더존비즈온 ONE AI는 기업의 업무 솔루션과 데이터를 연결하는 AI 도구로, 고객 계약 확대와 실제 매출·이익은 구분해서 살펴봐야 합니다. ‘2천 기업’이라는 숫자는 회사가 발표한 도입 고객 규모이며, 그 숫자만으로 AI 사업의 수익성이나 주가 상승을 계산할 수는 없습니다.
ONE AI는 무엇을 연결하나요?
더존비즈온은 2024년 6월 11일 공식 출시 발표에서 ONE AI를 기업 핵심 업무 솔루션에 내재화한 생산성 도구라고 소개했습니다. 회계·세무·인사, 그룹웨어와 문서관리 등에서 생기는 데이터와 업무 흐름에 AI를 접목하는 방식입니다.
일반 채팅창에 질문을 입력하는 경험과 기업의 실제 데이터에 접근하는 업무는 다릅니다. 도입할 때는 기존에 쓰는 제품, 계약한 기능, 데이터 연결 범위와 사용자 권한을 먼저 확인해야 합니다. 특정 회사의 모든 서비스와 모든 업무가 별도 설정 없이 자동으로 연결된다고 가정해서는 안 됩니다.
1천 기업에서 2천 기업으로: 무엇을 뜻하나요?
| 공식 발표일 | 회사가 밝힌 내용 | 숫자를 읽는 기준 |
|---|---|---|
| 2024년 6월 11일 | ONE AI 공식 출시 | 제품 출시와 개별 기업의 유료 사용 시작은 별개 |
| 2024년 10월 23일 | 출시 후 약 4개월간 1,000여 기업과 도입 계약 | 계약 기업 수이며 월간 활성 사용자 수가 아님 |
| 2024년 12월 26일 | 추가 약 1,000개 고객 확보, 누적 2,000개 돌파 | 회사 발표 고객 규모이며 해당 기간 매출액이 아님 |
10월 23일 발표는 도입 계약을 체결한 기업을, 12월 26일 발표는 추가 확보 고객과 누적 고객을 설명합니다. 여기서 고객당 요금, 무료·유료 구분, 계약 기간이나 해지율까지 알 수 있는 것은 아닙니다.
고객 수가 늘면 매출도 같은 비율로 늘까요?
계약 고객 수에 임의의 가격을 곱한 값은 가정 계산입니다. 실제 매출을 판단하려면 유료 전환 여부와 과금 시작일, 고객별 사용 범위, 할인, 계약 기간 및 해당 기간에 인식한 매출을 확인해야 합니다. 기존 솔루션과 묶인 상품이라면 AI 부분의 별도 금액을 구분할 수 있는지도 중요합니다.
연결 매출에는 여러 사업의 실적이 포함될 수 있습니다. 전체 회사 매출 증가를 모두 ONE AI 효과로 돌리거나, 도입 기업 증가만으로 영업이익 증가를 확정하는 해석은 피해야 합니다. 매출이 생겨도 개발·인프라·지원 비용과 판매 비용이 함께 들 수 있기 때문입니다.
가정 고객 수와 요금으로 계산해 보기
아래 기본값은 모두 가정이며 ONE AI의 실제 요금이나 유료 고객 수가 아닙니다. 모든 유료 가정 고객에게 같은 월 요금을 선택한 개월 수 내내 적용하는 단순 곱셈입니다. 할인·중도 가입·해지·부가세·구축비·비용은 반영하지 않습니다.
유료 비중은 소수점 둘째 자리까지 버려 표시합니다. 계산 금액은 가정 요금의 합계이며 회계상 매출 인식액·이익·기업가치·주가 전망이 아닙니다. 전체 고객이 모두 유료라는 뜻도 아닙니다.
사업의 일부 지표를 전체 회사 실적으로 확대해서 읽기 쉬운 이유는 2026년 켐트로닉스의 부문 매출과 전체 매출 비교 사례에서도 확인할 수 있습니다. 이는 다른 기업의 별도 공시 사례이며 ONE AI의 매출 전망을 제시하는 자료는 아닙니다.
신사업이 두 배 성장하면 회사 매출도 두 배일까요?2026년 별도 공시 사례에서 사업 범위와 전체 매출의 차이를 살펴봅니다. →
업무 효율은 어떻게 확인할까요?
도입 전후 같은 업무를 놓고 담당자가 실제로 쓴 시간을 비교해 보세요. AI가 만든 초안을 검토하고 오류를 고치는 시간, 권한 설정과 교육에 드는 시간을 포함해야 합니다. 단순히 답변 생성 속도만 재면 전체 업무의 절감 효과와 차이가 생길 수 있습니다.
예를 들어 자료 검색, 문서 초안 작성, 내부 데이터 요약을 시험할 때는 완료 기준을 먼저 정합니다. 답변이나 초안이 만들어졌다는 사실과 담당자 승인, 전자결재, 외부 기관 신고가 끝났다는 사실은 각각 다릅니다. 급여·세무·노무처럼 결과의 영향이 큰 업무는 담당자가 원자료와 적용 조건을 확인해야 합니다.
RAG와 보안 설명은 어떻게 읽어야 하나요?
회사는 출시 발표에서 검색증강생성(RAG)을 이용해 내부 데이터를 활용하고 잘못된 답변을 줄인다고 설명했습니다. 이는 제품 설계에 관한 회사 설명입니다. 어떤 질문에도 정답을 내거나 정보 유출이 절대로 발생하지 않는다는 보장으로 읽어서는 안 됩니다.
실제 도입에서는 접근 권한, 답변에 사용한 자료의 출처와 최신성, 로그와 보관 범위, 외부 전송 조건, 퇴사자 권한 회수 등을 확인할 필요가 있습니다. 데모에서 잘 동작한 질문 하나보다 실제 업무 자료와 예외 상황을 포함한 시험이 도입 판단에 도움이 됩니다.
투자자가 따로 볼 질문
- 고객 수는 계약 기업, 유료 고객, 활성 고객 중 무엇을 집계했는가?
- AI 관련 별도 매출과 기존 제품 매출을 구분할 자료가 있는가?
- 반복 과금과 일회성 구축비, 관련 비용은 어떻게 나뉘는가?
- 계약 갱신과 실제 사용 확대가 확인되는가?
제품의 고객 확대, 회사 실적, 주가 변동은 서로 관련될 수 있지만 같은 지표는 아닙니다. 다른 사업의 인허가나 미래 계약까지 이미 확정된 매출에 합산하지 말고, 각각의 공식 발표와 실적 자료에서 확인하세요.
blogP2P.com · 다음 읽기
함께 보면 좋은 글
다른 기업의 2026년 공시 사례에서 사업별 지표와 전체 매출을 나누어 읽습니다.
