HDATF
한국어
도입 상담하기
메뉴

AX 사례들

기업이 AI를 실제 업무에 어떻게 연결했는지 살펴봅니다. 사례마다 어떤 업무 문제가 있었고, 어떤 기술과 데이터로 처리 과정을 바꿨고, 결과가 무엇이었는지 정리했습니다. 최근 사례부터 보여 줍니다.

근거 확인 259추가 확인 후보 24산업 23조사 기준

AX는 AI를 실제 업무와 서비스에 연결해 일하는 방식을 바꾸는 것입니다. 공개된 자료를 정리한 사례입니다. ATF Works 도입 고객의 결과가 아닙니다.

검색 결과 259 (30 / 259)

2026. 11

  1. 2026-11-10자료 공개AX243운영

    유통 / 식품 소매 미국

    DeCicco & Sons: 매장 진열대의 품절 탐지와 보충 작업 우선순위 지정

    업무 문제
    DeCicco & Sons는 매장을 늘리면서도 고객이 찾는 상품의 진열 상태와 대면 서비스 수준을 유지해야 했다. 회사는 매장 안에서 실제로 무슨 일이 일어나는지 정확히 파악하고 여러 업무 시스템이 함께 쓸 수 있는 진열대 정보를 확보하려 했다. 직원이 문제를 찾아 돌아다니는 대신 확인된 문제를 해결하는 데 집중하도록 만드는 것이 과제였다.
    적용한 기술과 데이터
    Simbe의 자율 진열대 스캔 로봇 Tally가 하루에 여러 번 매장을 돌며 진열 상태를 수집한다. 상품 정보와 통로 이미지, 상품 위치 정보를 API로 기존 시스템에 연결해 매장 운영, 온라인 판매의 상품 가용성 확인과 공급업체 관련 판단에 활용한다. 별도 도구를 하나 더 쓰게 하기보다 기존 업무 절차에 정보를 넣는 방식이다. 직원은 이 정보를 보고 바로잡을 문제의 우선순위를 정하고 보충 같은 조치를 실행한다.
    성과
    Simbe는 시범 매장에서 도입 후 첫 60일 동안 품절이 35% 줄었고 상품이 품절 상태로 남아 있는 평균 시간은 최대 28% 줄었다고 밝혔다. 이 결과를 바탕으로 DeCicco & Sons는 뉴욕과 코네티컷 매장 전체로 플랫폼을 확대했다. 도입 기업의 경영진과 매장 관리자는 진열대의 실제 상태를 더 빨리 파악해 문제를 고치고 고객 응대와 부서 관리자 지원에 더 많은 시간을 쓸 수 있다고 설명했다.
    한계와 남은 과제
    품절 감소와 시간 단축 수치는 첫 60일 시범 매장의 결과이며 전 매장 확대 후의 평균 성과가 아니다. 원문은 매출 증가나 투자 회수 기간을 밝히지 않았다.

    출처

  2. 2026-11-10자료 공개AX239운영

    제조 / 완성차 미국

    Ford Motor Company: 운송 운영 데이터의 자연어 질의와 공급망 의사결정 지원

    업무 문제
    Ford의 북미 운송 조직은 빠르게 바뀌는 공급망 상황에 맞춰 결정을 내려야 한다. 운송 담당자가 보고서를 따로 뽑거나 분석 결과를 기다리는 왕복 절차는 필요한 사람에게 정보를 전달하는 속도를 늦춘다. 정시 도착 같은 용어도 고객별 계약과 운송 방식에 따라 뜻이 달라 일반 언어모델의 답변만으로 운영 수치를 판단하기 어렵다.
    적용한 기술과 데이터
    Ford가 사용하는 Mo는 project44의 물류 데이터 구조와 고객별 업무 정의를 적용해 자연어 질문을 해석하는 AI 분석 도우미다. project44는 운송 계약, 운송 수단, 실제 이동 이정표와 도착 예정 시각을 업무 맥락으로 연결한다고 설명한다. Snowflake의 Cortex Analyst는 해석된 질문을 SQL로 바꿔 저장된 구조화 데이터에서 수치를 조회한다. 답변과 다음 행동의 권고를 운송 담당자에게 제공하는 구조이며, 원문은 Ford의 실제 운송 조치를 AI가 단독 승인한다고 설명하지 않는다.
    성과
    Ford의 북미 운송 책임자 Doug Cantriel은 Mo가 보고서를 주고받거나 분석을 기다리는 과정 없이 필요한 직원에게 정확한 데이터 기반 답변을 직접 제공한다고 밝혔다. 이는 Ford 관계자가 확인한 정보 접근 방식의 변화다. project44는 전체 고객 활용과 별도 내부 시험 수치도 제시했지만, Ford만의 절감액이나 정확도 측정 결과로 연결하지는 않았다.
    한계와 남은 과제
    Ford의 비용 절감액과 응답 속도 개선율은 공개되지 않았다. 원문에 나오는 다른 고객의 절감액과 공급사 내부 시험 성적은 Ford의 성과가 아니다.

    출처

  3. 2026-11-10자료 공개AX240운영

    화학과 소재 / 기초화학 나이지리아

    Indorama Eleme Fertilizer & Chemicals Limited: 암모니아와 올레핀 공장의 운전 이상 분석과 최적화 판단 지원

    업무 문제
    Indorama의 나이지리아 암모니아와 올레핀 공장은 에너지 사용, 생산량, 설비 가동 상태를 함께 살피며 안전하게 운영해야 한다. 현장의 핵심 운전 변수를 분석해 생산을 제한하는 요인과 이상 징후를 찾아야 하고, 엔지니어가 조치의 기술적 근거를 이해할 수 있어야 한다.
    적용한 기술과 데이터
    KBR는 해당 공정 설비에 KBR INSITE를 배치했다고 밝혔다. 이 플랫폼은 과거와 실시간 공장 데이터에 물리 기반 AI, 공정 설계 지식과 현장 운전 지식을 결합한다. Applied Computing의 Orbital AI를 통합해 설비 성능을 지속 감시하고 최적화 기회, 공정과 장비의 이상 징후, 근본 원인 분석을 제공한다. KBR는 암모니아 모델이 개별 데이터 패턴뿐 아니라 공장 전체의 인과관계를 학습하도록 만들었다고 설명한다. 현장 엔지니어는 각 결론의 기술적 설명과 추적 가능한 권고를 보고 운전 판단을 한다.
    성과
    Indorama의 최고기술책임자 Deepu Sivdas는 핵심 운전 변수의 준실시간 분석으로 에너지 사용 최적화, 생산량 확대와 운전 제약 발견의 구체적 기회를 찾는다고 밝혔다. 물리 모델과 데이터 분석을 결합해 결론의 근거를 설명하므로 엔지니어가 권고에 따라 행동할 신뢰를 얻으며, 일상 운영에서 이미 실무적 이점을 보고 있다고 말했다.
    한계와 남은 과제
    에너지 절감률, 생산량 증가율과 가동률 개선 수치는 공개하지 않았다. 같은 발표의 EBIC 공장은 연말 가동 예정인 별도 계약으로 이 운영 사례에 포함하지 않는다.

