PoC 공화국에서 생존 전략으로

 

한국 제조업의 회의실은 지난 몇 년 동안 비슷한 단어를 반복해 왔다. PoC, 파일럿, 실증, 고도화라는 단어들이다. 보고서에는 늘 “정확도 95%” 같은 빛나는 수치가 있고, 그 수치가 곧 혁신의 증거처럼 제시된다. 그러나 현장의 체감은 자주 엇갈린다. 경영자가 질문을 바꾸지 않기 때문이다. “그래서 이걸 공장 전체에 적용하면, 비용이 얼마나 줄고 현금흐름이 얼마나 좋아지는가”라는 질문이다. 중소기업의 AX가 흔히 멈추는 지점이 여기에 있다. PoC는 ‘가능성’을 보여주지만, 중소기업이 매일 견뎌야 하는 것은 가능성이 아니라 비용과 리스크이다. 전기요금은 매달 청구되고, 인건비는 매달 나가며, 설비는 매달 노후되고, 납기는 매일 압박한다. PoC가 “멋진 실험”으로 남는 순간, 기술은 생존을 돕지 못한다. 따라서 AX는 기술의 과시가 아니라 운영의 생존 전략으로 재정의되어야 한다.

 

이때 ESG는 AX의 의미를 더 선명하게 만든다. 글로벌 규제와 고객사 요구는 “데이터로 증명된 관리”를 요구한다. 탄소와 에너지, 안전과 윤리, 공급망 실사 항목은 선언문으로 해결되지 않는다. 무엇을 했는지, 얼마나 줄였는지, 누가 책임지는지, 어떤 근거가 남아 있는지를 묻는다. 중소기업은 이제 “생산만 잘하면 된다”는 시대를 지나, “생산을 잘한다는 사실을 데이터로 증명해야 하는 시대”에 들어와 있다. AX와 ESG가 합쳐지는 지점이 여기에 있으며, 이를 하나의 운영 전략으로 묶는 관점이 ‘AXESG’이다.

 

 

AXESG의 이론적 뼈대: 기술 도입이 아니라 ‘의사결정 체계’의 전환이다

 

AXESG를 단순히 “AI를 도입하면서 ESG도 한다”는 문장으로 묶으면, 실행 단계에서는 두 개의 서로 다른 프로젝트가 생긴다. 한쪽은 기술팀의 AI 과제이고, 다른 한쪽은 관리부서의 ESG 보고 과제이다. 중소기업에서 이런 분리는 곧 피로로 이어진다. 인력은 제한되어 있고, 같은 사람이 생산·품질·구매·안전·대외 대응을 동시에 맡는 경우도 흔하다. 자원을 둘로 쪼개면 어느 쪽도 제대로 끝나기 어렵다. 따라서 AXESG는 “기술을 더 얹는 일”이 아니라 “의사결정이 이루어지는 방식 자체를 바꾸는 일”로 이해되어야 한다. 이때 학술적으로는 세 개의 렌즈가 유용하다.

 

첫째, 사회기술시스템 관점이다. 제조는 설비와 소프트웨어만으로 움직이지 않는다. 작업자의 숙련, 표준작업, 교대, 점검 문화, 개선회의, 책임과 권한의 구조가 함께 성과를 만든다. AI가 불량 위험을 예측해도 작업지시 체계가 반응하지 않으면 개선은 멈춘다. 예지보전이 고장을 감지해도 정비 일정과 부품 구매가 연결되지 않으면 다운타임은 줄지 않는다. 탄소·에너지 데이터가 있어도 원가·견적·납기 판단으로 이어지지 않으면 경영의 결정을 바꾸지 못한다. 결국 AXESG의 핵심은 모델의 도입이 아니라 데이터가 ‘행동’으로 이어지는 업무 흐름의 재설계이다.

 

둘째, 동적역량 관점이다. 중소기업은 대기업처럼 막대한 데이터를 축적하고 초거대 모델을 학습시켜 경쟁할 수 없다. 대신 변화에 적응하는 속도가 경쟁력이다. 규제는 강화되고, 고객사의 평가 항목은 세분화되며, 인력은 줄어든다. 이때 기업이 살아남는 방식은 “크게 한 번”이 아니라 “작게 여러 번”이다. 변화를 빠르게 감지하고, 작은 실험으로 학습하고, 성공 방식을 재구성해 확산하는 능력이 동적역량이다. 스몰 데이터는 감지 비용을 낮추고, 스몰 모델은 학습·운영비용을 낮추며, 스몰 윈은 확산의 동력을 만든다. AXESG는 이 세 요소를 통해 기업의 학습 속도를 끌어올리는 체계이다.

