슈나이더 일렉트릭이 제품과 프로세스 모두에서 AI를 확장하는 방법

2026년 1월 스위스 다보스에서 열린 세계경제포럼 연례 회의에서 슈나이더 일렉트릭의 CEO 올리비에 블룸(Olivier Blum)은 WEF의 MINDS(의미 있고 지능적이며 참신하고 배포 가능한 솔루션) 프로그램의 일환으로 회사의 AI 솔루션을 인정하는 상을 두 번째로 수상했습니다. 이 영예는 에너지 관리에서 측정 가능한 영향을 제공하는 두 가지 AI 지원 애플리케이션인 EcoStruxure Microgrid Advisor와 SpaceLogic Touchscreen Room Controller를 강조했습니다. 슈나이더 일렉트릭은 이 프로그램에서 두 번 인정받은 유일한 기업입니다.

"AI와 에너지가 분리될 수 없는 새로운 시대에 접어들었으며, 이 둘이 함께 모든 비즈니스를 재편할 것임이 분명합니다." 블룸은 다보스에서 이렇게 선언했습니다. "AI는 컴퓨팅을 필요로 하고, 컴퓨팅은 에너지를 필요로 합니다. 이것이 바로 세계가 더 큰 에너지 지능을 필요로 하는 이유입니다."

인공지능과 에너지 간의 이러한 상호 의존성은 에너지 관리 기술의 글로벌 리더인 슈나이더 일렉트릭을 비즈니스의 가장 중요한 과제 중 하나인 지속 가능성 목표를 진전시키면서 AI 혁명에 동력을 공급하는 일의 중심에 놓이게 합니다. 고객 요구와 내부 프로세스 목표를 모두 충족시키기 위해 슈나이더 일렉트릭은 AI를 대규모로 배포하는 조직 모델을 구축했으며, 많은 기업에서 비즈니스 영향 없이 자원을 소모하는 파일럿 단계를 의도적으로 건너뜁니다. (이에 대해서는 나중에 더 자세히 설명합니다.)

2021년부터 슈나이더 일렉트릭의 최고 AI 책임자(CAIO)를 맡고 있는 필립 람바흐(Philippe Rambach)가 이 노력을 이끌고 있습니다. 현재 거의 100개의 AI 사용 사례가 생산 환경에서 실행 중이며(고객 대상 솔루션과 내부 운영 간에 거의 균등하게 분할됨), 슈나이더 일렉트릭은 AI가 제조 현장, 고객 관리 센터 및 복잡한 에너지 최적화 시스템을 포함한 기업 운영의 모든 차원에서 가치를 제공할 수 있음을 입증했습니다. 회사의 인정은 제조 분야까지 확장됩니다. 2026년 1월, WEF의 글로벌 등대 네트워크(Global Lighthouse Network)는 슈나이더 일렉트릭의 중국 우한 공장에 등대 지정(회사의 9번째)을 수여했으며, 이번에는 인재 개발과 사람 중심의 인력 모델을 기념하는 새로 도입된 범주에서 수여되었습니다.

람바흐는 기술 실험이 아닌 비즈니스 가치에 기반한 전략을 설명했습니다. "우리는 항상 비즈니스와 고객 요구, 직원들의 어려움, AI가 도움이 될 수 있는 부분에서 출발합니다."라고 그는 우리에게 말했습니다. 모든 이니셔티브는 명확한 비즈니스 가치를 입증하고 시작부터 대규모 배포를 계획해야 합니다. 람바흐와 그의 고위 경영진 동료들은 AI 거버넌스와 윤리에 대해서도 우려하고 있지만, 그가 2025년 보고서 에서 MIT 슬론 경영 리뷰 및 타타 컨설팅 서비스(Tata Consultancy Services)와 함께 언급했듯이, "설명 가능성은 중요하지만, 이사회에서는 결과가 더 중요합니다."

두 가지 AI 포트폴리오 균형 맞추기: 내부 및 고객 대상

슈나이더 일렉트릭은 각각 다른 전략적 명령, 성공 측정 방식 및 가치 실현 일정을 가진 두 가지 별개의 전선에서 AI 기회를 추구합니다.

내부 AI 애플리케이션은 보다 즉각적인 재정적 수익을 제공하여 직원들이 더 빠르고 더 잘 일할 수 있도록 돕고 고객에 대한 향상된 지원을 제공합니다.

