AI 시대, SI 업체와 중소제조업 MES·ERP 업체가 준비해야 할 일

AI와 로봇의 시대가 오면 제조업도 크게 바뀝니다.
특히 SI 업체, MES 개발 업체, ERP 개발 업체는 단순히 프로그램을 만들어 납품하는 방식에서 벗어나야 합니다.

앞으로의 핵심은 이것입니다.

“업무 전산화 업체”에서
“제조 데이터와 AI 운영을 책임지는 업체”로 바뀌어야 합니다.

---

1. 단순 개발 납품만으로는 어려워진다

지금까지 많은 SI 업체는 고객 요구사항을 받아서 화면을 만들고, DB를 설계하고, 보고서를 만들어 납품했습니다.

MES도 비슷했습니다.

생산실적 등록, 작업지시, 자재투입, LOT 추적, 불량등록, 재고관리, 설비점검, 출하관리 등을 화면으로 만들고 현장에 적용했습니다.

하지만 앞으로는 이것만으로 부족합니다.

AI가 코딩을 도와주고, 화면도 자동 생성하고, 보고서도 자동 작성하는 시대가 되면 단순 개발 자체의 가치는 점점 낮아질 수 있습니다.

앞으로 고객은 이렇게 물을 가능성이 큽니다.

“프로그램은 알겠는데, 이걸로 생산성이 얼마나 좋아집니까?”
“불량을 줄일 수 있습니까?”
“납기를 예측할 수 있습니까?”
“재고를 줄일 수 있습니까?”
“AI가 현장 데이터를 분석해 줄 수 있습니까?”

즉, SI 업체의 경쟁력은 코딩 속도가 아니라 제조 현장을 얼마나 이해하고, 데이터를 얼마나 잘 활용하느냐로 이동합니다.

---

2. MES·ERP는 AI의 기반 데이터가 된다

AI를 제조업에 적용하려면 가장 먼저 필요한 것이 데이터입니다.

그 데이터의 중심에 MES와 ERP가 있습니다.

ERP에는 수주, 발주, 구매, 자재, 재고, 매출, 원가, 회계 데이터가 있습니다.
MES에는 작업지시, 생산실적, 설비상태, 품질검사, 불량, LOT, 공정, 작업자, 비가동 데이터가 있습니다.

AI는 이 데이터를 기반으로 판단합니다.

예를 들면 다음과 같습니다.

납기 지연 예측
불량 발생 가능성 예측
설비 고장 예측
재고 부족 예측
작업 부하 분석
생산계획 자동 추천
원가 상승 요인 분석
품질 이상 패턴 탐지

2026년 스마트 제조 AI 로드맵에서도 제조 AI의 핵심 과제로 산업 데이터 관리, 이기종 설비·센서 연계, 신뢰 가능한 AI 운영, 디지털 트윈, 공급망 최적화, 설명 가능한 AI 등이 강조됩니다.

결국 앞으로 MES·ERP 업체는 단순 업무 처리 시스템이 아니라 AI가 학습하고 판단할 수 있는 제조 데이터 플랫폼을 만들어야 합니다.

---

3. 가장 먼저 준비할 것은 데이터 표준화다

AI를 붙이기 전에 먼저 해야 할 일은 화려한 AI 모델 개발이 아닙니다.

가장 중요한 것은 데이터 정리입니다.

중소제조업 현장은 이런 문제가 많습니다.

품목코드가 중복되어 있습니다.
공정명이 사람마다 다릅니다.
불량명이 표준화되어 있지 않습니다.
작업실적 입력 기준이 다릅니다.
설비 데이터와 생산 데이터가 연결되지 않습니다.
엑셀과 수기 자료가 섞여 있습니다.
ERP와 MES의 기준정보가 맞지 않습니다.

이 상태에서는 AI를 적용해도 좋은 결과가 나오기 어렵습니다.

그래서 SI 업체와 MES·ERP 업체는 먼저 다음 기준을 잡아야 합니다.

품목 마스터 표준화
BOM 표준화
공정 Routing 표준화
작업장·설비 코드 표준화
불량 유형 표준화
비가동 코드 표준화
LOT 추적 기준 표준화
검사 항목 표준화
ERP·MES·설비 데이터 연결 기준 표준화

앞으로는 “AI 기능이 있습니다”보다
**“AI가 쓸 수 있는 데이터 구조를 갖추었습니다”**가 더 중요합니다.

