AI는 중견 특수화학 공급사와 대형사의 격차를 좁힐까요?

격차가 공장 규모가 아니라 응용 지식에서 생기는 곳이라면, AI는 중견 특수화학 공급사와 대형사 사이의 격차를 좁힙니다. 자사 데이터시트와 현장 이력을 담은 AI를 쓰면, 작은 팀도 대형사가 큰 조직을 꾸려 갖춘 깊이로 답할 수 있습니다. 먼저 시작하는 공급사는 격차를 좁히고, 기다리는 공급사는 격차가 벌어집니다.

• 유럽중앙은행(ECB)이 10월부터 2025년 12월까지 유로 지역 기업을 조사한 결과, 전체 기업의 38%가 AI 도입이 진전된 단계에 있었고 대기업은 약 45%였습니다. 반면 AI를 상당히 활용한다고 답한 기업의 비율은 규모와 관계없이 비슷했습니다(ECB, 2026; 업종 전반 5,067개 기업).

• AI를 상당히 활용하는 유로 지역 기업 가운데 중소기업은 투자의 21%를 AI에 배정할 계획이었고, 대기업은 17%였습니다(ECB, 2026).

• 2025년 EU 기업 가운데 AI 기술을 하나 이상 사용한 비율은 소기업 17%, 중기업 30.36%, 대기업 55.03%였습니다(Eurostat, 2025; 종업원 10명 이상 기업 157,000곳 조사).

• BASF는 2025년 연구개발 인력이 약 9,000명이라고 보고했습니다. R&D 비용 19억 9,500만 유로 가운데 87%가 사업부 R&D에 쓰였고, BASF는 사업부 R&D를 주로 응용·고객 관련 활동으로 설명합니다(BASF Report 2025, 2026).

• 유럽의 화학 기업 약 31,000곳 가운데 97%가 중소기업이며, EU27 화학 중소기업이 매출의 28%, 고용의 36%를 차지합니다(Cefic, 2022·2023년 데이터).

ECB의 2026년 조사는 기업 규모별 AI 도입에 관해 무엇을 밝혔나요?

유럽중앙은행에 따르면, 유로 지역에서는 규모가 큰 기업일수록 AI를 더 많이 도입하지만, AI를 집중적으로 쓰는 기업은 규모와 관계없이 고르게 분포합니다. 이 결과는 2026년 4월 2일 발행된 ECB Economic Bulletin, Issue 2/2026의 박스 기사에 실렸습니다. 10월부터 2025년 12월까지 진행한 유로 지역 기업 자금조달 접근성 조사(SAFE)에 별도로 넣은 AI 문항이 바탕입니다(ECB, 2026). 이번 조사는 업종 전반의 유로 지역 기업 5,067곳을 대상으로 했고, 그중 92%가 종업원 250명 미만이었습니다(ECB, 2026). 이 조사는 종업원 250명 이하 기업을 중소기업(SME)으로 정의합니다.

전체 응답 기업의 38%가 AI 도입이 진전된 단계, 즉 AI를 상당히 또는 보통 수준으로 활용하는 단계에 있었고, 대기업은 약 45%가 이 단계였습니다(ECB, 2026). ECB는 이어서 중견 공급사에게 중요한 점을 덧붙입니다. "AI를 상당히 활용한다고 보고한 기업의 비율은 규모와 소유 형태에 관계없이 비슷하며, 이는 AI 도입이 핵심 기업군 안에서 고르게 확산되고 있음을 시사한다"(ECB, 2026).

투자 계획도 같은 방향을 가리킵니다. 이미 AI를 상당히 활용하는 기업은 투자의 20%를 AI에 배정할 계획이었고, 그중 중소기업이 21%로 대기업의 17%보다 높았습니다(ECB, 2026). ECB는 이 양상을 "이미 AI를 쓰는 기업이 이 기술을 더 개발하고 통합하려고 더 많이 투자하는 강화 순환"으로 해석합니다(ECB, 2026). 이 수치를 함께 보면, 기업 규모는 본격적으로 도입한 기업이 얼마나 멀리 가는지보다 누가 먼저 시작하는지를 더 잘 예측하는 것으로 보입니다.

대형사의 기술 지원 조직은 왜 격차를 만들었나요?

특수화학 제품은 응용 지식으로 팔리고, 그 지식은 오랫동안 인원수에 비례해 커졌습니다. 그래서 대형사의 기술 지원 조직이 격차를 만들었습니다. 특수화학 제품이 제값을 받으려면, 이 고객의 기재와 처리욕, 라인 속도에서 왜 효과가 있는지, 효과가 없을 때 무엇을 바꿔야 하는지 설명할 사람이 있어야 합니다. 그렇게 답하려면 비슷한 현장을 많이 본 사람이 필요합니다.

대형 생산사는 이런 역량에 대규모로 투자합니다. BASF는 2025년 연구개발 인력이 약 9,000명이라고 보고했고, 사업부 R&D가 "주로 응용·고객 관련이며, R&D 비용 19억 9,500만 유로 가운데 87%를 차지했다"고 밝혔습니다(BASF Report 2025, 2026). 응용 실험실, 산업별 전문가, 지역 기술 지원팀 덕분에 대형사의 고객은 문의할 수 있는 전문 인력층이 두텁습니다.

