"보고서만 쓰던 AI는 옛말 … '일꾼AI'가 재고 배치·주문까지 대신하죠" 작성일 08-24 29 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">'에이전트F' 개발사 온아웃 김승민 대표<br>ERP·물류·판매 데이터 묶어<br>매장별 물량 배분·품절 예측<br>실무자 반복업무 자동화 도와<br>"이젠 AI 성능 겨루기 끝났다…현장적용 속도가 곧 경쟁력"</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="3dvK1MTsvk"> <figure class="figure_frm origin_fig" contents-hash="8809797676c66505b3a3c916d5ab5004a7044fca815056033ce2aea310988cd4" dmcf-pid="0JT9tRyOCc" dmcf-ptype="figure"> <p class="link_figure"><img alt="김승민 온아웃 대표가 매일경제와 인터뷰하고 있다. 이승환 기자" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202608/24/mk/20260824160604595uyge.jpg" data-org-width="1000" dmcf-mid="F3bNQOKpTE" dmcf-mtype="image" height="auto" src="https://img1.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202608/24/mk/20260824160604595uyge.jpg" width="658"></p> <figcaption class="txt_caption default_figure"> 김승민 온아웃 대표가 매일경제와 인터뷰하고 있다. 이승환 기자 </figcaption> </figure> <p contents-hash="2bfcf5cb00d637c32771f7a7214836ad5ba94a80504c20b33b672ea725b0da95" dmcf-pid="piy2FeWIlA" dmcf-ptype="general">"지난주 판매 데이터 정리해서 보고서 만들어줘."</p> <p contents-hash="61963d8fa3b6291236f8a66c549d10457ead934114b1c72242131ac7a2a7d833" dmcf-pid="UnWV3dYCTj" dmcf-ptype="general">얼마 전까지 기업이 인공지능(AI)에 기대한 역할은 딱 여기까지였다. 요약하고, 정리하고, 문서를 만드는 일. 그런데 최근 패션업계 현장은 결이 다르다. AI가 상품별 판매량을 분석하는 데 그치지 않고 각 매장에 초도 물량을 배분하거나 매장 간 재고 이동까지 판단해 처리한다. 답을 내놓는 AI에서 일을 처리하는 AI로 넘어간 것이다.</p> <p contents-hash="b76972566cacc85f145be194445a02b06ebe1e5a71a0139f842ba88f0b5c020b" dmcf-pid="uMhqXPlwlN" dmcf-ptype="general">이런 변화의 한복판에 '에이전트F(Agent-F)'가 있다. AI 기업 온아웃이 패션 유통 전문가인 강태수·김정회 에이아이모스트 대표와 협업해 개발했다. 패션에서 출발해 제조·식품으로 영역을 넓혔고 최근에는 해외 진출도 추진하고 있다.</p> <p contents-hash="99f0cf5b6a4f2c893f8200bb111d0872082f1700b45ebc71cc3d23658f4762c1" dmcf-pid="7RlBZQSrya" dmcf-ptype="general">최근 매일경제와 만난 김승민 온아웃 대표는 "이제 AI 경쟁의 승부처는 모델 성능이 아니다"며 "기업이 보유한 데이터를 얼마나 빨리 AI와 연결해 성과를 거두느냐가 핵심 경쟁력"이라고 강조했다.</p> <p contents-hash="b9b51328b907fe49927e0b25d9bb76c4861b1fd6aebea89351808ce5225e4e7e" dmcf-pid="zeSb5xvmTg" dmcf-ptype="general">◆AI가 '실제 업무'를 처리한다</p> <p contents-hash="ccfcb7a93c1cdcb917c8ef56b600a55f4768a811b0dd3850ef30af971af1dca9" dmcf-pid="qdvK1MTsyo" dmcf-ptype="general">에이전트F는 패션기업의 전사적자원관리(ERP)와 엑셀, 물류·판매 데이터를 하나로 연결해 실무자의 반복 업무를 자동화하는 AI다. 일반적인 생성형 AI가 질문에 답하거나 문서를 만드는 데 집중한다면 에이전트F는 기업 내부 데이터를 바탕으로 초도 물량 배분, 매장 간 재고 이동, 품절 예상, 매출 분석, 정산 내역 대조 같은 실제 업무를 수행하도록 설계됐다.</p> <p contents-hash="48a55f1b6f2ec51f0e16d177e1f6dc7a00924b9036e703b344f9647be7956499" dmcf-pid="BJT9tRyOSL" dmcf-ptype="general">수시간짜리 업무가 수십 초로 단축됐다. 과거 영업기획 담당자는 ERP에서 데이터를 내려받은 뒤 여러 엑셀 파일을 합치고 상품별·매장별 판매율을 다시 계산해야 했다. AI 에이전트는 같은 작업을 자동으로 처리한다.