공급망 AI 솔루션 도입이 더딘 이유
김철민
코로나-19가 발생하기 전까지만 해도 대부분의 사람들은 공급망 운영에 거의 관심을 기울이지 않았습니다. 하지만 팬데믹 이후 모든 것이 바뀌었습니다. 공급망 중단과 위기는 전 세계 뉴스의 헤드라인을 장식했습니다. 이 때문에 사람들은 공급망이 우리의 삶을 좌우한다는 당연한 사실을 갑자기 깨닫게 되었습니다.
“공급망 관리는 마트나 편의점에서 구매하는 제품이나 학교에서 자녀에게 제공하는 식사 등 우리가 매일 누리는 삶의 질에 핵심적인 역할을 합니다. 공급망 관리는 지구상의 모든 사람이 제품과 서비스를 저렴하고 쉽게 이용할 수 있게 해줍니다. 결국 우리의 일상 생활은 식품과 의약품, 가구와 의류가 모두 동일한 물류 자원을 놓고 경쟁하는 공급망의 끊임없는 움직임에 심각하게 의존하고 있다.”
‘공급망’이라는 용어는 공급망 운영의 엄청난 복잡성을 가리고 있으며 종종 오해를 받기도 합니다. 잘아시다시피, 한정된 포장재 공급이 수요를 따라가지 못할 때, 항만하역 작업자나 트럭 운전사 또는 택배 기사가 파업을 할 때, 컨테이너선이 세계에서 가장 바쁜 항로 중 하나에 옆으로 끼어 있을 때 등 작업이 꼬이면 그 영향은 몇 주 또는 몇 달 동안 외부로 파급되어 선반을 비우고 무작위로 보일 수 있는 방식으로 가격을 인상시켰습니다.
그런데 생각해보면 이 모든 것이 지금쯤이면 더 나아졌어야 합니다. 팬데믹이 성공적으로 종식되더라도 기후 변화나 정치적 불안이 글로벌 물류에 악영향을 끼치는 것을 막을 수는 없겠지만, 더 나아질 것이란 기대가 있었기 때문입니다. 이중 하나가 인공 지능(AI)를 통한 공급망 개선입니다.
팬데믹 이후 AI에 대한 기대감이 커진 이유
글로벌 팬데믹 직전에 공급망 운영에 관심을 기울인 사람이라면 누구나 인공지능이 글로벌 가치 네트워크를 향상시킬 것이라는 낙관론이 팽배했음을 알고 있습니다. 2018년 마케팅 전문가이자 비즈니스 컨설턴트인 루시 벤턴(Lucy Benton)은 “인공지능은 이미 소비자로서 우리의 삶을 향상시키고 있으며, 이제 공급망 관리 및 물류 분야에서도 탄력을 받고 있다”라고 말했습니다.
공급망과 물류의 데이터 양이 날로 증가함에 따라 더욱 정교한 처리 솔루션의 필요성이 더욱 절실해지고 있습니다. 그렇기 때문에 많은 기업이 머신 러닝, 딥 러닝, 자연어 처리와 같은 AI 컴퓨팅 기술을 채택하고 있습니다.
수많은 공급망 및 물류 기능을 간소화하는 AI의 능력은 이미 배송 시간과 비용을 절감하여 얼리 어답터에게 경쟁 우위를 제공하고 있습니다. 맥킨지가 2017년 초에 실시한 AI 도입에 대한 업계 전반의 연구에 따르면 운송 및 물류 부문에서 선제적인 AI 전략을 채택한 얼리 어답터들은 5% 이상의 수익 마진을 누리는 것으로 나타났습니다. 반면, AI를 도입하지 않은 부문의 응답자들은 적자를 기록한 것으로 나타났습니다.
결과적으로 AI는 공급망 운영에 있어 만병통치약이 아니라는 사실이 팬데믹이 절정에 달했을 때 분명해졌습니다. AI 솔루션을 구현하려는 조직이 직면한 한 가지 과제는 올바른 데이터를 찾는 것이었습니다.
