AI 정밀 예측: 신선·냉장 식품 수요 예측 혁신

진짜 수요 예측은 항상 도전 과제였고, 신선·냉장 카테고리에서 운영하는 식품 기업들에게는 특히 어렵다. 동시에 정확한 예측은 업스트림 공급망 계획·실행과 식품·금융 낭비 감소에 필수적이다.

코로나19 팬데믹 같은 시장 불일치 시기에는 대부분의 예측가들이 진실을 붙잡으려 애쓰며—전형적 수요 패턴과 공황 구매, 카테고리 부족, 물류 복잡성의 영향을 균형 잡으려 시도한다.

'정상' 시장 조건에서도, 단일 소비 주도 예측을 중심으로 한 정렬과 가시성 없이 업스트림 공급업체들(소매업체, 도매업체, 생산업체)은 각자 사일로화된 예측을 생성할 뿐이다.

예측이 독립적으로 생성되면 편향, 오류, 안전재고가 복합된다. 각 예측이 체인에서 바로 하류 파트너의 주문 이력, 패턴, 가격 변동, 투입물의 실제 또는 인식된 가용성만 반영하기 때문이다.

실제 소비자 수요의 ±5% 변화가 업스트림 공급업체들에게 최대 40%까지 양방향으로 영향을 미치는 '불채찍 효과(bullwhip effect)' 때문에, 최상의 시기에도 일관되게 정확한 재고 유지는 어렵다. 오늘, 팬데믹 기간에는 불가능에 가깝다.

약속은 여기에 있다

공급망 전반의 파트너들을 연결하기 위한 기술 활용은 새로운 게 아니지만, 지난 10년간 기대만큼 효과적이진 않았다.

그러나 우리는 수많은 수요 신호를 효율적으로 통합하는 기술 활용 능력에서 새로운 티핑 포인트에 도달했다. 빅데이터 분석 플랫폼, 인공지능(AI), 머신러닝, 민첩한 예측 모델 모두가 현저히 더 신뢰할 수 있는 예측 생성에 중요한 역할을 한다. 드디어 이러한 기술을 활용하는 도구들이 검증되고 있으며, 우리는 공급망 전반을 들여다보고 그 모든 데이터를 이전엔 불가능했던 방식으로 활용할 수 있게 됐다.

AI 기반 수요 예측 플랫폼은 많은 전통적 수요 플랫폼처럼 과거 판매 모델링에 의존하지 않는다. 대신 동적 수요 영향 요인, 알고리즘, 실시간 데이터, 클라우드 기술을 사용해 행동과 트렌드를 정확히 예측한다.

예를 들어, 청중 인구통계·라이프스타일 트렌드, 쇼핑 패턴, 기상 이벤트, 무역 관세, 소매업체 마케팅 이니셔티브 모두 구매자 행동과 수요 정확성에 상당한 영향을 미친다. 하지만 이 데이터는 보통 여러 단절된 저장소에 흩어져 있다.

알고리즘과 예측 분석을 사용해, AI와 머신러닝 기반 수요 예측 플랫폼은 데이터 위치에 관계없이 방대한 데이터 볼륨을 분석한다. 이 기술은 소비자 수요에 가장 큰 영향을 미치는 관련 요소를 자동 식별하고, 수요와 구매자 행동 변화를 사전 예측하며, 차지백(chargeback)을 줄이고, 미래 수요에 대한 편향 없는 확률적 예측을 제공한다.

이 모든 데이터의 잠재력을 해방함으로써 더 정확한 수요 예측이 가능할 뿐 아니라, 재고 관리에 대한 전체적 접근도 지원한다. 예측 정확성에 대한 신뢰가 커짐에 따라 초기 재고 잔고를 더 낮은 수준으로 유지하면서도 고객 요구사항을 충족할 수 있다.

또한 AI와 머신러닝이 입력을 매우 빠르게 처리할 수 있어, 인사이트가 여전히 의미 있을 때 전달된다. 신선·냉장 품목의 수요나 가용성 변화, 파트너나 소비자 니즈에 맞춰 행동할 수 있다. 예를 들어, 팬데믹 기간 동안 신선 농산물과 육류 공급업체들이 레스토랑 도매 유통에서 소비자 식료품 소매점으로 더 빠르게 재포장·배송 전환할 수 있었다면 어땠을까?

미국신선농산물협회(United Fresh Produce Association)는 전체 농산물 산업이 코로나19 발생 기간 최소 40% 매출 손실을 볼 것으로 추정했다. 이 모두를 소비자 식료품·소매로 전환할 순 없지만, 경쟁사보다 더 빨리 전환하는 브랜드는 더 많은 매출과 일자리를 지킬 수 있다.

더 똑똑한 기술

AI 기반 예측 플랫폼은 시스템 내 각 제품이나 SKU에 대해 가장 관련 있는 지표를 자동 결정하기 위해 다중 알고리즘을 적용한다. 여러 스프레드시트에서 경쟁하는 데이터를 수집, 업데이트, 통합, 조정하는 데 쓰던 시간이 사라져, 예측 전문가들이 수요 최적화와 마케팅 등 타 부서와의 협업을 통한 새로운 수익원 발굴에 시간을 쓸 수 있다. 단일 진실 공급원(single source of truth)에서 운영하는 부서 간, 외부 파트너 간 협업의 가치는 과소평가될 수 없다.

AI 기반 모델 사용 결과는 설득력 있다. 누누스 크리머리(Nounós Creamery)는 최근 이런 도구를 도입해 수요 예측 자동화로 주당 2시간이던 예측 시간을 단 10분으로 단축했다. 누누스 리더들은 실질적 인사이트 부족에 좌절했고, 회계 소프트웨어와 재고관리 시스템 데이터를 수동 비교하며 소중한 시간과 돈을 낭비했다. 이 프로세스는 요거트 생산량과 우선순위 플레이버만 막연하게 알 수 있을 뿐이었다.

누누스는 모든 관련 소스에서 데이터를 끌어와 알고리즘에 예측 추천을 맡겼다. 예측이 매우 정확해 과잉 생산을 거의 즉시 40% 줄여 제품 손실 수익을 크게 절감했다. 또한 각 플레이버별 실제 예상 수요를 예측해 제조 공정 효율성을 크게 높였다.

이 새로운 수요 예측 접근법은 재무적 이유뿐 아니라 높은 확장성 때문에 채택이 늘고 있다. 전문 식품 브랜드에도, 대형 다국적 브랜드에도 똑같이 잘 작동한다. 소비자 주도 수요 예측은 여기에 머무를 것이다. 최신 분석과 기술 활용은 불채찍 효과를 길들이고, 정확한 시점에 수요를 충족하는 엄청난 기회를 제공한다.

아레 트라스달(Are Traasdahl)은 크리스프(Crisp) 공동 창업자 겸 CEO다.