 

셋째, 더블 머티리얼리티 관점이다. ESG는 ‘우리가 사회와 환경에 미치는 영향’만이 아니라 ‘사회와 환경의 변화가 우리 손익과 리스크에 미치는 영향’을 동시에 본다. 여기서 AXESG의 실용성이 드러난다. 에너지와 탄소는 윤리적 의제이면서 동시에 전력비·연료비·탄소비용이라는 원가 변수이다. 안전은 사회적 책임이면서 동시에 사고비용·보험료·생산중단 손실이라는 손익 변수이다. 품질은 고객 만족의 문제이면서 동시에 재작업·폐기·클레임·납기 패널티라는 비용 변수이다. AXESG는 ESG를 ‘정책 언어’에서 ‘원가 언어’로 번역해 주는 운영 체계이다.

 

정리하면 AXESG는 “AI를 어디에 썼는가”가 아니라 “데이터를 어떤 결정 구조로 묶었는가”로 평가되어야 한다. 그리고 이 결정 구조는 결국 ‘성과’와 ‘증빙’을 함께 만든다. 성과는 내부 운영의 언어이고, 증빙은 외부 신뢰의 언어이다. AXESG는 그 둘을 같은 데이터 흐름에서 만들어내는 체계이다.

 

스마트공장 1.0의 한계와 통합 플랫폼의 방향

 

스마트공장 보급은 한국 제조업의 데이터 기반을 분명히 넓혔다. 센서와 PLC, MES와 ERP가 깔리면서 “데이터가 전혀 없는 공장”은 줄어들었다. 그러나 많은 중소기업은 여전히 “데이터는 있는데 AI를 돌리면 쓸 게 없다”는 말을 한다. 이 모순은 데이터의 ‘양’이 아니라 데이터의 ‘구조’에서 나온다.

 

첫째 한계는 상관은 많지만 인과가 약하다는 점이다. 설비 데이터는 잘 모인다. 온도, 압력, 전류, 진동 같은 신호가 연속적으로 쌓인다. 그러나 불량이 발생했을 때 그 순간의 원재료 배치, 작업자 교대, 작업지시 변경, 금형 상태, 설비 점검 이력 같은 맥락 데이터가 함께 붙지 않으면 “온도가 높을 때 불량이 난다” 같은 상관만 남는다. 상관만 남으면 현장은 결국 경험과 감에 기대게 된다. AI는 상관을 더 정교하게 보여줄 수는 있어도, 맥락이 없으면 현장의 행동을 바꾸기 어렵다. 행동이 바뀌지 않으면 성과가 누적되지 않는다.

 

둘째 한계는 OT와 IT의 분절이다. OT는 설비 쪽에, IT는 생산·품질·원가 쪽에 따로 존재한다. 에너지 데이터는 또 다른 시스템(FEMS 등)에 고립되기 쉽다. 그러면 품질 문제는 품질팀의 화면에서만, 에너지 문제는 설비팀의 화면에서만, 원가 문제는 관리팀의 엑셀에서만 존재한다. 같은 사건이 조직 안에서 세 번 다르게 해석된다. 통합이 없는 곳에서는 책임도 흐려진다. 책임이 흐려지면 개선은 반복되지 않는다.

 

셋째 한계는 시간축 불일치이다. OT는 초 단위로, MES는 오더 단위로, ERP는 일 단위로 기록된다. 같은 사건을 서로 다른 시간 단위로 기록하면 연결이 어렵다. 예지보전이 “다음 24시간 내 이상 가능성”을 말해도 정비 일정이 주 단위로만 움직이면 실행이 늦어진다. 불량이 특정 시간대에 몰려도 교대 정보가 붙지 않으면 원인은 가려진다. 통합 플랫폼의 핵심은 데이터의 수집이 아니라, 서로 다른 시간축을 하나의 의사결정 시간축으로 맞추는 일이다.