섀넌 베일랑쿠르(Shannon Vaillancourt) RateLinx 사장 겸 설립자는 "우리는 인공지능을 활용하여 이 데이터를 바탕으로 더 빠르고, 더 스마트하고, 더 저렴하게 앞으로 나아갈 수 있는 올바른 결정을 내릴 수 있다. 그러나 좋은 데이터가 없으면 인공지능이 잘못된 결정을 내릴 수도 있다."라고 말합니다.
그러나 데이터 문제에도 불구하고 베일랑쿠르는 낙관적인 태도를 유지했습니다. 그는 "공급망 관리를 혁신하는 데 있어 AI의 가장 매력적인 측면은 사람이 할 수 있는 것보다 일상적이지 않은 작업을 더 빠르고 정확하게 수행할 수 있다는 점이라고 생각한다. 현재 우리가 생성할 수 있는 공급망 데이터의 양이 엄청나기 때문에 AI의 도움 없이는 이러한 데이터를 분류하고 분석하는 것이 불가능하다. 하지만 리더는 이 기술의 이점을 충분히 활용할 수 있는 적절한 기반을 갖추고 있는지 확인해야 한다."라고 덧붙였습니다.
공급망 통합 = 데이터 흐름의 통합
팬데믹 기간 동안 AI가 모든 공급망 문제를 해결하지 못했다는 사실 때문에 일부 비평가들은 “AI는 아직 프라임타임을 맞이할 준비가 되지 않았다”고 선언했습니다. 공급망 전문가 스티븐 크넵은 “'AI는 아직 프라임타임을 맞이할 준비가 되지 않았다'는 말은 운송업체, 항만 운영업체, 항공사, 트럭 운전사 간의 통합이 부족하다는 점에서 나온 말”이라고 설명합니다.
크넵의 말은 이동의 모든 측면 중에서 단일 플랫폼에서 사용할 수 있는 디지털 액세스나 조정이 거의 없는 프로세스의 각 부분 사이에 파편화가 만연해 있다는 점을 꼽습니다. 이는 프로세스의 각 부분이 제대로 작동하지 않으면 지연이 발생하고 공급망 비용에 문제가 생기기 때문입니다.
크넵이 말하는 통합의 의미는 공급망의 각 부분 간의 데이터 흐름을 통합하는 것을 뜻합니다. 팬데믹이 발생하기 몇 년 전에 베일랑쿠르가 지적한 것처럼, 데이터는 공급망을 통해 흐르고 AI 솔루션에 공급되는 생명선입니다.
AI 솔루션 도입의 걸림돌 ‘데이터 공유’
AI 솔루션 개선의 가장 큰 걸림돌은 데이터를 공유하는 방법을 찾는 것입니다. 새로운 기술이 단일 플랫폼으로 작동하는 데 있어 가장 큰 장벽은 AI가 오픈 소스 데이터 수집을 기반으로 한다는 점입니다. 이것이 왜 장벽일까요? 단순히 통신사의 운영 네트워크 또는 노선 내에서 각 통신사의 경쟁적 특성 때문입니다. 경쟁 통신사가 자사의 독점적인 요금과 서비스를 모든 사람과 공유하도록 허용하는 이유는 무엇인지 생각해 봅시다. 이 때문에 어떻게든 데이터 표준이나 가드 레일을 개발하여 데이터 교환을 규제하는 중재자 역할이 필요한 때입니다.
물론 모든 공급망 중심 AI 솔루션에 경쟁 기업의 데이터 공유가 필요한 것은 아닙니다. Relanto의 최고 데이터 및 인공지능 책임자인 아메르 이남은 기업들이 팬데믹 기간 동안의 공급망 실패로부터 배워야 한다고 말합니다.