한편, 고객 대상 AI는 신흥 및 진화하는 시장에서 시장 점유율을 확보하는 데 초점을 맞춘 장기적인 전략적 플레이를 나타냅니다. "고객을 위해 우리는 AI 기반 에너지 관리가 완전히 개발되지 않은 시장에서도 시장에 가장 먼저 진출하고 강력한 입지를 확보하고자 합니다."라고 람바흐는 말했습니다. 예를 들어, 슈나이더 일렉트릭이 운영하는 각 국가는 재생 에너지 보급률이 다르고 대규모의 새로운 전기 부하가 전력망에 연결됨에 따라 다양한 과제를 보여줍니다. 이는 회사가 다양한 시장 상황에 맞게 AI 솔루션을 조정해야 함을 의미합니다.

비즈니스 세계의 많은 부분이 생성형 AI를 받아들이기 위해 서두르는 동안, 슈나이더 일렉트릭은 균형 잡힌 AI 기술 포트폴리오를 유지하고 있습니다. 분석형 AI(Analytical AI) — 구조화된 데이터에 적용되는 전통적인 머신 러닝 — 은 특히 고객 솔루션에서 회사 전체 AI 작업의 약 60%를 여전히 차지합니다. "분석형 AI는 매우 중요하며 많은 가치를 제공합니다."라고 람바흐는 강조했습니다. "우리는 그것을 포기하지 않을 것입니다."

생성형 AI는 고객 대상 애플리케이션의 약 40%, 내부 직원 중심 도구의 약 70%를 차지합니다. 이 기술은 시스템을 더 쉽게 사용할 수 있게 하고 지원 기능을 제공하며 코드를 생성하는 데 탁월하지만, 람바흐는 시스템 개발에 상당한 인간의 개입이 여전히 필수적이라고 강조했습니다. 슈나이더 일렉트릭은 또한 스마트 그리드 솔루션에 생성형 AI를 통합했으며, 사물 인터넷 및 시계열 데이터를 분석하고 멀티태스크 모델을 생성하기 위해 기초 트랜스포머 모델을 적용하는 방법을 탐색하고 있습니다.

슈나이더 일렉트릭의 생성형 AI의 가장 중요한 응용 프로그램 중 하나는 대기업에 공통적인 과제인 조직 지식을 접근 가능하고 사용 가능하게 만드는 문제를 해결합니다. 회사는 강력한 보안, 명확한 정보 출처 및 출처 인용 기능을 갖춘 시스템이 필요했습니다. 이를 위해서는 일률적인 솔루션을 배포하는 대신 특정 기능에 맞게 조정된 수직적 지식 기반을 구축해야 했습니다.

이러한 사용 사례를 위한 비정형 데이터의 큐레이션은 유익한 것으로 입증되었습니다. "데이터 품질을 위해 사람들에게 자신의 데이터를 정리하라고 요청하는 것은 효과가 없습니다."라고 람바흐는 말했습니다. 사람들은 본질적으로 부가적인 작업처럼 느껴질 수 있는 것에 저항합니다. "하지만 AI 맥락에서 그것으로 무엇을 할 수 있는지 보여주면, 사람들은 훨씬 더 수용적이 됩니다."라고 그는 언급했습니다. 직원들이 더 나은 데이터의 직접적인 영향을 볼 수 있을 때, 그들은 기꺼이 큐레이션 작업을 수행했습니다.

이 통찰력은 회사의 더 넓은 원칙을 반영합니다. 직원들은 AI 개발 프로세스에 통합되어야 합니다. "일선에 있는 사람들이 작업을 수행하고 있습니다. 그들은 슈나이더의 AI 접근 방식의 핵심입니다."라고 람바흐는 말했습니다. "우리는 비즈니스 영역에서 시작하여 필요한 다른 모든 사람을 데려옵니다. 중앙 전문가들은 도메인 지식을 가지고 있지 않습니다."

AI 내장, 독립형 제품 구축이 아닌

슈나이더 일렉트릭은 내부 사용자나 고객을 위해 별도의 AI 제품을 만드는 것을 의도적으로 피합니다. 대신, 회사는 에너지 관리 애플리케이션, 현장 서비스 도구, 고객 관리 플랫폼 및 판매 지원 도구와 같은 기존 시스템 및 프로세스에 AI 기능을 내장합니다. 대표적인 예는 매우 복잡한 제품 카탈로그를 탐색해야 하는 회사 영업팀을 위해 구현된 AI 기반 도구입니다. 회사는 독립형 애플리케이션을 출시하는 대신 Sales Copilot에 AI 추천 기능을 구축했습니다. 회사는 AI 사용 사례에 제품 관리 규율을 적용하여 개념부터 배포, 최종 폐기까지 AI 기반 프로세스와 제품을 감독합니다.