 

넷째 한계는 기준정보의 혼란이다. 같은 설비인데 시스템마다 이름이 다르고, 같은 공정인데 코드가 다르면 데이터는 합쳐지지 않는다. 불량 원인 태깅이 표준화되지 않으면 “스크래치”와 “찍힘”과 “표면 불량”이 사람마다 다르게 입력된다. 이때 AI는 학습해도 신뢰하기 어렵다. 통합 플랫폼은 대시보드가 아니라 ‘같은 말을 같은 의미로 쓰게 하는’ 기준정보 체계에서 시작한다.

 

이 한계들을 넘어서는 방향이 통합 플랫폼형 AXESG이다. 다만 중소기업에게 통합은 “전부 다 합친다”가 아니라 “결정을 위해 필요한 것부터 묶는다”는 의미여야 한다. 에너지 피크를 잡겠다면 전력 데이터와 생산계획·설비 가동 패턴이 먼저 연결되어야 한다. 불량을 줄이겠다면 공정 조건과 자재 배치·작업 상태 태깅이 먼저 연결되어야 한다. 안전을 줄이겠다면 위험작업의 작업지시·교육 이수·현장 감지가 먼저 연결되어야 한다. 통합의 기준은 데이터가 아니라 의사결정이다.

 

중소기업형 AXESG의 기준 아키텍처: 작게 시작하되 확장 가능해야 한다

 

대기업의 통합 플랫폼 사례는 방향을 보여주지만, 중소기업은 그것을 그대로 복제할 필요도 없고 그럴 수도 없다. 중소기업에게 필요한 것은 ‘완성형 거대 플랫폼’이 아니라 ‘작게 시작해도 무너지지 않는 골격’이다. 이 골격은 기술 아키텍처이면서 동시에 운영 아키텍처이다.

 

중소기업형 AXESG 아키텍처는 네 층으로 단순화할 수 있다.

 

첫째 층은 데이터 층이다. 여기서 중요한 질문은 “무엇을 많이 모을 것인가”가 아니라 “무엇을 증명할 것인가”이다. 전력비 절감인지, 불량 감소인지, 다운타임 감소인지, 안전 리스크 감소인지 하나를 먼저 정한다. 그 다음 그 문제를 설명하는 CTQ 3~5개를 정하고, 최소 센서 신호와 최소 태깅으로 데이터 구조를 만든다. 태깅은 중소기업형 아키텍처에서 특히 중요하다. 센서가 ‘현상’을 기록한다면 태깅은 ‘맥락’을 기록한다. 맥락이 없으면 인과가 없다. 인과가 없으면 개선이 반복되지 않는다.

 

둘째 층은 분석·모델 층이다. 이 층에서 중소기업의 우선순위는 ‘최신’이 아니라 ‘운영 가능’이다. 경량 시계열 이상탐지, 규칙+통계 기반 감시, 목적 특화 비전 모델 같은 방식은 데이터 요구량과 운영 부담을 낮춘다. 또한 설명가능성을 확보하기 쉽다. 현장은 “왜 이 알람이 떴는가”를 이해해야 움직인다. 설명가능성은 윤리의 문제이기도 하지만, 무엇보다 운영의 문제이다.

 

셋째 층은 실행 층이다. 많은 PoC가 실패하는 이유는 알람이 울리고 끝나기 때문이다. 알람은 행동을 바꾸지 못하면 소음이 된다. 실행 층은 알람을 작업지시로, 작업지시를 점검 일정으로, 점검 결과를 개선회의로 연결하는 곳이다. 즉 ‘결정의 자동화’가 아니라 ‘결정의 준비’를 자동화하는 층이다. 중소기업에서 실행 층이 약하면 성과는 개인의 열정에 의존한다. 개인이 지치면 성과도 사라진다.

 

넷째 층은 ESG 증빙 층이다. ESG는 보고가 아니라 증빙이다. 증빙은 ‘나중에 맞추는 문서’가 아니라 ‘처음부터 남겨두는 기록’이다. 누가, 언제, 어떤 근거로, 어떤 조치를 했고, 결과가 어떻게 바뀌었는지를 남겨야 한다. 이것이 내부적으로는 성과 관리의 근거가 되고, 외부적으로는 고객사 평가와 규제 대응의 근거가 된다. 중소기업은 특히 “갑자기 자료를 내라”는 요청에서 비용이 폭발한다. 따라서 ESG 증빙 층은 옵션이 아니라 기본값이다.

