프리미어 AI-기반 SCM SaaS 플랫폼 제공업체인 오나인솔루션즈(지사장 이웅혁)가 ‘AI 활용 공급망 관리 및 비즈니스 운영’의 4가지 주요 사용사례를 발표했다.
첫 번째 활용 사례로 수요 동인(demand driver) 및 주요 지표 통합해 수요를 예측했다고 발표했다. 머신러닝, AI를 활용하지 않고 통계 예측에 수요 동인들을 통합하려는 기업은 아웃라이어(outlier)가 포함된 데이터를 정규화(normalizing)하는 어려운 과정을 거쳐야 한다. 하지만 기업이 수요 예측을 위해 AI 기반 플랫폼을 구축하면서 이러한 모든 과정이 변화됐다. 머신러닝(ML) 알고리즘은 명시적 지침을 그대로 따르지 않고, 데이터가 가진 패턴을 기반으로 모델을 생성한다.
두 번째 활용 사례는 ‘조직 내 지식(tribal knowledge)’ 대신 러닝 시스템으로 계획을 수립했다. 오늘날 많은 조직들의 지식 모델링은 ‘조직 내 지식’을 기반으로 하고 있다. 오늘날 계획에 대한 의사결정 대부분은 각 플래너의 지식과 판단에 따라 달라진다. 그러나 AI를 적용하면 ‘조직 내 지식(tribal knowledge)’이 ‘제도화된 지식(institutional knowledge)’으로 전환된다.
히스토리 데이터 기반 예측과 달리 AI 기반 시스템은 어떤 수요가 신뢰할 만한 것인지, 어떤 이가 정확한 예측을 할 것인지, 아닌지를 판단한다. 이로써 수요를 충족시키기 위해 추가 비용을 지불할지, 또는 신속하게 처리할지의 의사결정은 인텔리전트한 권고를 토대로 내릴 수 있게 된다. 즉, 매우 신뢰할 수 있는 수요 예측에 대해 이 요청의 승인을 자동화할 수 있고 또는, 과거에 신뢰할 수 없는 고객이라면 유의하며 진행하되, 이 결정에 대한 관리자의 승인이 필요하다는 답변을 도출할 수도 있다.
세 번째 활용 사례는 연결되지 않은 데이터 연결해 통합 계획 및 의사결정 모델을 생성했다. 연결되지 않은 엔터프라이즈 데이터와 관련된 대표적인 문제 중 하나는 많은 기업들이 인수, 합병을 통해 성장한다는 점에 기인하고 있다. 합병된 회사는 세계적으로는 하나의 기업이 될 수 있다. 그러나 그 뒤에는 여러 부서들이 때로는 수십년간 하나로 통합되지 못한 채 그대로 남아 있다. 영업, 공급망, 제품 관리를 위한 사일로 시스템과 여러 ERP(Enterprise Resource Planning) 시스템이 존재할 수 있는 것이다. 한 회사의 지붕 아래, 단일 제품이 여러 개별 시스템에서 다양한 명칭으로 불릴 수도 있다.
연결되지 않은 데이터 문제를 가진 기업들은 필연적으로 통합 계획 및 의사결정 문제를 해결하는데 많은 어려움을 겪고 있다. 그러나 AI와 자연어 처리를 통해 시스템은 서로 다른 데이터 포인트를 사실상 동일한 것으로 정할 수 있다. 소스 변경 없이 모든 제품을 상호 연계시키는 모델을 생성할 수도 있다. 시스템이 이들 제품을 동일한 것으로 인식하기 때문에 재고 가시성, 통합 계획, 의사결정을 서로 연결할 수 있다.
활용 사례 네 번째는 계획 시스템(planning systems)에서 마스터 데이터 과제를 해결했다고 발표했다. 계획 시스템을 만드는데 AI의 장점은 지능적이며 자동화된 의사결정을 보다 신속하게 유도하는데 있다. 그러나 기업 리더들이 말하는 공통된 어려움은 계획에 대한 의사결정에 필요한 대부분의 데이터들이 모든 레코딩 시스템에는 없는 ‘마스터 데이터’라는 사실이다.
이제 리테일러들은 빅데이터와 AI를 통해 센서에서 제공하는 IoT 데이터를 사용하여 용량 요구사항을 결정할 수 있다. 담당자가 트럭에서 제품을 선적 시에, 이를 유통센터로 옮길 때, 기타 여러 경우에 방대한 양의 트랜잭션 데이터가 기록된다. 리테일러들은 AI를 통해 의사결정에 필요한 마스터 데이터를 자동으로 생성할 수 있다. 그들은 TV 선적 차량의 도착시간을 파악하고, 제품 이동에 얼마만큼의 노동력이 필요한지에 대한 특정한 자동-생성(auto-generated) 지식을 확보할 수 있다.
전자신문인터넷 이유연 기자 (lyy@etnews.com)
