사내 시스템(ERP·CRM·WMS)에 AI 붙이는 실전 패턴 5가지

"ChatGPT는 알겠는데, 우리 ERP·CRM에 AI를 어떻게 붙이지?" 대표님들이 가장 많이 묻는 질문입니다.

답은 도구가 아니라 패턴입니다. ERP에 GPT-5 API를 어떻게 연결할지가 아니라, ERP가 받는 input과 내는 output 사이에 AI가 들어갈 적절한 지점이 어디인지가 핵심입니다.

이 글은 사내 시스템·클라이언트 프로덕트를 설계·운영하면서 본 5가지 실전 패턴을 정리한 노트입니다. 각 패턴은 input → AI → output 흐름으로 적었고 도구·운영 디테일까지 포함했습니다.

사내 시스템에서 흔히 보이는 페인 포인트 (Level 0)

다음 페인이 익숙하면 시작 시점입니다.

• 베테랑 머릿속에 규정이 들어 있습니다. "이 케이스는 김 부장님 결재 받아야 해"라는 식이고 그분 휴가면 멈춥니다
• 5년치 데이터가 쌓였는데 분석을 못 합니다. DB에 누적된 매출·고객·재고 데이터를 활용할 도구가 없습니다
• 인사이동만 생기면 부서가 멈춥니다. 인계 자료 없이 사람만 의존하기 때문입니다
• CS 미응대로 고객이 이탈합니다. 문의 1건 응대까지 30분, 그 사이 고객은 이미 떠납니다

이 4개는 사내 시스템에 AI를 붙이면 직접 해결되는 영역입니다. "AI 자동화"라는 추상 단어보다 구체 패턴 5개로 보겠습니다.

5가지 실전 패턴

패턴 ① ERP 견적 자동 산정

영업담당이 자유 형식 텍스트로 요구사항을 작성하면, AI가 기존 견적 DB·마진 정책·할인 규칙을 참조해 항목별 견적을 산정합니다. 결과는 견적서 PDF로 출력되고 ERP에 자동 저장된 뒤, 영업담당에게 검토 요청이 갑니다.

실제 운영에서 중요한 디테일.

• ERP는 그대로 둡니다. AI는 API로 ERP와 통신합니다
• 견적 검증은 영업담당이 마지막에 합니다 (자동 발송 X)
• 마진율·할인은 코드로 관리합니다. LLM이 함부로 못 정합니다

도입 효과는 견적 1건당 작성 시간 30분이 5분으로 줄어듭니다. 정확도는 비슷합니다.

패턴 ② CRM 리드 스코어링

CRM에 들어온 리드(회사명·연락처·문의 내용)를 AI가 0~100점으로 스코어링합니다. 이전 매출 데이터·문의 톤·회사 규모 추정을 종합하고 결과는 CRM에 점수가 붙고 영업 우선순위가 자동 정렬됩니다.

실제 운영에서 중요한 디테일.

• 첫 3개월은 사람이 모든 점수를 검토합니다. 정확도 측정 기간입니다
• 80% 정확도가 넘어가면 자동 적용을 시작합니다
• 영업담당이 "이 점수 틀렸어"라고 표시하면 자동 학습 데이터로 누적됩니다

도입 효과는 영업 시간의 70%가 상위 점수 리드에 집중되고 전환율이 1.5~2배 올라갑니다.

패턴 ③ WMS 재고 예측

5년치 발주·판매 데이터에 계절성·이벤트 정보를 더해, AI가 향후 4주 발주 시점과 수량을 예측합니다. 시계열 분석 모델 + LLM 검증 조합이고 결과는 WMS에 발주 추천 + 담당자 검토용 대시보드로 나옵니다.

실제 운영에서 중요한 디테일.