 

이 네 층을 떠받치는 것이 데이터 거버넌스이다. 누가 KPI를 소유하는지, 누가 태깅 기준을 교육하는지, 누가 접근권한과 보안을 관리하는지 정해져야 한다. 중소기업은 전담 조직이 없기 때문에 오히려 책임 구조를 더 명확히 해야 한다. 시스템은 결국 책임이 있는 곳에서만 살아남는다.

 

스몰 데이터·스몰 모델·스몰 윈: 중소기업형 AXESG 설계 원칙

 

중소기업형 AXESG의 설계 원칙은 한 문장으로 요약된다. “작은 것을 제대로 해서 큰 것으로 확장한다”는 원칙이다. 이 원칙을 실행 언어로 바꾼 것이 스몰 데이터, 스몰 모델, 스몰 윈이다.

 

스몰 데이터는 문제 지향형 수집이다. 중소기업은 빅데이터를 모으는 순간 비용과 복잡도가 급격히 올라간다. 따라서 “문제 1개 + KPI 1개”를 먼저 확정하고, 그 KPI를 설명하는 CTQ 3~5개만 잡는다. 그리고 현장이 지속적으로 입력 가능한 태깅 체계를 설계한다. 태깅이 정착되면 데이터는 ‘설명 가능한 데이터’가 된다. 설명 가능한 데이터가 되면 개선이 반복된다.

 

스몰 모델은 목적 특화형 모델이다. 초거대 모델은 멋지지만, 중소기업의 목표는 멋이 아니라 효율이다. 예지보전은 경량 시계열 모델로도 충분히 큰 효과를 낼 수 있다. 머신비전도 모든 불량을 잡기보다 비용이 가장 큰 불량 유형 하나부터 잡는 것이 유리하다. 안전도 전 영역을 감시하기보다 위험구역 출입과 보호구 착용 같은 핵심 행동부터 잡는 것이 현실적이다. 모델은 작아도 된다. 문제에 집요하게 맞추면 된다.

 

스몰 윈은 시간 전략이다. 중소기업은 장기 프로젝트에 취약하다. 첫 성과가 3개월 안에 보여야 한다. 첫 달은 기준선과 태깅 정착, 둘째 달은 파일럿 라인 실행 연결, 셋째 달은 KPI 변화 확인과 비용 환산이다. 작은 성공은 조직의 학습을 촉발하고, 다음 투자 결정을 가능하게 한다. 작은 성공이 없으면 AX는 ‘좋은 이야기’로 남는다.

 

 

‘성공하는 PoC’의 조건: 기술 성과가 아니라 ‘경영 산식’이 먼저이다

 

PoC가 확산으로 이어지는지 여부는 기술팀이 아니라 경영의 질문이 결정한다. “좋아 보인다”가 아니라 “계산이 된다”가 되어야 한다. 따라서 성공하는 PoC는 시작부터 경영 산식이 함께 설계된다.

 

첫째 조건은 TCO 관점이다. 초기 구축비만 보면 대부분의 PoC는 매력적으로 보인다. 그러나 운영비가 숨어 있다. 데이터 정제, 태깅 유지, 현장 교육, 모델 업데이트, 장비 교체, 보안 대응, 장애 대응이 누적된다. 중소기업에서 운영비의 핵심은 결국 인력이다. “누가 이 시스템을 매일 돌릴 것인가”가 답이 없으면, PoC는 성공해도 확산되지 않는다. 성공하는 PoC는 기술을 도입하기 전에 운영 부담을 줄이는 설계를 먼저 한다.

 

둘째 조건은 ROI를 절감+회피+추가이익으로 계산하는 것이다. 중소기업의 AI 성과는 대체로 절감과 회피로 나타난다. 전력비 절감, 재작업 감소, 다운타임 감소가 절감이다. 납기 패널티 회피, 클레임 비용 회피, 고객사 감사 리스크 감소가 회피이다. 추가이익은 납기 안정으로 수주가 늘거나, 평가가 개선되어 거래가 유지되는 형태로 나타난다. PoC 보고서는 이 세 범주를 하나의 산식으로 묶어야 한다. 그래야 경영자는 확산 규모를 판단할 수 있다.