    출처

  4. 2026-11-06자료 공개AX241운영

    유통 / 식품 소매 영국

    Waitrose: 교통과 차량 용량, 시간대 수요를 반영한 식료품 배송 계획 최적화

    업무 문제
    Waitrose는 많은 식료품을 고객이 선택한 시간에 배송하면서 차량을 효율적으로 써야 했다. 교통 상황, 차량 적재 용량, 배송 시간대, 주문 수요와 계절별 성수기가 서로 영향을 주므로 하루에도 많은 계획 판단이 필요했다. 배송량이 늘어도 고객이 선택할 수 있는 시간대를 확보하는 것이 과제였다.
    적용한 기술과 데이터
    Satalia는 Waitrose 운영팀과 함께 AI 기반 배송 최적화 플랫폼을 개발하고 시험하며 현장 조건에 맞춰 다듬었다. 플랫폼은 교통, 차량 용량, 시간대와 수요를 함께 반영해 배송 네트워크의 계획과 관리를 지원한다. 크리스마스 최대 수요를 가정해 차량 130대가 있는 Coulsdon 거점을 시뮬레이션했다. 발표 시점에는 매장 170곳과 고객 주문 처리센터 두 곳, 밴 1400대의 네트워크에서 운영되며 주간 약 16만 건의 가정 배송을 지원한다고 공급사는 설명한다.
    성과
    Satalia는 이 프로젝트로 운영비가 10%, 배송 주행거리가 8% 줄고 경로당 배송 건수는 12% 늘었다고 밝혔다. 배송량 증가에도 고객 배송 시간대의 제공 가능량은 4% 늘었고 Coulsdon 거점의 당일 주문 다음 날 배송 시간대는 50% 증가했다고 설명했다. Waitrose의 변화 실행 및 기술 책임자는 더 정밀하고 편리한 배송 시간을 제공하면서 환경 영향을 줄일 수 있게 됐다고 밝혔다.
    한계와 남은 과제
    원문은 성과 측정 기간과 비교 집단을 밝히지 않는다. Coulsdon의 50% 개선은 해당 거점의 다음 날 배송 시간대 수치로 전체 네트워크에 적용하지 않는다.

    출처

  5. 2026-11-05자료 공개AX225운영

    화학과 소재 / 기초화학 오스트리아

    Borouge International: 에탄 분해 설비의 AI 실시간 최적화와 운전 의사결정 지원

    업무 문제
    Borouge International은 생산설비의 가동성과 생산성을 높이면서 에너지 사용과 배출을 줄이고 안전 수준을 유지해야 했다. 회사는 생산부터 공급망까지 AI와 디지털 기술을 확대하는 과정에서 설비 운전 정보를 빠르게 분석해 의사결정에 연결하는 역량을 구축하고 있었다. 이 가운데 실제 배치가 확인된 업무가 아랍에미리트 에탄 분해 설비의 실시간 최적화다.
    적용한 기술과 데이터
    회사는 아랍에미리트의 대형 에탄 분해 설비 3개와 가열로 20기에 AI 기반 실시간 최적화 시스템을 이미 배치했다고 밝혔다. 시스템은 분당 2,500개가 넘는 운전 매개변수를 분석해 생산과 에너지 운전의 판단을 지원한다. 최적화 지식, AI와 실시간 운영 정보를 연결하는 방식이며, 북미 등 다른 지역으로의 확대는 향후 계획이다. 같은 보도자료의 Honeywell 협업 자율운전 실증은 별도 프로젝트로 구분하며, 이 최적화 시스템이 사람의 승인 없이 제어를 수행한다고 단정하지 않는다.
    성과
    회사는 배치된 시스템이 더 빠른 데이터 기반 판단, 생산성 향상, 에너지 소비와 배출 감소를 지원한다고 설명했다. 다만 이 시스템만의 실측 개선율이나 절감액은 따로 공개하지 않았다. 보도자료의 2027년 가치 창출 목표와 자율운전 실증의 잠재 개선율은 실제 최적화 시스템의 달성 성과로 옮기지 않았다.
    한계와 남은 과제
    모델 구조, 입력 매개변수별 구성과 운전자의 승인 절차는 확인되지 않았다. 해외 확대와 완전 자율 제어실 구축은 이미 완료된 운영 범위에 포함하지 않는다.

    출처

  6. 2026-11-05자료 공개AX224운영

    건설과 부동산 / 종합건설 일본

    Kajima: 건설 현장 자율 순찰과 사진, 점군 수집을 통한 공사 진행 관리

    업무 문제
    Kajima는 건설 인력 부족에 대응하면서 현장 기술자의 반복 순찰, 사진 기록과 3차원 측량 부담을 줄여야 했다. 건설 현장은 공사가 진행될수록 구조물과 자재 배치가 달라져 고정된 환경에 맞춘 이동 제어를 그대로 쓰기 어려웠다. 일상적인 자료 수집을 로봇에 맡기고 기술자는 안전, 품질과 공정에 관한 판단에 집중하는 방식이 필요했다.
    적용한 기술과 데이터
    회사는 카메라, LiDAR와 엣지 AI 장치로 구성한 FieldAI 자율 유닛을 로봇에 장착했다. FFM 모델이 영상과 점군을 기기 안에서 처리하고 물리 기반 추론과 불확실성 평가를 결합해 이동 방향을 정한다. 로봇은 처음 방문한 구역을 탐색해 지도를 만들고 이후 장애물을 피하며 사진과 점군을 수집하면서 지도를 갱신한다. 작업 후 충전소로 돌아와 자료를 올리면 웹에서 확인할 수 있다. 담당자가 위치를 지정해 실시간 영상을 볼 수도 있으며, 기술적 판단과 안전 관리는 사람이 맡는다.
    성과
    Kajima는 2025년 기업 단위 서비스 계약 이후 약 1년 동안 일본의 10곳이 넘는 건설 현장에 배치했으며, 여러 로봇과 업무, 현장을 합쳐 자율 임무 2,000회 이상을 수행했다고 밝혔다. 제한된 시연이 아니라 매일 환경이 변하는 실제 공사 현장에서 계속 사용 중이라고 설명한다. 자동 촬영한 사진과 점군으로 공사 상태와 치수를 확인할 수 있어 진행 관리의 자료 수집 방식을 바꿨다.
    한계와 남은 과제
    원문은 현장별 투입 인원이나 작업 시간 절감률, 사고 감소율을 제시하지 않는다. 계약과 확대 도입의 연도는 확인되지만 시작 월이 없어 자료 공개일을 정렬 기준으로 쓴다.

    출처

  7. 2026-11-05자료 공개AX237운영

    여행과 숙박 / 종합 여행 서비스 다국가

    TUI: 디지털 서비스 구조도의 보안 위협 모델 작성과 사내 보안 기준 대조

    업무 문제
    TUI의 보안 엔지니어 네 명이 디지털 제품팀 100개 이상을 지원했다. 구조도를 읽고 위협을 찾은 뒤 사내 기준과 연결하고 결과를 문서화하는 평가에 4~6시간이 들었다. 월 3~4회만 처리할 수 있어 검토가 밀렸고 모든 신규 서비스에 같은 기준을 적용하기 어려웠다.
    적용한 기술과 데이터
    엔지니어가 구조도와 설명을 올리면 Amazon Bedrock의 Claude Sonnet 4.5와 AgentCore에서 실행하는 LangGraph 흐름이 구성요소와 데이터 흐름을 읽는다. 보안 기준 전체를 넣지 않고 문서 메타데이터로 관련 기준을 고른 뒤 STRIDE 위협을 생성하고 누락을 점검해 보완한다. 사내 승인 도구를 이용한 완화 방안과 관련 통제 항목을 결과에 붙인다. 전문가가 만든 평가를 추가하면 AI와 위험 등급이 다른 부분을 표시해 사람이 검토한다.
    성과
    TUI는 운영 전후 내부 측정에서 평가당 작업 시간이 최대 70% 줄었고 월 처리량이 3~4회에서 10~12회가 됐다고 밝혔다. 2026년 10월 기준 등록 이용자는 255명, 작성된 위협 모델은 86개, 활동 작성자는 43명이라고 설명했다. 대기하던 보안 평가를 팀이 직접 요청하고 근거와 권장 조치를 검토하는 방식으로 넓혔다.
    한계와 남은 과제
    시간 감소와 사용량은 TUI가 밝힌 운영 지표다. 실제 침해 사고 감소나 위협 탐지의 오탐률은 원문에 없다. Jira 작업 자동 생성과 배포 전 검사 연계는 향후 계획이다.

