발주서 양식 70개를 48초에 정리한 제조사 이야기
제조업에서 제품 하나를 만들려면 수백 개의 부품이 필요하고, 부품마다 최소 서너 곳의 거래처에서 견적을 받습니다. 문제는 이 거래처들이 보내는 발주서 양식이 전부 다르다는 겁니다. 어떤 곳은 품명을 먼저 적고, 어떤 곳은 수량부터 적고, 단위도 제각각이죠.
브라질의 펄프 제조사 Suzano도 똑같은 문제를 겪고 있었습니다. 70개 거래처에서 들어오는 발주서를 12명의 직원이 건당 8분씩 수작업으로 정리하던 구조였죠. 그런데 AI를 도입한 뒤 건당 처리 시간이 48초로 줄었습니다. 90%가 단축된 겁니다.
이 글에서는 Suzano가 AI 도입 이후 워크플로우를 어떻게 바뀌었는지를 구체적으로 살펴봅니다.
Suzano가 마주한 문제, 발주서 양식 70종
Suzano는 브라질의 대형 펄프 제조사로, 70개 이상의 거래처와 거래하는 기업이었습니다. 거래처마다 발주서를 보내는 것은 자연스러운 일이지만, 문제는 양식이 전부 다르다는 거였죠. 어떤 거래처는 품명을 상단에, 어떤 거래처는 하단에 적고, 배송 주소와 청구 주소의 위치도 제각각이었습니다.
이 발주서를 처리하는 건 12명 규모의 팀이었습니다. 발주서 한 건을 ERP 프로그램인 SAP에 입력하는 데 평균 8분이 걸렸는데, 이때 데이터를 입력하는 시간보다 양식을 통일하는 시간이 더 길었습니다. 거래처마다 다른 항목 배치를 사람이 하나하나 확인해서 프로그램이 요구하는 형태에 맞게 하나하나 맞춰야 하는 게 복잡했던 거죠.
건당 8분이면 별것 아닌 것처럼 보일 수 있습니다. 하지만 70개 거래처에서 매일 발주서가 들어오는 상황에서 8분이 수백 번 반복되면, 팀 전체의 업무 시간이 이 작업에 묶이게 됩니다.
또한 제조 기업에서 발주서 정리는 업무의 시작이라는 점도 문제를 심각하게 했는데, 발주서 정리 업무가 끝나야 다음 단계로 넘어갈 수 있으니, 이후 진행될 납기 일정 등에도 영향이 갈 수밖에 없었죠.
기존 자동화가 안 통한 이유
Suzano가 처음부터 수작업만 고집한 건 아닙니다. 자동화를 시도한 적이 있었죠.
처음 시도했던 방식은 일반적인 문서 자동화였습니다. 이는 정해진 패턴을 기준으로 데이터를 찾는 방식입니다. 예를 들어 문서의 왼쪽 상단에 있는 숫자가 발주 번호, 세 번째 줄이 품명이라는 규칙을 미리 설정해 두는 거죠.
이 방식은 양식이 하나로 고정되어 있을 때는 잘 작동합니다. 그런데 Suzano의 문제는 양식이 70종이라는 거였습니다. 양식 하나당 규칙 하나를 만들어야 하니 규칙도 70개가 필요하고, 거래처가 양식을 조금만 바꿔도 해당 규칙을 다시 세팅해야 하는 구조였죠. 유지보수 부담이 자동화의 이점을 상쇄해 버리는 상황이었습니다.
결국 Suzano가 선택한 건 양식이 달라도 하나의 자동화로 처리할 수 있는 AI 기반 솔루션이었습니다. 규칙을 하나하나 만드는 대신, AI가 문서의 맥락을 읽고 어떤 항목이 품명인지, 수량인지, 단가인지를 스스로 판단하는 방식이죠.
AI 통한 발주서자동화는 양식이 70종이든 100종이든 별도 세팅 없이 처리할 수 있다는 점이 기존 자동화와는 결정적으로 다른 점이었습니다.
AI 도입 이후 바뀐 워크플로우
AI를 도입한 뒤 Suzano의 발주서 처리 과정은 크게 네 단계로 바뀌었습니다.
