인공지능, ai, 기업경영, 컨설팅, 투자, 의사결정, 로봇, 드론
※본 콘텐츠의 원문의 전체 버전은 로지브리지 웹진(바로가기)에서 확인 가능합니다.
※ 본 내용은 2022년 12월 20일 한국통합물류협회에서 진행한 물류·유통 AI 오찬 컨퍼런스 연사로 참여한 서강대학교 경영학부 김민균 교수의 발표를 요약 정리한 내용입니다.
맥킨지는 2030년까지 약 70% 이상이 기업이 최소 한 가지 이상의 AI 솔루션을 도입하고 활용할 것으로 전망하고 있습니다. 기대치는 70%라고 하지만 저희가 실질적으로 체감하는 것은 80% 이상, 점점 상향되는 추세로 느껴지실 겁니다.
그런데 이슈는 이겁니다. 모든 AI나 기술전문가들에게 한 명씩 물어보게 되면 다 데이터 얘기를 하십니다. 저도 이견은 없어요. 데이터 때문에 AI 활용이 가능하다고 얘기합니다.
그렇지만 실질적으로 당장 기업은 솔루션을 도입한다고 하더라도 당장 써서 성과를 만들어내야 하는 게 현실입니다. AI를 여러분이 보셔서 아시겠지만 새로운 기술을 도입하게 되면 물류기업이든 서비스기업이든 당장 투자가 들어가게 됩니다.
금리는 올라가고 경기침체는 계속된다고 하고 투자시장은 얼어붙고 많은 전문가들은 현금은 끌어들여 보유하고 이 위기에서 살아남아야 한다고 얘기합니다. 내년 1~2분기 정말 어렵다고 얘기하죠.
그런데 기업 입장에서 생각하면 데이터를 수집하고 AI 활용하고 성과를 내려면 늦어요. 그렇다보니까 대부분의 경우 데이터를 수집하고 활용해야 하는데 거기까지 못 갑니다. 완주가 안되는 겁니다.
그나마 한 발 앞서서 우리가 흔히 얘기하는 글로벌 대기업들, 한 발 앞서서 투자해서 앞서나가는 그룹들이 데이터를 수집해서 완주가 안되더라도 활용단계까지 가게 되면 그 정도 열심히 노력해서 선도적으로 많이 투자하고 시행착오를 겪으면서 앞서나가고 있는 겁니다.
그렇다고 하더라도 AI나 데이터, 블록체인 등이 기업에 얼마만큼 필요성이 있고 성과를 거둘 수 있는가를 생각해보면 고민이 많이 됩니다. 특히 AI 같이 하루가 달리 발전하고 있는 기술 같은 경우에는 도입하면 또 신기술이 앞서나가고 있고 또 새로운 데이터가 나오는 그런 과정들을 반복적으로 하고 계시는 겁니다.
그만큼 기업 입장에서는 솔루션이나 그런 것들이 따라가기 어려운 거예요. 기술을 확산하고 속도를 올리기 위해서는 돈이 필요합니다. 성과가 중요한 거죠. AI 기술을 도입하는 것은 살아남기 위해서, 경쟁에서 이기기 위해서이니까요.
모든 기술이 마찬가지겠지만 물류에 필요한 AI 기술 접근방법은 타 산업과 다르고, 블록체인도 또 접근방법이 다릅니다. 왜냐면 산업마다 각각의 특성이 있어요. 물류 같은 경우는 스피드를 보통 얘기합니다. 그리고 예측이죠. 스피드를 올리고 싶으면 그만큼 예측을 잘 해야 하는 거죠. 먼저 움직여야 하는 겁니다.
그만큼 어떤 기술을 사용하게 되던 뭐가 필요하게 되던 어느 식으로 활용을 하느냐. 어떻게 활용을 하느냐. 그리고 근본적인 이슈는 과연 이게 필요한가에 대한 것입니다.
첫 번째, 어떤 AI기술을 활용하고 어떤 식으로 활용하는지에 대해서 어떤 식으로 성과를 점검하느냐.
기술이란 것은 도입을 하고 활용하는 데에 있어서 모니터링 과정이 중요합니다. 우리가 과연 이 기술을 도입하고 활용하면서 얼마만큼 성과가 나느냐. 얼마만큼 직접적으로 연계가 되느냐. 근본적으로 목적을 생각하셔야 합니다. 왜 활용하고 있고 어떤 이득이 있는지 근본적인 이슈를 던져주셔야 해요. 남들이 다 하니까 안 하면 도태되니까. 그게 아니라는 거죠.