    출처

  8. 2026-11-05자료 공개AX221운영

    정보기술 / 보험 데이터 분석 분류 생략

    Verisk: 보험 소프트웨어 개발의 요구사항, 구현, 검토와 시험을 단계별 AI 에이전트로 연결

    업무 문제
    Verisk 개발팀은 코딩 도구를 도입한 뒤에도 요구사항 보완, 작업 분해, 시험 계획 작성과 코드 검토를 사람이 이어받아 처리했다. AWS와 Verisk가 함께 작성한 사례는 불완전한 인수 기준과 단계 사이의 정보 누락 때문에 재확인과 수작업이 반복됐다고 설명한다. 보험 업무에 쓰이는 소프트웨어이므로 빨리 만드는 것뿐 아니라 누가 변경을 검토하고 승인했는지도 남겨야 했다.
    적용한 기술과 데이터
    Verisk는 Amazon Bedrock과 AgentCore 위에 요구사항, 작업 구체화, 개발, 코드 검토, 품질보증을 맡는 에이전트를 각각 구성했다. Jira 티켓과 첨부, 저장소 코드, API 명세, 사내 문서와 앞 단계 산출물을 입력으로 사용한다. MCP로 기존 업무 도구를 연결하고 Jira 상태 변경이나 코드 변경 요청으로 각 에이전트를 실행한다. 개발 에이전트에는 Bedrock의 Claude Code를 사용한다. 제품 담당자는 요구사항을, 개발자는 구현과 검토 의견을, 품질 담당자는 시험 계획을 승인하며, 검증된 산출물이 다음 단계의 맥락으로 쌓인다.
    성과
    AWS와 Verisk는 전체 흐름을 거쳐 개발한 기능에서 시험 계획 작성이 3시간에서 4시간이던 것이 10분 미만으로, 시험 자동화 준비가 1일에서 2일이던 것이 30분 미만으로 줄었다고 밝혔다. 사람 검토자가 거의 수정하지 않고 받아들인 에이전트 산출물 비율은 90%를 넘었다. 작업 규모 단위인 스토리 포인트당 비용은 인건비와 AWS 컴퓨팅 비용을 합쳐 20%에서 30% 낮아졌다고 설명한다. 일주일 단위 출시는 달성 결과가 아니라 개발팀의 목표로 구분한다.
    한계와 남은 과제
    측정한 기능의 수와 측정 기간, 비교 집단의 구성은 공개하지 않았다. 모든 Verisk 개발팀에 같은 효과가 나는지는 확인되지 않았다.

    출처

  9. 2026-11-04자료 공개AX218운영

    제조 / 산업용 장비 분류 생략

    BACA Systems: 여러 업무 화면에 흩어진 정보의 AI 질의 응답

    업무 문제
    BACA Systems에서는 업무 질문의 답을 찾기 위해 담당자가 여러 화면과 시스템을 오가며 수동으로 정보를 찾아야 했다. 회사의 업무 시스템 담당 부사장 Andrew Russo는 이전 같으면 이런 검색에 45분에서 60분이 들었을 질문을 예로 들었다. 회사는 맞춤형 객체가 1300개 있는 환경에서 직원이 필요한 정보를 더 쉽게 찾도록 Agentforce Coworker를 사용하기 시작했다.
    적용한 기술과 데이터
    직원은 Agentforce Coworker에 질문하고 결과를 확인한다. Salesforce는 이 도구가 기존 Salesforce 레코드와 업무 메타데이터, 연결된 데이터를 바탕으로 필요한 에이전트와 작업 흐름을 조정하고 검토할 결과와 권장 행동을 돌려준다고 설명한다. 기존 직원 권한과 공유 규칙, 설정된 접근 통제 안에서 작동하는 구조다. BACA Systems의 사례에서 확인한 실제 업무는 정보 질의 응답이며, 원문에 함께 발표된 새 연결 기능을 이 회사가 모두 사용했다고 보지는 않는다.
    성과
    Salesforce는 BACA Systems가 20분 만에 Coworker를 활성화하고 이전에는 광범위한 수동 검색이 필요했던 질문에 답을 받기 시작했다고 밝혔다. Russo는 바로 전날 같으면 여러 화면을 오가며 45분에서 60분이 걸렸을 질문에 도구가 답했다고 설명했다. 이 수치는 기존 검색에 걸리던 시간이며 도입 후 평균 처리 시간을 직접 잰 값은 아니다.
    한계와 남은 과제
    도입 후 답변 시간, 답변 정확도, 이용 직원 수는 원문에 없다. 구체적인 질문 내용과 연결된 개별 데이터 시스템도 공개하지 않았다.

    출처

  10. 2026-11-04자료 공개AX230운영

    금융 / 은행 호주

    Bankwest: 디지털 채팅의 기본 문의 자동 응대와 상담원 인계, 답변 작성 지원

    업무 문제
    디지털 은행으로 전환한 Bankwest는 온라인 채널의 빠른 응답과 복잡한 금융 문제에 대한 사람의 설명을 함께 제공해야 했다. 비동기 채팅에서는 고객이 나중에 돌아오기도 해서 긴 대화의 맥락을 이어받아야 한다. 상담원은 주택담보대출 같은 금융 용어를 고객이 이해할 수 있게 풀어 설명해야 한다.
    적용한 기술과 데이터
    Bankwest는 Microsoft 기술을 이용한 Bee로 비밀번호 재설정과 도난 카드 잠금 같은 기본 질문에 자연어로 응답한다. 해결하지 못하거나 사람이 필요하면 Dynamics 365 Contact Centre가 대화 맥락과 요약을 상담원에게 넘긴다. 시스템은 긴 대화를 요약하고 Copilot은 쉽게 설명한 답변 초안을 만든다. 상담원은 초안을 고객에 맞게 수정한다. 실시간 감정 표시를 보고 말투를 조절하고, 은행 팀은 이전 대화를 검토해 Bee의 프롬프트와 답변을 개선한다.
    성과
    Microsoft가 소개한 Bankwest 상담원은 맥락을 가진 요약과 답변 초안으로 더 빠르고 일관된 설명을 제공할 수 있다고 밝혔다. 주택대출 전문가는 금융 용어를 간단하게 풀어 쓰는 기능이 대화 품질을 높였다고 설명한다. 기사에 따르면 디지털 채팅은 은행 고객 접점의 과반을 차지하고 고객과 직원의 긍정적 반응이 나타났다. 이를 AI만의 효과로 분리한 수치는 아니다.
    한계와 남은 과제
    AI 도입 전후의 평균 처리 시간과 자동 해결률, 감정 판별 정확도는 공개되지 않았다. 채팅 비중 증가를 Bee 단독의 성과로 볼 수 없다.