1단계 : AI가 발주서에서 데이터 자동 추출
거래처에서 발주서가 들어오면 AI가 문서를 읽고, 고객명, 배송 주소, 청구 주소, 품목별 품명, 수량, 단가 등을 자동으로 추출합니다. 양식이 달라도 AI가 맥락으로 판단하기 때문에 거래처별로 별도 설정을 할 필요가 없죠.
2단계 : 추출 데이터 후처리
추출된 데이터는 곧바로 ERP 프로그램에 들어가는 게 아니라, 후처리 과정을 거칩니다. 특수문자 정리, 중복 통화 기호 제거 같은 포맷 정돈이 이 단계에서 이뤄지죠. 특히 배송 주소와 청구 주소를 기반으로 프로그램 내 벤더 매핑 코드를 자동 생성하는 과정이 포함되어 있어서, 이전에 사람이 하던 코드 매칭 작업도 함께 자동화됐습니다.
3단계 : 검증
모든 데이터가 정확히 추출됐는지 확인하는 단계입니다. AI의 추출 결과를 사람이 한 번 훑어보고 승인하는 구조로, 이전처럼 처음부터 데이터를 입력하는 게 아니라 이미 정리된 결과를 확인만 하면 되는 거죠.
4단계 : SAP 입력용 데이터 추출
검증이 끝나면 정제된 데이터가 엑셀 형태로 추출되고, 이걸 SAP에 업로드하면 발주 처리가 완료됩니다.
이 과정을 거치면서 발주서의 건당 처리 시간이 8분에서 48초로 줄었습니다. 12명이 하루 종일 매달려야 했던 작업이, 같은 팀이 여유를 갖고 처리할 수 있는 수준으로 바뀐 거죠. 직원들의 역할도 달라졌습니다. 데이터를 입력하던 사람에서 AI가 정리한 결과를 확인하고 판단하는 사람으로요.
이 사례에서 제조 기업이 가져갈 수 있는 점
Suzano 사례의 핵심은 단순합니다. 양식이 달라도 하나의 기준으로 정리되는 구조를 만들었다는 것이죠. 이전에는 양식 70종을 사람이 통일했다면 이제는 AI가 대신할 수 있게 된겁니다.
국내 제조 기업도 같은 문제를 갖고 있습니다. 거래처마다 견적서 양식이 다르고, 발주서 형태도 다르고, 단위와 부가세 기준도 제각각이죠. 따라서 Suzano와 같은 방식으로 발주서를 자동화 할 수 있습니다.
다만 국내 기업이 Suzano의 사례와 다른 점이 있다면 언어입니다. 한국 제조 기업의 문서는 대부분 한글로 작성되어 있고, 한글과 영문, 숫자가 섞인 양식도 많거든요. 따라서 한국 제조 기업의 발주서 자동화를 위해서는 국내 기업에 특화된 솔루션이 필요합니다.
YRP 유링파워는 한글 문서 처리에 특화된 AI 문서 자동화 솔루션입니다. 한글, 영문, 숫자가 혼합된 국내 제조 기업 특유의 견적서나 발주서도 정확하게 읽고 분류할 수 있도록 설계되어 있죠. 드라이브, 슬랙, 노션 같은 기존 업무 도구와 바로 연동되기 때문에, 문서를 올리면 항목 추출부터 비교표 생성까지 자동으로 처리됩니다.
실제로 YRP 유링파워를 도입한 기업에서는 눈에 보이는 성과가 나오고 있습니다.
구매팀 4명이 문서 정리에 쓰던 시간이 하루 3시간씩 줄어 연간 약 8,100만원 이상의 인건비가 절감됐고, 납기 지연으로 발생하던 손실도 월 6건 기준 80%가 줄어 약 1,440만원 이상이 절감됐습니다. 수작업에서 생기던 오류와 재작업, 클레임 비용까지 합치면 약 540만원 이상의 추가 절감 효과도 확인되고 있죠.
발주서 양식이 달라서 정리에 시간을 쓰고 있다면, Suzano처럼 그 시간을 AI에 맡기는 게 현실적인 선택입니다. YRP 유링파워가 우리 기업의 문서에도 적용 가능한지 확인하고 싶다면, 무료 문서 현황 진단부터 시작해 보세요.