Precious Elements in Dormant Data: Johnson Matthey가 묵은 R&D 기록을 AI로 꺼내 쓰는 법
Johnson Matthey가 실패한 시험, 옛 배합, 실험 노트처럼 흩어진 수십 년치 R&D 기록을 AI로 추출·구조화하는 프로젝트를 진행 중입니다. 발표자는 빠른 조회와 반복 시험 감소에서 시작해 예측, 고객 가치 차별화, 신제품으로 이어지는 다섯 기회를 들었고, 정량 수치는 공개하지 않았습니다.
Submission Triage: 미국 E&S 보험사 Upland가 AI 추출과 심사 규칙으로 청약 대기열을 푼 방법
댈러스의 E&S 보험사 Upland Specialty는 FurtherAI로 브로커 청약서에서 심사 필드를 뽑고, 심사 규칙을 운영 플랫폼에 넣어 딜마다 초기 판정을 붙입니다. 건당 약 20분 걸리던 수작업 clearance가 사라졌고 모든 청약이 SLA 안에 처리됩니다. 해외 팀은 입력 대신 품질 검수를 맡습니다.
Pipeline-in-a-Person: 직원 1명이 Claude로 외부 실험실 11곳을 조율해 신약 후보를 만든 방식
Anthropic이 7월 인수한 Mithril Medicine은 상근 직원이 창업자 1명뿐이었습니다. 창업자는 Claude로 외부 실험실 11곳의 실험 추적과 데이터 분석, 계약·물류를 맡겨 근육퇴행 질환 후보를 18개월 미만에 유망한 쥐 실험 결과까지 끌고 갔고, 이 후보가 Anthropic 첫 내부 신약 파이프라인이 됐습니다.
AI Knowledge Base for Drawings: 구켄공업, 70년치 도면 찾기를 평균 4.5분으로 줄이다
냉각탑을 만드는 일본 구켄공업이 Recursive와 OpenAI API로 70년 넘게 쌓인 도면·기술 자료를 지식 DB로 만들고, 부품표로 과거 도면을 찾는 기능과 문서 간 차이를 띄우는 기능을 붙였습니다. 후쿠오카 공장 시험에서 도면 찾기가 평균 4.5분이 됐고, 연간 검색 공수 약 90% 감소를 추정합니다.
On-premise LMM: 가와사키중공업이 도면과 숙련 엔지니어의 판단 기준을 사내 AI로 정리한다
가와사키중공업이 리코의 문서 독해형 LLM·LMM을 자사 서버에 설치하고, 항공기·로봇 설계 영역에서 도면·기술 문서의 지식과 숙련 엔지니어의 판단 기준을 AI로 정리해 이어받는 실증을 시작했습니다. 기밀 도면은 회사 밖으로 나가지 않고, 생산성 수치는 아직 공개되지 않았습니다.
AI Chief Investment Officer: Blackstone 투자위원회에 투표권 없이 올라가는 AI 평가 메모
Blackstone은 월요일 투자위원회에 올라가는 거의 모든 투자 건에 딜팀 메모와 별도로 AI가 쓴 평가 메모를 붙입니다. 이 AI는 14년 넘는 내부 투자 메모와 위원회 토론을 바탕으로 하며, 승인·거절 권한은 없고 결정은 경영진이 내립니다.
AI Wants to Please You: Allianz 청구 조직이 AI에 맡기는 일과 손해사정사가 끝까지 지는 책임
Allianz 북미 청구 책임자 Melissa Hill은 사고 접수, 청구 등록, 문서·의료기록 요약, 승인된 건의 지급에 AI를 쓰되 결정과 책임은 손해사정사에게 둔다고 밝혔습니다. AI는 사용자가 원하는 답을 내놓는 경향이 있어 반복 시험과 반박이 필요하고 청구 전체를 사람 없이 끝내는 완전 자동화는 하지 않습니다.
Back-Office Agents: ASOS는 발주 에이전트로 주 500시간, 카탈로그 에이전트로 주 300시간을 덜었다
ASOS CEO Calamonte에 따르면 발주 시점을 맞추는 에이전트가 주 500시간, 브랜드 상품 정보를 받아 넣는 에이전트가 주 300시간을 줄였고 송장 대사 자동화로 연 약 100만 파운드를 아낍니다. 고객 쪽 AI Stylist는 UK iOS 사용자 절반에게 열렸습니다. 수치는 모두 회사 측 설명입니다.
국내 기업 AX 소식: 현업 병목을 실제 데이터로 먼저 시험하고 넓힌다 (11월 7일 묶음)
11월 5~6일 국내 기업 AX 소식 3건을 묶었습니다. NH농협은행은 직원 제안 39건에서 업무 에이전트 10개를 골라 PF 보고서 초안을 5영업일 이상에서 약 4시간으로 줄일 것으로 보고, 창신INC는 실제 데이터로 에이전트를 시험한 뒤 Palantir 플랫폼을 개발~생산에 붙였고, SKT는 AI 망 운영에 체감품질 지표를 더했습니다.