    출처

  11. 2026-11-04자료 공개AX219운영

    금융 / 은행 미국

    Fulton Bank: 직원의 정보 검색과 업무 준비를 위한 AI 동료 운영

    업무 문제
    Fulton Bank는 직원이 필요한 정보를 찾고 업무를 준비하며 다음 단계로 일을 진행하는 활동에 Agentforce Coworker를 적용했다. 원문은 기존 절차의 세부 구성이나 병목 시간을 수치로 설명하지 않는다. 따라서 은행의 특정 심사나 거래 처리를 자동화한 사례가 아니라, 직원의 정보 접근과 업무 준비를 지원하는 운영 사례로 구분한다.
    적용한 기술과 데이터
    직원은 Coworker를 통해 업무에 필요한 정보와 결과를 받는다. Salesforce는 이 도구가 기존 고객 관계와 레코드, 업무 메타데이터, 연결된 데이터를 활용해 필요한 에이전트와 작업 흐름을 조정한다고 설명한다. 결과와 권장 행동은 직원이 검토하며 기존 권한과 공유 규칙, 접근 통제 안에서 처리한다. 원문은 이 공통 제품 구조와 Fulton Bank의 실제 운영 범위를 함께 소개하지만, 은행에서 어떤 개별 데이터 원천과 승인 절차를 연결했는지는 밝히지 않았다.
    성과
    Salesforce는 Fulton Bank가 몇 주 만에 20개가 넘는 운영 사례를 배치했으며 약 3000명의 사용자를 지원한다고 밝혔다. 은행의 영업 기술 전략 담당 선임 부사장 Brandon Bernard는 매일 상당한 이용이 발생하고 직원들이 정보를 더 빨리 찾으며 업무 준비와 진행에 도움을 받는 실제 사례가 있다고 설명했다. 이 발표는 사용 범위와 이용 경험을 보여주며 비용 절감이나 금융 업무 처리 성과를 측정한 결과는 아니다.
    한계와 남은 과제
    업무별 사례 목록과 일일 활성 이용자 수, 절약 시간은 공개하지 않았다. 약 3000명이라는 지원 범위를 매일 사용하는 인원으로 해석하지 않는다.

    출처

  12. 2026-11-04자료 공개AX228운영

    정보기술 / 자동차 소프트웨어 인도

    KPIT Technologies: 경쟁사 공개 동향 감시와 월간 전략 보고서 작성

    업무 문제
    KPIT의 마케팅 조직은 캠페인뿐 아니라 시장 조사와 투자자 소통, 제안 지원을 맡는다. 산업 동향과 시장 신호를 여러 출처에서 모아 분석해야 해서 정보를 수집하고 종합하는 데 시간을 썼다. Microsoft가 인터뷰한 마케팅 책임자는 고객의 민감한 지식재산도 다루므로 기존 기업 환경의 보안과 통제를 유지하는 것이 중요했다고 설명한다.
    적용한 기술과 데이터
    KPIT는 Microsoft 365 Copilot과 Power Automate로 경쟁 정보 업무 흐름을 만들었다. Microsoft에 따르면 경쟁사 14곳의 전략 변화와 공개 발표를 자동으로 살피고, 권고 사항과 위협 평가를 담은 월간 보고서를 만든다. Copilot은 기존 Outlook, Teams, SharePoint와 PowerPoint의 업무 맥락을 활용한다. 마케팅 담당자는 모인 정보와 보고서를 바탕으로 사업 판단과 전략 논의를 진행한다.
    성과
    KPIT 마케팅 책임자는 조사 결과를 빈 문서에서부터 만들 필요가 줄었고 더 빠르게 출발점을 찾고 품질을 높일 수 있다고 설명한다. 경쟁사 대시보드와 자동 보고 흐름이 실제 업무 변화로 제시됐다. 전문 지식이 적은 담당자도 자료를 활용해 의견을 제시하는 방향으로 역할이 넓어졌다는 정성 결과다.
    한계와 남은 과제
    경쟁사 감시의 누락률과 보고서 정확도, 절감 시간이나 매출 효과는 수치로 공개되지 않았다. 보고서의 최종 승인 절차도 구체적으로 설명하지 않는다.

    출처

  13. 2026-11-04자료 공개AX229운영

    정보기술 / 자동차 소프트웨어 인도

    KPIT Technologies: 자동차 제조사 고객별 사업 기회 평가와 영업 협의 준비

    업무 문제
    KPIT의 고객 담당 조직은 자동차 제조사와 대화하기 전에 외부 시장 정보를 사내의 고객 지식과 연결해야 한다. 자료를 모으는 데 시간이 들면 고객에게 먼저 제안을 준비하는 데 집중하기 어렵다. Microsoft가 소개한 마케팅 책임자는 경쟁 동향과 기술 변화, 고객의 우선순위를 여러 자료에서 찾아야 했다고 설명한다.
    적용한 기술과 데이터
    KPIT는 Copilot 기반의 목적별 에이전트를 활용해 공개 근거와 사내 지식을 합친 고객별 사업 준비 보고서를 만든다. 보고서는 수주 가능한 기회의 우선순위를 매기고 사실과 추론을 구분하며, 30일과 60일, 90일의 고객 공략 계획을 정리한다. Copilot은 연간 1500건 넘게 작성되는 제안서 저장소의 패턴을 찾는 데도 쓰인다. 고객 담당자는 이 자료로 자동차 제조사와의 협의와 제안을 준비한다.
    성과
    Microsoft가 인터뷰한 KPIT 마케팅 담당자는 외부 자동차 제조사 정보를 회사의 축적된 지식과 연결하면서 정보 수집보다 선제적인 제안 구성에 시간을 쓸 수 있다고 설명한다. 마케팅 책임자는 제안서에서 경쟁 패턴과 신기술 동향, 고객 우선순위와 향후 필요한 역량을 찾는다고 밝혔다. 실제 활용은 확인되지만 수주 성과가 측정됐다는 뜻은 아니다.
    한계와 남은 과제
    기회 순위의 평가 정확도와 실제 계약 전환율, 보고서 작성 시간의 전후 비교는 공개하지 않았다. 에이전트가 가격이나 계약을 독자적으로 확정하는 기능은 확인되지 않는다.

    출처

  14. 2026-11-04자료 공개AX235운영

    통신 / 유무선 통신 말레이시아

    U Mobile: 가입자 장애의 여러 업무 시스템 조회와 원인 진단, 조치안 작성

    업무 문제
    데이터 부가상품 구매나 로밍 장애를 처리하려면 상담원이 인터페이스 로그, 가입 자격을 담은 업무 시스템 API, 사내 정책 문서를 따로 확인해야 했다. 시스템을 옮겨 다니며 원인을 찾지 못하면 백엔드 IT팀에 넘겨 가입자의 대기가 길어졌다.
    적용한 기술과 데이터
    U Mobile은 AWS와 Axrail과 함께 AiDaH를 만들고 Microsoft Teams에서 쓰게 했다. Amazon Bedrock AgentCore의 전문 에이전트가 MCP 도구로 가입자와 주문, 청구 시스템을 조회하고 지식 검색으로 설명의 근거를 붙인다. 영역을 넘는 질문은 에이전트끼리 나눠 처리한다. 가입자 계정에 실제 변화를 주는 조치는 상담원이 검토하고 확인한 뒤 실행한다. 단순 요청은 규칙으로 처리하고 애매한 요청에만 모델을 써 모든 조회를 생성형 AI에 맡기지는 않는다.
    성과
    U Mobile은 AiDaH를 L2 지원 표준 절차에 넣었고 문서화한 운영 시나리오가 150개를 넘는다고 밝혔다. 회사의 내부 측정에서 2026년 1월과 9월 사이 월간 프로비저닝과 네트워크 티켓은 84.5%, 일반 문의는 81.6%, 청구와 과금 티켓은 48.7% 줄었다. 장애 원인을 여러 시스템에서 모아 제시해 담당자가 조사 결과와 조치안을 함께 검토하는 방식으로 바뀌었다.
    한계와 남은 과제
    원문은 티켓 감소에 대한 대조군이나 다른 운영 변화의 영향을 밝히지 않았다. 사람 없이 장애를 끝까지 복구하는 운영은 향후 목표다.

