'우리 ERP에 AI를 붙일 수 있나요?'라는 문의를 받으면, 저희는 모델 이야기 전에 시스템 이야기부터 합니다. ERP·그룹웨어·내부 시스템 연동 프로젝트에서 일정이 밀리는 원인은 대부분 AI가 아니라 연동 그 자체이기 때문입니다. 데이터를 꺼낼 방법이 없거나, 벤더 협조가 늦거나, 꺼낸 데이터가 지저분해서 멈춥니다. 이 글은 개발을 시작하기 전에 확인해야 할 항목들을 순서대로 정리한 체크리스트입니다.
1. 데이터를 꺼낼 방법이 있는가
가장 먼저 확인할 것은 접근 방식입니다. 좋은 순서대로 나열하면 공식 API, DB 직접 조회(읽기 전용 계정), 정기 파일 내보내기, 그리고 최후의 수단인 화면 자동화입니다. 공식 API가 있으면 가장 안정적이고, DB 읽기 전용 조회도 실무에서 많이 씁니다. 반면 화면을 흉내 내는 방식은 ERP 업데이트 한 번에 깨질 수 있어, 다른 길이 전부 막혔을 때만 선택해야 합니다. 자체 구축 ERP라면 개발했던 업체가 아직 지원하는지, 문서가 남아 있는지도 이 단계에서 확인합니다. 패키지 ERP나 SaaS라면 벤더 협조가 변수입니다. API 사용 승인, 계정 발급, 방화벽 오픈 같은 절차가 벤더와 내부 보안팀을 거치는 데 몇 주씩 걸리는 경우가 흔합니다. 저희 경험상 이 절차는 개발과 병렬로 진행할 수 없는 선행 조건이므로, 프로젝트 일정을 잡기 전에 소요 기간부터 물어봐야 합니다.
2. 꺼낸 데이터가 쓸 만한가
연동이 뚫려도 데이터 품질이 발목을 잡을 수 있습니다. 특히 마스터 데이터를 확인해야 합니다. 같은 거래처가 이름만 다르게 여러 건 등록되어 있거나, 품목 코드 체계가 중간에 바뀌었거나, 필수 항목이 비어 있는 채로 수년간 쌓였다면, AI 이전에 데이터 정리가 프로젝트의 절반이 됩니다. 이것은 나쁜 소식이 아니라 미리 알아야 할 소식입니다. 시작 전에 실제 데이터 몇 백 건을 샘플로 뽑아 품질을 확인하면, 일정과 견적을 현실적으로 잡을 수 있습니다.
3. 읽기와 쓰기를 분리해서 판단하라
ERP에서 데이터를 읽어 AI가 분석·요약·대조하는 것과, AI가 만든 값을 ERP에 다시 써넣는 것은 위험 수준이 전혀 다릅니다. 읽기는 틀려도 되돌릴 수 있지만, 쓰기는 재고 수량이나 전표 금액을 오염시키면 복구 비용이 큽니다. 그래서 원칙은 '읽기부터 시작하고, 쓰기는 사람 승인을 거친다'입니다. 저희가 해운사 정산 업무를 자동화할 때도 시스템이 확신하지 못하는 값은 추정해서 채우지 않고 '확인 필요'로 표시해 담당자에게 넘기도록 설계했습니다. 기입 자동화는 이 검증 구조가 자리잡은 뒤에 넓혀도 늦지 않습니다.
- 1단계 · 읽기 전용. AI가 ERP 데이터를 조회해 요약·대조·알림만 제공한다
- 2단계 · 승인 후 쓰기. AI가 만든 값을 사람이 확인하고 버튼을 눌러야 기입된다
- 3단계 · 조건부 자동 쓰기. 검증 규칙을 통과한 값만 자동 기입하고, 나머지는 확인 목록으로 보낸다
4. 테스트 환경과 되돌릴 방법
운영 ERP에 바로 붙여 테스트하는 것은 피해야 합니다. 확인할 것은 세 가지입니다. 스테이징(테스트) 환경이 있는가, 없다면 테스트용 더미 데이터를 넣고 지울 수 있는가, 그리고 자동으로 기입한 건을 식별해서 되돌릴 수 있는가. AI가 기입한 데이터에는 누가 언제 무엇을 근거로 썼는지 로그를 남겨야, 문제가 생겼을 때 범위를 특정해 되돌릴 수 있습니다. 이 감사 추적은 보안팀·회계팀 승인을 받을 때도 반드시 요구되는 항목입니다.
데이터가 회사 밖으로 나가는 경로도 이 단계에서 정리합니다. AI API를 쓴다면 어떤 필드가 외부로 전송되는지 목록을 만들고, 개인정보나 민감 항목은 마스킹하거나 아예 보내지 않도록 설계합니다. 모델 학습에 데이터가 쓰이지 않는 조건(Zero Data Retention)인지도 계약 전에 확인할 항목입니다.
체크리스트 요약
| 항목 | 확인 질문 | 막혔을 때의 대안 |
|---|---|---|
| 접근 방식 | 공식 API나 읽기 전용 DB 조회가 가능한가 | 정기 파일 내보내기로 시작 |
| 벤더 협조 | 계정 발급·방화벽 오픈에 몇 주 걸리는가 | 일정에 선행 기간으로 반영 |
| 데이터 품질 | 마스터 데이터에 중복·결측이 얼마나 있는가 | 정리 작업을 범위에 포함 |
| 쓰기 권한 | AI 기입 값을 사람이 승인하는 단계가 있는가 | 읽기 전용부터 단계 도입 |
| 테스트 환경 | 운영과 분리된 환경에서 검증할 수 있는가 | 더미 데이터 + 기입 로그·롤백 |
정리하면, ERP에 AI를 붙이는 프로젝트의 성패는 모델 성능보다 연동 준비에서 갈립니다. 위 항목들이 확인되면 개발 자체는 예측 가능한 작업이 됩니다. Plan AI는 2주 파일럿(PoC)에서 실제 시스템의 데이터 일부를 받아 연동 가능성과 데이터 품질부터 검증한 뒤에 본 구축을 제안합니다. 어떤 시스템을 쓰고 계신지와 자동화하고 싶은 업무를 남겨주시면 1영업일 내 검토 회신드립니다.