AI기술을 왜 도입하고 왜 활용해야 하는지 목적을 가지고 어떤 식으로 성과가 나는지 모니터링을 하셔야합니다. 그래야 속도가 얼마만큼 나고 있는지 확인이 가능하다는 것이죠.
두 번째,기술을 도입해서 우리가 뭘 할 수 있을까. 어떤 성장기로에 놓일 수 있을까.
특히 요새 같이 위기가 있는 시기일 때 과연 우리가 이 상황에서 어떤 기회를 포착해서 AI를 도입해서 어떤 성장을 할 수 있느냐가 중요합니다. 여러분 코로나가 어떤 기업들한테는 굉장히 많은 기회를 줬습니다. 배달앱, 마켓컬리나 쿠팡도 그렇고요.
그러면서 또 한 가지 얘기할 수 있는 것들이 예측이죠. 효율성과 어떤 식으로 비용 절감이 들어가느냐. 주문이 들어와서 고객에게 연결되기까지 효율성을 최대한으로 개선하면서 고객만족도를 높이느냐. 그런 이슈가 어쩔 수 없이 연결이 되는 거고요.
그러면서 AI를 도입하는 부분은 플랫폼, 공정, 스마트팩토리, 로봇, 설비 고도화 등이 있죠. 그게 제조에서 물류에 연결되고요. 물류가 바로 고객한테 전달되는 겁니다. 우리가 흔히 얘기하는 SCM에서 강조하는 것 중 하나가 프로세스의 연계입니다. 생산, 물류, 구매 그런 것들이 원자재에서 고객에게 전달되는 과정에 얼마만큼 연결이 되어있느냐인 것이죠.
그래서 인공지능이나 기술도 그런 연결을 아무 문제 없이 최대한 빠르게 가져다주게 도움을 주는 겁니다. 그래서 효율성이나 비용절감이 잘 나온다고 얘기하는 거죠. 정확히 더 빨리 고객에게 전달되면 고객의 만족도는 더 올라갑니다.
우리가 인공지능을 도입하고 활용하는데 목적이 뭐냐. 스피드면 스피드고, 예측모델이면 예측모델이고 아니면 우리가 흔히 얘기하는 재고관리냐. 이런 전략적 방향성을 충분하게 검토하시고 매치를 시키셔야합니다.
어느 정도의 매치가 되어야지 그 다음에 흔히 얘기하는 실질적인 매출과 현금흐름을 얻습니다. 이게 기업에서 현재 가장 AI 도입과 활용단계에서 가장 고민하고 있는 부분 중 하나입니다.
과연 실질적으로 매출에 도움이 되냐. 그럼 기업에서 AI가 매출에 도움이 되게 성과지표를 세웠느냐. 연계를 했느냐. 어떤 지표를 수정하고 어떤 피드백을 주면서 뭘 개선하고 있느냐가 중요합니다. 기술은 완벽하지 않습니다. 계속 발전하는 것도 있겠지만 완벽하지 않아요.
개선하려면 계속 모니터링을 하면서 성과지표도 보면서 잘하고 있는지 솔루션, 컨설팅, IT전략실 등에서 지속적으로 여러 가지 점검과정이 필요한 겁니다.
그 다음 중요한 것은 데이터인데 중요한 것은 과연 필요한 데이터는 무엇이냐. 그게 제일 이슈에요. 기업에서 당장 필요해서 쓸 수 있는 데이터는 뭐냐. 그게 가장 중요한 이슈 중 하나입니다.
그래서 오늘 중요한 것 중 하나는 인공지능 분석 모델인데요. AI를 활용해서 데이터를 가지고 어떤 테스트를 할 것이냐. 실제 현장에서 이게 모델을 적용이 되냐. 모델을 이론적으로 만들어놓고 적용이 되는지 계속 테스트를 해서 결과를 보는 거죠.
모델이란 것의 한계점은 실무적인 입장에서 봤을 때 일단 모델은 모든 것을 반영할 수 없어요. 실무 현장에 있는 모든 것을 반영하고 싶은데 현실적으로 그럴 수 없어요. 또한 분석해서 결과를 보게 되면 결과 자체가 매번 맞느냐. 아닐 때가 많이 있습니다.
그렇지만 매번 노력하는 것 중 하나는 모델이란 것은 한 번 시도하고 두 번 시도하고 지속적으로 개선합니다. 다시 말하면 지금 당장 모델이 많은 것을 얘기할 수 없다고 하더라도 중요한 것 중 하나는 현실에서 가능한 모델로 계속 진화합니다.
