올해 1분기, 이상한 일이 반복됐다. REINDEERS 영업팀 미팅 로그를 보면 동남아 제조·유통 기업들로부터 컨설팅 요청이 쏟아지고 있었는데, 내용이 기대와 달랐다. B2B 거래 플랫폼 문의가 아니었다. "REINDEERS가 쓰고 있다는 AI, 우리도 적용할 수 있나요?" 태국 식품 가공업체, 말레이시아 부품 제조사, 중국 원자재 무역상까지. 업종은 제각각인데 질문은 같았다.
처음에는 단순히 AI 트렌드에 편승한 문의라고 생각했다. 요즘 어디서나 AI 이야기가 나오니까. 하지만 미팅을 직접 다녀 보면 상황이 달랐다. 그들은 막연한 호기심이 아니라 구체적인 고통을 가지고 있었다. 그리고 그 고통의 근원을 추적해 보면, 놀랍도록 동일한 지점에서 출발하고 있었다.
미리 한 가지를 짚고 가자. POP는 단순한 MES+ERP+WMS SaaS가 아니다. 우리가 설계한 것은 회사 운영 자체가 AI로 전환되는 구조다. 사람은 결정과 방향을 제시하고, 실제 업무는 AI Agent가 실행한다. 조직도 안에서 사람, AI Agent, 로봇이 같은 단위로 등록되어 함께 일한다. POP의 진짜 얼굴은 이 구조에 있다.
엑셀로 공장을 돌리는 사람들
그들의 공통점은 이거였다. 디지털 전환(DX)을 못 했다. AI 전환(AX) 이전에, DX 자체가 안 된 상태였다. 생산 계획은 엑셀 시트로 관리하고, 재고는 종이 대장이나 스프레드시트에 적고, 품질 검사 결과는 수기로 기록한 뒤 누군가가 매일 저녁 엑셀에 옮겨 적는다. 출고 지시는 메신저 메시지로 날린다.
이게 영세한 소규모 공장만의 이야기가 아니다. 연 매출 수백억 원 규모의 제조업체도 핵심 운영을 엑셀에 의존하고 있다. 우리가 만난 기업들의 공통된 기준선은 이랬다. 연간 제조·생산 매출 1,000억 원(약 $75M) 미만의 동남아 기업 대다수가 이 상태에 놓여 있다. $130B 이상 규모의 시장에서 압도적 다수가 엑셀 기반이라는 뜻이다.
이유는 간단하다. 대안이 없기 때문이다.
H사가 보여준 가능성, 그리고 현실의 벽
그런데 이 기업들이 DX를 안 하려는 게 아니다. 하고 싶은데 못 하고 있는 거다. 그들이 공통적으로 언급하는 이름이 있었다. 동종 업계의 H사.
H사는 기본적인 수준의 DX를 달성한 기업이었다. 대단한 AI를 도입한 게 아니다. 생산 계획을 시스템으로 관리하고, 재고 입출고를 바코드로 추적하고, 품질 검사 데이터를 디지털로 기록하는 수준이다. 그런데 그것만으로도 결과는 극적이었다. 불량률이 눈에 띄게 줄었고, 재고 관련 사고 — 분실, 오배치, 수량 불일치 — 가 1% 미만으로 떨어졌다. 관리가 극단적으로 편해졌다. 이전에는 재고 실사를 하면 장부와 실물이 5~10% 차이나는 게 일상이었는데, 시스템 도입 후 1% 미만으로 수렴했다. 업계에서는 모두가 알고 있었다. "H사가 시스템 넣고 나서 완전히 달라졌다"는 건 공장장들 사이에서 거의 전설처럼 퍼져 있었다.
모두가 같은 걸 원했다. 그런데 할 수가 없었다.
동남아시아 현지에는 DX/AX 서비스 제공업체가 사실상 없다. 있다고 해도 특정 국가, 특정 업종에 국한된 로컬 솔루션이 대부분이다. 글로벌 솔루션을 도입하자니 문제가 또 있다. 대형 엔터프라이즈 ERP들은 선진국 제조 환경을 전제로 설계되었다. 표준화된 공정, 체계적인 조직 구조, 훈련된 IT 인력. 동남아 공장 현장의 실제 모습과는 거리가 멀다.