Box Context Retrieval: 스캔본·영상까지 권한대로 찾아 에이전트에 근거를 주는 검색 엔진
Box가 BoxWorks 2026에서 Nvidia Nemotron Retriever 임베딩 모델로 스캔 문서·이미지·음성·영상까지 색인하고 파일 권한대로만 찾아 주는 Context Retrieval을 발표했습니다(내년 초 정식 출시). 회사는 Recall@5 최대 20% 향상, 토큰 90% 감소, 답변 약 4배 단축을 기대 효과로 내세웠습니다. 내 문서로 이 수치를 다시 재는 평가 설계와 6주 준비안을 붙였습니다.
Frontier Engineering: Veradigm이 실제 기록을 본뜬 합성 데이터로 7주 만에 만든 의료 코딩 모델
Snowflake의 Frontier Engineering 팀이 Veradigm 팀 안에 들어가 7주 만에 의료 코딩 전용 모델을 만들었습니다. 환자의 사적 데이터에는 접근하지 않고 실제 기록에 근거한 합성 데이터로 학습했습니다. 같은 팀 논문의 파이프라인과 수치, 라벨 JSON, 7주 일정안을 붙였습니다.
Underwriting Workbench: Ryan Specialty가 재보험 청약 처리를 3분 미만으로 줄이고 결정은 사람에게 남긴 법
전문보험 중개·인수사 Ryan Specialty는 재보험 부문의 underwriting workbench로 commercial auto liability 청약 1건 처리 시간을 최대 2시간에서 3분 미만으로 줄였다고 3분기 실적 콜에서 밝혔습니다. 공용 AI 블록을 라인별 작업대로 조립하고 모든 결정 지점에 사람 검토를 둡니다. 같은 구조를 라인 하나에서 8주 pilot으로 돌리는 방법을 붙였습니다.
Autonomous Close Agents: 직원 225명 Pamarco가 월 결산 작업 40%를 에이전트에 맡긴 방법
인쇄·포장 부품사 Pamarco는 Dynamics 365 결산 작업 공간을 매시간 확인하는 에이전트로 7개 법인 월 결산 작업의 약 40%를 자동화했습니다. 운송 송장 코딩 성공률이 약 95%에 이르자 자동 전기까지 켰습니다. 결산 작업 레코드 필드, 자동 전기 관문, 8주 시범안을 붙였습니다.
국내 기업 AX 소식: 삼성화재 AI가 암 보험금 서류 검토와 설계사 상담 준비를 맡는다 (11월 4일 묶음)
11월 3~4일 국내 기업 AX 기사 5건 중 원문을 확인한 한국금융신문의 삼성화재 기사 1건을 실었습니다. 삼성화재는 암 보험금 심사에서 AI가 대신 판단하게 해 직원 검토 비중을 약 55% 줄였고 10월에는 설계사 상담 준비를 돕는 AI Advisor를 전속 설계사 전원에게 열었습니다.
Small Agent Team: DHL 재무가 에이전트 개발을 2~3명에 묶고 전건 사람 확인을 두는 이유
송장을 연 약 170만 건 처리하는 DHL Supply Chain 재무 조직은 Oracle AI Agent Studio로 에이전트 3~4개를 만들면서 개발 인원을 2~3명으로 묶었습니다. 인식 엔진 교체로 송장 인식률은 약 60%에서 95~96%로 올랐지만 거래 데이터를 바꾸는 처리는 모두 사람 확인을 거칩니다. 검증 흐름, 독립 채점 구조, 8주 시범안을 붙였습니다.
PlanAssist: Google DeepMind가 영국 지자체 주택 인허가 심사 시간을 58% 줄인 방식
Google DeepMind가 영국 정부·Google Cloud·Faculty와 만든 Gemini 기반 인허가 심사 도구 PlanAssist를 Barnet·Camden·Dorset에서 시범 운영하자 일반 주택 신청 심사 시간이 58% 줄었고, 생성된 보고서의 70% 이상이 수정 없이 승인됐습니다. 최종 결정은 모든 건에서 담당자가 합니다. 12개월 Beta로 15개 지자체까지 넓히고 2027년 잉글랜드 전 지자체 제공을 목표로 합니다.
AI-enabled Data Exchange: Hanover가 대리점 데이터를 바로 받아 상업보험 견적을 앞당기는 방식
Hanover는 3분기 콜에서 대리점 데이터 환경에 직접 연결해 자료 추출과 인수 대상 검토를 자동으로 하고 견적 회신을 앞당기는 AI 기능을 3개월 만에 실전에 올렸다고 밝혔습니다. 회사는 E&S 성장률이 6.5%에서 11.7%로 오른 배경으로 AI 접수·분류를 들었습니다. 클레임용 Adjuster Workbench와 함께 따라 만들 때의 데이터, 규칙, 8주 시범안을 붙였습니다.
국내 기업 AX 소식: 금융사 AI가 고객 창구에서 직원의 심사·상담 업무로 들어간다 (10월 31일 묶음)
전자신문과 소비자가 만드는 신문의 금융권 AI 기사 2건을 묶었습니다. 신한은행은 감정평가서 점검 시간을 건당 약 70% 줄였고 삼성생명은 챗봇 25개로 영업 현장 문의를 월 29만 건 처리합니다. 금융사 AI가 직원의 서류 확인과 상담 준비를 맡고 최종 판단은 직원에게 남깁니다.