 

셋째 조건은 기준선의 엄격함이다. 기준선이 없으면 성과는 주장에 머문다. 기준선은 ‘프로젝트 전 4~8주’ 같은 형태로 잡을 수 있다. 전력 피크, 불량 PPM, 정지시간, Near-miss 같은 지표는 기준선이 있어야 변화가 보인다. 변화가 보여야 승인과 확산이 일어난다.

 

넷째 조건은 설명가능성과 알람 품질이다. 현장은 알람이 많아지면 알람을 끈다. 알람이 늦으면 쓸모가 없다. 알람이 설명되지 않으면 신뢰가 사라진다. 성공하는 PoC는 모델을 고도화하기 전에 ‘알람의 품질’을 관리한다. 현장에서 행동으로 이어지는 알람만 남기는 것이 곧 성과이다.

 

다섯째 조건은 PoC를 ‘기술 파일럿’이 아니라 ‘운영 파일럿’으로 정의하는 것이다. 데이터가 모이고, 분석이 이루어지고, 실행이 발생하고, 결과가 기록되는 최소 루프가 만들어져야 한다. 이 루프가 한 번 돌아가면 PoC는 프로젝트가 아니라 습관이 된다. 습관이 되면 확산은 시간문제다.

 

소유에서 구독으로: SaaS·패키지형 AXESG의 부상

 

AXESG가 중소기업에서 자주 좌초하는 이유 중 하나는 구축 방식이 무겁기 때문이다. 서버를 사고, 내부 개발자를 두고, 우리 공장만을 위한 시스템을 온프레미스로 만드는 방식은 초기 투자비뿐 아니라 지속 운영의 부담을 키운다. 담당자 한 명이 바뀌면 시스템이 흔들리는 조직도 많다. 이때 중소기업이 실제로 잃는 것은 시스템이 아니라 시간이다. 시간이 무너지면 경쟁력이 무너진다.

 

구독형 SaaS와 업종별 패키지 솔루션은 이 시간을 지키는 전략이 될 수 있다. 구독형의 장점은 세 가지로 요약된다. 초기 투자 부담이 낮고, 운영 부담을 공급사와 분담할 수 있으며, 다수 기업의 운영 경험이 축적되면서 기능이 고도화될 수 있다. 중소기업은 소프트웨어 운영이 핵심 역량이 아닌 경우가 많다. 구독형은 기술 운영을 덜어내고 성과 운영에 집중하게 한다.

 

다만 구독형은 계약이 부실하면 벤더 종속이 된다. 데이터 반출과 이관이 가능한지, OT/MES/ERP 연계가 표준 방식으로 가능한지, 장애 대응과 보안 업데이트가 어떤 수준으로 보장되는지, ESG 산출물이 단순 보고인지 감사추적 가능한 증빙 패키지인지 확인해야 한다. 구독은 편의가 아니라 전략이다. 전략은 질문의 질로 결정된다.

 

결국 소유냐 구독이냐는 기술 취향이 아니라 경영 판단이다. 중소기업이 소유해야 할 것은 시스템이 아니라 성과이다. 구독형은 성과를 빨리 만들기 위한 구조이고, 온프레미스는 통제가 필수이고 내부 역량이 있을 때 선택하는 구조이다.

 

AX와 ESG: 리스크인가, 넷 포지티브 도구인가

 

AI는 전력을 소비한다. 이 사실은 부정할 수 없다. 그러나 제조 현장에서 AX가 만드는 변화는 단순히 “전기를 더 쓰느냐”로만 설명되지 않는다. 예지보전은 돌발 고장을 줄여 긴급정비와 생산손실을 줄이고, 머신비전은 불량과 재작업을 줄여 폐기물과 에너지 낭비를 줄이며, 에너지 최적화는 피크를 줄여 기본요금과 비용을 줄인다. 즉 AX는 잘 설계되면 넷 포지티브 도구가 될 수 있다.

