[디투피플]"AI 기반 SCM 인텔리전스 성과 구체화...AI 레디 데이터가 AX 관건"
||2026.06.04
[샌프란시스코(미국)=디지털투데이 황치규 기자]스노우플레이크가 샌프란시스코에서 개최한 연례 글로벌 컨퍼런스 스노우플레이크서밋26 현장.
식품 업체 풀무원에서 공급망관리(SCM)를 총괄하는 안순식 담당이 참가자들을 상대로 스노우플레이크 플랫폼 기반으로 SCM에 AI를 적용한 사레를 공유해 눈길을 끌었다.
마케팅이나 영업 같은 프론트엔드(Front end) 시스템과 달리 SCM은 기업 뒷단에서 돌아가는 백엔드 소프트웨어다. 백엔드 차원에서 풀무원처럼 깊숙하게 AI를 적용한 사례는 식품 업계는 물론이고, SCM 전체적으로도 많지는 않다는게 스노우플레이크 설명이다. 풀무원이 이번 서밋 무대에 오른 것도 이같은 상황이 영향을 미쳤다.
안순식 담당은 세션 뱔표 후 한국 기자들과 따로 만나 SCM 인텔리전스 프로젝트 배경과 과정, 성과 및 계획을 공유했다.
우선 식품쪽 SCM이 갖는 특징을 먼저 먼저 살펴볼 필요가 있다.
안순식 담당에 따르면 신선식품은 유통기한이 짧아 수요 예측이 조금만 어긋나도 재고가 쌓이고 가격 인하, 이전, 폐기 순으로 선택지가 급격히 좁아진다. 그는 "전자나 자동차 업계는 당장 안 팔렸다고 버리지 않지만 식품은 폐기에 대한 영향이 직접적"이라면서 "SCM 관련한 의사결정이 기업 수익성에 미치는 영향이 갈수록 커지고 있다"고 전했다.
해외 법인을 운영할 경우 복잡성은 더욱 커진다. 수요 분석, 재고 리스크, 공급 계획, 수익성 평가, 시나리오 분석 역량이 본사에 집중돼 있다 보니 해외 현지 인력들에 이같은 전문성을 상시적으로 전달하기 어려운 구조다. 시차 문제도 크다. 풀무원 SCM팀은 사람보다는 AI에이전트가 이같은 문제를 해결할 대안이라고 봤다. 그는 "에이전트는 24시간 현지 팀이 물어볼 수 있어, 사람이 지원하는 것보다 훨씬 효율적"이라고 말했다.
구현 과정은 생각 만큼 쉽지 않았다. 가장 어려웠던 부분은 데이터 정제였다. SCM 시스템에 있는 데이터를 AI가 제대로 활용할 수 있는 것으로 바꾸고 다듬기까지 6개월 이상이 걸렸다. 안순식 담당은 "시스템마다 필드명이 달랐다. 같은 아이템 코드를 어떤 시스템은 'item', 어떤 시스템은 'item_code', 또 다른 시스템은 'IMP'로 저장했다. 자릿수도 제각각이었다"면서 "이렇게 돼 있는 데이터를 표준화해야 했다. 그대로 쓰면 AI에 물었을 때 답이 전혀 다르게 나오게 된다"고 말했다.
기존 데이터를 AI에 쓰일 수 있는 이른바 AI-레디(AI-ready) 데이터로 바꾸는 것은 업무를 이해하는 이들이 투입되지 않으면 효과를 보기 어렵다. 안순식 담당은 "도메인 지식는 물론 여러 부서들과 원만하게 커뮤니케이션할 수 있는 역량도 있어야 한다"고 말했다.
비즈니스 컨텍스트(맥락) 부재도 프로젝트 과정에서 숙제였다. AI로 제대로된 답을 얻으려면 AI가 회사 비즈니스를 제대로 이해할 수 있도록 미리 준비해 놓는 것이 중요하다는 얘기였다. 프로젝트 초기 AI에이전트를 만들어 현업 팀들에 제공했을 때 답이 맞지 않는다는 반응이 많았던 것도 이 때문이었다.
이에 풀무원은 일반적인 SCM 업무 지식과 풀무원 공유 비즈니스 용어, 내부 보고 자료를 별도로 정리해 지식 레이어로 구축했다. 안순식 담당은 "스노우플레이크 플랫폼 내 앤트로픽 기반 지식 관리 체계를 활용해 범용 산업 지식과 풀무원 도메인 지식을 2개 레이어로 나눠 에이전트에 탑재했다"고 말했다.
또 "경쟁 우위는 완벽한 예측이 아니라 계획과 현실이 어긋났을 때 보다 빠르고 완전하게 대응하는 능력"이라면서 "어려운 부분은 모델을 연결하는 것이 아니라 에이전트에게 이 비즈니스가 어떻게 생각하는지를 가르치는 것"이라고 강조했다.
분석 수준을 높이는 것도 과제였다. AI가 단순한 질문에 답하는 것을 넘어 비즈니스적으로 의미 있는 결과물을 내놓을 수 있어야 했다. 이를 위해 풀무원은 분석 프레임워크 자체를 에이전트에 내장하는 방향으로 전환했다.
안순식 담당은 "신호가 감지되면 어디서 발생했는지, 왜 발생했는지, 일시적 문제인지 구조적 문제인지, 특정 채널 가격 정책 문제인지, 라이프사이클 문제인지까지 순서대로 분석한다"면서 예를 들어 특정 SKU(Stock Keeping Unit)를 단종할 경우 남은 재고 영향, 생산 스케줄 변화, 비용 재배분, 전체 손익 변화까지 시나리오로 제시한다"고 전했다.
풀무원 자체 테스트에 따르면 SCM에서 이뤄지는 AI 분석은 스노우플레이크에 있는 데이터와 100% 일치하는 수준이다.. 데이터 모델링 구조를 전환하는 작업도 이전보다 매우 빨라졌다. 안순식 담당은 "예전 같으면 몇 개월 걸렸을 국내, 일본, 미국 법인 전체 모델링 전환을 (스노우플레이크 코딩 에이전트인 )코코(Coco)를 활용해 3주 만에 완료했다"고 전했다.
풀무원 SCM 인텔리전스 프로젝트는 현재 진행 중이다. 현업에서 뛰는 실무 담당자들이 보다 많이 쓰도록 하는 것도 중요한 과제다. 안순식 담당은 "올해는 이런 기능이 있다는 것을 직원들에게 알리고 최대한 경험하도록 하는 것이 중요한 목표다"면서 "궁극적으로는 SCM 에이전트는 시장에서 변동이 있을 때 AI가 자동으로 계획을 조정하는 셀프 힐링(Self-Healing)을 향하게 될 것이다"고 내다봤다.
안순식 담당은 셀프 힐링이 현실화된다고 해도, 사람이 배제되기는 쉽지 않으로 봤다. 그는 "최종 책임은 여전히 사람에게 있기 때문에 사람은 중간에 계속 있을 것"이라면서 "하지만 사람이 하던 일이 AI로 효율화되는 건 계속 진행될 것"이라고 말했다.
1
3
4
5
