것은 데이터의 양보다 현재 무엇이 있고 무엇이 없는지를 구분하는 일입니다. 검사 기록은 있는데 설비 상태 데이터는 없을 수 있고, 생산일지는 있는데 불량 사유 분류가 없을 수도 있습니다.

• 현재 남아 있는 작업일지, 검사표, LOT 기록, 설비 점검표를 먼저 모아봅니다.
• 엑셀, 종이, MES 등 데이터 형태가 서로 달라도 일단 존재 여부부터 나눕니다.
• 없는 데이터는 “왜 없는지”보다 “앞으로 무엇부터 쌓을지”를 정하는 편이 중요합니다.

• 공정별 기준이 다른 항목은 분류체계부터 맞춥니다.
• 현장 기록 담당자가 누구인지 정해야 이후 운영이 흔들리지 않습니다.
• AI 적용 목표를 현재 데이터로 가능한 것과 추가 수집이 필요한 것으로 나눠봅니다.

돌이켜보면 많은 회사가 여기서 자신감을 잃습니다. 데이터가 완벽하지 않으니 아직 멀었다고 느끼는 것입니다. 그런데 실무에서는 오히려 “있는 것과 없는 것을 아는 회사”가 더 준비된 회사입니다. 지금 상태를 정확히 말할 수 있어야 다음 설계도 현실적이기 때문입니다.

완벽한 데이터보다 더 중요한 것은, 현재 데이터의 경계를 정확히 아는 일입니다.

 

네 번째, 실행 인력과 내부 책임자를 먼저 정해야 합니다

정책브리핑은 제조 AI 전문인력 양성 및 매칭을 별도로 제시하고 있습니다. 이 말은 곧, 기술만 들어온다고 끝나는 것이 아니라는 뜻입니다. 실제 현장에서 누가 데이터를 보고, 누가 공정을 바꾸고, 누가 공급기업과 소통할지 정해져야 합니다. 대표 혼자 이해하고 끝나는 구조로는 오래 가기 어렵습니다.

그래서 신청 전에는 최소한 세 역할이 정리되어야 합니다. 첫째, 현장 문제를 가장 잘 아는 실무 책임자. 둘째, 숫자와 목표를 정리할 관리 담당자. 셋째, 최종 우선순위를 결정할 대표입니다. 규모가 작은 회사라면 한 사람이 두 역할을 겸할 수도 있습니다. 그래도 책임의 이름은 있어야 합니다.

좋은 과제는 좋은 솔루션보다 먼저, 내부에서 누가 움직일 것인지가 정리되어 있습니다.

 

다섯 번째, 공급기업 제안서를 받기 전에 비교 기준을 만들어야 합니다

실무에서 의외로 많이 놓치는 부분입니다. 외부 공급기업 제안을 먼저 받아버리면 우리 회사 문제가 아니라 공급기업의 강점에 끌려가기 쉽습니다. 그래서 제안서를 받기 전에 비교 기준을 먼저 만들어야 합니다. 예를 들어 우리 회사 병목 공정 이해도, 현장 적용 범위, 데이터 연계 방식, 유지관리 계획, 내부 인력 교육 방식 같은 항목을 미리 정해두는 것입니다.

이럴 때 A는 내부 기준이 있는 상태입니다. 이 경우 공급기업 제안이 달라도 무엇이 맞고 무엇이 과한지 구분할 수 있습니다. 이럴 때 B는 기준 없이 설명부터 듣는 상태입니다. 이 경우 기능은 많아 보이지만 정작 우리 회사 문제와 안 맞는 안을 고를 가능성이 높습니다.

절차 요약표

비교 항목	먼저 볼 질문	체크 포인트
현장 이해도	우리 병목 공정을 정확히 이해했는가	문제 정의가 구체적인가
적용 범위	어느 공정부터 시작하는가	과도하게 넓지 않은가
데이터 연계	현재 있는 데이터로 어디까지 가능한가	추가 수집 계획이 현실적인가
운영 계획	구축 후 누가 어떻게 관리하는가	현장 인력 부담이 과하지 않은가

실수하기 쉬운 지점은 기능이 많은 제안서를 좋은 제안서로 착각하는 것입니다.

 

3편의 결론: 신청 준비는 기술보다 먼저 ‘회사 내부를 정리하는 일’입니다

이번 AI 전환 지원 흐름은 분명 기회입니다. 하지만 그 기회를 실제 과제로 연결하는 회사는 준비의 순서를 아는 회사입니다. 병목 공정을 한 장으로 정리하고, 손실을 숫자로 바꾸고, 데이터의 현재 상태를 나누고, 내부 책임자를 정하고, 공급기업 비교 기준을 세우는 것. 이 다섯 가지가 잡히면 신청서도 훨씬 또렷해집니다.

저는 정책자금이나 지원사업을 볼 때 늘 비슷한 장면을 봅니다. 서류를 많이 모은 회사보다, 문제를 선명하게 정리한 회사가 더 강합니다. 이번 제조 AX와 AI 전환 지원도 마찬가지입니다. 지금 회사의 병목 공정과 손실 구조부터 차분히 다시 잡아보시면, 이후 지원사업 검토와 실행안 설계도 훨씬 탄탄하게 이어질 것입니다.