글로벌 공급망 위기 극복을 위한 AI 활용법

코로나19 팬데믹은 여러 산업 전반에서 혁신의 시험대가 되었습니다. 이는 놀랍지 않습니다. 역사적으로 위기는 혁신을 낳아왔습니다. 이제 세계는 글로벌 공급망에 파국적 혼란이 닥친 가운데 다시 한번 혁신에 나서고 있습니다.

현재 겪고 있는 문제는 절망적인 병목 현상처럼 보일 수 있고, 이를 해결하는 데 필요한 변화가 가치를 실현하기까지 시간이 걸릴 것입니다. 하지만 인공지능이 다른 기술 및 혁신과 결합하면 제조 현장에서 소매 선반까지 공급망 전반에 지속적인 개선을 가져올 수 있습니다. 몇 가지 시나리오를 살펴보겠습니다.

공장 현장 개선

공급망 병목 현상 뉴스는 항만 폐쇄로 바다에 발이 묶인 선박에 초점을 맞추는 경향이 있습니다. 하지만 공급망 관리자들은 공급망 개선이 원자재가 조달되고 제품으로 제조되는 공장 현장까지 확장됨을 압니다. AI가 다른 기술과 연결되면 큰 차이를 만들 수 있습니다. 예를 들어, 원자재 공급에 대한 데이터 기반 예측은 제조 계획 결정과 인력 계획을 최적화해 번아웃을 줄이는 데 도움이 됩니다. 또한 공장 현장의 스마트 센서는 생산을 더 효율적으로 만들고 공급과 수요 변동 모두에 더 민감하게 반응하게 합니다. 스마트 센서는 중요한 부품이 마모될 때 제조업체에 경고해, 혼란이 발생하기 전에 선제적 시정 조치를 취할 수 있게 합니다.

가장 기대되는 것은 기업이 가상현실, 혼합현실, 증강현실 같은 몰입형 기술과 AI(예: 심층 강화 학습과 3D 시뮬레이션의 결합)를 접목해 제조 공정을 개선할 잠재력입니다. 기업은 AI를 사용해 다양한 생산 시나리오를 시뮬레이션하고, 물리적 제조 실험보다 덜 시간이 들고 더 비용 효율적인 방식으로 공장 현장을 최적화할 수 있습니다. 또한 3D 시뮬레이션과 강화 학습으로 제조업체는 전체 생산 공정을 최적화할 수 있는 반면, 물리적 제조 실험은 특정 공정만 최적화할 수 있습니다. 메타버스의 약속이 실현됨에 따라, AI의 이 가상 적용은 공장 현장을 더 효율적으로 만드는 것을 넘어 변혁시킬 수 있습니다.

혼란에 대응하기

AI는 데이터와 분석을 사용해 공급망 혼란의 영향을 받는 재고를 식별하고 매핑하는 것을 가능하게 합니다. 자사 자재를 운송하는 선박에 대한 가시성이 부족하다면, 이 위기를 데이터, 사물인터넷, 고급 분석(머신러닝, 시뮬레이션 등)을 활용한 공급망 디지털 트랜스포메이션 우선순위화를 정당화하는 기회로 삼아야 합니다. 기업은 언제나 자사 상품이 어디에 있는지 알아야 공급 측 제약이 운영과 시장 수요 충족 능력에 미칠 영향을 성공적으로 가늠할 수 있습니다. 이는 글로벌하게 운영되는 많은 플레이어에 의존하는 복잡한 공급망에서 특히 그렇습니다. 자동차 산업에서 볼 수 있듯이, 자동차 제조업체와 소매업체는 한 국가에서 다음 국가로 반도체 공급망의 병목 현상을 추적하는 데 어려움을 겪고 있습니다. 이러한 투명성 부족은 병목을 타개하는 방법이나 재고가 언제 정상으로 돌아올지 예측하는 조치를 취하는 것을 거의 불가능하게 만듭니다. 투명한 데이터 공유와 AI가 이 문제를 해결하는 데 도움을 줄 수 있습니다.

소비자 수요에 대응하기

소비자 수요가 없다면 공급망 위기도 없을 것이라는 점을 상기하는 게 유익합니다. AI는 디지털 선반 기술을 통해 공급망 생태계의 모든 참여자가 소비자 수요와 더 잘 정렬되도록 도울 수 있습니다. 디지털 선반은 매장 내외를 막론하고, 실시간 데이터를 통해 소매업체의 전체 운영 및 공급망과 연결된 제품 디스플레이를 느슨하게 지칭합니다. 디지털 선반을 통해 기업은 모든 매장의 정확한 재고 수준을 실시간으로 알 수 있습니다.