이러한 통합 전략은 에이전틱 AI(agentic AI)와 같은 새로운 기능으로 확장되며, 슈나이더 일렉트릭은 기술이 상대적으로 미성숙함에도 불구하고 이미 오늘날 실질적인 가치를 보고 있습니다. 회사는 견적 요청을 처리하기 위해 에이전틱 시스템을 구축하여 주요 정보를 추출하고, 재구성하며, 영업 사원을 위해 요약합니다. 시스템이 완벽하지는 않지만 영업 생산성을 크게 향상시킵니다. "회사의 많은 상황에서 인간의 검토가 있을 때 80%에서 90%의 정확도면 충분합니다."라고 람바흐는 언급했습니다. 핵심은 사용자가 AI의 출력을 맹목적으로 수용하지 않고 검토하고 개선하도록 교육하는 것입니다. 슈나이더 일렉트릭은 전통적인 로봇 프로세스 자동화에서 벗어나 점진적으로 더 많은 에이전틱 프로세스 자동화로 이동하고 있으며, AI를 완전히 자율적인 의사 결정자가 아닌 조언자 및 추천자로 사용하고 있습니다.

슈나이더 일렉트릭은 직원의 이해와 행동 변화를 진지하게 받아들이며, 조직 전체의 다양한 요구를 인식하는 계층화된 교육 접근 방식을 구현합니다. 회사는 모든 사람에게 AI 교육을 의무화했지만 커리큘럼을 네 가지 별개의 그룹에 맞게 조정합니다. 첫째, 생산 라인의 직원을 포함한 모든 직원은 기초 AI 교육을 받습니다. 둘째, 경영진은 AI 이니셔티브 주도 및 AI 지원 팀 관리에 대한 전문 교육을 받습니다. 셋째, 람바흐 팀의 AI 전문가는 심층 기술 교육을 받습니다. 마지막으로, 가장 특이하게도, 제품 관리자, 프로세스 소유자 및 IT 소유자는 AI가 자신의 영역의 혁신을 어떻게 가능하게 할 수 있는지에 초점을 맞춘 교육을 받습니다.

파일럿 없이 확장을 위해 설계된 AI 조직

아마도 슈나이더 일렉트릭의 가장 독특한 특징은 파일럿과 실험을 생성하기보다는 조직 전체에 걸쳐 신속하게 영향을 미치도록 명시적으로 설계된 조직 모델일 것입니다. "우리의 목표는 파일럿과 실험을 하는 것이 아닙니다. 사용 사례는 대규모로 배포됩니다."라고 람바흐는 강조했습니다.

이 모델은 세 가지 구성 요소에 기반을 둡니다. AI 전담 350명 이상의 팀; Microsoft Azure, Amazon Web Services, Databricks, 검색 증강 생성(RAG)을 사용한 대규모 언어 모델 운영, LangChain 및 다양한 API를 통합하는 포괄적인 기술 플랫폼; 그리고 아마도 가장 중요한 것은, 비전에서부터 아이디어 구상, 인큐베이션을 거쳐 대규모 배포에 이르기까지 이니셔티브를 안내하는 구조화된 프로세스입니다.

이 프로세스의 각 게이트에서 회사는 사업 계획과 비즈니스 사례를 확인합니다. 성공을 위해서는 도메인 지식과 AI 전문 지식의 융합이 필요하며, 이는 제품 소유자, IT 전문가, 데이터 전문가, 트레이너 및 마케팅 담당자를 한데 모읍니다. 다른 일부 조직에서는 AI 이니셔티브에 이 단계별 게이트 방식을 사용합니다., 그리고 우리는 이것이 가치 있는 결과의 가능성을 높이는 유용한 방법이라고 믿습니다. 그러나 AI가 반드시 포함되지 않는 신제품 개발 프로세스에서는 훨씬 더 일반적입니다.