    출처

  15. 2026-11-02자료 공개AX244운영

    보험 / 특종보험 미국

    Ascot Group: 보험 사고 최초 통보 이메일의 식별과 보험금 청구 사건 등록

    업무 문제
    Ascot의 미국 보험금 청구 조직은 적은 인원으로 전용 이메일함에 들어오는 사고 최초 통보를 처리했다. 같은 주소에 기존 사건의 추가 문서, 진행 상황 문의와 다른 연락도 섞여 들어왔다. 담당자는 진짜 신규 사고 통보를 골라내고 사고 날짜에 맞는 계약을 확인한 뒤 청구 사건을 등록해야 해서 접수가 지연됐다.
    적용한 기술과 데이터
    Bevaya의 FNOL AI 에이전트가 이메일함에서 신규 사고 통보를 식별하고 보험 종목별 업무 규칙을 적용한다. 계약 시스템을 조회해 맞는 보험계약과 날짜를 연결하고 Guidewire에 청구 사건을 생성한다. Ascot의 청구 담당 조직이 공급사와 함께 통보 판별 규칙과 시스템 연결을 정리하고 결과를 계속 확인하며 개선했다. 사람의 검토와 추적 가능한 감사 기록을 남기며, 보장 해석과 보험금 지급 여부 같은 전문 판단을 AI에 모두 맡기는 방식은 아니다.
    성과
    Bevaya의 고객 사례 요약은 사람의 개입 없이 처리하는 비율을 85%, 월 자동화 물량을 약 925건으로 제시하고 청구 사건을 여는 시간이 2일에서 20분으로 줄었다고 밝혔다. Ascot의 미국 청구 최고책임자는 실제 접수와 담당 손해사정인 배정이 빨라져 고객도 더 일찍 사건 처리를 시작할 수 있게 됐다고 설명했다. 지원 문서를 분류하고 요약하는 후속 업무는 인터뷰에서 다음 확장 단계로 설명했다.
    한계와 남은 과제
    요약의 성공률과 인터뷰 발언의 수치가 달라 성공률은 채택하지 않았다. 85%는 고객 사례 요약에 제시된 기준이며 발표 중 언급한 더 높은 최신 비율과 합치지 않았다. 최초 운영 월의 연도는 원문에서 명시하지 않아 게시일을 정렬 기준으로 썼다.

    출처

2026. 10

  1. 2026-10-30자료 공개AX208운영

    건설과 부동산 / 주택 건설 미국

    Lennar: 사내 데이터 질의 응답에 데이터 품질과 신선도 근거 표시

    업무 문제
    Lennar는 부문별 시스템과 정의가 달라 보고서 수치가 서로 맞지 않았다. 직원이 사내 AI 비서 LenAI에 업무 데이터를 질문해도 답변을 믿어도 되는지 데이터팀에 다시 물어야 했다.
    적용한 기술과 데이터
    LenAI는 자연어 질문에 답하면서 Ataccama의 데이터 품질과 신선도, 데이터 생성 작업의 성공 여부를 합친 신뢰 점수를 함께 보여 준다. 답변이 원천 데이터에 근거하는지와 추가 검증을 통과하는지도 확인한다. 직원은 이 근거를 보고 해당 데이터를 업무 판단에 쓸지 결정한다.
    성과
    Ataccama 고객 사례에서 Lennar 담당자는 답변에 근거를 직접 표시하면서 직원의 이용 망설임이 줄고 실제 활용이 늘었다고 설명했다. 데이터팀과 별도로 확인 대화를 시작하지 않고도 사용자가 데이터의 신뢰 수준을 판단할 수 있게 됐다.
    한계와 남은 과제
    AI 답변 정확도와 시간 절감의 실측 수치는 없다. 자동 복구 에이전트는 개발 중이다.

    출처

  2. 2026-10-30자료 공개AX216운영

    물류 / 제3자 물류 미국

    Worldwide Express: 운송 청구서의 요금 불일치와 추가 비용 예외 처리

    업무 문제
    Worldwide Express는 운송사의 청구서가 주문과 배송 기록, 계약 요금에 맞지 않을 때 담당자가 운송사별 규정을 찾아 원인을 확인하고 연락한 뒤 운송관리시스템에 처리 결과를 입력했다. AWS 사례는 매달 미해결 청구 예외에 현금흐름 1500만 달러가 묶였다고 설명한다. 운송사마다 추가 요금 기준과 이의 제기 절차가 달라 정해진 규칙만으로 처리하기 어려웠다.
    적용한 기술과 데이터
    회사는 AWS와 LTM과 함께 Amazon Bedrock의 추론 기능과 Amazon EC2에서 실행하는 에이전트를 SpeedShip 운송관리시스템에 연결했다. 청구서 대조, 계약 요금 차이 검토, 추가 비용의 배송 근거 확인을 각 에이전트가 맡는다. 계약 요금, 배송 상세와 인도 증빙을 기존 API로 읽고 운송사별 운임 규정과 업무 절차를 검색해 처리안을 만든다. 처음에는 담당자가 기존 화면에서 건별 승인했고, 원문은 정확도가 99%를 넘은 뒤 일괄 승인을 기본으로 바꿨다고 설명한다. 거절 사유와 사람의 수정 빈도를 기록해 프롬프트와 지식 자료를 개선한다.
    성과
    AWS가 공개한 사례에 따르면 운영 후 여섯 달 시점에 40개가 넘는 운송사로 적용 범위를 넓혔고, 에이전트가 매주 예외 1만 건을 1% 미만의 오류율로 처리했다. 회사는 현금 회수 기간이 네 주 줄고 연간 비용이 100만 달러 넘게 절감됐다고 보고했다. 원문은 미해결 예외 금액이 1500만 달러에서 400만 달러로 줄었으며 현금흐름 1000만 달러를 확보했다고 설명한다. 담당자는 반복 처리 대신 복잡하고 가치가 높은 분쟁에 집중하게 됐다.
    한계와 남은 과제
    성과의 비교 표본과 오류 측정 방법은 공개하지 않았다. 현금흐름 1000만 달러 확보라는 본문 설명과 매주 고객 청구액 1000만 달러를 더 빨리 처리한다는 관계자 인용은 기준이 달라 같은 수치로 합산하지 않았다.

    출처

  3. 2026-10-29자료 공개AX223실증

    제조 / 완성차 독일

    BMW: 연구개발 결함 티켓의 품질 개선과 같은 원인의 과거 사례 판별

    업무 문제
    BMW의 연구개발 결함 관리에서는 제목과 설명이 불완전한 티켓을 보완하고, 같은 원인으로 생긴 과거 결함을 찾아 중복 조사를 줄여야 했다. 독일어와 영어가 섞인 내부 자료에는 고유한 분류와 식별자가 포함돼 일반 모델에 상세 지시만 주면 식별자를 지어내거나 출력 언어를 틀리는 문제가 있었다. AWS와 BMW는 이 업무를 모델 맞춤 학습과 평가 방법을 검증하는 대상으로 삼았다.
    적용한 기술과 데이터
    양사는 12주 협업에서 티켓 수정 이력과 원인 분석 결과를 활용했다. Bedrock 모델로 학습 예시를 만들고, 별도 판정 모델로 정보 보존, 형식과 언어 조건을 검사해 예시를 걸렀다. SageMaker에서 작은 기본 모델에 업무별 QLoRA 어댑터를 학습하고, 하나의 실시간 접속점에서 여러 어댑터를 선택해 쓰도록 구성했다. 티켓 제목과 설명을 고치거나 빠진 정보를 묻는 질문을 만들고, 새 결함과 주어진 과거 후보가 같은 원인인지 판별한다. BMW가 업무 정의와 평가 기준, 학습 자료와 어댑터를 관리하는 구조다.
    성과
    AWS와 BMW는 별도로 보관한 평가 자료에서 제목 품질 점수가 5점 척도 기준 3.74에서 4.71로, 설명 품질이 2.84에서 3.87로 높아졌다고 밝혔다. 같은 원인이 없는 후보를 구별하는 성능도 개선됐다고 설명한다. 이는 단일 학습 설정과 고정된 후보 목록에서 얻은 실험 결과이며, 현장 처리 시간 단축이나 전체 검색 서비스의 운영 성과로 바꾸어 해석하지 않는다.
    한계와 남은 과제
    원문은 단일 무작위 초기값과 단일 학습 설정의 평가라고 명시한다. 전체 검색 과정과 상시 운영 배포, 실제 엔지니어의 업무 시간 개선은 확인되지 않았다.