 

핵심은 측정이다. 넷 포지티브는 감상이 아니라 비교이다. AI 운영으로 추가로 사용한 에너지와, AI로 절감한 전력·자원·손실을 같은 틀에서 기록해야 한다. 기준선이 있고 개입 시점이 분명해야 한다. 그렇지 않으면 개선은 주장으로 남고, ESG는 그린워싱 논쟁으로 흐른다. 중소기업에게 가장 강한 커뮤니케이션은 과장이 아니라 정확한 작은 수치이다. “전력 사용량이 몇 kWh 줄었다”는 문장은 “친환경에 기여했다”보다 강하다. “재작업이 몇 퍼센트 줄었다”는 문장은 “품질이 좋아졌다”보다 강하다. ESG는 결국 신뢰의 경제이고, 신뢰는 정밀한 기록에서 나온다.

 

산단·공급망 단위 인프라와 인구 절벽

 

향후 5년 한국 제조업의 가장 큰 변수는 기술만이 아니라 인구 구조이다. 숙련공 은퇴가 본격화되고 청년층은 현장을 기피한다. 많은 산업단지에서 “설비를 돌릴 사람이 없다”는 말은 더 이상 과장이 아니다. 이때 AX의 역할은 완전 무인화라는 이상이 아니라 노동 증강이라는 현실에 있다. 사람을 대체하는 것이 아니라 사람의 역량을 확장해 “적은 인력으로 안정적으로 운영되는 공장”을 만드는 전략이다.

 

노동 증강형 AX는 학습의 가속, 판단의 보조, 작업의 분해를 통해 효과를 만든다. AR과 AI 안내는 비숙련 인력의 숙련을 빠르게 만들고, 예지보전과 비전 AI는 숙련자의 감각에 의존하던 판단을 보완하며, 디지털 작업지시와 음성 안내는 복잡한 작업을 단계로 분해해 오류를 줄인다. 이는 한 명의 작업자가 여러 라인을 관리하는 구조를 가능하게 한다. 인구 절벽 시대의 생산성은 설비의 자동화율만으로 설명되지 않는다. 운영의 안정성이 경쟁력이다.

 

이때 산단·공급망 단위 인프라가 중요해진다. 개별 기업이 각자 데이터 구조를 만들고 각자 규제 대응을 하면 비용은 중복되고 표준은 어긋난다. 산단 단위로 데이터 표준과 인터페이스가 제공되면 중소기업은 제로에서 시작하지 않아도 된다. 공급망 단위로 ESG 요구 항목이 정리되면 기업은 임시 대응 비용을 줄일 수 있다. 정책의 관점도 개별 공장 보급에서 산단·공급망의 데이터 고속도로와 표준 접속부로 이동해야 한다. 연결이 비용을 줄이고, 비용이 확산을 만든다.

 

결론: 중소기업이 지금 당장 실행할 전략과 정부에 대한 정책 제언

 

AX와 ESG는 더 이상 분리해서 볼 수 없는 시대이다. 데이터로 신뢰를 증명하지 못하면 기술력만으로 공급망에 남기 어렵다. 동시에 AX 없이 ESG 요구를 수작업과 인력으로만 버티는 것도 지속 가능하지 않다. 따라서 중소기업에게 AXESG는 거대한 구호가 아니라 작은 데이터를 바탕으로 작은 성공을 반복하는 생존 전략이다.

 

중소기업의 첫걸음은 거창한 마스터플랜이 아니다. 공장에서 가장 돈이 새는 지점을 하나 고르고, 그 지점을 설명하는 데이터 구조를 작게 만들고, 90일 안에 한 번의 변화를 만들어내는 일이다. 그 변화가 숫자로 기록될 때 AX는 기술이 아니라 운영이 된다. 그리고 그 기록이 증빙으로 전환될 때 ESG는 비용이 아니라 신뢰가 된다. AXESG는 결국 운영의 경제성과 신뢰의 경제성을 동시에 만족시키는 길이다.

그렇다면 지금 정부에게 중소기업의 AXESG 내재화를 위한 어떤 현실적 대안정책이 필요할까? 관점에 따라서 다양한 대답이 나올 수 있지만, 필자가 생각하는 방향은 크게 다음과 같은 세 가지로 요약된다.