그러니까 인공지능 모델도 마찬가집니다. 그래서 데이터가 중요하다고 말씀드린 이유는 데이터가 정확해야 모델의 정확성도 같이 올라갑니다.그래서 데이터의 중요성을 강조하는 거고 기업에서 필요한 전략을 도출하려면 데이터가 중요하다는 거죠.
분석 결과 모델에서 가장 중요한 것은 AI를 왜 하느냐. 기업에서는 분석결과를 가지고 의사결정을 하기 때문이죠. 여기서 또 중요한 점은 모델 자체를 물류나 기업의 비즈니스 관점에서 얼마만큼 설명하느냐입니다.
결과가 어떻게 나왔던 간에 왜 이렇게 나왔을까. 그 설명이 더 중요하다는 거죠. 우리가 흔히 결과를 도출한 후에 그 결과가 CEO나 COO, CIO 의사결정에 어떤 식으로 도움이 되냐. 설명을 못하면 모델이 존재할 필요가 없습니다.
두 번째 이슈는 데이터라는 것은 하나의 데이터만 중요한 게 아니라는 것입니다. SCM 측면에서 봤을 때 구매, 생산, 물류데이터까지 연결시키는 게 중요합니다. 부분적인 데이터를 분석해서 결과를 도출하기에는 여러 가지 전사적인 데이터 분석에서 AI의 활용도가 떨어집니다.
중요한 것은 수요 모델 뿐 아니라 생산, 구매. 유통업계 같은 경우에는 물류, 구매, 재고 이런 식으로 어떤 데이터를 갖고 있느냐. 그리고 그 데이터를 어떤 식으로 연계할 수 있느냐라는 거죠. 하나만 분석해서는 이제 안 된다는 얘기죠. 데이터양이 많아질 수밖에 없는 구조가 되어가고 있습니다.
빅데이터가 중요한 시대가 오는 이유는 부분적인 것만 보면 한계가 있기 때문입니다. 원인이 물류만 있는 게 아니라 생산, 품질, 구매에서 이슈가 생겨서 생산이나 유통 쪽에 문제가 생기는 경우도 있다는 겁니다. 절대 물류만의 이슈가 아니라는 거죠. 그러니까 물류가 해결되면 기업 전사적으로 해결된다. 그건 아니라는 겁니다.
근본적으로 본인이 하시는 직무나 직업에 대해서 책임을 지고 열심히 하시겠지만 흔히 얘기하는 분석에 대해서도 협업이 필요한 단계라는 것이죠. 모델을 완성하기 위해서는 물류만 보면 안됩니다. 전반적인 구매, 생산, 물류, 영업, 판매까지 데이터가 연계되고, 단순하게 분석하는 게 아니라 협업 분석을 강조합니다.
물류도 중요하지만 다른 부분의 데이터 분석 자체도 연계해서 생각해야 한다는 것이죠. 근데 아시다시피 생각보다 가장 안되는 부분이며 규모가 크면 커질수록 성과 평가나 분석체계는 생각보다 어려운 이슈 중에 하나입니다. 그리고 기업 내에서 힘들어하는 이슈 중 하나죠.
생각보다 제일 약한 부분이 커뮤니케이션 이슈, 협업 이슈입니다. 그렇다보니까 여러 가지로 전사적인 협업분석모델이나 협업체계 이슈에 대해서는 위에서 눌러보고 밑에서 협력도 해보고 있지만 어렵습니다. 결국 아이디어를 도출하기 위해서 머리를 짜내는 노력들이 기업마다 중요하게 적용이 됩니다.
세 번째 이슈는 아까 말씀드렸다시피 데이터도 중요하지만 인공지능 분석 모델의 가장 중요한 이슈 중 하나는 예측성에 있어서 얼마만큼 중요한 설명인자가 있느냐. 다시 말하면 우리가 흔히 얘기하는 원인과 결과죠. 예측을 하려면 예측을 최대한 정확하게 할 수 있는 인자선정이 중요합니다.
예를 들면 시나리오를 정하고 어떤 예측인자를 정할 때, 글로벌 경기, 판매 추이, 재고 현황, 경영 계획, 전략적 수요 조정 등 기업입장에서 본 일반적인 인자요소들은 많이 들어갑니다. 중요시하니까.