---

4. 중소제조업용 MES는 더 가볍고 빠르게 가야 한다

중소제조업체는 대기업처럼 수십억 원 규모의 시스템을 도입하기 어렵습니다.

그래서 앞으로 중소제조업 MES·ERP는 다음 방향으로 가야 합니다.

작게 시작할 수 있어야 합니다.
처음부터 모든 기능을 넣으려고 하면 실패할 가능성이 큽니다.
작업지시, 생산실적, 불량, 재고, 출하처럼 핵심 기능부터 시작해야 합니다.

현장 입력이 쉬워야 합니다.
작업자가 사용하기 어려우면 시스템은 실패합니다.
태블릿, 바코드, QR, 터치 입력, 간편 버튼 방식이 중요합니다.

엑셀을 대체하되 엑셀과도 연결되어야 합니다.
중소기업은 엑셀을 완전히 버리기 어렵습니다.
따라서 엑셀 업로드, 다운로드, 일괄 등록 기능이 매우 중요합니다.

도입 비용이 합리적이어야 합니다.
초기 구축비를 낮추고, 기능별 확장 구조를 갖추는 것이 좋습니다.

단기간 적용이 가능해야 합니다.
중소기업은 긴 컨설팅보다 빠른 적용을 원합니다.
기준정보 정리 → 핵심 기능 적용 → 현장 안정화 → AI 확장 순서가 현실적입니다.

Deloitte의 2026 제조업 전망도 제조기업들이 경쟁력, 민첩성, 회복탄력성 강화를 위해 스마트 제조 투자를 계속할 가능성이 높다고 보고 있습니다.

---

5. AI 기능은 거창한 것보다 실용적인 것부터

중소제조업에서 처음부터 고급 AI를 적용하려고 하면 부담이 큽니다.

처음에는 현장에서 바로 체감할 수 있는 기능부터 넣는 것이 좋습니다.

예를 들면 다음과 같습니다.

AI 작업일보 요약
작업자가 입력한 생산실적, 불량, 비가동 내용을 AI가 하루 단위로 요약합니다.

AI 이상 알림
평소보다 불량률이 높거나 생산량이 낮으면 자동으로 알려줍니다.

AI 재고 부족 예측
수주와 생산계획을 기준으로 자재 부족 가능성을 미리 알려줍니다.

AI 납기 지연 예측
현재 생산 진도, 불량률, 재고, 설비 상태를 기준으로 납기 위험을 알려줍니다.

AI 품질 원인 분석 보조
특정 품목이나 설비에서 불량이 반복되면 원인 후보를 제시합니다.

AI 설비 이상 예측
온도, 전류, 진동, 압력 같은 설비 데이터를 기반으로 이상 징후를 찾습니다.

AI 사용법 도우미
ERP·MES 화면 사용법을 사용자가 질문하면 AI가 답변합니다.

이런 기능은 중소기업 입장에서 이해하기 쉽고, SI 업체 입장에서도 단계적으로 구현하기 좋습니다.

---

6. AI Agent를 무조건 붙이는 것은 위험하다

요즘은 AI Agent라는 말이 많이 나옵니다.
AI가 사람 대신 업무를 판단하고 실행하는 구조입니다.

예를 들어 AI가 재고를 보고 자동 발주를 하거나, 생산계획을 수정하거나, 고객 납기 답변을 작성할 수 있습니다.

하지만 제조업에서는 매우 조심해야 합니다.

AI가 잘못 판단하면 자재가 과다 발주될 수 있습니다.
생산계획이 잘못 바뀔 수 있습니다.
불량품이 정상으로 처리될 수 있습니다.
납기 답변이 잘못 나갈 수 있습니다.
보안 데이터가 외부로 유출될 수 있습니다.

최근 기업용 AI Agent 논의에서도 보안, 승인 절차, 감사 추적, 책임 소재, 기존 업무 프로세스와의 통합 문제가 중요한 리스크로 지적됩니다.

따라서 제조업 AI는 처음부터 완전 자동화보다 다음 방식이 안전합니다.

