.
| 2026년 10월 8일 Google Cloud가 개최한 ‘Gemini at Work 2026’ 행사에서는 글로벌 기업들이 AI 에이전트를 실제 업무에 적용하고 있는 다양한 사례가 소개됐다. AI가 생산현장의 안전관리와 설비 점검, 데이터 분석, 고객서비스 등으로 확산되고 있으며, 일부 기업에서는 업무시간 단축과 생산성 향상 등 구체적인 성과도 나타나고 있다. 그 성과는 이제까지의 경영혁신의 성과와는 훨씬 더 크고 파괴적이다. 이번 Weekly AI Signal Report에서는 이 행사를 계기로 공개되거나 재조명된 사례에 의료·호텔·공공행정 분야의 사례를 더해, 실제 적용 내용과 성과를 확인할 수 있는 글로벌 AX 사례 7개를 선정했다. 농업에서 제조업과 산업설비, 의료·통신·호텔 등 서비스산업, 공공행정에 이르기까지 AI가 다양한 산업의 업무방식을 어떻게 바꾸고 있는지 살펴본다. |
.
[글로벌 AX 성공사례 특집]
| 산업 분야 | 기업·기관 | 핵심 AX 성과 및 적용 규모 |
| ① 농업 | 브라질 CNA/SENAR | WhatsApp 기반 AI 영농상담, 활성 이용자 4만 명 |
| ② 제조업 | 인도 Tata Steel | 300개 이상 AI 에이전트 배치, 고객 불만 처리시간 50% 단축 |
| ③ 산업설비 | 일본 Hitachi | HMAX 기반 200개 이상 AI 활용 사례, 설비 점검·유지보수 지원 |
| ④ 의료 | 미국 Houston Methodist | AI 수술실 운영으로 수술 건수 7% 증가, 월 약 25건 추가 |
| ⑤ 통신 | 일본 NTT DOCOMO | 데이터 분석시간 2주 → 거의 즉시, 연간 45만 시간 절감 |
| ⑥ 호텔·관광 | 글로벌 Radisson Hotel Group | ChatGPT 유입 고객의 예약 전환율이 자연검색 대비 1.5배 |
| ⑦ 공공행정 | 중국 베이징시 | 약 4만 개 식품업체를 AI 영상감시 체계에 연결 |
AX 성공사례 ① 농업 | 브라질
CNA/SENAR, 농업인 4만 명에게 AI 영농 상담서비스 제공
브라질의 CNA/SENAR는 전국 농업·축산업 생산자의 권익을 대변하고, 농업기술 교육과 경영 지원을 제공하는 기관이다. 이 기관은 농업인이 필요한 정보를 쉽게 얻고 영농 의사결정에 활용할 수 있도록 대화형 AI 서비스 ‘JoIA(조이아)’를 개발했다. 농업인은 별도의 전문 프로그램을 설치하거나 복잡한 사용법을 익힐 필요 없이, 평소 사용하는 WhatsApp에서 문자·음성·사진으로 질문하고 답변을 받을 수 있다.
JoIA는 농업기술과 경제정보를 연결해 농가의 실제 의사결정을 돕는다. 농업인은 지역별 농자재 가격과 날씨를 확인하고, 작물의 생산비와 수익성을 비교하거나 재배방식을 바꿀 때 예상되는 경제적 영향을 검토할 수 있다. 젖소·육우 사육, 콩·옥수수·커피·사탕수수·바나나·포도 재배 등 주요 농축산 분야의 생산비 분석을 지원하며, CNA/SENAR가 축적한 전문자료와 검증된 외부 정보를 활용한다. 2026년 8월 정식 공개에 앞서 전국에서 1만 명 이상의 농업인이 45일간 시범 사용했다.
10월 9일 Google Cloud 발표에 따르면 JoIA의 활성 이용자는 4만 명에 이르렀으며, 향후 브라질 전역의 농업인 500만 명까지 지원할 잠재력이 있는 것으로 평가된다. 이번 사례의 의미는 AI가 대규모 농기업의 전유물이 아니라 소규모 농가에도 전문적인 정보와 분석능력을 제공하는 수단이 되고 있다는 점이다. 농업의 경쟁력이 생산설비와 경작 규모뿐 아니라, 농업인이 얼마나 정확한 정보를 바탕으로 신속하게 판단할 수 있는가에 의해서도 달라지고 있음을 보여준다.
.
