AX 뜻, AI 전환은 DX와 무엇이 다른가

AX는 AI Transformation의 줄임말로, 우리말로는 AI 전환이라고 합니다. AI 도구를 하나 더 들이는 것이 아니라, AI가 직원 대신 업무를 처리하도록 회사의 일하는 방식 자체를 바꾸는 것을 말합니다. DX(디지털 전환)가 종이와 전화로 하던 일을 시스템으로 옮기는 일이었다면, AX는 그 시스템 안에서 사람이 하던 입력과 확인과 판단을 AI에게 넘기는 일입니다.

말은 쉽지만 실제로 해낸 회사는 많지 않습니다. 해외 기업 열 곳 중 아홉 곳이 AI를 쓰고 있지만 회사 이익에 영향이 있었다고 답한 곳은 열 곳 중 네 곳뿐이고, 국내 중소/중견 제조기업의 생산과 물류 현장 AI 도입률은 4%대에 머물러 있습니다. 같은 AI를 쓰는데 왜 결과가 갈리는지, 그리고 중소 유통/제조 회사는 어디서부터 시작하면 되는지 조사 자료와 함께 짚어 봅니다.

AX 뜻: DX 다음 단계, 일하는 주체가 바뀐다

DX와 AX를 가르는 기준은 "누가 일하느냐"입니다. DX를 거치면서 회사는 ERP, 전자결재, 온라인 주문 같은 시스템을 갖췄습니다. 하지만 그 시스템에 자료를 넣고, 화면 사이를 오가며 숫자를 맞추고, 다음에 무엇을 할지 판단하는 일은 여전히 사람이 합니다. AX는 그 일을 AI가 하도록 바꾸는 것입니다.

그래서 AX는 DX를 대체하지 않고 그 위에 올라갑니다. 데이터가 엑셀과 개인 PC에 흩어져 있는 회사는 AI에게 맡길 일이 있어도 AI가 볼 자료가 없습니다. 거꾸로 말하면 DX를 어느 정도 해 둔 회사일수록 AX가 빠릅니다.

유통/제조 회사에서 AX가 바꾸는 업무

AX를 체감하기 가장 쉬운 곳은 매일 같은 일을 반복하는 부서입니다. 유통/제조 회사라면 대표적으로 네 가지 업무가 먼저 바뀝니다.

주문 접수. 거래처 발주서가 메일, 엑셀, 쇼핑몰 주문으로 들어오면 지금은 영업관리 담당자가 하나씩 열어 ERP에 옮겨 적습니다. AX 이후에는 AI가 주문을 읽어 수주로 등록하고, 담당자는 단가가 다르거나 처음 보는 품목인 몇 건만 봅니다.

입금 대사. 통장에 들어온 돈이 어느 거래처의 어느 세금계산서 대금인지 맞추는 일은 월말마다 며칠씩 걸립니다. AI가 입금이 들어온 날 바로 맞춰 두면 월말에 몰아서 할 일이 사라지고, 안 맞는 건만 사람이 확인합니다.

발주. 재고와 생산 계획을 보고 무엇을 얼마나 발주할지는 지금까지 담당자의 경험에 맡겨진 일이었습니다. AI가 매일 부족할 품목과 공급처를 계산해 두면 담당자는 추천 목록을 고치고 보내기만 하면 됩니다.

원가와 보고. 마감이 끝나야 엑셀로 며칠 걸려 계산하던 제품별 원가와 손익을, 입고 단가가 바뀔 때마다 다시 계산해 둘 수 있습니다. 대표가 "지난달 어느 품목에서 이익이 줄었나"를 물으면 바로 답이 나옵니다.

네 업무의 공통점은 사람이 입력하고 맞추던 일이 AI의 일로 바뀌고, 사람에게는 판단이 필요한 예외만 남는다는 것입니다. 이것이 DX와 AX의 차이가 실제 업무에서 보이는 모습입니다.

숫자로 본 AX 현실: 쓰는 곳은 많고, 바뀐 곳은 적다

McKinsey가 2025년 전 세계 약 2,000명의 응답을 모은 The state of AI in 2025에서 최소 한 개 업무에 AI를 정기적으로 쓴다는 회사는 88%로, 1년 전 78%보다 늘었습니다. 하지만 약 3분의 2는 아직 회사 전체로 AI를 확산하기 시작하지 못했고, AI가 회사 전체 영업이익에 어떤 식으로든 영향을 줬다는 응답은 39%였습니다(IT Brief 보도). 영업이익의 5% 이상을 AI 덕분이라고 말할 수 있는 "AI 고성과 기업"은 약 6%에 불과했습니다.