AI가 추천하고, 사람은 승인한다.
AI가 분석하고, 관리자는 판단한다.
AI가 초안을 만들고, 담당자가 확정한다.
AI가 경고하고, 현장 책임자가 조치한다.

중소제조업에서는 “완전 자동 AI”보다 승인형 AI, 보조형 AI, 설명 가능한 AI가 더 현실적입니다.

---

7. SI 업체는 업종별 패키지를 준비해야 한다

앞으로 SI 업체가 매번 새로 개발하는 방식은 경쟁력이 약해질 수 있습니다.

AI가 개발 생산성을 높이면 고객은 더 빠르고 저렴한 구축을 기대합니다.

따라서 SI 업체는 업종별 표준 패키지를 준비해야 합니다.

예를 들면 다음과 같습니다.

사출 MES 패키지
금형, 원재료, 사출기, Cavity, 생산수량, 불량, 조건관리 중심

가공 MES 패키지
공정 Routing, 설비, 작업시간, 검사, 공구, LOT 추적 중심

조립 MES 패키지
BOM, 부품투입, 작업공정, 검사, 시리얼 추적 중심

식품 MES 패키지
원재료 LOT, 유통기한, 배합, 위생, 이력추적 중심

전자부품 MES 패키지
자재 LOT, 검사 데이터, 공정 조건, 불량 분석 중심

업종별로 70%는 표준화하고, 30%만 고객사에 맞게 커스터마이징하는 방식이 필요합니다.

이렇게 해야 구축 기간을 줄이고, 품질을 높이고, 유지보수 비용도 낮출 수 있습니다.

---

8. 앞으로 필요한 핵심 기술

MES·ERP 적용 업체가 앞으로 준비해야 할 기술은 단순히 C#, Java, Python 같은 개발 언어만이 아닙니다.

다음 역량이 중요해집니다.

API 설계 능력
ERP, MES, 설비, 모바일, 웹, AI 서버가 연결되려면 API 구조가 필요합니다.

데이터베이스 설계 능력
AI 시대에는 DB 설계가 더 중요합니다.
나중에 분석 가능한 구조로 데이터를 쌓아야 합니다.

설비 인터페이스 능력
PLC, 계측기, 바코드, RFID, 센서, 검사장비, 로봇과 연동할 수 있어야 합니다.

클라우드와 온프레미스 혼합 구성 능력
중소기업은 보안과 비용 문제로 내부 서버를 선호할 수 있습니다.
하지만 AI 분석이나 백업은 클라우드를 활용할 수 있습니다.

AI 연동 능력
LLM, 머신러닝, 예측 모델, 이상탐지 모델, RAG 기반 문서검색 등을 업무 시스템에 붙일 수 있어야 합니다.

보안과 권한관리 능력
AI가 데이터를 다루면 보안은 더 중요해집니다.
사용자 권한, 로그, 승인, 감사 추적이 필요합니다.

모바일·태블릿 화면 구성 능력
현장은 PC보다 태블릿과 모바일이 더 편한 경우가 많습니다.

---

9. 유지보수 방식도 바뀌어야 한다

앞으로 고객은 단순 오류 수정만 원하지 않을 것입니다.

고객은 시스템 운영 데이터를 보면서 계속 개선하기를 원합니다.

그래서 유지보수도 다음처럼 바뀌어야 합니다.

기존 방식은 이랬습니다.

오류 발생 → 고객 연락 → 개발자 수정

앞으로는 이렇게 가야 합니다.

로그 수집 → 이상 감지 → 원인 분석 → 자동 리포트 → 개선 제안

예를 들어 MES 운영 중 특정 화면에서 오류가 자주 발생하면 자동으로 로그를 모읍니다.
특정 공정에서 불량 입력이 급증하면 관리자에게 알립니다.
사용자가 자주 묻는 질문은 AI 도움말로 정리합니다.
월별 생산성, 불량률, 납기 준수율을 자동 보고서로 제공합니다.

즉, 유지보수도 수동 대응형에서 데이터 기반 운영관리형으로 바뀌어야 합니다.

---

10. 중소제조업체가 준비해야 할 일

SI 업체만 바뀌어서는 안 됩니다.
중소제조업체도 준비해야 합니다.

가장 먼저 해야 할 일은 현장 데이터 정리입니다.