실제로 대형 ERP 도입을 시도했다가 포기한 기업을 여럿 만났다. 공통된 이유는 이랬다. "시스템이 요구하는 데이터 입력 수준을 현장이 따라갈 수 없었다." 소프트웨어가 가정하는 공정 정밀도와 실제 공정 사이의 간극이 너무 컸다. 결국 시스템을 도입해도 아무도 안 쓰게 된다. 그리고 다시 엑셀로 돌아간다.
이건 대형 ERP가 나쁜 소프트웨어라서가 아니다. 타겟이 다른 거다. 그 시스템들은 연 매출 수천억 원 이상의, IT 부서가 갖춰진, 표준 공정이 확립된 기업을 위해 설계됐다. 동남아 제조 현장의 현실 — 작업자의 숙련도가 천차만별이고, 공정이 날마다 미세하게 바뀌고, IT 담당자가 아예 없는 경우도 많은 — 과는 전제 자체가 다르다. 이 기업들에게 필요한 건 그들의 현실에서 시작하는 도구다.
그래서 우리가 만들기로 했다
컨설팅 요청이 반복되면서 내부에서 논의가 시작됐다. 이 기업들에게 AI를 적용하려면 먼저 DX가 필요하다. DX를 위한 도구가 시장에 없다. 그러면 우리가 만들어야 하는 건 아닌가?
단, 무작정 만드는 건 아니었다. 전략적 교환 구조가 있었다.
이 기업들에게 DX와 AX 자동화를 제공한다. 그들은 오랫동안 원하던 시스템을 얻는다. 그 대가로, 제조·생산 현장의 데이터가 REINDEERS 플랫폼으로 흘러들어온다. 이 데이터는 REINDEERS의 거래 예측, 공급망 최적화, 가격 모델링을 근본적으로 강화한다. 양쪽 모두에게 이익이 되는 구조다.
이건 추측이 아니라 검증된 가설이었다. 우리가 확인한 세 가지 조건은 이랬다.
- 이 기업들이 DX를 절실하게 원하고 있다는 것 (컨설팅 요청으로 확인)
- 그들의 제조·생산 데이터가 REINDEERS 플랫폼의 가치를 극적으로 높인다는 것 (내부 시뮬레이션으로 확인)
- 이 데이터가 결국 더 나은 AI, 더 정확한 예측, 더 강력한 플랫폼 기능으로 전체 사용자에게 돌아간다는 것
POP(Production Operation Platform)는 이 검증 프로젝트의 결과물이다.
조금 더 구체적으로 말하면, POP는 제조 실행(MES), 창고(WMS), 기초 자원 관리(ERP) 기능을 하나의 SaaS로 묶되, 이것을 REINDEERS 거래 플랫폼, DVRP 물류, Document AI, Workflow AI와 네이티브로 연결하는 구조다. 엑셀에서 곧바로 이 환경으로 넘어올 수 있도록, 진입 장벽을 극단적으로 낮추는 게 설계 원칙이다. 대형 ERP가 못 한 게 아니라 하지 않은 영역. 거기를 공략한다.
POP의 통합 아키텍처 — 단독 MES/ERP/WMS가 아닌 이유
POP를 설명할 때 가장 많이 받는 질문이 "그러면 또 하나의 ERP인 건가요?"다. 아니다. POP가 기존 ERP와 근본적으로 다른 이유는 REINDEERS 생태계 전체와 깊이 통합되어 있기 때문이다. POP는 독립된 소프트웨어가 아니라, REINDEERS의 거래-물류-문서-워크플로우 파이프라인 위에 올라가는 제조 운영 레이어다. 왜 독립 SaaS가 아니라 "레이어"인가. 제조 현장 데이터가 거래·물류·문서와 같은 이벤트 버스 위에 올라가 있어야, 발주 확정이 생산 지시로, 생산 완료가 출하·통관 서류로 자동 이어진다. 별도 SaaS를 API로 연결하는 방식은 이 속도를 낼 수 없다.
각 통합 지점을 구체적으로 설명하겠다.
