맞춤형 AI에서 전사적 내재화로: 탐색 기업과 챔피언의 도약

중소기업의 AI 여정에서 다음 도약은 기성 제품을 폭넓게 쓰는 데서 끝나지 않는다. 자체 데이터로 모델을 훈련하거나, 특정 업무에 맞춘 도구를 개발하거나, 에이전트형 워크플로를 실험하는 기업이 등장한다. OECD의 분류에서 이들은 AI 탐색 기업이다. 그보다 더 나아가 AI를 제품과 내부 운영, 의사결정 전반에 내재화한 기업은 AI 챔피언으로 구분된다.

두 유형 모두 복잡한 AI 활용을 보여주지만 범위에는 차이가 있다. 탐색 기업은 고숙련 인력을 바탕으로 맞춤형 모델 개발을 준비하고 틈새 응용 분야를 개척한다. 제조업과 ICT 같은 데이터 집약적 산업에서 주로 발견되며, 언어 번역용 자체 도구나 고객 서비스용 AI 에이전트처럼 제한된 수의 응용에 집중한다. 활용이 특정 기능에 국한되거나 고립돼 있어 아직 전사적 전환을 완전히 실현하지는 못한 단계다.

일본 도쿄의 초소형 B2B 도매무역 기업은 탐색 기업의 특징을 구체적으로 보여준다. 이 회사는 현지 제조업체와 글로벌 고객을 연결한다. 사업 현장에서는 현지 제조업체의 글로벌 판매를 가로막는 자원 부족, 언어 장벽, 응답 지연이라는 문제가 있었다. 회사는 AI가 이 격차의 일부를 메울 수 있다고 판단하고, 커뮤니케이션과 영업을 효율화하는 맞춤형 AI 에이전트를 만들기 시작했다.

이 에이전트의 역할은 명확했다. Q&A를 처리하고 프로젝트 협상을 지원하며 다국어 번역 채팅 기능을 구동한다. 범용 AI를 막연히 도입한 것이 아니라 판매자와 구매자 사이에서 반복되는 특정 마찰을 겨냥한 것이다. 초소기업과 소기업의 민첩성이 복잡하지만 기능이 분명한 도구를 실험하고 배치하는 데 활용된 사례다.

회사가 설명한 효과는 거래 양쪽에서 나타났다. 판매자에게는 문의 접수, 송장 발행, 배송 같은 특정 업무에서 매출 증가와 직원 시간 절약으로 이어졌다. 글로벌 구매자에게는 시장 조사와 제품 개발에 드는 시간 감소, 협상 주기 단축, 시차가 있어도 가능한 빠른 응답, 편리한 커뮤니케이션을 의미했다. 회사는 AI 덕분에 양측을 스트레스나 언어 장벽 없이 연결해 비용과 시간을 절약하는 것을 핵심 가치로 제시했다.

이 사례의 복잡성은 맞춤형 에이전트를 만들었다는 데 있지만, 적용 범위는 커뮤니케이션과 영업이라는 특정 기능을 중심으로 한다. 이것이 탐색 기업의 중요한 특징이다. 특정 필요에 맞춰 도구를 개발하고 틈새 활용을 개척했지만, 아직 조직 전체의 운영과 전략적 의사결정을 하나의 통합 지능형 시스템으로 연결한 것은 아니다.

AI 챔피언은 이 지점에서 범위를 크게 넓힌다. 이들은 폭넓은 업무를 지원하고 운영 및 전략적 의사결정에 기여하도록 AI를 사업 전반에 배치한다. AI가 조직의 여러 수준에 내재화되고, 통합된 지능형 시스템이 워크플로를 개선하며 운영을 효율화한다. 최적화된 운영과 데이터 기반 의사결정이 특징이고, 워크플로 자동화와 조율에 AI 에이전트를 사용하기도 한다.