Lean AI for Forwarding: C.H. Robinson이 해상·항공 견적을 2~3분으로 줄이고 통관 서류를 에이전트에 맡긴 방식
C.H. Robinson이 육상에서 쓰던 Lean AI 에이전트를 해상·항공 포워딩과 미국 통관으로 넓혔습니다. 견적은 고객 3,600곳에 8만 건 넘게 나갔고 소요 시간은 1~3일에서 2~3분으로, 통관 서류 처리 시간은 23% 줄었습니다. 에이전트별 입력 필드와 10주 시범안을 붙였습니다.
Seller Hours and Cases per Mile: US Foods가 AI 성과를 영업 시간과 배송 효율로 재는 법
미국 식품 유통사 US Foods는 메뉴판을 읽어 제안서를 만드는 생성형 AI로 영업 시간을, 라우팅 소프트웨어로 마일당 배송 케이스를 잽니다. 도구마다 다른 단위로 성과를 밝히되 출처와 빈칸을 구분해 읽는 법, 제안서 파이프라인 설계와 8주 파일럿안을 붙였습니다.
NOVA: Unilever가 에이전트 5개로 손입력 주문 접수를 15~20분에서 90초로 줄인 방식
Unilever는 이메일·PDF·종이로 오는 연 약 200만 건의 주문을 에이전트 4개가 읽어 추출하고 1개가 검증해 SAP에 넣는 NOVA로 처리합니다. 11개 시범 시장에서 주문 1건이 15~20분에서 약 90초가 됐고 95%가 사람 손 없이 들어갔습니다. 검증 규칙, 운영 지표, 8주 시범안을 붙였습니다.
Agentic Due Diligence: Ropes & Gray가 OpenAI와 실사 검토 절차를 에이전트로 옮긴 사례
미국 로펌 Ropes & Gray가 OpenAI와 함께 M&A 실사 도구를 만들고 있습니다. 변호사가 데이터룸을 검토하는 순서를 에이전트 워크플로로 옮기고 모든 단계에 변호사 감독을 둡니다. 며칠~몇 주 걸리던 쟁점별 보고서를 몇 시간 안에 내는 것이 목표입니다. 쟁점 JSON 필드와 6주 파일럿안을 붙였습니다.
Early progress on drug development: 신약 개발사 6곳이 Claude로 제조 문서 검토·규제 초안을 줄인 중간 결과
Anthropic이 신약 개발사 6곳과 한 협업의 중간 결과입니다. Enveda는 제조 문서 1,061쪽에서 사람이 찾은 문제 11건을 모두 잡고 7건을 더 찾으며 검토 시간을 89% 줄였고 규제 문서 초안 1건을 약 3개월 대신 4시간에 썼습니다. 사람 검토는 그대로 남았습니다.
SF Technology Global AI Logistics: 통관 검토·간선 배차·포장 계산을 AI로 묶은 국제 물류
SF Express 기술 계열 SF Technology가 Fengyu LLM·Fengzhi 등으로 국제 물류의 통관 검토, 태국 간선 배차, 창고 포장을 묶어 통관 검토를 5초·50배 빠르게 했다고 보고한 사례입니다. 한국 제조사 수출 물류에 옮기는 구조와 6주 파일럿을 붙였습니다.
Chiayi City의 AI Care Workforce: 장기요양 담당자의 서류 작업을 AI 디지털 직원이 맡다
대만 자이시가 장기요양 사례관리자의 사례 요약·돌봄계획·방문 기록을 Agentic AI 디지털 직원에게 맡겨, 문서·계획 작성 시간을 120분에서 30분으로 줄이고 AI 초안 채택률 80% 초과를 보고한 사례입니다. 한국 제조 대기업이 현장 보고서 업무로 옮기는 법을 붙였습니다.
Human-in-the-loop 견적: 닛토공업, 도면에서 분전반 견적 정보를 뽑고 영업이 고친 결과를 지식으로 쌓다
닛토공업이 일본IBM과 1년 반 동안 만든 생성형 AI 앱으로 설비 도면에서 분전반 견적용 회로·기기·특기사항을 뽑고, 영업이 고친 결과를 구조화 데이터로 쌓습니다. 2026년 10월부터 23개 거점 약 50명에게 단계 적용합니다. 출력 스키마, 수정 로그, 12주 파일럿안을 붙였습니다.
The Missing Infrastructure for AI Agents: 에이전트가 PDF·스캔·엑셀을 빠짐없이 읽게 하는 문서 계층
누적 70억 쪽을 처리한 문서 파싱 기업 Reducto의 CEO가 프런티어 모델은 긴 추출에서 틀리기보다 조용히 빠뜨린다고 말합니다. 문서를 쪼개 읽고 에이전트가 검증 규칙으로 스스로 다시 보게 하는 구조, 그리고 우리 문서로 평가하는 방법과 4주 파일럿을 붙였습니다.