도요타자동차 북미법인이 AI 에이전트로 차량 공급망을 손봤습니다. 다만 처음부터 짚을 대목이 있습니다. 이 사례를 이미 모든 성과가 검증된 완성품으로 읽으면 곤란합니다. 일부 도구는 운영 중이지만, AI 에이전트가 지연 차량을 찾아 물류업체와 딜러에 먼저 연락하는 기능은 2025년 말 공개 당시에도 개발·훈련 단계였습니다.
그런데도 저는 이 사례가 꽤 쓸모 있다고 봅니다. 성공을 확정된 재무성과가 아니라 도입의 수순으로 본다면, 도요타가 보여준 선택이 선명하거든요.
제가 주목한 점은 두 가지였습니다.
첫째, 도요타는 AI에게 일을 시키기 전에 일이 흐르는 길부터 다시 그렸습니다.
둘째, 줄어든 사람을 비용으로 계산하기보다 더 어려운 판단으로 옮기려 했습니다.
첫째, AI를 얹기 전에 업무의 엉킴부터 걷어냈습니다
Deloitte가 공개한 도요타 북미 사례를 보면 고객 수요에 맞춰 차량과 자원을 배분하는 기존 업무가 나옵니다. 75개 안팎의 스프레드시트를 50명 넘는 구성원이 들여다보며 공급업체와 생산팀의 계획을 맞췄습니다. 초과근무를 하며 여러 시간 씨름해야 시나리오 하나가 나오는 구조였고요. 이쯤 되면 AI 이전에 엑셀이 이미 조직도입니다(?).
도요타 디지털혁신팀은 여기에 챗봇 하나를 붙이지 않았습니다. 수요 자료를 끌어오고, 공급 제약을 따지고, 가능한 계획안을 몇 분 안에 보여주는 글로벌 기획 체계로 업무의 뼈대를 다시 세웠습니다. AI 에이전트는 반복 계산과 제약조건 검토를 맡습니다. 기획자는 어느 시나리오를 택할지, 매출과 고객 약속 중 무엇을 우선할지 판단합니다. 역할이 또렷합니다. 차량 배송 관리도 같은 결입니다.
도요타는 생산 전 단계부터 딜러 인도까지 차량의 이동 경로를 실시간으로 보여주는 도구를 마련하면서, 기존 메인프레임 화면 50~100개를 걷어냈습니다. 서부지역에서 몇 대가 늦는지, 어디에서 발목이 잡혔는지를 한 화면에서 살피려는 거죠. 앞으로 구상한 AI 에이전트의 일도 구체적입니다. 야적장에 멈춰 있는 차량을 찾아내고, 물류업체에 어느 트럭의 어느 위치에 실어야 하는지 담은 이메일 초안을 작성하며, 딜러에는 ETA 회복 조치를 알립니다. 구성원이 아침에 출근하기 전 선행 조치를 끝내는 그림입니다.
여기서 핵심을 짚고 갑시다. 도요타는 불분명한 업무를 AI로 덮지 않았습니다. 데이터가 흩어진 지점, 사람이 화면을 넘나드는 횟수, 의사결정이 늦어지는 대목을 먼저 드러냈습니다. 그다음 자동화할 작업과 사람이 붙들 판단을 갈랐습니다. AI를 도입한다며 회의록 요약이나 이메일 작성부터 시작하는 조직이 많습니다. 물론 체감 효과는 금세 납니다. 저도 그런 작은 시작에는 찬성합니다. 하지만 작은 시작과 자잘한 일에 머무는 것은 다릅니다.
지난 호 AI 도입은 작게 시작하세요에서 말씀드렸듯이, 작게 시작하는 목적은 구성원이 효능과 통제감을 경험하게 하는 데 있습니다. 작은 성공이 쌓였다면 다음 차례는 업무 전체를 뜯어보는 일입니다. 언제까지나 문장 몇 줄 줄이는 데 그치면 AI 예산만 커지고 운영 성과는 슬그머니 빠져나갑니다.
쓰다 보니 이 대목에서 늘 걸리는 게 있습니다. 리더가 기존 절차를 그대로 둔 채 AI팀에 생산성 향상을 요구하는 장면입니다. 결재선은 그대로, 중복 입력도 그대로, 책임 경계도 그대로인데 AI만 똑똑해지라고 다그칩니다. AI도 억울할 노릇입니다(^^)
(예) 국내 제조기업의 가상 사례를 들어보겠습니다. B본부는 매주 월요일 생산·영업·물류 담당자 30명이 재고회의를 엽니다. 세 부서가 서로 다른 엑셀 파일을 가져오고, 회의 첫 40분은 어느 숫자가 맞는지 가리는 데 씁니다.
이때 회의 내용을 요약하는 생성형 AI부터 들인다면 회의록은 빨리 나옵니다. 그러나 재고 판단은 빨라지지 않습니다. 같은 제품에 서로 다른 품목 코드가 붙고, 수요 전망의 기준일도 어긋나 있기 때문입니다. 먼저 고칠 것은 프롬프트가 아닙니다.
공통 품목 코드, 데이터 책임자, 전망 갱신 시점, 예외 승인권을 정해야 합니다. 그 뒤 AI가 자료 취합과 이상치 탐지를 맡고, 사람은 생산 전환이나 납기 조정처럼 손실이 큰 판단에 집중하도록 판을 바꿔야 하죠. 도요타 사례의 알맹이가 여기에 있습니다. AI 프로젝트를 벌인 게 아니라 운영체계를 다시 짠 겁니다.