1. Site AI (사이트 AI) + 메일함 (Email AI)
POP 도입은 기업의 디지털 프레즌스에서 시작된다. POP에는 사이트 (Site AI)라는 AI 기반 회사 홈페이지 자동 생성·관리 기능이 내장되어 있다. 현재 동남아 중소 제조기업의 상당수는 홈페이지가 없거나, 있어도 10년 전에 만든 채 방치된 상태다. Site AI가 기업 정보, 제품 카탈로그, 연락처를 기반으로 회사 웹사이트를 자동으로 생성하고 관리한다. 별도의 웹 에이전시나 디자이너 없이, POP 온보딩 과정에서 전문적인 디지털 프레즌스가 바로 만들어진다.
그 다음은 메일함 (Email AI)이다. 수신되는 비즈니스 이메일을 AI가 자동 분석하여 주문 정보, 공급사 커뮤니케이션, 납기 요청 등을 추출하고 업무 데이터에 반영한다. 바이어가 "제품 A 300개, 5월 20일까지 납품 가능한지 확인 부탁드립니다"라는 이메일을 보내면, Email AI가 이를 구조화된 데이터로 변환하고, POP의 작업 흐름에 자동으로 반영한다. 누군가가 수동으로 이메일을 읽고 엑셀에 옮겨 적는 과정이 사라진다. 이 단계가 왜 첫 번째에 오는가. 대부분의 공장에서 일이 "메일로 시작"되기 때문이다. 메일이 시스템으로 들어오지 않으면, 어떤 자동화도 반쪽짜리가 된다.
2. 작업 결과 → 푸시 알림 + 이메일
생산이 완료되거나, 품질 검사를 통과하거나, 재고가 변동되면 결과가 즉시 푸시된다. 모바일 푸시 알림, 이메일 알림이 관련 담당자에게 전달된다. 중요한 건 내부 직원뿐만 아니라 외부 파트너에게도 갈 수 있다는 점이다. 생산 상태를 기다리고 있는 바이어가 직접 확인을 위해 전화할 필요가 없어진다. 현재 현장에서 가장 빈번하게 일어나는 커뮤니케이션이 "그 물건 언제 나와요?"인데, 이 질문 자체가 사라지는 거다.
3. 문서/승인 (Document AI + Workflow AI)
생산 보고서, 품질 인증서, 출하 서류, 인보이스. 이 문서들이 POP의 생산 데이터에서 자동으로 생성된다. POP에는 문서/승인 모듈이 있다. 문서 카테고리, 문서 양식 관리, 문서 작성, 내 문서함, 승인 이력까지 하나의 흐름으로 묶여 있다. Document AI가 구조화된 데이터를 받아서 정해진 양식에 맞춰 문서를 만들고, Workflow AI가 결재라인과 승인 흐름을 자동화한다. 이 문서는 REINDEERS 거래 워크플로우로 직접 흘러간다.
공장 운영에는 승인과 예외 처리가 끊임없이 발생한다. 생산 시작 승인, 품질 게이트 승인, 출하 승인 같은 정규 워크플로우가 있고, 불량 감지 시 품질 리뷰 후 재작업 또는 폐기 결정 같은 예외 워크플로우도 있다. 거기에 생산 → 창고 → 출하 → 통관으로 이어지는 부서 간 워크플로우까지. 결재라인 관리, 내 결재라인 기능을 통해 조직 구조에 맞는 승인 체계가 설정되고, Workflow AI가 이 흐름들을 자동화한다.
4. 전체 흐름
말로 설명하면 복잡해 보이지만, 실제 데이터 흐름은 하나의 파이프라인으로 이어진다.
Site AI (회사 홈페이지 AI 생성/관리) → 메일함 / Email AI (수신 메일 자동 분석 → 업무 데이터 반영) → 업무 처리 (생산, 재고, 품질, 오더, 프로젝트) → 업무 결과 → 푸시 알림 / 이메일 연계 → 문서/승인 (Document AI — 자동 문서 생성) → Workflow AI (결재라인, 승인 흐름 자동화) → 소모품 재고 분석 → 수요 계산 → REINDEERS 자동 주문 → REINDEERS Trade Platform (거래 연동)
이 구조에서 핵심은 각 단계가 별개의 시스템이 아니라는 것이다. 동일한 이벤트 버스 위에서 동작하고, 동일한 데이터 모델(Event+State+Log)을 공유한다. 생산 이벤트가 발생하면 재고가 업데이트되고, 거래 상태가 바뀌고, 문서가 생성되고, 알림이 나가는 게 하나의 이벤트 체인으로 처리된다.