업계 대부분은 그런 모습이 아닙니다. 유럽화학산업협회(Cefic)에 따르면 유럽의 화학 기업은 약 31,000곳이고 그중 97%가 중소기업이며, EU27 화학 중소기업이 매출의 28%, 고용의 36%를 차지합니다(Cefic, 2022·2023년 데이터). 중견 공급사에서는 응용 엔지니어 몇 명이 많은 고객사를 맡는 경우가 많습니다. 이들의 지식은 각자의 머릿속, 이메일 스레드, 다른 사람은 읽지 않는 방문 보고서에 흩어져 있습니다. 그래서 답의 수준은 그 주에 적임자가 시간을 낼 수 있는지에 달려 있습니다.

AI가 있으면 작은 기술팀이 어떻게 대형사 수준으로 답할 수 있나요?

AI가 팀의 응용 지식을 담고 그 지식으로 추론하면, 답의 깊이가 전문 인력 수에 좌우되지 않습니다. 그러면 작은 기술팀도 대형사 수준으로 답할 수 있습니다. 중견 공급사의 병목이 화학 자체인 경우는 드뭅니다. 병목은 시니어 엔지니어의 시간입니다. 추론을 시작하기도 전에 고객마다 조건을 다시 정리하고 맞는 데이터시트 개정판을 찾는 데 시간이 듭니다.

고객의 새 복합재 부품에서 2액형 접착제가 경화되지 않는다는 문의를 예로 들어 봅니다. 답은 기재, 작업장 습도, 작업자가 실제로 쓰는 혼합비, 기술 데이터시트(TDS)에 적힌 오픈 타임 한계, 비슷한 접착부가 다른 공장에서 어떻게 거동했는지에 따라 달라집니다. 공급사의 TDS, 물질안전보건자료(SDS), 시험성적서(CoA), 이전 케이스 기록을 읽는 AI는 이 조건을 모아 제품의 한계와 대조하고, 근거를 붙인 답안 초안을 추론해 쓸 수 있습니다. 엔지니어는 추론을 처음부터 세우지 않고, 검토해서 승인합니다.

이렇게 되면 사람과 고객사의 비율이 바뀝니다. 경험 많은 엔지니어 한 명이 훨씬 많은 답을 책임질 수 있고, 경력이 짧은 동료는 선배가 남긴 기록을 보고 답할 수 있습니다. 시니어 엔지니어의 일하는 방식을 팀 스킬로 만드는 일도 같은 논리입니다. 예전에는 규모로 깊이를 샀습니다. 이제는 AI가 추론에 쓰는 기록이 그 깊이의 일부를 채울 수 있습니다.

기다리는 공급사에게는 왜 격차가 벌어지나요?

공급사 자신의 케이스를 바탕으로 한 AI는 쓸수록 나아지고, 그 바탕이 되는 기록은 나중에 살 수 없습니다. 그래서 기다리는 공급사에게는 격차가 벌어집니다. 팀이 이런 방식으로 문의에 답할 때마다 케이스가 남습니다. 고객의 조건, 추론, 고른 제품, 현장에서 나타난 결과입니다. 다음에 비슷한 문의가 오면 빈 페이지가 아니라 그 케이스를 바탕으로 작업합니다.

ECB도 투자 계획에서 이와 관련된 양상을 확인합니다. AI를 상당히 활용하는 기업은 투자의 20%를 AI에 배정할 계획이었지만, AI를 쓰지 않는 기업은 평균 4%였습니다(ECB, 2026). 종업원 10명 이상 기업을 대상으로 한 유럽연합 통계청(Eurostat)의 2025년 조사를 보면 대기업의 위치가 드러납니다. EU 대기업의 55.03%가 AI 기술을 하나 이상 사용했고, 중기업은 30.36%, 소기업은 17%였습니다(Eurostat, 2025).

중견 특수화학 공급사에게 실제로 나타나는 결과는 복리처럼 쌓이는 차이입니다. 한 해 먼저 시작한 경쟁사는 AI가 참고할 수 있는 추론 케이스를 한 해 치 갖고 있고, 그 회사 엔지니어는 고객이 어떤 답을 신뢰하는지 배웠습니다. 늦게 시작한 공급사는 같은 도구와 빈 기록을 들고 출발합니다. 둘 사이의 거리는 케이스 수로 재고, 케이스는 실제로 일을 해야만 쌓입니다. 시니어 엔지니어가 떠나면, 그런 기록이 없는 팀은 사람 한 명보다 더 많은 것을 잃습니다.

대형사의 기술 지원 모델과 AI의 지원을 받는 작은 팀을 비교하면 어떤가요?

대형사의 기술 지원 모델과 AI의 지원을 받는 작은 팀은 주로 응용 지식이 어디에 있고 무엇이 그 지식을 키우는지에서 다릅니다. 아래 표는 고객의 기술 질문에 답하는 일을 기준으로 두 방식을 비교합니다.