    출처

  4. 2026-10-27자료 공개AX202운영

    통신 / 유무선 통신 호주

    Telstra: 고객 서비스 이전 과정의 구형, 신형 시스템 간 청구와 결제 불일치 검토

    업무 문제
    Microsoft가 2026년 10월 27일 낸 글에 따르면 Telstra는 고객 서비스를 기존 플랫폼에서 새 플랫폼으로 옮길 때 서로 다른 시스템의 청구와 결제를 맞추는 복잡한 업무를 처리해야 했다. 시스템 사이의 불일치를 찾아 고칠 방안을 마련하면서도 운영 신뢰와 관리 기준을 유지하는 것이 과제였다.
    적용한 기술과 데이터
    Telstra는 Microsoft Frontier Company와 협력해 AI 기반 Migration Payment Agent를 운영에 배치했다. 에이전트는 구형과 신형 시스템의 정보를 활용해 불일치를 먼저 찾아내고 수정 조치를 추천하며, 사람이 검토할 수 있도록 관련 정보를 보강한 사례를 만든다. AI가 내놓은 분석은 사람이 확인하는 절차와 결합되며, 추천이 곧 자동 결제나 청구 변경의 실행을 뜻하지 않는다.
    성과
    Microsoft는 이 솔루션이 서비스 이전 27만 2,000건 이상을 지원했고 실제 운영에서 추천 정확도 95% 이상을 냈다고 밝혔다. 회사는 이를 복잡한 운영 업무와 고객 경험을 개선하고, 다시 쓸 수 있는 AI 역량을 쌓는 사례로 설명했다. 지원한 서비스 이전 수와 추천 정확도는 서로 다른 지표다.
    한계와 남은 과제
    추천 정확도의 분모와 측정 기간, 절감 비용과 수작업 감소율은 공개하지 않았다. 사람이 승인한 뒤 조치하는 구체적 시스템 연결 방식도 확인되지 않았다.

    출처

  5. 2026-10-26자료 공개AX211운영

    물류 / 제3자 물류 미국

    C.H. Robinson: 해상과 항공 화물의 운임 견적 산정과 고객 회신

    업무 문제
    C.H. Robinson의 해상 운임 견적은 출발지와 도착지의 항만, 터미널 요금, 내륙 운송 경로를 함께 확인해야 하는 수작업이었다. 터미널 요금은 계속 바뀌고 화주가 항구를 지정하지 않기도 해 서로 다른 시간대의 직원이 외부 정보를 확인해야 했다. 회사는 이전에 항공 견적은 하루, 해상 견적은 이틀에서 사흘이 걸렸다고 밝혔다.
    적용한 기술과 데이터
    회사는 여러 AI 에이전트와 하위 에이전트가 화주 요청을 해석하고 외부 정보를 구하며 경로를 정하도록 만들었다. 에이전트는 터미널 웹사이트와 요금 안내 이메일을 확인한다. 항구가 지정되지 않으면 픽업 위치와 회사 데이터를 바탕으로 항구, 내륙 운송 수단과 혼재 센터를 제안한다. 회사는 AI가 전문가를 보조하며 사람의 감독과 고객별 대응을 유지한다고 설명했다.
    성과
    2026년 10월 26일 보도자료에서 C.H. Robinson은 AI가 고객 3,600곳이 넘는 곳에 견적 80,000건 이상을 산정해 전달했고 항공과 해상 견적 시간이 이삼 분으로 줄었다고 밝혔다. 미국과 캐나다의 해상 혼재화물 견적으로 시작한 기능은 해상 컨테이너와 항공 화물, 멕시코와 유럽 등으로 확대됐다. 회사는 고객이 더 빨리 정보를 받아 운송 변경이나 차질에 대응할 수 있다고 설명했다.
    한계와 남은 과제
    원문은 견적 정확도와 직원의 수정 비율을 밝히지 않았다. 중국 고객은 시험 단계이며 다른 일부 지역 확대는 발표 당시 향후 계획이다.

    출처

  6. 2026-10-26자료 공개AX213운영

    물류 / 제3자 물류 미국

    C.H. Robinson: 미국 통관 서류의 분류와 정보 추출, 누락 서류 요청

    업무 문제
    C.H. Robinson의 미국 통관팀은 화주, 운송사와 정부 기관이 보내는 여러 종류의 서류를 수작업으로 처리했다. 새 무역 협정과 추가 관세, 강화된 준수 규칙이 더해지면서 국제 화물의 통관 절차가 복잡해지고 직원이 들여야 하는 작업도 늘었다. 회사는 수작업 대상 서류가 네 다스가 넘는 종류였다고 설명했다.
    적용한 기술과 데이터
    새 AI 에이전트와 자동화는 들어온 문서를 나누고 분류해 해당 운송 건에 붙인다. AI 에이전트는 필요한 정보를 추출하고 시스템은 누락된 서류를 찾아 요청한다. 절차 끝에는 청구서와 정보 묶음을 자동으로 발송한다. 문서 처리의 반복 작업을 줄이되 통관사는 중요한 검증과 규정 준수 단계를 계속 맡는 구조다.
    성과
    2026년 10월 26일 보도자료에서 C.H. Robinson은 이 통관 지원으로 지금까지 소요 시간이 23% 줄었다고 밝혔다. 회사는 통관사가 핵심 검증과 규정 준수 업무에 집중할 수 있게 됐다고 설명했다. 이 수치는 통관 지원 업무에 관한 것이며 해상과 항공 운임 견적이나 해상 예약의 처리 시간 성과로 옮겨 쓰지 않는다.
    한계와 남은 과제
    원문은 23% 감소의 측정 기간과 비교 대상, 문서 추출 정확도를 밝히지 않았다. 통관 절차 전체가 사람 없이 끝난다는 의미는 아니다.

    출처

  7. 2026-10-23자료 공개AX203제한 운영

    식품과 음료 / 가공식품 스위스

    Nestlé: 제품 성분과 사용법에 대한 소비자 문의 응답

    업무 문제
    Nestlé는 여러 브랜드와 언어에 걸친 소비자 문의에 빠르고 일관되게 답해야 했다. Salesforce 고객 사례에 따르면 소비자 상담의 절반 이상이 이메일, 채팅, WhatsApp 같은 디지털 채널에서 들어왔다. 제품과 성분 정보가 계속 바뀌는 가운데 브랜드별로 별도 AI를 만들거나 수작업을 늘리지 않고 상담을 확대하는 것이 과제였다.
    적용한 기술과 데이터
    Nestlé는 Service Cloud 안에 Agentforce 소비자 상담 에이전트를 넣었다. Data 360은 데이터를 복제하지 않는 연결로 Snowflake의 제품 성분 정보를 읽고, 브랜드 웹사이트와 상담 지식도 함께 제공한다. 에이전트가 답을 확신하지 못하거나 소비자가 사람을 요청하면 대화 이력과 함께 상담원에게 넘긴다. 상담원은 같은 업무 화면에서 대화 요약과 관련 자료, 답변 추천을 받아 응대를 이어간다.
    성과
    Salesforce는 Nestlé의 시범 운영에서 소비자 문의의 40%를 에이전트가 자율 해결했고 에이전트 응대 만족도는 5점 만점에 4.8점이었다고 밝혔다. 최초 에이전트는 8주 만에 출시했으며 국가별 확대도 준비부터 기술 배포까지 8주가 걸린다고 설명했다. 이 수치는 시범 운영 결과이며 전 세계 모든 소비자 문의의 해결률로 확대하지 않는다.
    한계와 남은 과제
    시범 운영의 표본 수와 측정 기간, 국가별 결과는 공개하지 않았다. 성분 답변의 정확도와 전사 상담 비용 절감액도 원문에 없다.