둘째, 자동화 뒤에 남는 사람의 일을 먼저 정했습니다
도요타의 계획대로라면 50명 넘게 매달리던 자원 배분 업무를 6~10명의 기획자가 맡게 됩니다. 이 숫자만 보면 금세 인원 감축이 떠오릅니다. 저도 처음에는 그 대목에 눈이 갔습니다. 그러나 공개된 설명에서 도요타가 내세운 방향은 나머지 인력을 더 시급한 영역으로 재배치하는 것입니다. AI는 반복 작업을 가져가고, 구성원은 지연이 반복되는 구조적 원인을 막거나 여러 제약 사이에서 최종 선택을 내립니다. 자동화의 성과는 줄인 인원만으로 잡히지 않습니다.
푸게너·발츠너·굽타(2025)가 Management Science에 발표한 Roles of Artificial Intelligence in Collaboration with Humans에서는 AI와 사람의 일을 세 가지로 나눕니다. AI가 대신하는 자동화, 사람에게 조언하는 증강, 사람만 맡는 판단입니다. 연구진의 실험에서 사람만 분류했을 때 정확도는 68%, AI 자동화는 77%, 사람이 AI 조언을 받은 경우는 80%였습니다. 그런데 과업별 상대적 강점에 따라 세 방식을 함께 배치하자 같은 인적자원으로 88%까지 올라갔습니다. 무조건 사람과 AI를 붙인다고 최선은 아니었다는 얘기입니다.
AI가 월등한 쉬운 과업은 자동화하고, 양쪽 능력이 비슷한 과업은 사람이 AI의 조언을 받아 처리하며, AI가 취약한 어려운 과업은 사람이 협력해 맡는 편이 나았습니다. 도요타가 반복 계산은 에이전트에 넘기고 시나리오 선택은 기획자에게 남긴 설계와 맞닿아 있습니다.
이 연구가 특히 짚은 개념은 재배치 효과입니다. AI가 한 업무를 넘겨받아 사람의 시간이 비었을 때, 그 시간을 더 가치 있는 업무로 옮겨야 전체 성과가 커진다는 겁니다. 빈 시간을 방치하면 자동화는 비용 절감에 머뭅니다. 더 나쁜 장면도 있습니다. AI가 줄여준 시간만큼 보고서와 회의를 새로 얹는 겁니다. 생산성 도구를 들였더니 구성원의 일정표만 더 빽빽해지는, 실로 익숙한 풍경이죠(회의는 번식력이 좋습니다 ㅋ) 자동화 이후의 직무를 미리 설계해야 하는 까닭입니다.
도요타가 별도의 Talent & Experiences 기능을 두고 교육만이 아니라 구성원 참여와 변화 관리를 챙긴 이유도 이 맥락에서 읽힙니다. 시스템 사용법 몇 시간을 가르치는 것으로 끝내지 않고, 누구의 일이 어떻게 바뀌며 어떤 역량으로 옮겨갈지를 다루는 겁니다. 개인적으로는 이 대목이 가장 눈에 남습니다.
많은 조직이 AI 교육 이수율은 집계합니다. 정작 AI가 낸 제안을 누가 승인하는지, 틀렸을 때 누가 멈추는지, 절약한 시간을 어디에 쓰는지는 비워 둡니다. 교육은 했는데 일은 설계하지 않은 셈입니다(수료증만 풍년이고요).
한국의 리더라면 세 가지를 확인해 보세요
도요타 사례를 그대로 베끼기는 어렵습니다. 산업도 다르고, 데이터의 축적 정도도 다르며, 무엇보다 공개된 미래 기능 가운데 아직 효과가 확인되지 않은 부분이 있습니다.
그러니 솔루션보다 질문을 가져오시길 권해드립니다.
- 화면과 파일의 개수부터 세어 보세요. 핵심 의사결정 하나를 내리기 위해 몇 개의 시스템·엑셀·메신저를 오가는지 적으세요.
- 과업을 자동화·증강·사람 전담으로 나누세요. 규칙이 분명하고 오류 검증이 쉬운 일은 자동화 후보입니다. 맥락 판단이 필요하지만 데이터 도움을 받을 수 있는 일은 증강 후보이고요. 책임·윤리·예외 처리가 큰 결정은 사람이 붙드세요.
- 절약 시간의 행선지를 결정하세요. 주당 10시간을 줄이겠다면 그 10시간을 고객 대응, 원인 분석, 공급업체 협상 중 어디에 옮길지 함께 확정하세요. 행선지 없는 효율화는 자연히 인력 불안으로 귀결됩니다.
그리고 한 가지를 더 붙이고 싶습니다. 도입 전 기준선을 남겨 두세요. 처리 시간, 오류율, 초과근무, 납기 준수율, 예외 건수, 사용률을 최소 4주간 측정하고 시작해야 합니다. 그래야 그럴듯한 시연과 운영 성과를 가를 수 있습니다.
AI 도입 성공의 필수 요건에서 사람과 AI의 파트너십을 중심으로 업무 방식을 재설계해야 한다고 말씀드렸습니다. 도요타 북미 사례는 그 원칙을 공급망이라는 복잡한 현장에 옮긴 모습에 가깝습니다. 성공의 출발은 최신 모델이 아닙니다. AI에게 넘길 일, 사람이 붙들 판단, 비워 낸 인력을 옮길 자리를 한 장의 업무 흐름에 함께 그리는 일입니다. 도요타가 앞선 지점도 바로 거기라고 저는 봅니다.
