제조업 IT 의사결정권자의 68%가 IT 장애를 해결할 때 선제적 방식 또는 부분 자율형 방식을 활용하고 있는 것으로 나타났다. 팀뷰어(TeamViewer)가 사피오 리서치(Sapio Research)에 의뢰해 '자율형 워크플레이스로의 여정(Path to the Autonomous Workplace)' 보고서로 정리한 결과다. 조사는 2026년 4월부터 5월까지 미국, 영국, 일본, 싱가포르 등 9개국 응답자 4200명을 대상으로 진행됐고, 팀뷰어는 5일 결과를 공개했다.
팀뷰어는 원격 연결 및 디지털 워크플레이스 솔루션 기업이다. 사피오 리서치는 팀뷰어가 조사를 맡긴 글로벌 시장조사기관이다.
장애 대응 방식: 선제 43%, 부분 자율형 25%
68%는 선제 대응 43%와 부분 자율형 25%를 합산한 값이다. 부분 자율형은 사람의 감독 아래 AI가 문제를 예측하고 예방하는 방식을 뜻한다.
두 항목 모두 제조업이 다른 집단보다 높았다. 아래 표는 제조업, 전체 산업 평균, IT 업계를 비교한 것이다.
| 항목 | 제조업 | 전체 산업 평균 | IT 업계 |
|---|---|---|---|
| IT 문제에 선제적으로 대응 | 43% | 41% | 35% |
| 부분 자율형 방식 활용 | 25% | 17% | 21% |
보고서에서 작은 IT 장애도 업무 중단으로 이어질 수 있는 제조 현장의 특성은 제조업이 AI 기반 IT 운영에 적극적인 모습과 맞닿아 있다고 했다.
AI 도입 장애 요인: 보안 우려 47%가 최대
제조업 응답자가 꼽은 AI 도입의 가장 큰 장애 요인은 보안·개인정보 보호·위험 우려로 47%였다. 관련 기술과 교육 부족은 34%였다.
AI의 가치나 비즈니스 효과가 불확실하다는 응답은 32%였다. IT 업계의 16%와 비교하면 두 배이고, 전체 산업 평균 21%보다 11%포인트 높다.
| 장애 요인(제조업) | 응답 비율 |
|---|---|
| 보안·개인정보 보호·위험 우려 | 47% |
| 관련 기술과 교육 부족 | 34% |
| AI의 가치·비즈니스 효과 불확실 | 32% |
생산성 체감과 검증 시간
제조업 응답자의 44%는 AI가 개인 생산성을 높이고 있다고 답했다. 전체 산업 평균은 39%다. AI가 생성한 결과물을 검증하는 데 쓰는 시간은 제조업이 주당 평균 1.6시간으로, 전체 산업 평균 1.9시간, IT 업계 2.7시간이었다.
AI 도입이 늘어나는 것과 별개로 기업 차원에서 투자 효과를 입증하는 일은 어려운 과제로 남아 있다. 보고서는 AI 활용이 확대되는 만큼 비즈니스 성과를 확인할 수 있는 지표가 중요해지고 있다고 해석했다.
2030년까지 더 많은 업무를 AI에 맡기고 고부가가치 업무에 집중하겠다는 응답은 제조업에서 35%로, 전체 산업 평균 28%보다 높았다.
사람의 확인: 항상 확인은 23%, 영향 큰 작업은 46%
AI가 조치하기 전에 항상 사람의 확인이 필요하다는 응답은 제조업 23%로, 전체 산업 평균 31%보다 낮았다. 반면 보안·데이터·비즈니스 운영에 영향을 미칠 수 있는 작업에 사람이 개입해야 한다는 응답은 46%로 전체 산업 평균 40%보다 높았다.
보고서는 제조업 응답자가 모든 AI 작업을 확인하기보다 위험도가 높은 업무에 감독을 집중하는 방식을 선호하는 것으로 풀이했다.
팀뷰어 경영진 발언
메이 덴트(Mei Dent) 팀뷰어 최고제품·기술책임자(CPTO)는 “제조업에서 AI라고 하면 모든 것이 자율적으로 돌아가는 환경을 떠올리기 쉽지만, 현실은 다르다”고 말했다. 이어 “수십 년간 구축해 온 시스템을 단번에 교체하기 어렵기 때문에 문제를 조기에 찾아내고 불필요한 작업을 줄이는 등 실질적인 개선을 하나씩 만들어 가는 것이 중요하다”고 밝혔다.
이혜영 팀뷰어코리아 대표이사는 “국내 제조기업들이 AI 도입을 검토할 때 이제는 ‘도입할 것인가’보다 ‘어디에 적용해 어떤 성과를 만들 것인가’를 고민해야 할 시점”이라고 말했다. 팀뷰어코리아는 팀뷰어의 한국 법인이다.
덴트 CPTO는 “이러한 개선을 조직 전반으로 확대하고, 구체적인 활용 사례를 통해 AI의 비즈니스 가치를 입증하는 기업이 궁극적으로 가장 큰 가치를 창출할 것”이라고 덧붙였다. 이혜영 대표는 “IT 장애 예방, 반복 업무 자동화 등 명확한 활용 사례에서 시작해 성과를 확인하고 이를 조직 전반으로 확대하는 것이 AI 투자의 실질적인 가치를 높이는 방법”이라고 말했다.
팀뷰어는 제조업의 AI 전환이 장애 예방과 반복 업무 개선 같은 구체적 영역에서 시작해 점진적으로 확대되는 흐름을 전망했다.