품목코드를 정리해야 합니다.
BOM을 정리해야 합니다.
공정 흐름을 정리해야 합니다.
불량 유형을 통일해야 합니다.
창고와 재고 기준을 정리해야 합니다.
작업지시와 생산실적 기준을 정해야 합니다.
수기와 엑셀 자료를 줄여야 합니다.

그리고 중요한 것이 있습니다.

현장 작업자가 입력할 수 있는 수준으로 단순화해야 합니다.

MES는 관리자가 보기 좋은 시스템이 아니라, 현장 작업자가 매일 사용할 수 있는 시스템이어야 합니다.

중소제조업 AI 도입의 성공 여부는 고급 알고리즘보다 현장 데이터가 정확하게 쌓이느냐에 달려 있습니다.

---

11. 앞으로의 사업 기회

AI 시대는 SI 업체에게 위기이지만 동시에 큰 기회입니다.

특히 중소제조업 분야에서는 다음 기회가 큽니다.

MES Lite 구축
소규모 제조업체가 빠르게 도입할 수 있는 경량 MES

ERP·MES 연동 서비스
회계·재고·생산 데이터를 연결하는 서비스

설비 데이터 수집 서비스
PLC, 센서, 계측기 데이터를 수집하는 프로그램

AI 품질 분석 서비스
불량률, 검사 데이터, 작업 조건을 분석하는 서비스

AI 설비 예지보전 서비스
온도, 전류, 진동, 압력 데이터를 이용한 설비 이상 예측

AI 경영 리포트 서비스
대표자와 관리자를 위한 자동 요약 보고서

현장 태블릿 앱
작업지시, 실적등록, 검사입력, 자재투입을 쉽게 처리하는 앱

ESG·에너지 관리 연동
FEMS, 전력 사용량, 탄소배출 데이터 관리

앞으로는 단순 개발보다 제조업 운영을 개선하는 서비스가 더 높은 가치를 가질 가능성이 큽니다.

---

12. 가장 현실적인 준비 순서

SI 업체나 MES·ERP 업체가 지금 준비한다면 순서는 이렇게 가는 것이 좋습니다.

1단계: 기존 시스템 표준화

공통 메뉴, 권한, 코드, 사용자, 로그, 파일관리, 알림, 엑셀 업로드 기능을 표준화합니다.

2단계: 업종별 MES 템플릿 구축

사출, 가공, 조립, 식품, 전자 등 업종별 기본 기능을 패키지화합니다.

3단계: 데이터 구조 정리

AI가 활용할 수 있도록 생산, 품질, 설비, 재고 데이터를 표준 구조로 저장합니다.

4단계: 현장 모바일·태블릿 적용

작업자가 쉽게 입력할 수 있는 화면을 만듭니다.

5단계: AI 분석 기능 추가

불량 분석, 납기 예측, 재고 예측, 설비 이상 감지부터 적용합니다.

6단계: AI 도우미 적용

사용법 안내, 작업일보 요약, 경영 리포트, 고객 문의 응대 기능을 붙입니다.

7단계: 승인형 AI Agent 적용

자동 실행보다는 사람 승인 후 처리하는 구조로 확장합니다.

---

마무리

AI와 로봇의 시대에 SI 업체와 MES·ERP 업체는 큰 변화를 맞게 됩니다.

단순히 고객이 원하는 화면을 만들어 주는 업체는 점점 경쟁력이 약해질 수 있습니다.

앞으로 필요한 업체는 이런 업체입니다.

제조 현장을 이해하는 업체
데이터 구조를 설계할 수 있는 업체
MES와 ERP를 연결할 수 있는 업체
설비 데이터를 수집할 수 있는 업체
AI를 실무에 적용할 수 있는 업체
현장 작업자가 쓰기 쉬운 시스템을 만드는 업체
도입 후에도 데이터를 보고 개선해 주는 업체

결국 앞으로의 MES·ERP는 단순 전산 시스템이 아닙니다.

중소제조업의 데이터를 모으고,
AI가 분석하고,
사람이 더 좋은 결정을 하게 만드는 운영 플랫폼이 되어야 합니다.

AI 시대에 SI 업체가 살아남는 방법은 AI와 경쟁하는 것이 아닙니다.

AI를 이용해 고객사의 생산성, 품질, 납기, 원가를 개선하는 업체가 되는 것입니다.