아마존닷컴(Amazon.com Inc.)의 식료품 매장을 예로 들어보겠습니다. 아마존 고(Amazon Go) 매장 곳곳의 센서가 디지털 선반에 끊임없이 업데이트되는 인텔리전스를 제공해, 소매업체가 지역 수요에 기반해 재고 수준을 맞춤화하고 제품 수요의 갑작스러운 급증이나 감소에도 대응할 수 있게 합니다. 더 큰 규모로 월마트(Walmart Inc.)도 이 역량을 구축 중입니다.

디지털 선반 개념은 몇 년 전부터 존재했지만, 팬데믹으로 인해 더 긴급하고 시의적절해졌습니다. 팬데믹에서 등장한 급격하고 예측 불가능한 소비자 수요 변화와 온라인/오프라인 상거래 급증이 기업의 재고 관리 오차 범위를 없애버렸기 때문입니다.

디지털 선반이 공급망 병목을 해결하진 못하지만, 공급망의 중요한 요소인 라스트마일 배송을 더 원활하게 관리하는 데 도움을 줄 것입니다.

노동력 부족 관리

공급망 위기가 심화된 이유 중 하나는 창고 근로자(제품 하역)와 트럭 운전사(운송) 같은 가용 노동력 부족입니다. AI는 기업이 타이트한 노동 공급을 관리하는 데 도움을 줄 수 있습니다. 특히 기업이 계약직 노동 조달에 AI를 창의적으로 활용한다면 더욱 그렇습니다. 많은 기업이 여전히 용량 급증 관리를 위한 임시 인력 확보에 있어 암흑기에서 운영 중입니다: 전화로 인력 파견 회사에 연락합니다. 이는 매우 비효율적인 접근입니다. 기업이 데이터와 AI로 구동되는 단일 포털을 활용해 필요한 자원을 찾는다면 어떨까요? 기업과 인력 파트너가 포털을 인력 니즈와 자원 정보로 최신 상태로 유지한다고 가정하면, AI는 니즈 범위, 가용 인력 및 자원과의 근접성, 기간 등의 요인에 따라 자원을 매칭할 수 있습니다. 가용 자원이 제로라면 AI가 문제를 해결하진 못하겠지만, 적절한 플랫폼이 뒷받침된다면 확실히 도움이 될 것입니다.

다음 위기 계획하기

AI는 기업이 시나리오 계획 연습을 수행하고 중요한 비즈니스 의사결정을 내리는 데 도움을 줄 수 있습니다. 팬데믹은 기업이 다음 혼란(또 다른 팬데믹, 자연재해, 시민 불안 등)에 대비해 계획해야 한다는 경종입니다. AI는 기업이 부족과 공급 이슈를 미리 예측하고 복원력 전략으로 대응하도록 도울 수 있습니다. 예를 들어 항만 폐쇄 시 필수 자재 배송 경로 재조정 등이 있습니다. 이는 데이터를 보유하고 복원력 대응을 시뮬레이션할 수 있어야 합니다. AI는 또한 특정 혼란(예: 커피 생산을 뒤집는 자연재해)이 일시적인지 장기적인지 예측하고, 그 데이터를 기반으로 대응 시나리오를 시뮬레이션하는 데 도움을 줄 수 있습니다.

AI 기반 공장 시뮬레이션과 유사하게, 기업은 디지털 트윈을 사용해 다음 혼란에 대한 시나리오 계획을 할 수 있습니다. MIT 테크놀로지 리뷰(MIT Technology Review)는 "대만에서 가뭄이 들어 물 부족으로 마이크로칩 제조가 중단되면 어떻게 될까? 디지털 트윈은 이 발생 위험을 예측하고, 공급망에 미칠 영향을 추적하며, 강화 학습을 사용해 피해를 최소화하기 위해 취할 조치를 제안할 수 있다"고 언급했습니다.

공급망 위기에서 벗어날 쉬운 길은 없습니다. AI 자체만으로도 해결책을 제공하지 않습니다. 이 글에서 한 것처럼, 기업이 먼저 공급망 위기를 더 작은 고통 지점으로 분해하고 각각을 해결하는 방법을 찾는 것이 좋습니다. "다음 혼란으로부터 우리 비즈니스를 어떻게 보호할까?"라는 질문은 너무 광범위할 수 있습니다. 대신 "트럭 운전 플릿을 수요 급증에 더 효과적으로 정렬하려면 어떻게 해야 할까?"처럼 더 구체적이고 쉽게 해결 가능한 문제에 집중하세요. 답을 찾는 과정이 기업이 AI의 명확하고 설득력 있는 역할을 이해하는 데 도움이 될 것입니다.

아머 이남(Ahmer Inam)은 팩테라 엣지(Pactera EDGE)의 최고 AI 책임자입니다.