AI 수요예측 도입 사례: 자체 개발과 완제품을 실제 데이터로 비교한 제조사의 선택

핵심 메시지

• AI를 도입하기 전에 데이터가 실시간으로 정확하게 쌓이는 기반부터 만드는 것이 순서였다는 점이 이 사례의 출발점이다.
• 이 회사는 자체 개발과 기성 제품을 놓고 실제 자사 데이터로 개념검증을 나란히 돌려 결과를 비교했다.
• 두 방식의 예측 결과와 통계 기법이 사실상 같았기 때문에, 판단 기준은 정확도가 아니라 도입 속도와 총비용, 완성된 화면이었다.
• 직접 만들었다면 지금도 여러 시나리오를 처리하느라 개발이 끝나지 않았을 것이라는 것이 담당자의 솔직한 평가다.
• 클라우드 전환 전에 쓰지 않는 커스터마이징을 정리하는 '봄맞이 청소'가 가장 중요한 함정 회피책으로 꼽혔다.

쉽게 이해하기

캐나다 퀘벡시티의 가족기업 틸튼 그룹은 재활용 페트를 원료로 식품·제약용 열성형 포장재를 만든다. 직원은 85명 규모지만 생산 라인은 상당히 자동화돼 있고, 최근에는 로봇 두 대만으로 운영되는 자동 창고도 갖췄다. 그런데 공장은 첨단인 반면 재고 관리와 판매 예측 같은 후방 업무는 사실상 수작업이었다. 종이를 쓰지는 않았지만 매일 사람이 전날 생산량과 자재 소모를 시스템에 입력했고, 담당자가 자리를 비우면 밀리고 숫자를 잘못 넣으면 재고가 어긋났다.

이 회사는 2018년부터 ERP 선정에 들어가 1년 반에 걸쳐 자사의 핵심 업무를 하나씩 점검했다. 회계사 협회가 내놓은 대규모 비교 자료를 활용했고, 식품업에 필수인 로트 추적 기능과 이미 도입돼 있던 로봇과의 연동 가능성을 중요하게 봤다. 2022년 온프레미스로 가동을 시작했고, 이후 멀티테넌트 SaaS로 옮겨 갔다. 이때 결정적으로 도움이 된 것은 처음부터 자체 제조실행시스템과의 연동을 모두 API로 만들어 둔 선택이었다. 클라우드로 옮길 때 바꾼 것은 사실상 주소 하나뿐이었다.

본격적인 AI 도입은 그다음 과제였다. 그때까지 수요 예측은 최근 3개월이나 전년 판매의 평균을 내는 수준이었고, 계절성을 감안한 재고 계획은 엑셀로 감당하기 어려웠다. 제품 가짓수가 계속 늘면서 한계는 더 뚜렷해졌다. 마침 예측 분야에서 AI가 유행어가 되던 시기였고, 회사는 몬트리올의 데이터과학 팀에 맞춤 개발 가능성을 타진하는 동시에 ERP 공급사가 파트너십을 맺고 있던 예측 전문 기업의 제품도 함께 검토했다.

핵심은 양쪽에 같은 조건을 준 개념검증이었다. 자사의 과거 데이터를 그대로 넘기고 추세가 보이는지, 미래를 예측할 수 있는지, 계절성 패턴이 있는지를 물었다. 샌드위치용 트레이처럼 여름에 수요가 몰리는 제품이 있어 계절성은 예상하던 바였다. 결과는 양쪽이 거의 같았고 사용하는 통계 기법도 다르지 않았다. 그렇다면 남는 비교 항목은 완성도와 비용이었다. 기성 제품은 화면과 시나리오 관리가 이미 수년간 다듬어져 있었고, 연동도 미리 준비된 쿼리를 가져와 API로 붙이는 수준이었다.

도입 이후 효과로 담당자가 가장 먼저 꼽은 것은 기술이 아니라 문화였다. 감에 의존하던 의사결정이 데이터 기반으로 바뀌었고 모두가 같은 숫자를 놓고 이야기하게 됐다는 것이다. 재고 정확도도 크게 올라, 매달 하던 실사를 연 1회로 줄였고 수백만 건의 거래 가운데 마지막 실사에서 바로잡은 것은 열 상자에 불과했다. 예측 도구 덕분에 앞으로 필요할 물량을 모르던 고객에게 미리 발주를 제안할 수 있게 된 것도 서비스 측면의 변화로 언급됐다.

주요 인사이트

• AI 도입의 성패는 모델보다 데이터 기반이 먼저 갈린다. 이 회사도 재고 숫자가 실시간으로 맞아떨어지는 상태를 만든 뒤에야 예측 도구가 의미를 갖게 됐다.
• 자체 개발과 기성 제품을 고를 때는 자사 데이터로 같은 질문을 던져 보는 것이 가장 확실하다. 정확도가 비슷하다는 사실이 확인되면 선택 기준은 자연스럽게 총비용과 도입 속도로 넘어간다.
• 맞춤 개발의 진짜 비용은 첫 모델이 아니라 그 뒤에 이어지는 예외 시나리오와 화면, 유지보수에서 발생한다. 담당자는 직접 만들었다면 지금도 개발 중이었을 것이라고 말했다.
• 클라우드로 옮기기 전에 오래된 커스터마이징을 정리하는 작업이 가장 중요한 준비였다. 온프레미스에서 몇 년간 쌓인 개조 가운데 실제로 쓰이지 않는 것들을 걷어 내야 이전이 깔끔해진다.
• 연동을 처음부터 API로 설계해 두면 나중에 클라우드로 옮길 때 비용이 극적으로 줄어든다. 지연 시간 때문에 현장에 남겨야 하는 시스템이 있어도 마찬가지다.

자주 묻는 질문

관련 AI 소식