공급망을 위한 검증된 3단계 AI 도입 로드맵

팬데믹의 글로벌 영향은 다음 주요 혼란을 견뎌내려는 기업들에게 중요한 교훈을 주었습니다. 그중 하나가 공급망에 인공지능을 더 잘 구현해야 할 필요성입니다.

기업이 이 목표를 달성하는 방법에 대한 몇 가지 팁을 소개합니다.

첫째, 덜 명백한 입력까지 고려해 소비자 수요를 예측하는 더 나은 모델을 구축하세요. 현재 이러한 시스템은 단순한 추세와 계절성 예측을 중심으로 구축됩니다. 대신 인플레이션, 소비자 물가지수, 자극 지급, 봉쇄, 주택 건설 등 코로나19 개입 정책으로 인한 기타 입력 충격과 관련된 외부 입력을 고려해야 합니다. 이러한 패턴은 사후에는 쉽게 보이지만, 그렇다고 미리 포착할 수 없는 것은 아닙니다. AI 기반 예측 모델의 장점은 겉보기에 무관한 특징들 간의 상호작용을 포착할 수 있다는 것입니다.

더 나은 소비자 수요 모델을 구축한 후, 보조 배송 추정 모델을 만드세요. 이는 언제든 현재 공급망 상태를 고려해 제품이 가득 찬 컨테이너의 운송 비용을 예측하도록 구성되어야 합니다. 이 도구의 장점은 백테스팅(back-testing)을 통해 정확성을 평가할 수 있다는 점입니다. 과거를 돌아보고 특정 시점의 가격 추정이 현실과 일치하는지 확인하면 됩니다.

마지막으로, 수요 모델과 비용 추정기를 사용해 진정한 공급망 AI 역할을 하는 시스템을 구축하세요. 이는 두 가지 핵심 관찰에 기반합니다:

• 수요 모델을 사용해 미래 특정 시점에 필요한 용량을 예측할 수 있습니다.
• 비용 추정 모델을 사용해 그 시점에 그 수요를 충족하기 위한 배송 가격을 예측할 수 있습니다.

이 두 가지 능력을 갖춘 AI 시스템은 비용 추정 모델의 입력 레버를 조정함으로써 개선될 수 있습니다. 모델에는 "로스앤젤레스 항만이 하루 몇 시간 운영되는가"와 같은 단순할 수 있는 입력 매개변수가 있습니다. 이 모델은 값 변경에 따른 운송 비용 영향을 알 수 있게 됩니다. AI는 공급망을 구성하는 입력 레버를 지속적으로 조정하도록 훈련될 수 있어, 수요가 어떻든 수요 충족 총비용에 상한선이 생기게 합니다.

이 3단계 접근법이 향후 10년간 공급망의 모습일 것입니다. 물론 세부 사항에 악마가 숨어 있습니다. 하지만 일단 이런 시스템이 갖춰지면, 미래 공급망 혼란에 대처하기 위해 정치인들에게 의존할 필요가 없게 됩니다. AI가 공급망 계획과 모델링을 돕는다면, 한계는 없습니다.

제임스 카플란(James Kaplan)은 미트카이(MeetKAI)의 CEO입니다.