McKinsey는 이 고성과 기업을 가른 요인 가운데 가장 영향이 큰 것으로 업무 흐름을 처음부터 다시 설계했는지를 꼽았습니다. 기존 업무 순서는 그대로 두고 중간에 AI 도구를 끼워 넣은 회사는 일이 조금 편해질 뿐이고, 업무 순서 자체를 AI가 일하는 방식에 맞춰 바꾼 회사에서 숫자가 움직였다는 뜻입니다. 이것이 AI 도입과 AX의 차이입니다.

국내 상황은 더 초기입니다. 대한상공회의소가 2025년 11월 발표한 제조기업 504곳 조사에서 82.3%는 생산, 물류 같은 경영 기능에 AI를 쓰지 않았고, 도입률은 대기업 49.2%, 중소/중견기업 4.2%로 크게 갈렸습니다(코리아중앙데일리 보도). 쓰지 않는 이유로는 비용 부담(73.6%), 전담 인력 부족(80.7%), 효과에 대한 의문(60.6%)이 꼽혔습니다.

직원 개인으로 보면 사정이 조금 다릅니다. 대한상의 경제연구원이 2026년 6월 근로자 약 3,000명을 조사한 결과, 생성형 AI를 쓰는 비율은 중소기업 근로자도 52.7%였습니다(아이뉴스24 보도). 직원들은 이미 개인적으로 AI를 쓰고 있는데, 생성형 AI 도입 로드맵이 없다는 중소기업은 70.4%였습니다. 개인의 AI 사용이 회사의 일하는 방식으로 이어지지 않는 것, 이것이 지금 국내 중소기업 AX의 가장 큰 빈칸입니다.

정부도 AX에 돈을 쓰고 있다

정부는 제조업 AX를 산업 정책의 중심에 두고 있습니다. 산업통상부는 2025년 9월 제조기업, AI 기업, 대학, 연구기관 1,000여 곳이 참여하는 M.AX(제조 AI 전환) 얼라이언스를 출범했고, 참여 기관은 8개월 만에 1,500여 곳으로 늘었습니다. 2030년까지 AI 팩토리 500곳을 만드는 것이 목표이고, 선도 프로젝트 가운데 성과가 먼저 나온 42개 사업장을 점검한 결과 생산성은 평균 30.1% 오르고 불량률은 평균 15.5% 낮아졌다고 밝혔습니다(정책브리핑, 2026년 8월). 성과가 먼저 나타난 사업장만 본 수치라 전체 평균으로 읽을 수는 없지만, AI가 제조 현장 숫자를 바꾸는 사례가 쌓이고 있다는 것은 분명합니다.

사람 쪽 지원도 있습니다. 고용노동부는 2025년 12월 노동시장 AI 인재 양성 방안을 내놓으며 2026년 중소기업 2,000곳의 AI 훈련 진단과 로드맵 설계를 지원하겠다고 밝혔습니다(고용노동부 보도자료). 2026년 1월 22일에는 인공지능 기본법도 시행되어, AI를 쓰는 회사가 지켜야 할 기본 규칙이 생겼습니다.

직원 40명 제조 회사의 AX 첫 3개월

추상적인 전략보다 한 회사가 실제로 무엇부터 하는지 보는 편이 빠릅니다. 포장재를 만들어 유통사와 식품 회사에 납품하는 직원 40명 회사를 예로 들어 보겠습니다. 이 회사는 ERP를 쓰지만 거래처별 단가는 영업 담당자의 엑셀에, 재고는 창고 담당자의 엑셀에도 따로 있습니다.

첫 달: 시간이 새는 곳을 잰다. 팀마다 매주 반복하는 업무를 적고, 한 번에 몇 분씩 몇 번 하는지 셉니다. 이런 회사라면 거래처 발주서를 ERP에 옮겨 적는 일, 통장 입금을 매출과 맞추는 일, 재고를 엑셀과 ERP 양쪽에서 맞추는 일이 목록 맨 위에 올라오기 쉽습니다. 각각 주에 몇 시간인지 숫자로 적어 두어야 나중에 무엇이 좋아졌는지 말할 수 있습니다.

둘째 달: 데이터를 한곳에 모은다. 단가표와 재고 엑셀을 ERP로 옮기고, 엑셀을 닫습니다. AI가 발주서를 처리하려면 거래처별 단가와 재고가 한 시스템에서 조회되어야 합니다. 이 단계가 지루해 보이지만, 국내외 조사에서 AI 도입이 막히는 가장 큰 이유가 바로 흩어진 데이터입니다.