    출처

  8. 2026-10-22자료 공개AX197제한 운영

    보험 / 보험 중개 홍콩

    Sun Flower Insurance Brokers Limited: 건강보험 상품 비교와 상담용 추천 보고서 작성

    업무 문제
    Sun Flower의 상담원은 고객 문의마다 보험사 문서를 찾아 보험료, 보장 내용, 면책 조건, 가입 자격과 대기기간을 비교해야 했다. 비교할 보험사가 늘면 같은 확인 작업을 반복해야 했고, 고객 요구에 맞는 선택지를 일관되게 설명하기도 어려웠다.
    적용한 기술과 데이터
    AccessOrange는 상품 정보를 SharePoint에 분류하고 고객에게 필요한 입력 항목과 추천 규칙을 정리했다. Microsoft Copilot Studio로 만든 사내용 Insurance Plan Advisor가 고객 정보에 맞는 상품을 추리고 비교 결과를 회사 양식의 PDF 보고서로 만든다. 상담원은 AI의 추천 내용을 검토한 뒤 고객에게 안내한다. 구축 과정에는 사용자 인수 시험, 오류 수정, 정확도 확인과 직원 교육이 포함됐다.
    성과
    AccessOrange의 사례에 따르면 고객사 직원과 해외 동료가 시험과 초기 사용에 참여했다. 고객사는 문의별 상품 비교 과정을 수작업보다 적어도 절반 빠르게 처리할 수 있다고 확인했다. 이 결과는 시험과 초기 사용에서 확인한 고객 의견이며, 전사 운영에서 측정한 평균 처리시간이나 보험 인수 자동화 성과가 아니다.
    한계와 남은 과제
    사용 인원과 측정 표본, 비교 정확도 수치는 공개되지 않았다. 과거 보험금 청구와 의료 사례 데이터를 추가하는 방안은 향후 계획이다.

    출처

  9. 2026-10-22자료 공개AX205운영

    제조 / 승강기 독일

    TK Elevator: 승강기 정비 전 작업 안내와 작업 후 음성 기록

    업무 문제
    TK Elevator 정비 기술자는 현장에서 승강기 위치를 묻고 손으로 쓴 정비 기록과 두꺼운 기술 설명서를 찾아야 했다. 필요한 공구를 뒤늦게 알아 차량으로 돌아가기도 했고 작업 뒤에는 불편한 차량 안에서 기록을 작성했다. 센서 수치만으로는 설명서와 이전 기술자의 경험에 담긴 고장 진단 지식을 함께 쓰기 어려웠다.
    적용한 기술과 데이터
    회사는 Azure의 연결 설비 데이터, 정비 이력과 기술 문서를 바탕으로 Microsoft Foundry와 Azure OpenAI를 쓰는 에이전트 앱을 만들었다. 휴대전화나 태블릿으로 방문 전 승강기 위치와 문제, 필요한 공구를 안내한다. 작업 뒤 음성 에이전트가 기술자의 설명을 기록하고 부족한 내용은 추가 질문한다. 기술자는 현장을 검사하고 자신의 판단으로 조치를 결정하며 새 기록은 다음 정비를 위한 지식으로 쌓인다.
    성과
    Microsoft 현장 취재는 기술자가 설명서와 이전 정비 이력을 현장에서 검색하고 타이핑 없이 작업 내용을 남기는 실제 사용 과정을 소개했다. TK Elevator 관계자는 현장 피드백을 더 정확한 고장 진단과 고장 예방에 활용한다고 설명했다. 전 세계 기술자 2만5000명과 관리 설비 140만 대라는 회사 규모는 제시했지만 모두가 이 앱을 사용한다는 도입률은 밝히지 않았다.
    한계와 남은 과제
    앱 이용자 수와 도입 시작 월, 정비 시간이나 고장률의 개선 수치는 공개하지 않았다. AI가 승강기를 자율 수리하거나 현장 기술자의 판단을 대신하는 사례는 아니다.

    출처

  10. 2026-10-21자료 공개AX210운영

    정보기술 / 기술 컨설팅 인도

    Birlasoft: 계약 문서의 이행 의무 추출과 프로젝트 수행 중 이행 추적

    업무 문제
    Microsoft가 소개한 Birlasoft의 계약 인계 과정에서는 법무, 재무, 세무, 영업 부서가 만든 계약서를 프로젝트 수행 관리자가 넘겨받아 읽고 여러 관계자와 내용을 확인했다. 의무가 기본계약, 작업명세서, 일정과 서비스 수준 약정에 흩어져 있어 사람이 순서대로 읽는 방식만으로는 서로 떨어진 조항의 관계나 빠진 약속을 놓칠 위험이 있었다.
    적용한 기술과 데이터
    Birlasoft는 Contract.ai를 만들어 계약 의무를 뽑고 원문 근거와 연결했다. Azure Data Factory로 문서를 수집하고 Data Lake에 저장하며 Databricks로 분석과 보고를 지원한다. 계획 에이전트가 전문 에이전트를 조율해 의무 추출, 결과 검증과 불일치 표시를 나눠 맡는다. 담당자는 기한이 다가오거나 지난 의무와 완료한 의무를 추적한다. 법적, 재무적 영향이 있으므로 사람의 감독을 유지한다.
    성과
    Microsoft의 고객 사례는 Contract.ai가 연간 1,000건이 넘는 작업명세서를 처리하고 프로젝트당 평균 10개가 넘는 의무를 찾아내며 연간 약 4,000인시의 실현된 절감 효과를 낸다고 설명한다. Birlasoft의 프로그램 관리자는 계약 해석보다 프로젝트 수행에 집중할 수 있고 의무의 실시간 가시성으로 위험 관리와 고객 약속 이행이 나아졌다고 말했다.
    한계와 남은 과제
    원문은 의무 추출 정확도와 누락률, 절감 시간을 산정한 비교 조건을 밝히지 않았다.

    출처

  11. 2026-10-21자료 공개AX198실증

    제조 / 전자기기 독일

    Siemens: 디지털 트윈과 합성 이미지로 인쇄회로기판 광학검사 준비

    업무 문제
    전자제품의 새 모델이나 변형 제품을 생산할 때는 실제 기판 시제품이 나온 뒤에야 광학검사 프로그램을 준비하고 학습시키는 문제가 있었다. 제품 종류와 공정 변경이 잦은 생산 환경에서는 실물 표본을 기다리는 과정과 수작업 검사 준비가 생산 전환의 부담이 됐다.
    적용한 기술과 데이터
    Siemens는 독일 Erlangen 전자공장을 실증 현장으로 삼았다. Teamcenter의 기판 설계, 부품명세와 부품 정보를 Process Preparation X에서 검증하고 정규화해 조립 기판의 디지털 트윈으로 만든다. NVIDIA Cosmos로 정상 기준 기판과 결함 기판의 합성 이미지를 생성해 실물 생산 전에 검사 장비를 보정한다. 생산 중에는 AI 보조 2차 검사가 광학검사에서 찾은 잠재 결함이 실제 불량인지 오탐인지 분석하는 흐름을 설명한다.
    성과
    Siemens는 실제 공장의 생산 환경과 전문가 지식을 활용해 이 검사 준비 흐름을 시연하고 있다고 밝혔다. 실물 기판에 대한 의존과 수작업을 줄이는 것이 목표다. 발표한 검사 프로그램 작성 수작업 최대 85% 축소, 오탐 40% 축소, 초도 수율 5% 초과 개선은 프로젝트 목표이며 달성한 실측 결과로 제시하지 않았다.
    한계와 남은 과제
    실증에서 달성한 처리시간, 오탐률과 수율 수치는 공개되지 않았다. 검사 결과의 최종 승인 권한과 전체 상용 배포 범위도 확인되지 않았다.