 

첫째, 국가와 지차체는 “산단 AXESG 공통 인프라”를 구축해야 한다. 산단의 중소기업은 개별 기업 단위로 데이터 표준과 보안 체계를 모두 갖추기 어렵다. OT·IT·에너지 데이터가 제각각이고, 고객사·규제 요구는 계속 늘어난다. 이때 기업이 각자 인프라를 구축하면 비용이 중복되고 표준이 어긋나 연계가 막힌다. 따라서 산단 단위로 공동 사용 가능한 “AXESG 디지털 인프라”를 공공이 주도해 깔아야 한다.

 

(1) 데이터 연계 기반을 산단 공통으로 제공해야 한다. API 게이트웨이와 표준 커넥터(설비·MES/ERP·FEMS 연계)를 산단 레벨에서 제공하면 기업의 접속 비용이 급감한다.

 

(2) 공동 보안·인증 체계를 패키지로 제공해야 한다. 접근권한, 로그·감사추적, 기본 보안 가이드가 산단 공통으로 마련되면 중소기업의 보안 대응 비용이 구조적으로 내려간다.

 

(3) ESG 증빙 레이어를 공통 템플릿으로 제공해야 한다. 단순 보고서가 아니라 근거 데이터까지 묶이는 감사추적 구조가 핵심이다. 이 정책의 효과는 “개별 공장 스마트화”를 넘어 “산단 운영체계의 데이터화”로 전환되는 기반을 만든다는 데 있다.

 

둘째, “90일 스몰 윈” 중심의 성과연동형 지원체계로 전환해야 한다. 중소기업은 장기 프로젝트에 취약하다. 첫 성과가 늦어지면 현장 저항이 커지고 담당자 이탈과 우선순위 변경으로 좌초할 가능성이 높다. 지원 방식은 구축비 중심이 아니라 90일 내 성과를 만드는 방식으로 바뀌어야 한다.

 

(1) 지원 단위를 “프로젝트”가 아니라 “KPI 개선”으로 설정해야 한다. 전력피크, 불량(PPM), 다운타임, Near-miss 같은 지표 중 하나를 선택하고 기준선→개입→성과 확인까지 90일로 설계해야 한다.

 

(2) 성과연동형(마일스톤) 지급 구조가 필요하다. 기준선 확정과 데이터 정의(CTQ·태깅) 완료, 파일럿 실행 연결(알람→작업지시/점검), KPI 변화 확인 및 원가 환산의 단계가 충족될 때 지원이 집행되도록 해야 한다.

 

(3) 확산 지원은 2단계로 분리해야 한다. 1차 90일에서 성과가 확인된 기업만 범위 확대 또는 깊이 확대 바우처를 제공하면 예산 효율이 높아진다. 핵심은 중소기업에게 “작은 성공의 공식 경험”을 만들어 주는 것이다.

 

셋째, “구독형(SaaS) 도입 바우처 + 데이터 이관권(Exit) 보장”을 패키지로 제공해야 한다. 중소기업이 AXESG를 도입할 때 가장 큰 리스크는 구축 이후 운영이다. 구독형 SaaS는 초기 부담을 낮추지만 벤더 종속과 데이터 이관 문제가 생길 수 있다. 정책은 단순 장려를 넘어, 구독형 도입을 촉진하면서도 데이터 주권을 보호하는 장치를 함께 제공해야 한다.

 

(1) 업종별 SaaS 패키지 메뉴를 표준화해 선택형으로 제공해야 한다. FEMS+탄소환산, 예지보전, 비전검사, 안전 모니터링 등 메뉴를 구성하고, 컨설팅은 “문제 1개+KPI 1개+CTQ 3~5개” 정의에 집중시키는 구조가 효율적이다.

 

(2) 바우처 대상 솔루션에는 상호운용성과 이관권 요건을 의무화해야 한다. 데이터 반출, 표준 API, OT/MES/ERP 커넥터, 감사로그·권한관리 같은 최소 요건을 충족한 솔루션만 지원해야 한다.

 

(3) ESG 증빙 산출물의 최소 기준을 정해야 한다. ‘표 출력’이 아니라 ‘근거 데이터+변경 이력+책임 기록’이 포함된 증빙 패키지가 기준이 되어야 한다. 이 정책은 중소기업의 “빠른 도입”과 “장기 자립”을 동시에 가능하게 할 것으로 기대한다.

 

이동권 ㈜한컨설팅그룹 수석전문위원 |