셋째 달: 업무 하나를 통째로 넘긴다. 가장 시간이 많이 새던 업무, 예를 들어 발주서 처리를 AI에게 맡깁니다. AI가 메일로 온 발주서를 읽어 수주를 등록하고 납기 회신 초안을 쓰면, 담당자는 단가가 다르거나 처음 보는 품목인 건만 봅니다. 처음 몇 주는 AI가 처리한 결과를 모두 확인하고, 틀린 유형을 고치면서 확인 범위를 줄여 갑니다.

석 달 뒤 이 회사가 볼 숫자는 "AI를 몇 명이 썼나"가 아니라 "그 업무에 쓰던 주당 시간이 얼마로 줄었나"입니다. 그 숫자가 나오면 다음 업무로 입금 대사를 넘기고, 그다음은 발주 추천으로 넓힙니다. AX는 이렇게 업무 하나씩 넘기면서 쌓이는 것이지, 한 번에 선언해서 끝나는 프로젝트가 아닙니다.

👉 AI 에이전트란? 챗봇과 다른 점, 회사 업무에 쓰는 법

AX가 파일럿에서 멈추는 이유

질문하는 AI만 들인다. 직원들이 챗봇에 질문은 하지만 업무 순서는 그대로인 상태입니다. McKinsey 조사에서 대부분의 회사가 AI를 쓰면서도 이익 변화를 말하지 못하는 이유와 같습니다. 질문이 아니라 업무 하나를 통째로 넘겨야 숫자가 바뀝니다.

AI가 볼 데이터가 없다. 재고, 주문, 회계가 부서마다 다른 파일에 있으면 AI는 사람처럼 파일을 찾아다니다 멈춥니다. 데이터를 한곳에 모으는 일이 AX의 절반입니다.

AI의 답을 다시 옮겨 적는다. AI가 만든 결과를 복사해 ERP에 붙여 넣는 구조라면 사람의 일은 줄지 않고 모양만 바뀝니다. AI가 업무 시스템 안에서 직접 처리해야 시간이 실제로 줄어듭니다.

직원이 AI를 판단할 줄 모른다. AI 결과를 그대로 믿거나, 반대로 하나도 믿지 못하면 AX는 멈춥니다. 무엇을 맡기고 무엇을 확인할지 아는 능력, 즉 AI 리터러시가 함께 자라야 합니다.

👉 AI 리터러시 뜻, 직원에게 필요한 4가지 능력과 진단법

AX 자주 묻는 질문 (FAQ)

Q. AX와 DX는 같은 말인가요?

다릅니다. DX는 업무를 디지털 시스템으로 옮기는 것이고, AX는 그 시스템 안에서 AI가 업무를 처리하게 하는 것입니다. DX가 AX의 바탕이 되기 때문에, 데이터가 시스템에 정리되어 있는 회사일수록 AX를 빨리 시작할 수 있습니다.

Q. 중소기업도 AX를 할 수 있나요?

오히려 사람이 적은 회사일수록 효과가 빨리 보입니다. 한 사람이 주문, 재고, 회계를 함께 맡는 회사에서는 반복 입력이 줄어드는 만큼 그 사람이 다른 일을 할 수 있게 됩니다. 처음부터 전사 전략을 세우기보다, 시간이 가장 많이 새는 업무 하나로 시작하는 것을 권합니다.

Q. AX를 하려면 AI 전문 인력을 뽑아야 하나요?

업무에 맞게 만들어진 AI 서비스를 쓰는 경우라면 전담 개발 인력보다 업무를 잘 아는 담당자가 더 중요합니다. 무엇을 맡기고 무엇을 확인할지는 업무를 아는 사람이 정해야 하기 때문입니다.

Q. AX의 성과는 어떻게 재나요?

AI 사용자 수나 사용 횟수가 아니라 업무 숫자로 잽니다. 주문 한 건의 처리 시간, 월마감에 걸리는 날짜, 사람이 직접 입력한 건수를 시작 전과 비교하면 됩니다.

inline AI로 AX 시작하기

AX가 멈추는 가장 큰 이유는 AI가 일할 데이터와 업무 시스템이 흩어져 있기 때문입니다. inline AI는 문서를 바로 편집하고 만드는 AI 브라우저와 회사용 AI OS가 연결된 시스템입니다. AI 브라우저만 먼저 쓸 수도 있고, AI OS를 함께 쓰면 ERP인 ARP를 비롯해 주문부터 회계까지 회사 업무 전체를 AI가 처리합니다. 지금 쓰는 ERP의 데이터는 2주 안에 무료로 옮겨 드립니다.