• 시계열 모델(Prophet·LSTM)이 1차 예측하고 LLM이 이벤트·계절성을 보정합니다
• 발주 결정은 사람이 합니다. AI는 추천만 합니다
• 첫 3개월은 AI 추천 vs 실제 발주를 비교해 정확도를 측정하고 신뢰를 누적합니다

도입 효과는 재고 부족·과잉 케이스가 30~50% 감소하고 5년 데이터를 실제 운영에 활용하기 시작합니다.

패턴 ④ 어드민 이상 거래 탐지

결제·로그인·접근 로그(실시간 스트림)를 AI가 받아 정상 패턴을 학습하고 이탈 케이스를 감지합니다(anomaly detection). 결과는 알람 + 어드민 표시 + 자동 차단 옵션으로 나옵니다.

실제 운영에서 중요한 디테일.

• false positive 줄이는 게 핵심입니다. 첫 3개월은 알람만 보내고 자동 차단은 안 합니다
• 운영팀 피드백으로 정확도가 누적됩니다
• 보안 사고는 비용이 크니, 정확도 95%+에 도달하기 전까지는 사람 결재가 필수입니다

도입 효과는 어뷰징·도용 탐지가 1주일+에서 1시간 이내로 줄고 손실 비용이 직접 절감됩니다.

패턴 ⑤ CS 티켓 자동 분류·1차 답변

이메일·카카오톡·홈페이지 문의 텍스트를 AI가 받아 카테고리를 분류하고 답변 초안을 생성합니다. RAG 기반으로 회사 매뉴얼·FAQ를 참조하고 결과는 CS 담당에게 카테고리별 큐 + 답변 초안 형태로 전달됩니다.

실제 운영에서 중요한 디테일.

• 답변은 사람이 검토하고 발송합니다. 자동 발송은 안 합니다. 정확도 100%가 아니면 위험합니다
• 신입이 답변 작성에 30분 걸리던 게 5분으로 줄어듭니다
• 자주 묻는 질문은 FAQ로 자동 분류되어 사람 응대 0건이 됩니다

도입 효과는 응대 시간 60% 절감, 응대 품질 일관성 상승입니다.

5가지 패턴 공통 운영 원칙

패턴 5가지를 운영하면서 발견한 공통 원칙.

1. 사람이 항상 마지막 결재를 합니다. AI가 결정하지 않고 추천만 합니다
2. 3개월은 정확도 측정 기간입니다. 자동 적용 전에 사람이 모든 케이스를 검토합니다
3. 이탈 케이스가 학습 데이터로 누적됩니다. 틀린 케이스가 다음 정확도 향상의 연료가 됩니다
4. 사내 시스템(ERP·CRM 등)은 그대로 둡니다. AI는 API·MCP로 통신하고 시스템 자체는 안 건드립니다
5. 운영 매뉴얼·모니터링이 필수입니다. 도입보다 정착이 어렵습니다

Claude Code·MCP·AI Agent를 사내 시스템에 직접 적용해본 패턴이라 시행착오가 적습니다. "이렇게 만들면 된다"는 도구 설명이 아니라, 운영 단계에서 어디가 막히는지가 핵심입니다.

패턴이 도구를 정합니다

AI Agent든 RAG든 MCP든 도구는 매년 새로 나옵니다. 그러나 사내 시스템에 AI를 붙이는 패턴은 5년째 비슷합니다. 도구를 먼저 고르지 마세요. 우리 시스템의 어디에 AI가 들어가야 가치 있는지부터 패턴으로 보세요.

패턴을 강조하는 이유는 단순합니다. 도구는 갈아끼울 수 있지만 잘못된 architecture는 6개월 후 재개발 비용으로 돌아옵니다. 처음부터 끝까지 같은 담당자가 패턴 설계 → 도구 선택 → 정착까지 책임지는 방식을 베비투스랩이 추구합니다.

---

우리 시스템에 어떤 패턴이 맞을지 궁금하면 3분 AX 진단에서 4축 점수로 측정할 수 있습니다. 또는 30분 무료 상담에서 우리 ERP·CRM에 맞춘 patterns 함께 정리합니다.