AX 성공사례 ② 제조업 | 인도
Tata Steel, 300개 AI 에이전트로 제철소 안전관리부터 고객서비스까지 혁신
인도의 Tata Steel은 자동차·건설·기계산업 등에 철강제품을 공급하는 글로벌 철강기업이다. 이 회사는 Google Cloud와 협력해 제철소의 안전관리부터 설비 유지보수, 공급망 분석, 고객서비스까지 다양한 업무에 AI 에이전트를 도입했다. 특히 직원들이 전문적인 AI 개발 지식 없이도 필요한 에이전트를 만들 수 있는 내부 플랫폼 ‘Zen AI’를 구축해, 9개월 동안 300개 이상의 전문 AI 에이전트를 배치했다.
실제 제철소에서는 ‘Safety EyeQ’라는 AI가 작업현장의 카메라 영상을 실시간으로 분석한다. 대형 장비의 이동이나 고온 자재에 작업자가 가까이 접근하는 위험 상황, 안전작업 절차 위반 등을 감지하면 즉시 경고한다. ‘Asset Sphere’는 설비 상태를 분석해 고장 가능성을 사전에 파악하고 유지보수 계획을 지원한다. 고객서비스에서는 AI가 불만 내용과 제품 사진을 분석해 문제 유형을 판단하고 담당 부서로 전달한다. 그 결과 고객 불만 처리시간이 평균 50% 단축됐으며, 인사 담당 부서에서는 일상적인 직원 문의의 70% 이상을 AI가 자동 처리하고 있다.
이번 사례의 의미는 제조업의 AI가 생산공정 자동화를 넘어 현장의 위험을 예방하고, 설비 고장을 예측하며, 기업의 여러 업무를 연결하는 운영체계로 확장되고 있다는 점이다. 특히 직원들이 자신의 업무에 필요한 AI 에이전트를 직접 만들어 활용한다는 점에서, 제조기업의 AX가 IT 부서 중심의 기술 도입을 넘어 현장 주도의 업무혁신으로 발전할 가능성을 보여준다.
.
AX 성공사례 ③ 에너지·산업설비 | 일본
Hitachi, 200개 이상의 현장 AI 에이전트로 설비 점검과 안전관리 혁신
일본의 Hitachi(히타치)는 전력·철도·산업설비·디지털 시스템 등 사회기반시설을 구축하고 운영하는 글로벌 기업이다. 이 회사는 Google Cloud와 협력해 산업현장의 설비 점검과 유지보수를 지원하는 AI 솔루션 ‘HMAX’를 확대하고 있다. 2026년 10월 8일 Google 2026년 10월 Google Cloud가 소개한 사례에서는 Hitachi가 200개 이상의 업무에 AI를 활용하고 있는 것으로 나타났다. 특히 전력설비 점검에서는 작업 전후의 사진을 AI가 비교해 점검 누락과 이상 징후를 확인하도록 지원하고 있다.
구체적인 적용 사례는 전력설비의 차단기 점검이다. 기존에는 기술자 여러 명이 작업을 마친 뒤 볼트가 정확히 체결됐는지, 전선이 올바르게 연결됐는지, 임시 안전장치가 제거됐는지를 종이 점검표와 육안으로 확인했다. Hitachi는 기술자가 작업 전후의 설비 사진을 업로드하면 AI가 두 이미지를 비교해 이상 여부를 알려주는 방식을 시험했다. 이를 통해 작업자의 실수나 점검 누락을 줄이고, 숙련된 검사자의 확인 업무를 지원하려는 것이다. 이러한 기술은 2025년 10월부터 Hitachi Power Solutions의 유지보수 교육시설에서 실증이 진행됐다.
이번 사례의 의미는 AI가 사무실의 정보처리를 넘어 산업현장에서 숙련기술자의 판단을 지원하는 역할로 확장되고 있다는 점이다. 설비 점검에 필요한 경험과 노하우를 AI에 축적하면 작업자의 숙련도에 따른 품질 차이를 줄이고, 인력 부족에 대응할 수 있다. 특히 전력·철도·공장처럼 작은 점검 오류도 큰 사고로 이어질 수 있는 분야에서 AI는 생산성뿐 아니라 안전성과 설비 운영의 신뢰성을 높이는 수단이 될 수 있다.
.
AX 성공사례 ④ 의료 | 미국
Houston Methodist, AI로 수술실 운영을 혁신해 수술 건수 7% 증가
미국 텍사스주 휴스턴에 본부를 둔 Houston Methodist는 병원과 전문 진료시설을 운영하는 비영리 의료기관으로, 심장·암·신경계 질환 등 고난도 치료와 의료연구를 수행하고 있다. 이 병원은 수술실 부족 문제를 새로운 시설 건설이 아닌 AI를 활용한 운영 개선으로 해결하고자 했다. 수술이 끝난 뒤 다음 환자의 수술이 시작되기까지는 청소와 장비 정리, 의료진 준비 등 여러 과정이 필요하다. 이 과정에서 발생하는 지연이 수술실의 전체 가동능력을 제한하고 있었다.