POP 메뉴 구조 — 베타 준비 중인 플랫폼의 실체
이론적인 아키텍처만 이야기하면 그림이 안 그려질 수 있다. POP가 실제로 어떤 모듈들로 구성되어 있는지, 현재 내부 개발 환경에서 동작하고 있는 애플리케이션의 메뉴 구조를 그대로 보여주겠다. 이건 기획 문서가 아니라 베타 준비를 위해 개발 중인 실제 애플리케이션에서 추출한 구조다.
| 메뉴 | 세부 기능 | 역할 |
|---|---|---|
| 대시보드 | 종합 현황판 | 전사 운영 지표 한눈에 |
| 사이트 (Site AI) | AI 기반 홈페이지 생성/관리 | 디지털 프레즌스 자동 구축 |
| 메일함 | Email AI, 수신 메일 자동 분석 | 이메일 → 업무 데이터 자동 변환 |
| 조직 | 부서, 직책, 결재라인, 내 결재라인 | 조직 구조 + 승인 체계 설정 |
| 직원 | 직원 목록, 출퇴근, 초과근무, 휴가 | HR + 근태 통합 |
| 거래처 | 거래처 목록, 계약서 | 공급사/바이어 관계 관리 |
| 아이템 | 아이템 카테고리, 아이템 등록 | 제품/원자재 마스터 데이터 |
| 업무 | 업무 생성, 업무 일정표, 업무 보고서 | 업무 기반 추적·협업 |
| 매입/매출 | 납품계획, 매입, 매출, 결제 | 수주/발주 전체 사이클 |
| 생산 (MES) | 생산계획, 생산기록, 실적, 작업자·작업장, BOM, 기계, 금형 | 제조 실행 시스템 |
| 창고 (WMS) | 시각화, 창고 목록, Zone, Rack, Bin | 창고 구조 + 3D 시각화 |
| 재고 | 입고지시/처리, 출고지시/처리, 재고 현황, 실사, 조정, 오차 | 재고 전 생애주기 관리 |
| 배송 | 배송 생성, 배송 목록, 배송 오차, 차량 | 출하·물류 추적 |
| 재무 | 급여, 경비, 관리회계 | 회계 + 원가 + 수익성 분석 |
| 문서/승인 (Document AI + Workflow AI) | 문서 카테고리, 양식, 작성, 내 문서함, 승인 이력 | 전자결재 + 문서 자동화 |
| AI | AI 포인트, 모니터링 | AI 사용량·품질 관리 |
| 설정 | 일반 설정, 공휴일 | 테넌트별 환경 설정 |
이 메뉴 구조를 보면 POP가 단순한 MES/WMS/ERP가 아니라는 게 명확해진다. Site AI로 디지털 프레즌스를 만들고, 메일함에서 비즈니스 커뮤니케이션을 AI로 처리하고, 조직·직원·거래처를 관리하고, 오더-생산-창고-재고-배송의 전체 운영 흐름을 다루고, 문서/승인에서 Document AI와 Workflow AI가 결재와 문서를 자동화한다. 회사 운영에 필요한 거의 모든 것이 하나의 플랫폼에 들어 있다. 엑셀에서 이 환경으로 넘어오는 것만으로 기업의 운영 방식 자체가 바뀐다.
조직도 안으로 들어온 AI Agent — 직원 등록 시 사람/AI/로봇 선택
POP에서 가장 많이 놓치는 메뉴가 조직과 직원이다. 평범한 HR 기능처럼 보이지만, 우리가 POP를 이 방향으로 끌고 가는 진짜 이유가 여기 있다. 직원을 등록할 때 POP는 사람 / AI Agent / 로봇 중에서 유형을 선택하게 한다. 세 유형이 모두 동일한 조직도 안에서 같은 결재라인, 같은 업무 배정, 같은 권한 체계를 사용한다.
이 구조가 왜 중요한가. 지금까지 AI 도구는 회사 바깥에 있었다. 범용 챗봇, Agent 도구들은 개별 직원이 "사용"하는 외부 도구다. 조직에 속하지 않고, 결재라인에 포함되지 않고, KPI에 잡히지 않는다. POP는 다르다. AI Agent가 조직도에 직원으로 등록되고, CEO-부서장-팀원 구조 안에서 역할을 부여받는다.