</p> <p contents-hash="365924e73463b51c6f35e1314f19e2fbb64a05bbfa0e370533b9140d9ce3b213" dmcf-pid="biy2FeWIln" dmcf-ptype="general">김 대표는 "패션기업은 상품과 매장, 창고, 판매 채널별 데이터가 복잡하게 흩어져 있어 범용 AI만으로는 실무에 적용하기 어렵다"며 "에이전트F는 각 기업의 상품 코드와 업무 기준, 나아가 담당자들이 판단하는 방식까지 데이터 구조에 반영하는 것이 특징"이라고 설명했다.</p> <p contents-hash="150848b57ee4fbb389b49eae76e76ed5efb0463a69f8bc7add5acb0b9eab4436" dmcf-pid="KnWV3dYCSi" dmcf-ptype="general">◆ 속도가 곧 마진이다</p> <p contents-hash="aafa05ea8c30cdf954882cc8eedf4e290a4ae66af333bc01fb8d50d16c8a7993" dmcf-pid="9LYf0JGhhJ" dmcf-ptype="general">실행형 AI 수요를 키운 건 짧아진 상품 주기다. 판매 채널이 온라인몰과 오프라인 매장, 라이브커머스로 쪼개지면서 확인할 데이터는 늘었지만 분석은 여전히 엑셀과 담당자 경험에 기댄다. 출시 후 판매 반응을 보고 추가 생산이나 재고 이동을 결정하는데 시간이 지체되면 정상가 판매 기회를 놓치고 할인율만 높아진다.</p> <p contents-hash="12a1a97f311fd5ffd82ac01ef7d668d353bf08f8c7f96291a42b22e70f310892" dmcf-pid="2oG4piHlCd" dmcf-ptype="general">AI를 바라보는 기업들의 태도도 달라졌다. 김 대표는 "지난해까지만 해도 AI가 무엇을 할 수 있는지 묻는 기업이 많았다면 최근에는 우리 회사 업무 중 어떤 부분부터 적용할 수 있는지를 묻는다"며 "도입을 고민하는 단계는 지났고 누가 먼저 현업에 적용하느냐의 경쟁이 시작됐다"고 말했다.</p> <p contents-hash="59e5d6717872e6e58e6e1be51b3cb3ef05d5209ce3dda03e3125a633b4430793" dmcf-pid="VoG4piHlve" dmcf-ptype="general">실제로 적용에 나선 기업도 늘고 있다. 패션 브랜드 챌린저골프에는 매출과 재고 데이터를 토대로 할인 시점과 재고 소진 시기를 판단하는 운영 자동화가 도입됐다. 식품기업 에스앤푸드는 생산·재고·판매 데이터를 연결해 제조 운영을 자동화했고, 기계식 주차 설비 기업 동양기전에는 영업과 견적, 설치, 유지보수, 보고를 하나의 흐름으로 묶는 전사 AX 시스템이 구축됐다.</p> <p contents-hash="d40f01e33a714c73bbf02e6023e0589df88ebae1cab82777aa405721841b8841" dmcf-pid="fgH8UnXShR" dmcf-ptype="general">◆담당자 머릿속 '암묵지'를 데이터로</p> <p contents-hash="34cfa8c37748729e8f2148656429a98d4bfce9149708f9f1bdf51a35dc8b257f" dmcf-pid="4aX6uLZvyM" dmcf-ptype="general">실행형 AI의 성패는 기업마다 다른 판단 기준을 어떻게 시스템에 담느냐에 달렸다. 같은 판매율이라도 매장 등급과 지역 특성, 출시 후 경과 기간에 따라 판단은 달라진다. </p> <p contents-hash="f2bba7b5552aded302df74711e63225d935799a4a1bf8b60239b4a58f4b95e5a" dmcf-pid="8NZP7o5Thx" dmcf-ptype="general">에이전트F가 과거 판매 데이터와 재고 정보뿐 아니라 실무자의 판단 기준까지 구조화하는 이유다. 담당자의 경험으로만 남아 있던 '암묵지'를 AI가 쓸 수 있는 데이터로 바꾸는 작업이다. 판매율은 높은데 재고가 부족한 매장에는 조기 품절 가능성이 높은 품번을 찾아내 대응 방안을 제시한다. 온아웃은 이처럼 데이터를 연결하고 정리한 뒤 그 위에 에이전트를 올리는 구조를 '아틀라스 파운드리'라고 부른다.</p> <p contents-hash="8d3975eae0e91c4cf66c5111d33a3714db0dc66fb70f5b269c7132c8705b1232" dmcf-pid="6j5Qzg1yhQ" dmcf-ptype="general">2022년 설립된 온아웃은 기존 시스템을 통째로 바꾸지 않고 내부 데이터를 연결해 반복 업무를 자동화하는 방식을 앞세워왔다. 김 대표는 "앞으로는 더 좋은 AI를 가진 기업이 아니라 AI를 업무에 더 깊이 결합한 기업이 앞서갈 것"이라고 강조했다.</p> <p contents-hash="e2edde52302166dd5704b9318c475110c370de7acffa69a1c2a7d5991728b371" dmcf-pid="PA1xqatWvP" dmcf-ptype="general">[김대기 기자]</p> </section> </div> <p class="" data-translation="true">Copyright © 매일경제 & mk.co.kr. 무단 전재, 재배포 및 AI학습 이용 금지</p> 관련자료 이전 "금반지 감정·대출 3분이면 OK … 'AI 전당포' 열었죠" 08-24 다음 "특허·브랜딩부터 투자까지 … 디딤살롱, K컬처 기업 성장 도울 것" 08-24 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