캐나다 앨버타주 캘거리의 소규모 헬스케어 기술 기업은 제품과 내부 효율성 양쪽에서 AI 활용을 확대했다. 이 회사는 고성능 Amazon Web Services 클라우드 인프라 위에 첨단 전자의무기록 플랫폼과 디지털 헬스케어 도구 모음을 구축했다. 이 기반에서 대규모 언어모델, 자연어 처리, 컴퓨터 비전을 활용해 임상 노트 전사 서비스와 검사 보고서 분석 같은 제품을 개발했다.

내부 운영에서도 AI와 디지털 도구를 결합했다. 고객 관리와 자동화에는 HubSpot, 팀 협업에는 Google Workspace, 신속하고 수준 높은 고객 응대에는 JustCall을 사용한다. Gemini와 ChatGPT는 내부 회의 전사, 조사, 초안 작성, 아이디어 구상 워크플로, 기술 문서화에 활용한다. 제품을 구성하는 AI와 조직의 생산성을 높이는 AI가 함께 작동하는 셈이다.

이 기업은 캐나다 디지털 헬스 생태계의 혁신을 이끄는 보건기술 기업을 지원하도록 설계된 Canada Health Infoway의 벤더 혁신 프로그램을 통해 정부 지원도 받았다. AI가 내부 프로세스를 개선하지만 모든 고객 응대는 여전히 사람이 직접 한다는 설명은, 광범위한 도입과 사람의 역할이 함께 유지되는 운영 방식을 보여준다.

영국 잉글랜드 케임브리지의 소규모 바이오테크 기업은 더 복합적인 전사 활용 사례다. 이 회사의 목표는 맞춤형 AI 도구로 희귀질환 신약 발굴을 뒷받침하고 자체 프로세스를 최적화해 희귀질환 환자에게 효과적인 치료제를 제공하는 것이다. 이를 위해 희귀질환의 숨겨진 치료 기회를 예측하는 자체 머신러닝 모델을 개발했다.

모델의 기반은 50개가 넘는 관련 정형·비정형 데이터 소스와 관련 질환 및 약물의 정제 데이터를 통합할 수 있는 희귀질환 지식그래프와 지식베이스 시스템이다. 고급 AI가 제품과 서비스의 기반이 된 사례이며, 단일 사무 업무를 돕는 수준과는 활용의 깊이가 다르다.

AI는 연구 기반에만 머물지 않는다. 엔지니어링과 과학 팀은 Copilot, Sonnet, Gemini 같은 LLM 기반 코딩 어시스턴트와 Claude Code, Codex 같은 개발 도구를 광범위하게 사용해 효율성과 생산성을 높이고 있다. 최근에는 신약 발굴 프로그램에 필요한 관련 데이터를 식별하도록 돕는 AI 에이전트와 AI 도구도 개발하기 시작했다.

활용 범위는 엔지니어링 팀 밖으로도 이어진다. 회사는 조직 전체가 내부 문서와 데이터에 더 쉽게 접근하도록 내부 LLM 기반 채팅 인터페이스를 개발했다. 회사가 설명했듯, 이 인터페이스는 LLM의 힘을 더 자유롭게 개방해 회사 전체에 역량을 부여한다. 제품 기반, 전문 팀의 개발 업무, 데이터 탐색, 전사적 지식 접근이 서로 연결된 구조다.

탐색 기업과 챔피언을 가르는 핵심은 맞춤형 AI의 존재만이 아니다. 일본 기업도 자체 에이전트로 분명한 사업 문제를 해결했다. 다만 그 활용은 제한된 기능에 집중됐다. 반면 캐나다와 영국 사례에서는 고급 LLM, 자연어 처리, 컴퓨터 비전, 머신러닝 모델, 지식그래프, 내부 채팅 인터페이스가 제품과 내부 운영의 여러 층에 걸쳐 배치된다. AI 기반 워크플로는 효율성과 규모 확대의 편익을 주지만, 도구를 훈련하고 적절히 배치하는 과제도 함께 따른다.

출처: OECD, D4SME 조사 및 G7 국가 중소기업 사례연구(Bianchini and Lasheras Sancho, 2025; OECD, 2024). CC BY 4.0.