GN⁺: AI를 통한 공급망 충격 방지: 82조원($62b) 규모의 기회
(linkedin.com)- 코로나19 팬데믹은 전세계 공급망이 얼마나 취약한지 보여줌
- 가구 업계에서는 팬데믹 초기 판매량이 기록적이었으나, 컨테이너 부족, 원자재 부족, 핵심 부품 수령 지연으로 최근 여러 기업이 파산함
- 가장 큰 공급망 위기는 지났지만, 이제는 어느 정도 단절과 혼란이 일상화됨
- 공급망 장애로 지난 수 년간 약 $1.6조의 손실이 추정됨
- 10년 치 공급망 장애 데이터를 보면, 평균적으로 기업은 1년 이익의 절반 가량을 잃을 수 있음
공급망 혼란의 3가지 요인
-
비정형 데이터에 의존하는 커뮤니케이션 도구
- 이메일, 문자, 스캔 문서 등의 비정형 데이터에는 중요한 정보가 포함되어 있으나 체계적으로 추출 및 분석하기 어려워 공급업체와의 소통이 복잡해짐
- 예: 테슬라는 칩 부족 정보가 이메일에서 간과되어 생산 지연을 겪고 2021년 3분기 19만 대의 생산 차질이 발생함
-
구식이고 균등하지 않게 도입된 EDI 시스템
- EDI는 1960년대 도입된 비즈니스 문서용 파일 교환 시스템으로 1990년대 대형 제조사들이 많이 도입함
- 예: La-Z-Boy와 같은 대기업은 EDI로 해외 공급업체에 가죽 소파 5만 개 주문을 요청하고 조달팀이 입찰 가격을 비교함
- 반면 중소기업은 EDI 도입이 어려워 해외 공급업체와 여러 채널 및 플랫폼에서 며칠간 협상하는 데 어려움을 겪음
-
다수의 소프트웨어 관리 시스템 사용으로 인한 데이터 사일로
- ERP, WMS, TMS 등 여러 소프트웨어를 사용하면서 엔드투엔드 공급망 가시성을 방해하는 데이터 사일로가 생김
- 예: 유니레버는 ERP와 WMS 간 소통 부재로 재고 불일치가 발생해 2022년 전세계적으로 품절은 23% 증가하고 과잉 재고는 17% 증가함
AI로 달성 가능한 $620억 시장 기회
- Gartner에 따르면 공급망 관리 소프트웨어 연간 지출은 2023년 $290억에서 2028년 $620억으로 16.3% CAGR로 성장할 것으로 전망됨
- 잘 포지셔닝된 혁신적이고 빠르게 움직이는 AI 스타트업이 이 시장을 선점할 수 있을 것임
- AI는 시각적, 수치적, 텍스트 데이터를 분류하고 복잡한 시나리오를 높은 정확도로 모델링할 수 있음
- 예: 컴퓨터 비전 시스템은 조립 라인에서 제품을 검사하여 인간보다 일관되게 결함을 식별할 수 있음
- 기계 학습 알고리즘은 과거 구매 패턴부터 정치적 격변, 노동 조건, 날씨까지 모든 것을 분석하여 전례 없는 정확도로 수요를 예측할 수 있음
AI 도입이 가장 유망한 3가지 영역
- 구매(Procurement): 기업 운영에 필요한 제품 소싱 및 확보
- 공급업체 인텔리전스(Supplier Intelligence): 공급업체 관계를 평가하고 최적화하기 위한 데이터 수집
- 수요 계획(Demand Planning): 최적의 공급을 위해 미래 고객 수요 예측
구매 자동화에 최적인 이유
- 구매는 원자재 안정적 공급, 공급업체와의 관계 유지, 마진 개선에 중요함
- Tonkean과 같은 스타트업은 계약 갱신이나 송장 처리 등 구매 프로세스의 상당 부분을 자동화함
- RPA는 규칙 기반으로 입력 프로세스를 자동화하지만 비정형 데이터는 처리할 수 없음
- Didero, Lighthouz AI, Soff 등의 AI 스타트업은 이메일과 PDF에 묻힌 통찰을 추출함
