배관, 설비 유지보수, 청소, 부품 유통, 인쇄, 물류. 앱스토어 순위에는 나오지 않아도 고객은 오늘 전화를 걸고, 직원은 오늘 견적을 보내며, 현장팀은 오늘 움직입니다. 유행을 덜 타고 반복 수요가 있는 대신 운영 방식은 전화, 종이, 엑셀과 직원의 기억에 묶여 있는 사업도 많습니다.
저는 이런 사업을 AI로 ‘섹시하게 만든다’는 말을 디자인을 바꾸거나 AI 챗봇을 붙이는 일로 해석하지 않습니다. 고객이 기다리는 시간을 줄이고, 직원이 같은 내용을 다시 입력하지 않게 하며, 대표가 자리를 비워도 일이 이어지게 만드는 쪽에 가깝습니다.
최근 YouTube에서는 화려한 AI 앱보다 눈에 잘 띄지 않는 B2B 업무 자동화를 다루는 콘텐츠가 늘었습니다. ServiceTitan은 계약업체의 놓친 전화를 접수하고 예약으로 연결하는 AI 음성 에이전트를 소개했고, 현장 서비스 콘텐츠는 배차·일정·모바일 작업의 연결을 강조합니다. 이메일 주문서를 읽어 ERP 주문 초안으로 바꾸는 제품도 등장했습니다.
Threads에서도 Salesforce, Twilio, Zapier, ServiceNow 같은 기업이 CRM, 음성·메시징, 워크플로와 서비스 운영을 AI와 결합해 설명합니다. 공개 검색의 한계 때문에 게시물별 확산량까지 비교할 수는 없었지만, AI가 범용 대화창에서 업종별 운영 흐름으로 내려오고 있다는 방향은 분명합니다.
다만 “AI를 붙이면 오래된 사업이 좋아진다”는 말은 너무 넓습니다. 전화 한 통이 현금 회수까지 이어지는 흐름을 놓고 보면, 어디에 어떤 기술을 써야 하는지가 보입니다.
1. 놓친 전화를 일감으로 바꾸는 음성 AI
현장 서비스 사업에서 전화는 상담 채널이면서 주문 입구입니다. 작업 중이라 전화를 받지 못하면 고객은 다음 업체로 넘어갈 수 있습니다.
음성 AI의 가치는 사람처럼 말하는 데만 있지 않습니다. 고객 이름과 연락처, 요청 장소, 증상, 희망 시간을 받아 접수번호를 만들고, 긴급도와 서비스 가능 지역을 확인하며, 담당자에게 다음 행동을 넘겨야 합니다.
모든 통화를 끝까지 자동화할 필요는 없습니다. 사고, 안전, 환불, 가격 약속처럼 잘못 답했을 때 손실이 큰 문의는 사람에게 즉시 넘기는 편이 낫습니다. 통화가 끝난 뒤 CRM에 무엇이 남는지가 음성 품질만큼 중요합니다.
2. 종이와 PDF를 입력 대기열로 바꾸는 문서 AI
오래된 사업에는 주문서, 거래명세서, 점검표, 팩스, 사진과 이메일 첨부파일이 많습니다. 문서 AI는 여기에서 고객명, 품목, 수량, 날짜와 금액을 뽑아 구조화할 수 있습니다.
하지만 읽은 값을 ERP에 바로 확정하면 안 됩니다. 고객 코드가 맞는지, 제품 식별자가 연결되는지, 같은 주문을 두 번 받은 것은 아닌지, 단가와 수량이 허용 범위 안인지 확인해야 합니다.
좋은 구조는 문서 수신 → 값 추출 → 규칙 검증 → 예외 대기열 → 사람 승인 → ERP 반영입니다. 읽기와 확정 사이에 검증 단계를 두는 이유는 별도 글인 AI가 주문서를 읽었다고 바로 ERP에 넣으면 안 됩니다에서 더 자세히 다뤘습니다.
3. 베테랑의 기억을 출처가 있는 답변으로 바꾸는 지식 검색
설비 소리만 듣고 원인을 짐작하거나 고객 이름만 보고 주의사항을 떠올리는 직원이 있습니다. 이 지식은 강점이지만 한 사람에게만 남아 있으면 채용, 교육과 승계가 어려워집니다.
작업일지, 매뉴얼, 과거 고장 기록, 부품 호환표와 고객별 약속을 모아 검색 가능한 지식 기반을 만들 수 있습니다. AI는 질문에 답하되 어떤 문서와 작업 기록을 근거로 했는지 함께 보여줘야 합니다.
목표는 베테랑을 복제하는 것이 아닙니다. 초보 직원이 다음 질문을 더 정확히 하고, 확신할 수 없는 판단을 경험자에게 빨리 넘기게 하는 것입니다. 안전과 품질에 영향을 주는 판단은 승인 기준과 책임자를 남겨야 합니다.
4. 견적 속도와 생산 가능성을 함께 확인하는 견적 보조
견적이 늦어지는 이유가 문장을 쓰는 데 있는 경우는 드뭅니다. 고객 요구를 표준 작업이나 제품 옵션으로 바꾸고, 필요한 부품과 인력을 계산하며, 납기와 마진을 확인하는 데 시간이 걸립니다.
