에이전틱 AI 5%에서 60%로, 그 사이에 있는 진짜 병목

안녕하세요! 트레이드매트릭스입니다.

글로벌 비즈니스와 SCM(공급망관리)의 최신 트렌드를 가장 빠르고 정확하게 분석해드립니다.

“AI 에이전트가 발주를 스스로 낸다”는 문장은 이제 전시회 홍보 문구가 아니라 예산 계획서에 등장하는 표현이 됐습니다. 다만 숫자를 자세히 보면, 기대와 현실 사이의 간격이 꽤 선명하게 드러납니다.

2030년 530억 달러, 그리고 5%라는 현재

가트너가 2026년 4월 7일 발표한 전망에 따르면, 에이전틱 AI 기능을 포함한 SCM 소프트웨어 지출은 2025년 20억 달러 미만에서 2030년 530억 달러로 늘어날 것으로 보입니다.

더 중요한 수치는 채택률입니다. SCM 소프트웨어를 쓰는 기업 중 에이전틱 AI 기능을 실제로 도입한 비중은 2025년 5%이며, 2030년 60%에 이를 것으로 전망됐습니다.

구분	2025년	2030년(전망)
에이전틱 AI 포함 SCM SW 지출	20억 달러 미만	530억 달러
해당 기능 채택 기업 비중	5%	60%
자율 의사결정 적용(가트너 별도 전망)	—	교차기능 SCM 솔루션의 50%

가트너는 기업의 실제 배치가 기술 공급 속도를 따라가지 못하는 이유로 데이터 관리, 운영 관리, 인력 준비, 네트워크 인프라의 격차를 지목했습니다. 기술이 아니라 준비 상태가 변수라는 뜻입니다.

기능별 도입률에서 드러나는 순서

BCG가 2026년 5월 전 세계 1,250개 기업을 대상으로 조사한 결과, 기능별 AI 도입률은 공급망·영업 44%, 재무 40%, HR 37%, 구매 35% 순이었습니다. 구매는 추적 대상 13개 기능 중 가장 낮았습니다.

그런데 측정 가능한 가치를 냈다고 답한 기업은 30%에 그쳤습니다. 대부분의 시도가 ‘코파일럿’ 단계에 머물러 한계 수익만 내고 있다는 진단입니다.

기술 트렌드 8개가 가리키는 방향

가트너가 제시한 2026년 공급망 기술 트렌드는 에이전틱 AI, 다기능 로봇, 피지컬 AI, 협업형 멀티에이전트, 지능형 시뮬레이션, 의사결정 거버넌스, 도메인 특화 언어모델, 제품 이력추적 여덟 가지입니다.

여기서 실무자가 주목할 항목은 여섯 번째, 의사결정 거버넌스입니다. 나머지 일곱 개가 ‘무엇을 할 수 있는가’를 다룬다면, 이 항목만 ‘누가 책임지는가’를 다룹니다. AI가 낸 판단을 조직이 받아들이려면 투명성과 책임 소재가 먼저 정리돼야 한다는 문제의식입니다.

병목은 알고리즘이 아니라 데이터였습니다

같은 조사에서 나타난 장애 요인은 다음과 같습니다.

비정형 데이터를 처리하지 못한다 92%, 조직 사일로가 부서 간 AI 활용을 막는다 88%, AI 인재가 부족하다 71%. 여기에 해켓그룹 2026년 조사에서는 구매 조직의 59%가 AI 도입을 관리할 전문성이 부족하다고 답했습니다.

“AI 에이전트는 깨끗한 데이터 위에서만 자율적입니다. 지저분한 데이터 위에서는 자율적으로 틀립니다.”

제가 본 실패와 성공의 갈림길

한 제조사의 파일럿을 곁에서 본 적이 있습니다. 수요예측 에이전트를 붙였는데 결과가 실무 감각과 계속 어긋났습니다. 원인을 파보니 모델이 아니라 품목 마스터였습니다. 같은 자재가 코드 세 개로 등록돼 있었고, 단종 품목이 정리되지 않은 채 남아 있었습니다.

반대로 성과가 나온 사례도 있습니다. 한 글로벌 소비재 기업은 보충발주에 AI 에이전트를 적용해 재고 보유율 2~4%, 충족률 4~10% 개선, 관리비용 40~60% 절감을 신규 인력 증원 없이 달성했습니다. 차이는 모델의 성능이 아니라 적용 범위를 반복 업무 하나로 좁혔다는 점이었습니다. 전사 수요계획을 통째로 맡기는 대신, 결과를 바로 확인할 수 있는 한 가지 판단만 넘긴 것입니다.

가시성 데이터 품질 문제를 더 깊이 보고 싶다면 tradematrixops.com의 공급망 가시성 솔루션 글을 함께 읽어보시길 권합니다.

도입 전 점검 체크리스트

✔ 품목·거래처 마스터 데이터의 중복·단종 정리가 끝났는가

✔ 에이전트가 자율 실행할 수 있는 한도(금액·수량·예외)를 문서로 정했는가

✔ 사람이 개입하는 시점과 승인 주체가 프로세스에 명시돼 있는가

✔ 도입 전 기준치(리드타임, 충족률, 재고일수)를 미리 측정해 두었는가

결론: 오늘 실행할 액션플랜 4가지

1. 첫 대상은 ‘반복되고 재고 영향이 작은 업무’로 잡으세요.
보충발주, 운송 상태 확인, 예외 알림 분류 같은 업무가 적합합니다. 처음부터 수요계획 전체를 맡기면 검증 자체가 불가능해집니다.

2. 마스터 데이터 정리를 선행 과제로 예산에 넣으세요.
AI 예산의 상당 부분이 데이터 정비에 쓰이는 것은 낭비가 아니라 전제 조건입니다. 이 항목을 빼면 도입 후 신뢰도 논쟁으로 시간을 더 씁니다.

3. 자율 실행 한도를 숫자로 못 박으세요.
“금액 ○○만 원 이하, 수량 ○○ 이하, 신규 거래처 제외” 같은 명시적 경계가 있어야 에이전트를 실제로 풀어줄 수 있습니다. 경계가 없으면 결국 모든 건을 사람이 재확인하게 됩니다.

4. 성과는 도입 전후 비교로만 보고하세요.
기준치를 미리 재두지 않으면 개선 효과를 주장할 근거가 남지 않습니다. 측정 가능한 가치를 낸 기업이 30%뿐인 이유의 상당 부분이 여기에 있습니다.

에이전틱 AI는 도입 여부가 아니라 준비 순서의 문제입니다. 관련 기술 트렌드는 tradematrixops.com AI·디지털 물류혁신 카테고리에서 이어서 확인해보세요.

---

연관검색어 태그

#에이전틱AI #AI에이전트 #공급망AI #SCM소프트웨어 #디지털물류 #수요예측AI #마스터데이터 #데이터품질 #구매자동화 #물류DX #가트너전망 #공급망가시성 #보충발주 #물류혁신 #SCM리스크관리

---

본 글은 공개된 시장조사 자료를 정리한 일반 정보이며, 전망치는 조사기관의 가정에 따라 달라질 수 있습니다.

참고 자료
– Gartner Forecasts SCM Software with Agentic AI Will Grow to $53 Billion by 2030 (2026.04.07)
– Procurement’s AI Adoption Gap in 2026: What Closes It (JAGGAER)
– Robots, AI and Agents are Vital for Supply Chains This Year (AI Magazine)
– Gartner Survey Shows 55% of Supply Chain Leaders Expect Agentic AI to Reduce Entry-Level Hiring Needs (2026.02.25)