구체적으로 말하면 이렇다. 구매팀 직원 5명 중 3명이 AI Agent일 수 있다. 그 3명은 RFQ 발송, 견적 수집, 공급사 평가, 발주서 작성, 납기 추적을 사람 담당자와 같은 워크플로우에서 수행한다. 사람 팀장은 이 AI Agent들의 산출물을 검토하고 예외만 승인한다. 생산팀에서는 로봇이 "직원"으로 등록되어 작업지시(Work Order)를 직접 수신하고 완료 보고를 올린다. 이 보고는 사람 작업자의 보고와 동일한 이벤트로 처리된다.
CEO (사람) — 전략·방향 결정 │ ▼ CEO Agent — 전사 목표 분해 · 자원 배분 · KPI 모니터링 │ ├── 구매 Agent ── 협력업체 담당(사람) ├── 생산 Agent ── 로봇 작업자 ├── 영업 Agent ── 영업 담당(사람) ├── 물류 Agent ── DVRP 배송 기사 ├── 재무 Agent ── 자동 정산 └── 통관 Agent ── HS 분류·서류 자동화 사람 · AI Agent · 로봇이 같은 조직도 안에서 협업한다.
즉 POP는 "AI 기능이 있는 ERP"가 아니다. AI Agent 법인을 만들 수 있는 운영 체제다. 기업은 POP 위에서 사람 팀, AI Agent 팀, 로봇 팀을 자유롭게 구성하고, 전통적인 회사처럼 결재라인·KPI·예산을 운영한다. 다른 점은 구성원의 절반이 24시간 쉬지 않고 오차 없이 일한다는 것이다.
AI 전환 로드맵 — Tool에서 Autonomous Operator까지
AI Agent가 회사 운영의 주체가 되는 일은 한 번에 일어나지 않는다. 우리가 관측한 고객 환경과 기술 성숙도를 기준으로, POP는 네 단계의 전환 로드맵을 설계했다. 각 단계는 "사람과 AI Agent가 업무를 어떻게 나누는가"로 정의된다.
| 단계 | 시점 | 자동화 비율 | 사람의 역할 | AI Agent의 역할 |
|---|---|---|---|---|
| Tool | 2026 | 약 20% | 지시·실행·감독 | 요청 받은 단건 작업 실행 |
| Assistant | 2027 | 약 50% | 제안 검토·승인 | 초안 작성·추천·자동 조사 |
| Agent Team | 2028~2029 | 약 80% | 방향 제시·예외 판단 | 다수 Agent가 팀으로 자율 실행 |
| Autonomous Operator | 2030 | 약 95% | 전략·신사업 결정 | 법인 운영 전반을 자율 수행 |
POP 베타(2026년 4~5월)가 서 있는 지점은 Tool 단계의 시작점이다. 생산 계획 수립, 재고 알림, 문서 작성, 소모품 주문 같은 단건 업무부터 AI Agent가 실행하고, 사람이 결과를 확인한다. 이 단계에서 핵심은 속도가 아니라 조직도와 결재라인 안으로 AI를 끌어들이는 것이다. 일단 Agent가 조직의 구성원이 되면, 거기서부터 자동화 비율은 기술 발전 속도에 따라 자연스럽게 올라간다.
2027년 Assistant 단계에서는 AI Agent가 일상 업무의 초안과 제안을 주도하고, 사람은 승인선에서 예외만 본다. 2028년 이후 Agent Team 단계에서는 CEO Agent가 여러 부서 Agent를 동시에 지휘하고, 사람은 "이번 분기 수익성 20% 개선"처럼 목표만 부여한다. 2030년 Autonomous Operator 단계에서는 법인 운영의 대부분이 AI로 넘어가고, 사람은 신사업·파트너십·윤리 판단처럼 전략 레이어에 집중한다.
이 로드맵을 우리가 확신하는 이유가 있다. POP가 가진 세 가지 조건 — 전사 통합 데이터(MES+ERP+WMS), 실행 인프라(REINDEERS·DVRP·Workflow AI), 11년간 25,000건의 도메인 학습 데이터 — 는 AI Agent가 환각 없이 실제 업무를 수행하기 위한 전제 조건이다. 대형 엔터프라이즈 ERP는 데이터는 있어도 실행 인프라가 없고, 거대 커머스 플랫폼은 실행은 있어도 도메인 데이터가 없다. 셋을 모두 보유한 구조 위에서만 AI 법인이 만들어진다.