    출처

  12. 2026-10-20자료 공개AX195운영

    정보기술 / 클라우드 관리 서비스 한국

    베스핀글로벌: 사내 업무 분석을 거친 AI 에이전트 511개의 전사 상시 운영

    업무 문제
    베스핀글로벌이 2026년 10월 20일 낸 보도자료에 따르면 AI 서비스와 솔루션을 만드는 이 회사는 자체 업무에 먼저 적용해 검증을 마친 솔루션만 고객에게 제안한다는 '자기 증명(Self-Proof)' 원칙을 둔다. 회사는 같은 날 낸 '2026 산업별 AX 고객 사례집'의 마지막 장을 자사의 전사 AX 전환 성과에 할애했다.
    적용한 기술과 데이터
    회사는 월 기준 3만 3,924개 업무를 분석해 900개가 넘는 자동화 과제를 선별하고, 751개 에이전트를 설계하고 검증했다. 이 가운데 511개 AI 에이전트가 지금 전사에서 상시 가동된다. 보도자료는 사례집에 실린 사례 전반에 회사의 자체 AI 플랫폼 HelpNow AI Platform, HelpNow AI Foundry와 데이터 통합 솔루션 HelpNow DataOps가 쓰였고, AWS, Google Cloud, Naver Cloud 같은 멀티 클라우드 위에 RAG, 에이전틱 AI, 멀티 에이전트 오케스트레이션 기술이 적용됐다고 밝혔다.
    성과
    보도자료에 따르면 베스핀글로벌은 이 에이전트들로 연간 3만 6,800시간을 절감하고 휴먼 에러를 99% 줄였다.
    한계와 남은 과제
    에이전트가 맡은 업무의 종류와 절감 시간, 휴먼 에러를 잰 방법은 보도자료에 없다.

    출처

  13. 2026-10-20자료 공개AX226운영

    생활소비재 / 도자기 프랑스

    Bleu Clémentine: 도자기 사업의 상품 설명, 뉴스레터와 소셜미디어 문구 작성

    업무 문제
    프랑스 보르도의 도예가 Morgane는 Bleu Clémentine을 운영하면서 식기와 생활 소품 제작뿐 아니라 상품을 소개하고 고객에게 소식을 알리는 글도 작성해야 했다. 소규모 사업에서는 이러한 홍보 업무에 쓰는 시간이 실제 제작에 쓸 수 있는 시간과 겹친다. Google이 소개한 이 사례의 목적은 글쓰기 자체를 상품으로 만드는 것이 아니라 반복적인 홍보 문구 작성 부담을 줄여 본업에 시간을 돌려주는 것이다.
    적용한 기술과 데이터
    Morgane는 Gemini를 상품 설명, 뉴스레터와 소셜미디어에서 관심을 끄는 도입 문구를 작성하는 데 사용한다. 도자기 사업자가 실제로 필요한 홍보 글을 생성형 AI에 맡기고 확보한 시간을 제작에 다시 쓰는 방식이다. 원문은 이 기업이 사용하는 구체적인 입력 양식, 검수 절차나 외부 앱 연결을 밝히지 않으므로, 같은 기사에서 발표한 새 브랜드 이미지 기능이나 재무 분석 도구를 이 기업이 도입했다고 덧붙이지 않는다.
    성과
    Google은 이 활용으로 Morgane가 하루 2시간에서 3시간을 아끼며 그 시간을 식기와 생활 소품 제작에 다시 투입한다고 소개했다. 공개된 성과는 해당 사업자의 업무 시간에 관한 설명이다. 판매량, 매출이나 광고 전환율이 얼마나 늘었는지는 제시되지 않았다.
    한계와 남은 과제
    절감 시간의 측정 기간과 산정 방법, 최종 문구의 검수 방식은 확인되지 않았다. 새로 발표된 Gemini 기능의 사용 성과와 기존 글쓰기 활용을 섞지 않는다.

    출처

  14. 2026-10-20자료 공개AX227운영

    식품과 음료 / 외식과 정육 소매 미국

    Burger & Butcher: 지역 검색 성과 분석과 매장 홍보 글, 새 메뉴 기획 지원

    업무 문제
    미국 뉴저지의 Burger & Butcher는 식당과 정육 소매를 한 매장에서 운영하며 별도 마케팅팀이 없었다. 운영자 Josh는 영업 업무 사이에 지역 고객이 매장을 어떻게 찾는지 확인하고, 동네 행사에 맞춰 소식을 알리며 새 상품을 준비해야 했다. 매장 운영과 홍보를 함께 맡는 상황에서 검색 정보를 읽고 홍보 문구와 메뉴 구상으로 연결하는 실무 지원이 필요했다.
    적용한 기술과 데이터
    Josh는 Gemini와 연결된 Google Business Profile을 사용한다. 지역 검색과 지도에서 나타나는 매장의 성과를 살피고, 동네 행사에 맞춘 주말 소식 문구를 작성하며, 지역의 맛 선호 흐름을 분석한다. 이러한 분석을 새 아침 메뉴와 집으로 가져갈 정육 판매 상품의 기획에 활용한다. 원문은 교대 근무 사이에 운영자가 도구를 쓰는 방식이라고 설명하며, AI가 매장 계정의 글 게시나 메뉴 판매 결정을 자동으로 실행한다고 밝히지는 않는다.
    성과
    Google은 전담 마케팅 인력이 없는 단일 매장이 고객 유입 정보 확인, 지역 홍보 글 작성과 신규 상품 기획에 Gemini를 실제로 활용하는 사례로 소개했다. 확인되는 변화는 운영자가 근무 사이에 검색 성과와 지역 선호 정보를 업무에 연결한다는 점이다. 방문객, 매출이나 업무 시간의 수치 개선은 공개하지 않았다.
    한계와 남은 과제
    데이터 분석 기간과 정확도, 게시 전 검토 절차는 확인되지 않았다. 기사에서 새로 발표한 재무 분석과 이미지 생성 기능을 이 매장의 도입 범위에 추가하지 않는다.

    출처

  15. 2026-10-20자료 공개AX215운영

    생활소비재 / 화장품 프랑스

    L’Oréal: 소비자 상담원의 답변 초안, 문의 의도 검증과 할인 코드 생성

    업무 문제
    L’Oréal 상담원은 브랜드별 말투를 맞춰 답변하고 문의 의도를 확인해야 했다. 할인 코드를 만들 때도 여러 화면을 오가야 해 소비자 응대의 반복 작업에 시간이 들었다.
    적용한 기술과 데이터
    Service Cloud의 Agentforce가 대화를 요약하고 답변과 할인 코드를 만든다. Data 360은 상담 이력, 고객 기록과 지식 문서에 SAP S/4HANA 주문 정보를 연결한다. 상담원은 초안을 검토하고 수정해 발송하며 AI는 종료 전 문의 의도와 대화가 맞는지 확인한다. 브랜드별 지침으로 답변 말투를 조정한다.
    성과
    Salesforce는 초안을 수정하지 않은 경우 처리 시간이 64%, 수정한 경우 약 40% 줄었다고 밝혔다. 북미 25개 브랜드에서 상담원 300명 이상이 매일 사용한다. 유럽 확대는 향후 계획으로 구분한다.
    한계와 남은 과제
    64%는 수정 없는 초안의 조건부 성과이며 전체 상담 평균이 아니다.

    출처

전체 자료 받기 (JSON)