- Pulse AI는 공급망 질문에 답하기 위해 비정형 데이터를 검색하는 검색 엔진을 만들고 있음
- Mandel AI는 공급업체 리드타임과 가격 변동 시 ERP를 자동으로 업데이트하는 공급망 에이전트를 개발함
AI로 공급업체 인텔리전스 강화 방안
- 최상의 공급업체를 찾으려면 규정 준수 요건, 견적, 시장 변화 등을 모두 고려해야 함
- 또한 다수의 공급업체를 보유하면 코로나19나 러시아-우크라이나 전쟁과 같은 충격에 대한 공급망 회복력이 강화됨
- AI는 단순 검색창과 달리 지능형 공급업체 지도 및 매칭을 가능하게 함
- Altana는 이 분야의 선두 주자로 다양한 공급망 계층의 지능형 가치사슬을 만들었고, 특정 공급업체에 대한 질의를 위한 LLM 어시스턴트를 제공함
- Keelvar, Fairmarkit 등도 구매팀이 공급업체를 쉽게 소싱할 수 있는 AI 기반 플랫폼을 제공함
- 최근에는 Kipo AI, Terra 등의 신규 업체가 기업과 공급업체를 매칭하는 플랫폼을 만들고 있음
수요 계획은 과거 데이터를 넘어선다
- 공급과 수요 변화를 예측하면 공급망 장애가 소비자에게 영향을 미치는 것을 방지할 수 있음
- 전통적인 계획 소프트웨어는 주로 과거 데이터에 의존해 예측하는데, 급변하는 시장과 지정학적 상황에서는 불충분할 수 있음
- AI는 과거 데이터와 현재 시장 트렌드를 모두 고려해 계획 능력을 향상시킬 수 있음
- 연구에 따르면 AI는 이상치를 식별하고 관련성 있는 것으로 분류하여 팬데믹 시 화장지 사재기와 같은 "패닉 구매" 사례를 탐지할 수 있음
- McKinsey에 따르면 자율 공급망 계획으로 매출은 최대 4% 증가하고 비용은 최대 10% 절감될 수 있음
- Ikigai는 특허받은 대규모 그래픽 모델을 사용해 별개의 데이터 소스를 연결하여 예측과 시나리오를 만들어냄
- Spherecast 등의 신생 기업도 여러 채널을 관리하고 다양한 수준의 세분화된 수요 예측을 생성하는 엔진을 만들며 계획 영역에 진출하고 있음
AI로 공급망 혁신하기
- 공급망 분야에는 AI 스타트업에게 매력적인 두 가지 요소가 있음: 사일로화된 소프트웨어 관리 시스템과 방대한 비정형 데이터
- 구매, 공급업체 인텔리전스, 수요 계획 등 어떤 영역이든 AI가 앞으로 수년간 공급망을 혼란시키고 강화할 것으로 보임
GN⁺의 의견
- 공급망 관리 소프트웨어에 AI 기술을 접목하는 스타트업이 많이 등장하고 있음. 이는 AI의 발전과 더불어 단절되고 비효율적이었던 기존 공급망 관리 방식을 혁신할 수 있는 새로운 기회를 제공함
- 특히 구매, 공급업체 인텔리전스, 수요 계획 영역에서 AI 기술이 기존 프로세스를 자동화하고 최적화하는 데 크게 기여할 것으로 예상됨. 비정형 데이터 처리와 복잡한 시나리오 모델링이 AI의 강점이기 때문
- 다만 공급망은 매우 복잡하고 다양한 이해관계자가 얽혀 있는 분야이기에, AI 도입 시 데이터 품질 관리, 알고리즘 편향성 방지, 인간-AI 협업 체계 구축 등 신중하게 고려해야 할 사항들이 많음
- 무엇보다 AI는 의사결정을 돕는 도구일 뿐, 최종 책임은 여전히 사람에게 있다는 점을 명심해야 함. AI가 제시하는 인사이트를 맹목적으로 따르기보다는 전문가의 경험과 통찰을 바탕으로 균형 잡힌 의사결정을 내리는 것이 중요함
- 종합하면 AI 기술은 공급망 관리의 비효율성을 해결하고 최적화를 가능케 하는 게임 체인저가 될 수 있으나, 기술 자체에 대한 맹신보다는 비즈니스 목표에 부합하는 전략적 활용이 요구됨