확실성을 기다리지 않고 가치 측정하기

AI의 경제적 가치를 측정하는 것은 특히 고객 대면 제품의 경우 어려움을 제시하며, 여기서 발전의 중요성을 분리하기가 까다롭습니다. "고객 제품 공간에서 기술 개선의 가치를 보여주는 것은 어려울 수 있습니다,"라고 람바흐가 말했습니다. "데스크톱에서 노트북으로 전환할 때의 ROI는 무엇입니까? 제품에 통신 프로토콜을 추가하는 것의 가치는 무엇입니까?" 그러나 회사는 AI 지원 제품의 사용률과 결과(예: 고객이 달성한 에너지 절감)를 모두 추적합니다.

내부 애플리케이션의 경우, 슈나이더 일렉트릭은 명확한 비즈니스 가치 제안으로 시작하여 두 가지 KPI(채택 목표와 성과 지표)를 추적합니다. 성과 지표는 사용 사례에 따라 다릅니다. 정확성, 고객 만족도 점수 또는 신용 불이행 감소일 수 있습니다. "각각 하나의 KPI입니다,"라고 람바흐가 말했습니다. "우리는 그것이 성과를 내는지 추적합니다."

비즈니스 이해관계자가 가치 제안을 소유하고 사용 사례에 적합한 KPI를 개발하는 데 도움을 줍니다. 회사는 연간 총 AI 가치를 계산하고 4년 기간에 걸쳐 기술의 영향을 예측하여 이사회에 추정치를 보고하지만, 이 수치는 기밀로 유지합니다.

람바흐는 행동하기 전에 완벽한 측정 접근 방식을 기다리는 것에 대해 경고했습니다. "가치에 대한 명확한 측정을 기다리면 많은 기회를 놓칠 것입니다,"라고 그는 경고했습니다. 절대적 확실성보다 합리적 확신을 가지고 나아가려는 이러한 의지는 슈나이더 일렉트릭이 경쟁업체가 파일럿 연옥에 갇혀 있는 동안 AI 애플리케이션을 확장할 수 있게 해주었습니다.

다른 기업을 위한 AI 관리 교훈

슈나이더 일렉트릭의 AI 접근 방식은 실험을 넘어 확장을 원하는 기업에 몇 가지 교훈을 제공합니다.

기술이 아닌 비즈니스 가치로 시작하십시오. 슈나이더 일렉트릭의 모든 AI 이니셔티브는 최신 AI 모델로 무엇이 가능한지에 대한 질문이 아닌 비즈니스 요구와 고객 문제점에서 시작됩니다.

일선 직원을 개발에 참여시키십시오. 실제 업무를 수행하는 사람들은 중앙 AI 전문가가 부족한 필수 도메인 지식을 가지고 있습니다. 효과적인 AI를 위해서는 이러한 관점이 처음부터 통합되어야 합니다.

AI를 기존 워크플로우에 내장하십시오. 고객이나 직원에게 새로운 독립형 도구를 채택하도록 요청하기보다는 슈나이더 일렉트릭은 사람들이 이미 사용하고 있는 시스템에 AI 기능을 구축합니다.

처음부터 확장을 위해 설계하십시오. 슈나이더 일렉트릭의 조직 모델, 기술 인프라 및 거버넌스 프로세스는 모두 파일럿을 만드는 것이 아니라 생산 시스템을 배포하기 위해 구축되었습니다.

차별화된 교육에 투자하십시오. 역할에 따라 필요한 AI 리터러시의 수준과 유형이 다릅니다. 모든 사람에게 맞는 단일 교육 프로그램으로는 조직 전체에 필요한 역량을 키울 수 없습니다.

분석 AI와 생성형 AI의 균형을 맞추십시오. 생성형 AI에 대한 현재의 열광에도 불구하고, 구조화된 데이터에 대한 전통적인 머신러닝은 많은 상황에서 상당한 가치를 계속 제공합니다.

---

AI 기능이 계속해서 빠르게 진화함에 따라, 슈나이더 일렉트릭의 규율 있고 비즈니스 중심적인 접근 방식은 실험을 넘어 진정한 운영 영향력으로 나아가고자 하는 기업에 모델을 제공합니다. 확장을 위해 설계하고, 일선 직원을 참여시키며, 측정 가능한 비즈니스 가치에 초점을 유지함으로써, 회사는 고객과 직원 모두의 목표를 충족하는 AI 프로그램을 구축했습니다.