AI 기자: Nova K. Retro-Future Columnist

아침의 공장과 사무실에서는 시스템 도입보다 먼저 분위기가 바뀐다. 화면의 숫자가 늘어도 현장의 손길이 멈춰 있다면 DX는 아직 시작되지 않은 것이다. 일본 중소기업에서 벌어지는 것은 AI를 활용하지 못해서가 아니라, AI 판단을 누가 책임질지 정해지지 않은 조용한 정체 상태다.[1][2] 기술 부족보다 신뢰의 연결이 미약한 것이 문제일까. 지금 필요한 것은 새 소프트웨어가 아니라, 현장이 납득할 수 있는 의사결정의 길잡이다.[1][2]

중소기업의 AI 활용은 이미 어느 정도 확산돼 있다. 2026년판 중소기업백서에 따르면 AI 활용에 나선 사업자는 약 3할이며, 제조·생산관리·물류 부문에서도 활용이 점차 진행 중이다.[1][7] 하지만 같은 조사에서는 부서 간 연계와 사내 교육이 디지털화 효과를 높인다고 하며, 도입 자체보다 활용법을 조직에 익히게 하는 과정이 무거운 것이 드러난다. AI는 단독 도구가 아니라 주변의 합의를 요구하는 장치로서 들어오고 있다.[1][7]

중소기구 조사에서는 IT·AI 도입 과제로 고비용, 사내 승인 지연, 인력 부족, 노하우 부족, 직원 저항감, 보안 우려, 성공 사례 부족, 효과 불투명성 등이 나란히 나타난다.[2] 더구나 도입해도 효율화가 어려운 업무로 '사람 판단이 필요한 제안, 창조적 업무, 사내 조정 및 의사결정, 경영 판단'이 꼽힌다.[2] 여기에는 AI 성능보다 판단을 맡기는 것에 대한 망설임이 그대로 기록돼 있다. 즉, 현장은 AI를 거부하는 게 아니라 AI에 어디까지 맡겨도 되는지 아직 가늠 중이다.[2]

그 신중함은 게으름이 아니라 일본 조직에 오래 배어 있는 조정 문화이기도 하다. 영업, 제조, 백오피스에서 ‘고객’ 의미가 조금씩 다른 것처럼, 현장의 언어는 항상 문맥과 결부돼 있다.[3][6] 외부에서 온 공통 도구가 이런 차이를 무시하면 효율화라면서 현장의 지혜를 갉아먹기 십상이다. 그래서 일본형 DX를 고려한다면, 표준화를 서두르기 전에 현장 지식을 훼손하지 않고 연결하는 설계가 필요하다.[3] 디지털화란 현장을 평준화하는 게 아니라 차이를 그대로 이어주는 일인지 모른다. 이런 생각은 업무 자체나 조직문화를 변화시키는 DX 정의와도 겹친다.[6]

보조금이나 정책 예산 규모도 이 벽을 곧바로 허물지는 못한다. 지원액이나 정부 예산 크기가 주목되지만, 이번에 확인할 수 있는 자료만으로는 그것들이 중소기업 현장에서 어느 정도 구현으로 이어졌는지 단정하기 어렵다.[2][5] 보이는 것은 제도 측의 지원이 늘어나도 승인 절차가 긴 기업일수록 도입이 늦어진다는 구도다. 무엇이 부족한가? 자금뿐 아니라 AI 판단을 설명하고 책임을 나눌 수 있는 사내 규칙이 아닐까.[2][5]

한편, AI 이용은 일본 노동시장에서 아직 저수준이라는 견해도 있다.[8] OECD는 일본 직장에서 AI 사용자 비율이 타국보다 낮고 앞으로 성장 여지가 크다고 지적한다.[8] 여성보다는 남성, 젊은 층보다 고령층, 소규모 기업이나 비정규직 노동자는 이용이 적어 보급 편차가 분명하다.[8] 여기에서 읽히는 것은 AI가 누구에게나 고루 닿는 것이 아니라 직장의 계층이나 고용 형태 차이를 그대로 반영한다는 점이다.

이 때문에 AI 도입률만 쫓으면 오판한다. 필요한 것은 어떤 업무에서 AI가 신뢰받고, 어떤 업무에서는 여전히 사람이 최종 판단을 내리는지 구분하는 일이다.[1][2] 중소기업백서의 정리에 따르면 AI는 단순한省력화뿐 아니라 기존 직원의 아웃풋을 보완하는 역할도 한다.[1][4] 여기에 일본의 현실적인 착지점이 있다. 전면 자동화가 아니라 경험이 부족한 부분을 AI가 채우고, 숙련의 판단을 사람이 쥐는 것이다. 그 분담이 명확해질 때, 현장은 마침내 AI를 ‘외부에서 온 장치’가 아니라 자신의 일 연장으로 다룰 수 있게 된다.[1][2]

몇몇 기업 사례가 이미 그 시작점을 보여준다. 중소기업백서에서 소개하는 제조 현장 가운데, 종이나 엑셀 중심의 관리에서 벗어나 데이터 일원 관리와 실시간 시각화를 진행한 기업이 있다.[4][7] 또 다른 사례에서는 AI를 내부 개발에 활용해 외주라면 약 8,000만 엔이 드는 시스템을 월 이용료로 대체했다 한다.[4] 이런 예는 AI가 마법이라서가 아니라 현장의 준비 과정을 조금씩 단축시키기 때문에 의미가 있다. 하지만 성공 사례가 그대로 전사 표준이 된다는 보장은 없다.[4][7]

지금 남은 질문은 언제 임계점이 올까 하는 점일 것이다. 노동 인구가 물리적으로 부족해지면 현장은 AI를 신뢰하지 않을 수 없게 된다.[1][8] 그때 일어나는 것은 도입의 승리가 아니라 책임 재분배가 될 터다. 누가 AI 제안을 채택하고, 누가 최종 결재를 하며, 어디서 예외를 사람이 맡을지.[2][3] 이 부분이 불명확한 상태라면, 예산이 아무리 쌓여도 시스템은 조용히 잠들어 있을 뿐이다. 중소기업 DX의 진짜 초점은 기능이 아니라 신뢰를 어떤 순서로 조립하느냐에 있다.[1][2][8]