
엠로가 국내 전력·통신 인프라 기업 A사에 소액 구매 자동화 AI 에이전트를 공급했다.
엠로는 17일 자체 개발한 구매 자동화 AI 에이전트를 A사에 납품했다고 밝혔다. 이번 프로젝트는 공장과 현장 설비 유지보수에 쓰이는 소모품·교체용 부품 등 소액 수선비 구매 업무를 AI에 맡기기 위해 추진됐다.
A사는 연간 수만 건의 소액 구매 요청이 들어올 때마다 담당자가 전사적자원관리(ERP)를 거쳐 견적요청서(RFQ)를 만들고 협력사와 개별적으로 연락해 왔다. 납기와 지급 조건을 대조하는 과정에서 인력 낭비와 업무 지연이 반복되자 자동화 체계를 도입했다.
이번 구축의 특징은 AI 에이전트의 권한을 거래 규모에 따라 나눈 3단계 차등 설계다. 엠로는 자체 AI 개발 플랫폼 'AI 스튜디오'를 기반으로 모든 거래를 무차별 자동화하지 않았다.
정형화된 소액 수선비 구매는 AI가 견적서 생성부터 비교, 협력사 낙찰, 발주, 내부 품의 상신까지 전 과정을 사람 개입 없이 처리한다. 중간 규모 거래는 담당자 승인 단계만 거치고, 전문 협상이 필요한 고액 투자는 AI가 데이터 분석과 판단 근거만 제시하는 지원 역할에 머문다.
이런 구조는 AI 도입 시 기업이 우려하는 통제 불능과 오작동 위험을 줄이면서 자율성을 높인 설계다. 구매 담당자는 통합 모니터링 환경에서 AI의 단계별 처리 기록과 진행 상황을 실시간으로 추적하고, 가격 급등이나 납기 지연 같은 이상 징후가 있을 때만 선별적으로 개입한다.
A사가 올해 9월 시스템을 본격 적용한 뒤 내부 담당자를 조사한 결과 소액 구매 업무의 평균 처리 시간은 이전보다 50% 이상 줄었다.
엠로는 지난 10월 29일 GS칼텍스의 소액 자재 구매 자동화 프로젝트를 수주한 데 이어 이번에 제조 인프라 대기업 현장에서도 시간 단축 수치를 입증했다. 최근 여러 기술 벤처가 거대언어모델(LLM)을 사내 포털이나 문서 검색에 접목했지만 투자대비효과(ROI)를 보여주지 못해 개념 검증(PoC) 단계에서 중단되는 사례가 적지 않았다.
이번 변화는 기업 내부 자원 재배치 측면에서도 의미가 있다. 담당 인력이 잡무에서 벗어나 공급망 단가 구조 분석이나 핵심 협력사 리스크 관리, 장기 계약 협상 등에 집중할 여력이 생기기 때문이다.
다만 AI가 스스로 협력사를 선정하는 과정에서 특정 업체 쏠림이나 불공정 시비가 없도록 알고리즘 공정성을 지속 검증하는 체계와 모기업 시스템과의 연동 안정성 유지는 향후 에이전틱 AI 확산 과정에서 점검해야 할 과제로 꼽힌다.