AI는 상담 내용과 과거 견적을 바탕으로 초안을 만들 수 있습니다. 그 위에 판매 가능한 옵션 조합, 최소 마진, 재고, 작업시간과 별도 승인 조건을 규칙으로 연결해야 합니다.
빨리 보낸 틀린 견적은 자동화 성과가 아닙니다. 견적 보조의 기준은 작성 시간이 아니라 수주 후 재작업과 손실이 줄었는지까지 포함해야 합니다.
5. 캘린더를 운영 계획으로 바꾸는 배차·일정 최적화
현장 사업의 일정은 빈 시간에 작업을 끼워 넣는 문제가 아닙니다. 직원의 기술, 이동 거리, 부품 보유, 고객 약속, 긴급도와 작업 예상시간이 함께 움직입니다.
이 영역에서는 대규모 언어 모델보다 제약 조건을 다루는 최적화 기술이 더 중요할 수 있습니다. AI가 고객 요청을 읽고 필요한 조건을 정리하면, 일정 엔진이 가능한 배차안을 계산하고 사람이 최종 조정하는 방식입니다.
좋은 배차 자동화는 직원 수를 줄이는 도구가 아니라 이동과 대기를 줄이고, 급한 작업이 들어왔을 때 어디를 바꿔야 하는지 보여주는 도구입니다.
6. 여러 시스템 사이의 ‘다음 행동’을 잇는 워크플로 에이전트
CRM에는 문의가 있고, 일정표에는 방문 약속이 있으며, ERP에는 주문과 청구가 있습니다. 문제는 각 시스템에 값이 있어도 다음 행동이 이어지지 않는다는 데 있습니다.
워크플로 에이전트는 견적이 이틀째 열리지 않았을 때 후속 연락 초안을 만들고, 작업 완료 사진이 올라오면 청구 준비 상태로 넘기며, 미수금이 기준일을 지나면 담당자에게 알릴 수 있습니다.
에이전트가 마음대로 회사를 운영하게 해서는 안 됩니다. 실행 가능한 행동, 승인받아야 하는 행동, 금지된 행동을 구분하고 모든 변경을 기록해야 합니다. 실패한 작업을 재시도할 때 중복 청구나 중복 메시지가 생기지 않도록 같은 업무를 한 번만 처리하는 장치도 필요합니다.
7. 월말 보고서를 오늘의 예외로 바꾸는 이상 탐지
오래된 사업의 데이터는 월말에야 모이는 경우가 많습니다. 그러면 취소가 늘거나 특정 작업의 마진이 무너져도 늦게 발견합니다.
운영 데이터가 연결되면 AI는 평균과 다른 흐름을 먼저 보여줄 수 있습니다. 특정 지역의 재방문이 늘었는지, 견적 승인률이 갑자기 떨어졌는지, 작업시간은 늘었는데 청구금액은 그대로인지, 반복 고객의 주문 주기가 끊겼는지를 찾는 식입니다.
여기서도 예측 점수보다 행동이 중요합니다. 이상을 발견한 뒤 누가 원본을 확인하고, 고객에게 연락하며, 가격이나 작업 기준을 바꿀지 정해져 있어야 합니다.
기술 목록보다 먼저 전화 한 통을 끝까지 따라갑니다
AI 도입을 제품 목록으로 시작하면 각 부서에 도구만 늘어납니다. 대신 최근 완료된 일감 몇 건을 골라 다음 흐름을 연결해 봅니다.
- 고객은 어디로 문의했는가.
- 누가 어떤 기준으로 견적을 만들었는가.
- 일정과 담당자는 어떻게 정했는가.
- 현장 결과와 사용 부품은 어디에 기록됐는가.
- 주문·청구·입금 상태는 연결돼 있는가.
- 재방문이나 후속 판매는 누가 챙겼는가.
한 번의 일을 끝까지 따라가면, AI가 필요한 곳과 단순한 규칙·API 연동이 필요한 곳이 갈립니다. 말과 문서를 해석하는 데는 AI가 유용하고, 금액 계산, 권한, 회계 상태와 승인 순서에는 같은 입력에 같은 결과가 나오는 규칙이 필요합니다.
언섹시 비즈니스의 매력은 업종이 아니라 운영에서 나옵니다
AI가 배관업을 소프트웨어 회사로 바꾸지는 않습니다. 대신 놓친 전화를 줄이고, 견적과 배차를 빠르게 하며, 작업 기록을 청구로 이어주고, 대표 한 사람의 기억을 조직의 시스템으로 옮길 수 있습니다.
그 결과 고객은 더 빨리 답을 받고, 직원은 반복 입력을 덜 하며, 운영자는 어디에서 일이 막히고 돈이 새는지 볼 수 있습니다. 제가 생각하는 ‘섹시한’ 전통 사업은 로봇이 전부 일하는 회사가 아닙니다. 평범한 하루가 특정 사람의 영웅적인 야근 없이도 예측 가능하게 돌아가는 회사입니다.
MOSH는 이미 운영 중인 사업의 문의, 견적, 일정, 주문, 현장 기록과 청구 흐름을 살펴보고 AI를 붙일 곳과 규칙으로 남길 곳을 구분합니다. 도구를 고르기 전에 한 건의 업무가 어디에서 멈추는지부터 진단하고 싶다면 현재 흐름을 간단히 정리해 보내주세요.
참고한 공개 자료
#언섹시비즈니스 #AI자동화 #업무자동화 #전통산업 #운영혁신