소모품 관리와 자동 재주문
POP의 기능 중 비즈니스적으로 가장 중요한 부분이 소모품 자동 재주문이다. 솔직하게 말하면, 이건 REINDEERS의 수익 모델과 직결되는 기능이기도 하다.
공장을 돌리려면 원자재, 포장재, 부품, 소모품이 계속 필요하다. 현재 대부분의 공장에서는 재고 담당자가 주기적으로 확인하고, 부족하면 발주한다. 문제는 이 과정이 사람의 기억과 감에 의존한다는 것이다. 발주 타이밍을 놓치면 생산이 멈추고, 너무 일찍 발주하면 재고 비용이 올라간다.
POP는 소모품 사용량을 시간에 걸쳐 추적한다. 소비 패턴을 분석하고, 계절 변동과 리드타임을 감안한 수요 예측을 계산한다. 그리고 재고가 재주문 시점에 근접하면, REINDEERS 플랫폼에 자동으로 구매 요청을 생성한다.
POP Inventory Monitoring → Consumption pattern analysis (daily / weekly / monthly) → Safety stock calculation → Reorder point trigger → Auto-generate purchase request on REINDEERS → Buyer Agent sends RFQ to suppliers → Quote → Order → Delivery → POP inventory updated → Cycle continues (self-reinforcing)
공장 입장에서는 원자재 부족으로 라인이 멈추는 일이 없어진다. 안전 재고를 과도하게 쌓아둘 필요도 없다. 적정 수준의 재고를 유지하면서도 생산이 끊기지 않는 환경이 만들어진다.
REINDEERS 입장에서는 플랫폼 위에서 반복적인 거래가 자동으로 발생한다. 자기 강화 순환(self-reinforcing cycle)이 만들어지는 거다. 한 번 이 시스템에 올라타면, 공장은 소모품 관리를 POP에 맡기게 되고, 그 거래는 자연스럽게 REINDEERS를 통해 이루어진다.
현실적으로 이야기하면, 제조업에서 소모품 구매는 전체 운영 비용의 상당 부분을 차지한다. 이 거래가 POP를 통해 REINDEERS 위에서 이루어지면, 공장별로 발생하는 개별 거래들이 집계되면서 플랫폼의 거래량과 데이터 모두 성장한다. 공장이 늘어날수록 데이터가 쌓이고, 데이터가 쌓일수록 수요 예측이 정확해지고, 예측이 정확해질수록 공장의 재고 비용이 줄어든다.
데이터 플라이휠 — 제조 데이터가 플랫폼 전체를 강화한다
POP를 통해 수집되는 제조·생산 데이터는 POP 사용 기업에게만 가치 있는 게 아니다. REINDEERS 플랫폼 전체의 능력을 끌어올린다.
구체적으로 어떤 데이터가 어떻게 쓰이는지를 보자.
- 생산 캐파 데이터 — 바이어가 발주할 때 "이 공급사가 언제까지 납품할 수 있는가"를 실시간으로 예측할 수 있다. 현재는 공급사에게 직접 물어봐야 하고, 답이 오기까지 하루 이상 걸린다.
- 품질 데이터 — 공급사 신뢰도 점수를 객관적으로 산출할 수 있다. 불량률, 재작업 빈도, 검사 통과율이 데이터로 잡힌다.
- 소비 패턴 데이터 — 개별 공장의 수요가 아니라, 산업 전체의 수요 트렌드를 예측할 수 있다. 특정 원자재의 수요가 이번 분기에 증가 추세인지, 감소 추세인지.
- 원가 구조 데이터 — 더 정확한 가격 모델을 만들 수 있다. 원자재 가격 변동이 최종 제품 가격에 미치는 영향을 정량적으로 추적한다.
- 실시간 재고 데이터 — REINDEERS 마켓플레이스에서 "이 제품이 지금 바로 출하 가능한가"에 답할 수 있다.
이것이 데이터 플라이휠이다. POP가 더 많은 공장에 도입될수록 데이터가 쌓이고, 데이터가 쌓일수록 플랫폼의 예측과 추천이 정확해지고, 플랫폼이 정확해질수록 더 많은 기업이 사용하게 된다. 이 순환 구조가 작동하기 시작하면 경쟁자가 따라오기 어려운 해자(moat)가 된다.