“인공지능은 다른 기술 및 혁신과 결합하여 제조 현장에서 소매점 진열대에 이르기까지 전체 공급망에 걸쳐 장기적인 개선을 가져올 수 있다. 인공지능은 데이터와 분석을 사용하여 공급망 중단으로 영향을 받고 있는 재고를 식별하고 매핑할 수 있게 해준다. 자재를 운송하는 선박에 대한 가시성이 부족한 기업은 위기를 기회로 삼아 데이터, 사물 인터넷, 고급 분석(예: 머신러닝 및 시뮬레이션)을 통해 공급망 디지털 전환의 우선순위를 정해야 한다. 기업은 공급 측면의 제약이 기업 운영과 시장 수요 기대치를 충족하는 능력에 어떤 영향을 미칠지 성공적으로 측정하기 위해 항상 상품이 어디에 있는지 파악해야 한다. 특히 전 세계에서 활동하는 많은 플레이어에 의존하는 복잡한 공급망의 경우 더욱 그렇다."
이남의 비전은 데이터 공유에 대한 크넵의 우려와 상충되지만, 불확실성의 시대에 AI가 조직에 제공할 수 있는 이점은 여전히 많습니다. 팬데믹 기간 동안 엔터라 솔루션즈는 엔터라 글로벌 인사이트 및 의사결정 우월성 시스템(EGIDS™)을 개발하여 고객에게 다양한 옵션과 시나리오를 신속하게 탐색할 수 있는 기능을 제공했습니다.
공급망은 AI의 도움 없이는 이해하기에는 너무 복잡합니다. 이러한 복잡성 중 일부는 AI 솔루션이 일상적인 의사 결정을 내릴 수 있도록 하여 공급망 전문가가 보다 미묘한 고려가 필요한 의사 결정에 집중할 수 있도록 함으로써 해결할 수 있습니다. 이러한 이유로 엔터라®는 공급망 전문가가 정보 과부하를 처리할 수 있도록 자율 의사 결정 과학(ADS®)을 발전시키는 데 주력하고 있습니다.
그럼에도 불구하고
오늘날 글로벌 공급망에는 해결이 어려워 보이는 부분이 있을 수 있지만, 이러한 병목 현상으로 인해 공급망의 다른 영역이 발전하지 못하도록 방치하는 것은 큰 실수가 될 수 있습니다. 다른 비즈니스 영역과 마찬가지로 공급망 운영도 의사결정에 의해 정의됩니다.
기업의 운영을 이해하는 가장 좋은 방법은 일련의 의사결정으로 보는 것입니다. 우리는 광범위한 연구를 통해 의사결정이 매우 중요하다는 것을 알고 있습니다. 경쟁사보다 더 나은 의사결정을 내리고, 더 빨리 내리고, 더 효과적으로 실행하는 기업은 거의 항상 더 나은 재무 성과를 냅니다. 의사 결정과 실행을 개선하기 위해 고급 분석을 사용하는 기업은 당연히 그 결과를 보여줄 수 있습니다. 모든 공급망 영역에서 AI를 사용할 준비가 되어 있지 않을 수 있지만, 의사 결정은 그러한 영역 중 하나가 아니라는 점을 이해해야 합니다.
참고 문헌
[1] Caroline Brooks, Deon Foster and Meredith Mescher, “The supply chain shapes our lives,” MSU Today, 31 March 2021.
[2] Amanda Mull, “Americans Have No Idea What the Supply Chain Really Is,” The Atlantic, 21 September 2021.
[3] Lucy Benton, “6 Ways AI is Impact the Supply Chain,” The Network Effect, 27 September 2018.
[4] Staff, “AI in supply chain and logistics: How AI will reshape the logistics and transportation industry,” Business Insider, 22 January 2018.
[5] Shannon Vaillancourt, “AI In Supply Chain Management: It’s Only As Good As Your Data,” Forbes, 2 October 2018.
[6] Steven Knepp, “AI ain’t ready for prime time in the supply chain,” Supply Chain Management Review, 10 March 2023.
[7] Ahmer Inam, “How AI Could Solve the Supply Chain Crisis,” SupplyChainBrain, 22 November 2021.
[8] Michael C. Mankins and Lori Sherer, “Creating value through advanced analytics,” Bain Brief, 11 February 2015.