Houston Methodist는 의료 AI 기업 Apella의 컴퓨터 비전 기술을 심장·흉부외과 수술실 15곳에 도입했다. 천장에 설치된 카메라와 AI가 수술실의 운영 상태를 분석해 수술 종료, 환자 이동, 청소, 다음 수술 준비 등 단계별 소요시간을 파악한다. 이를 통해 병원은 어느 단계에서 지연이 발생하는지 확인하고 의료진과 운영 담당자의 업무 조정을 개선했다. 10개월간의 운영 결과 수술실을 추가로 건설하지 않고도 수술 건수가 7% 증가했으며, 이는 월평균 약 25건의 추가 수술에 해당한다. 수술 자체에 걸리는 시간은 크게 달라지지 않았고, 수술과 수술 사이의 준비시간을 줄인 것이 핵심이었다.
이번 사례의 의미는 의료 AX가 진단과 치료를 지원하는 수준을 넘어 병원의 운영능력 자체를 높이는 방향으로 확장되고 있다는 점이다. 의료시설과 전문인력의 확충에는 많은 시간과 비용이 필요하지만, AI로 기존 시설의 운영과정을 개선하면 동일한 자원으로 더 많은 환자에게 의료서비스를 제공할 수 있다. 이는 수술실뿐 아니라 응급실, 검사실, 병상 운영 등 의료기관 전반으로 확장할 수 있는 혁신 방식이다.
.
AX 성공사례 ⑤ 통신 | 일본
NTT DOCOMO, AI 에이전트로 2주 걸리던 데이터 분석을 거의 실시간으로 단축
일본의 NTT DOCOMO는 이동통신과 모바일 결제, 디지털 서비스를 제공하는 일본의 대표적인 통신기업이다. 이 회사는 방대한 고객·서비스 데이터를 분석해 마케팅과 서비스 운영에 활용하고 있지만, 기존에는 현업 직원이 분석을 요청하면 전문 데이터 분석가가 자료를 추출하고 분석 결과를 전달하기까지 약 2주가 걸렸다. NTT DOCOMO는 이러한 업무 지연을 해결하기 위해 Google Cloud의 생성형 AI 기술을 활용한 데이터 분석 에이전트를 도입했다.
직원은 복잡한 분석 프로그램이나 데이터베이스 명령어를 사용하지 않고, 일상적인 언어로 필요한 분석을 요청할 수 있다. AI 에이전트는 질문의 의미를 파악하고 관련 데이터를 조회·분석해 결과를 제공한다. 예를 들어 고객의 서비스 이용 패턴이나 특정 상품의 이용 현황을 확인하기 위해 분석 전문가에게 별도로 작업을 의뢰할 필요가 줄어든다. G 2026년 10월 8일 Google Cloud 발표에 따르면 NTT DOCOMO는 데이터 분석 에이전트를 활용해 기존 약 2주 걸리던 분석 결과 도출 시간을 거의 즉시 수준으로 단축했으며, 연간 약 45만 시간에 해당하는 업무시간을 확보한 것으로 소개됐다. 다만 45만 시간의 구체적인 집계 범위와 산정 방식은 공개되지 않았다.
이번 사례에서 주목할 점은 AI가 데이터 분석가의 업무를 단순히 빠르게 처리하는 데 그치지 않고, 현업 직원이 직접 데이터를 활용해 판단할 수 있도록 기업의 의사결정 구조를 바꾸고 있다는 사실이다. 고객과 상품, 운영 데이터를 보유한 통신·금융·유통기업에서 이러한 변화가 확산되면 전문 분석부서에 집중돼 있던 데이터 활용능력이 조직 전체로 확대될 수 있다. 다만 분석시간 단축이 곧바로 매출이나 수익 증가를 의미하는 것은 아니며, 실제 경영성과로 연결되는지는 별도의 검증이 필요하다.
.
AX 성공사례 ⑥ 호텔·관광 | 글로벌
Radisson Hotel Group, AI 호텔 예약 채널로 예약 전환율 1.5배 달성
Radisson Hotel Group은 유럽을 비롯해 세계 여러 지역에서 Radisson Blu, Radisson RED, Park Inn 등 다양한 호텔 브랜드를 운영하는 글로벌 호텔기업이다. 이 회사는 여행객이 호텔을 검색하고 비교하는 방식이 기존 검색엔진에서 대화형 AI로 확대되는 변화에 대응해, Accenture와 협력하여 ChatGPT에서 호텔을 탐색하고 예약을 진행할 수 있는 서비스를 구축했다. Accenture는 약 6주 만에 호텔 검색과 예약 연계 기능을 개발했다.