예를 들어 보자. 태국에서 식품 포장재를 생산하는 공장 10곳이 POP를 사용한다고 가정하자. 각 공장의 원자재 소비 데이터가 집계되면, 특정 포장 필름의 동남아 전체 수요 트렌드가 보인다. 이 정보는 해당 필름 공급사에게도, 이 필름을 사용하는 다른 공장에게도 가치 있다. 공급사는 생산 계획을 미리 세울 수 있고, 공장은 가격 변동을 예측할 수 있다. 개별 기업의 데이터로는 불가능하지만, 플랫폼에 집계되면 가능해지는 인사이트다.
락인 효과에 대한 솔직한 이야기
POP의 전략적 설계에 대해 솔직하게 이야기해야 할 부분이 있다. 락인(lock-in) 효과다.
POP를 도입한 기업이 생산 계획, 재고, 품질 추적을 모두 POP에서 운영하게 되면, 다시 엑셀로 돌아가는 건 사실상 불가능하다. 여기에 Site AI, 메일함(Email AI), 문서/승인(Document AI + Workflow AI), REINDEERS 거래 연동, DVRP 물류 연동까지 붙으면 의존성의 그물이 형성된다. 하나의 통합을 추가할 때마다 POP의 가치는 올라가고, 동시에 이탈 비용도 올라간다.
이건 숨기려는 게 아니다. 엔터프라이즈 소프트웨어의 보편적인 전략이다. 하나의 모듈로 시작해 전사 시스템으로 확장되는 경로는 수많은 플랫폼이 공통으로 걸어온 길이다.
다만, 이 전략이 정당화되려면 전제 조건이 있다. POP가 진짜 가치를 제공해야 한다. 락인 자체는 도구일 뿐이다. 가치 없는 락인은 고객을 분노하게 만들고, 가치 있는 락인은 고객이 자발적으로 받아들인다. H사의 사례가 보여주듯 DX를 달성한 기업의 운영 효율은 극적으로 개선된다. 불량률 감소, 재고 사고 1% 미만, 관리 편의성 — 이 가치가 실제로 전달된다면 락인은 문제가 되지 않는다. 가치 전달에 실패하면 아무리 정교한 통합도 의미가 없다.
우리가 집중하는 건 후자다. 먼저 가치를 증명하고, 통합은 그 결과로 따라온다.
현재 상태
현재 각 컴포넌트의 진행 상태를 정리하면 이렇다.
| 컴포넌트 | 상태 |
|---|---|
| REINDEERS Trade Platform | 운영 중 |
| DVRP Logistics | 베타 운영 중 |
| POP Core (WMS / MES / ERP basics) | 베타 준비 중 |
| Site AI (사이트 AI) | 운영 중 |
| 메일함 / Email AI | 운영 중 |
| 문서/승인 (Document AI + Workflow AI) | 운영 중 |
| Consumables Auto-Reorder | 설계 중 |
| AI-powered Demand Forecasting | 계획 단계 |
솔직히 말하면, POP Core 베타도 아직 실 사용자에게 공개되지 않았다. 2026년 4~5월 중 선별된 파트너와 함께 시작할 예정이다. Site AI, Email AI 등의 기능은 현시점에서 운영 단계이지만 소모품 자동 재주문이나 수요 예측 등의 기능은 계획 단계이다.
다만 핵심 인프라 — 이벤트 기반 데이터 모델, 멀티테넌시, REINDEERS 거래 연동 파이프라인 — 는 이미 운영 중인 REINDEERS 플랫폼에서 검증된 것들이다. POP는 이 검증된 기반 위에 제조 운영 레이어를 얹는 구조다. 바닥부터 새로 만드는 게 아니라 기존 파이프라인을 확장하는 것이기 때문에, 기술적 리스크는 상대적으로 관리 가능한 수준이다.
2015년부터 쌓아온 것의 무게
POP가 "또 하나의 ERP 스타트업"과 다른 지점은 이거다. 우리는 빈 손으로 시작하는 게 아니다.
IMARKET Thailand를 2015년에 설립한 이후, 10년이 넘는 시간 동안 동남아시아 B2B 현장에서 사업을 해왔다. 2025년 12월 REINDEERS를 공식 오픈했고, 현재 4,300개 이상의 파트너(바이어 2,500+, 공급사 1,800+, 포워더 30+)가 등록되어 있으며, 25,000건 이상의 실거래 데이터가 쌓여 있다. DVRP 물류 서비스는 2026년 3월부터 베타 운영 중이다.