이 질문의 답을 가르는 행은 답의 깊이를 키우는 것입니다. 대형사에서는 깊이가 인원수와 함께 커집니다. 작은 팀에서는 케이스와 함께 커질 수 있습니다. 단, 답한 문의가 모두 팀과 AI가 다시 쓸 수 있는 기록으로 남아야 합니다.

나머지 행은 이 행에서 따라 나옵니다. 대형사는 해당 응용을 아는 전문가에게 문의를 배정하므로, 답을 얻을 수 있는지는 그 사람에게 달려 있습니다. 공유 기록이 있는 작은 팀은 이전 케이스와 현행 데이터시트로 답안 초안을 쓰고, 엔지니어가 내보내기 전에 추론을 확인합니다. 대형사에서 전문가가 떠나면 두터운 인력층의 동료가 빈자리를 메웁니다. 중견 공급사에서 한 명이 떠나면, 케이스마다 기록에 적어 두었을 때만 추론이 남습니다. 그래서 거리를 좁히는 것은 도구 자체가 아니라 기록입니다.

대형사는 어디에서 중견 공급사보다 우위를 지키나요?

규모가 지식의 문제가 아니라 물리적 또는 규제상의 문제인 곳에서는 대형사가 중견 공급사보다 우위를 지킵니다. AI가 파일럿 플랜트를 짓거나, 제품 포트폴리오를 넓히거나, 다른 지역에 생산 거점을 더해 주지는 않습니다. 신규 분자를 개발하고, 세 대륙에서 승인 절차를 거치고, 두 공장에서 공급받아야 하는 고객은 여전히 그런 자산을 가진 공급사를 찾을 것입니다.

대형사도 AI를 도입하고 있습니다. Eurostat에 따르면 2025년 EU 대기업의 55.03%가 AI를 사용했습니다(Eurostat, 2025). ECB는 아직 AI를 쓰지 않는 기업 가운데 대기업이 중소기업보다 AI가 쓸모없다고 볼 가능성이 낮다고 보고합니다(ECB, 2026). 대형사가 제자리에 머물 것이라고 기대하는 중견 공급사는 데이터를 잘못 읽고 있습니다.

데이터가 실제로 뒷받침하는 결론은 이보다 좁지만 더 쓸모 있습니다. AI를 상당히 활용하는 기업의 비율은 규모별로 비슷하므로(ECB, 2026), 본격적으로 나서는 중견 공급사가 구조적으로 뒤처져 있는 것은 아닙니다. 특수화학 판매는 상당수가 특정 고객이 겪는 특정 문제에 기술적으로 어떻게 답하느냐에 달려 있고, 이 영역에서는 지원을 잘 갖춘 작은 팀이 대형사와 같은 깊이로 답할 수 있습니다. 경쟁의 축은 누가 전문가를 더 많이 두었는지에서 누가 더 나은 기록을 가졌는지로 옮겨 갑니다.

중견 특수화학 기술팀을 위한 AI는 무엇을 할 수 있어야 하나요?

중견 특수화학 기술팀을 위한 AI는 엔지니어 몇 명이 두터운 전문 인력층과 같은 깊이로 답하게 하고, 모든 답을 다시 쓸 수 있는 케이스로 남겨야 합니다. 다섯 가지 조건이 따릅니다.

• 공급사의 TDS, SDS, CoA와 현장 이력을 근거로 답하고, 답마다 그 근거를 옆에 보여 줍니다.

• 고객 조건에서 추천까지 이어지는 추론을 펼쳐 보이고, 엔지니어가 승인한 뒤에 내보냅니다.

• 케이스를 마치면 다음에 비슷한 문의가 왔을 때 활용할 수 있는 문서 한 건으로 정리합니다.

• 고객사, 프로젝트, 업무일지, 문서를 연결해, 경력이 짧은 엔지니어도 팀이 그 고객에 관해 이미 아는 내용을 볼 수 있게 합니다.

• 빈틈을 지어낸 내용으로 메우지 않습니다. 추정에는 근거를 붙이고, 데이터가 없는 사항은 미확인으로 표시해 둡니다.

기다리는 비용은 그사이 경쟁사가 쌓는 기록입니다. 기억과 이메일로 답한 문의는 다음 문의에 아무것도 남기지 않습니다. 반면 먼저 시작한 팀은 다음에 비슷한 문의가 오면 더 빨리, 더 많은 근거를 갖고 답합니다.

중견 팀은 워크플로 하나로 시작할 수 있습니다. 예를 들어 몇몇 고객사에서 들어오는 기술 문의에 회신하는 일입니다. 처음 케이스는 내용이 빈약합니다. 케이스가 쌓이면, 예전에는 그 일을 아는 엔지니어 한 명을 기다려야 했던 질문에 기록이 답하기 시작합니다. 엔지니어가 떠난 뒤에도 비슷한 문제의 해결책을 찾는 방법도 이것입니다.