여행객은 ChatGPT에 여행 목적지와 일정, 숙박 조건을 자연어로 설명하고 적합한 Radisson 호텔을 추천받을 수 있다. 호텔의 위치와 특징을 비교한 뒤 원하는 숙소를 선택하면 Radisson의 예약 사이트로 이동해 예약을 완료하는 방식이다. 2026년 7~8월 성과를 비교한 결과, ChatGPT를 통해 유입된 고객의 예약 전환율은 일반 자연검색을 통해 유입된 고객보다 약 1.5배 높았다. 이는 전체 호텔 예약이 50% 증가했다는 뜻이 아니라, 유입 경로별 예약 전환율을 비교한 수치이다.
이번 사례는 호텔업의 경쟁이 검색 결과에서 얼마나 잘 노출되는가를 넘어, AI가 여행객에게 어떤 호텔을 추천하고 실제 예약으로 연결하는가로 확장되고 있음을 보여준다. 앞으로 호텔기업은 객실 가격과 시설 정보뿐 아니라 위치, 서비스 특징, 예약 가능 정보 등을 AI가 정확하게 이해하고 활용할 수 있도록 관리해야 한다. AI 에이전트가 고객의 여행계획과 구매결정에 관여하면서 호텔의 디지털 유통전략도 달라지고 있는 것이다.
.
AX 성공사례 ⑦ 공공행정·식품안전 | 중국
베이징시, AI 영상감시로 4만 개 식품업체의 안전관리 체계 혁신
중국 베이징시 시장감독관리국은 식품안전과 제품 품질, 시장질서 등을 감독하는 지방정부 기관이다. 이 기관은 음식점과 식품 제조·판매업체의 위생관리 수준을 높이기 위해 AI 기반 영상감시 시스템을 확대하고 있다. 식품안전 감독은 현장 방문과 표본검사에 크게 의존해 왔지만, 수많은 영업장을 공무원이 직접 확인하는 방식만으로는 일상적인 위생관리 상태를 지속적으로 점검하기 어렵다는 한계가 있었다.
베이징시는 식품업체에 설치된 영상장비를 AI 분석 시스템과 연결해 조리·식품취급 과정에서 발생할 수 있는 위생관리 위반 징후를 식별하는 방식을 도입했다. AI는 영상에서 확인할 수 있는 작업자의 위생수칙 준수 여부와 작업환경의 이상 징후 등을 분석하고, 감독 담당자가 점검이 필요한 현장을 선별하도록 지원한다. 2026년 10월 보도에 따르면 약 4만 개 식품업체가 이러한 AI 기반 영상감시 체계에 연결됐다. 다만 이는 시스템 적용 규모를 나타내는 수치이며, 식품안전 사고 감소나 감독인력 절감 효과가 입증됐다는 의미는 아니다.
이번 사례는 공공부문의 AI가 민원 안내와 행정문서 처리에서 나아가 현장의 위험을 상시 감지하고 감독업무의 우선순위를 결정하는 역할로 확대되고 있음을 보여준다. 감독 대상이 많고 현장 점검인력이 제한된 식품안전 분야에서는 AI가 이상 징후를 먼저 찾아내고 공무원이 실제 위반 여부를 확인하는 협업체계가 중요해질 수 있다. 다만 영상감시가 확대될수록 개인정보 보호와 오탐지에 따른 부당한 제재를 방지하는 관리체계도 함께 갖춰야 한다.
.
미래학자 인사이트
AX의 성패는 기술보다 업무를 바꾸는 능력에 달려 있다
이번 7개 사례에서 주목할 점은 AI가 만들어낸 성과의 크기만이 아니다. 성과가 나타나는 방식이 산업마다 다르다는 사실이다. 농업에서는 전문지식에 대한 접근성이 높아졌고, 제조업에서는 고객 불만 처리시간이 줄었다. 의료기관은 수술실을 추가하지 않고 더 많은 환자를 치료했으며, 호텔은 새로운 고객 유입 경로에서 더 높은 예약 전환율을 확인했다.
이 사례들이 보여주는 AX의 핵심은 AI를 기존 업무에 추가하는 것이 아니라, AI를 활용해 업무의 흐름과 자원 활용방식을 바꾸는 것이다. 특히 의료 사례는 그 차이를 잘 보여준다. 수술을 더 빠르게 한 것이 아니라 수술과 수술 사이에 발생하던 비효율을 줄여 전체 운영능력을 높였다.
앞으로 기업과 조직의 AX 경쟁력은 AI 도입 규모보다 어떤 업무를 재설계하고, 그 결과를 얼마나 정확하게 측정하며, 검증된 성과를 조직 전체로 확산할 수 있는가에 달려 있다. AI의 진정한 가치는 기술 자체가 아니라 그것을 통해 새롭게 만들어지는 조직의 역량과 성과에서 결정될 것이다.
– Vol. 16 끝 –