이 자산은 단순히 숫자가 아니다. 4,300개 파트너는 POP의 잠재 사용자이자 소모품 거래의 양쪽 — 구매자와 공급자 — 를 모두 포함한다. 25,000건의 거래 데이터는 POP가 연동될 때 바로 의미를 갖는 실 데이터다. DVRP는 POP에서 생산된 제품의 출하와 직결되는 물류 인프라다. 한국, 태국, 말레이시아, 중국 4개국에 법인이 있다.
순수 ERP 스타트업이 이걸 처음부터 만들려면 몇 년이 걸린다. 파트너 네트워크를 구축하고, 거래 데이터를 축적하고, 물류 서비스를 연결하고, 각국의 규제와 상관행을 이해하는 데 드는 시간. 우리는 이미 가지고 있다. POP는 기존 생태계의 빈칸을 채우는 마지막 퍼즐 조각이다.
기반 인프라도 이 점을 반영한다. POP는 REINDEERS 본 플랫폼과 동일한 엣지 실행 환경, 서버리스 함수, 분산 SQL DB, 이벤트 버스 위에서 돌아간다. 이벤트 기반 통합이 별도의 미들웨어 없이 네이티브로 이루어진다. 새로운 시스템을 연동하는 게 아니라, 기존 시스템을 확장하는 구조다.
공장 안에서 일어나는 일
지금까지 REINDEERS가 다루지 못했던 영역이 있었다. 공장 안에서 무슨 일이 일어나는지. 어떤 제품이, 어떤 속도로, 어떤 원자재를 써서 만들어지고 있는지. 어떤 품목의 재고가 줄고 있고, 무엇을 언제 다시 주문해야 하는지.
REINDEERS는 거래를 연결하고, DVRP는 물류를 처리하고, Document AI는 문서를 자동화하고, Workflow AI는 업무 흐름을 관리한다. 하지만 이 모든 것의 출발점 — 생산 현장 — 은 블랙박스였다.
POP는 이 블랙박스를 여는 도구다.
공장 안에서 무엇이 만들어지고, 얼마나 빠르게 만들어지고, 어떤 재료가 소비되고, 무엇을 다시 주문해야 하는지를 REINDEERS가 알게 되면, 플랫폼의 성격이 바뀐다. 거래를 중개하는 마켓플레이스에서, 동남아시아 제조 무역의 운영 체제(Operating System)로. 발주부터 생산, 재고, 출하, 물류, 통관, 정산까지. B2B 거래의 전체 데이터 체인에서 마지막으로 빠져 있던 조각이 채워진다.
그리고 데이터가 연결되는 순간부터, 그 위에서 실제로 움직이는 주체는 점점 AI Agent로 넘어간다. POP는 또 하나의 ERP를 만들려는 게 아니다. B2B 거래 데이터 체인의 마지막 누락 구간 — 공장 안에서 일어나는 일 — 을 포착하고, 그 데이터를 조직도 안의 AI Agent가 실행할 수 있는 형태로 만드는 것이 목표다.
우리가 지금 하고 있는 건 결국 이것이다. 동남아시아 제조 무역에서 데이터가 끊기는 지점을 찾아서, 그 끊김을 연결하는 것. REINDEERS가 거래 데이터를, DVRP가 물류 데이터를, Document AI가 문서 데이터를 연결했듯이. POP는 그 체인의 시작점 — 생산 현장 — 을 연결하고, 그 위에 AI Agent가 실제 운영을 수행하는 레이어를 얹는다.
직원 10명이 하던 일을 AI Agent 팀이 수행하게 되면, 사람은 같은 시간 동안 여러 법인과 계열사를 동시에 운영할 수 있다. 이건 먼 미래 이야기가 아니라, Tool→Assistant→Agent Team→Autonomous Operator 로드맵을 따라 단계적으로 일어날 변화다. POP 베타가 그 첫 칸을 연다.
4~5월 베타 오픈 이후 과정을 이 블로그에서 계속 공유할 예정이다. 동작하는 것, 동작하지 않는 것, 예상과 달랐던 것. 검증이 끝나지 않은 가설을 확신처럼 포장하지는 않겠다.