보통은 예측인자를 얘기했을 때 본인들이 편한 것. 컨트롤이 가능하고 쉽게 데이터를 구할 수 있는 이런 인자들을 포함시키는 것을 선호합니다. 그게 잘못된 것이 아니라요. 어느 요인이 예측모델에서 가장 중요한 역할을 하느냐입니다. 방법론, 통계론을 통해서 선정하는 과정에 있어서 편한 것보다는 얼마나 정확한 예측을 할 수 있느냐가 중요하다는 것이죠.
그리고 요인들을 많이 넣으려고 합니다. 많이 넣어야 정확성이 올라간다고 생각하시는 분들이 많습니다. 그러나 많이 넣게 되면 요인들과의 변별력이 없어집니다. 다 집어넣다보면 어떤 모델의 예측성이 오히려 떨어지는 경우가 많이 있습니다.
AI 알고리즘이나 데이터 그리고 예측을 할 때 가장 평범하게 가장 실수를 많이 하는 부분 중 하나가 바로 이겁니다. 우리 기업한테 가장 예측을 정확하게 할 수 있게 하는 요인을 도출하는 작업부터가 인공지능을 정확하게 할 수 있고 예측을 높일 수 있는 첫 번째 단계라는 거죠.
요인 중 뭐가 중요한지 가장 잘 아시는 분들은 실무자에요. 외부에서 컨설팅을 하는 부분도 있겠지만 실무자들이 가장 요인들 중 제일 중요한 게 뭘까. 거기다가 컨설팅이나 과학적인 방법론을 통해서 컷오프 작업들은 외부에서 도움을 줄 수 있죠. 근데 뭐가 제일 중요한가에 대해서는 실무자들이 알 수 있습니다.
인공지능 분석모델에서 예측의 정확도가 중요한 것은 뭐냐. 효율성이 올라갈 수밖에 없다는 거죠. 예측의 정확도가 올라갈수록 기업입장에서는 최대한 빠르게 대응할 수 있습니다.
대표적인 예로 요새 고객들을 보시면 아시겠지만 특징은 절대 참지 않습니다. 쿠팡이나 마켓컬리도 마찬가지지만 오배송, 배송지연 등은 난리가 나죠.
그만큼 코로나 시대를 겪으면서 느끼는 것은 더 이상 우리 고객들이 기다리지 않는구나. 만족도가 떨어지는 소리가 들립니다. 민감하고요. B2C 고객들의 접점에서 일하시는 분들은 정말 체감하고 계실 거예요. 때문에 예측의 정확도를 높이는 것 자체가 인공지능을 도입하고 활용하는 데에 있어서 중요한 겁니다.
※ 로지브리지 멤버십 회원사 '오토스토어' 소개 : 오토스토어는 전 세계 45개국의 다양한 업계에서 1,000여개의 스마트 물류창고로 운영되고 있는 검증된 시스템입니다. 이커머스, 식료품, 리테일, 제약 그리고 제조업까지 기존의 공간을 ¼로 줄이고 효율을 높이세요. (홈페이지 방문클릭)
쌀국수 맛집 말고도 주목해야할 베트남
✔ 베트남은 비행기로 4-5시간 정도 걸리며 하노이, 다낭 등 다양한 휴양지가 있어 해외여행으로도 익숙한 곳입니다. 쌀국수도 물론 맛있고요. 무엇보다 추운 겨울에도 베트남은 따뜻한 날씨를 유지하기 때문에 이 시기에 더 많은 사랑을 받고 있죠. 물론 위 아래로 긴 나라라서 북쪽 하노이는 겨울 밤에는 쌀쌀할 수 있으니 조심하세요.
✔ 세계 2대 커피 수출국이기도 한데 족제비 똥으로 만든 위즐 커피도 유명합니다. 이외에도 베트남 원두는 우리가 흔히 아는 인스턴트 커피의 재료로 많이 쓰입니다. 그만큼 길거리에 카페도 많으니 인스타 감성으로 똥 커피를 즐겨보는 것도 추천드립니다.
✔ 한국과 교역이 활발한 나라로도 유명한데요. 전국경제인연합회에 따르면 올해 11월 기준 한국 무역수지에서 베트남은 313억 달러로 미국 254억 달러를 앞서 한국 최대 무역 흑자국으로 부상할 예정이라고 합니다. 수교 시작인 1992년부터 시작해 올해 11월까지 누적 흑자는 3088억 달러에 달하죠.
✔ 특히나 삼성과 베트남은 우호적인 관계를 유지하고 있습니다. 삼성전자 스마트폰 생산량의 절반 가량을 베트남에서 생산하고 있으며 현지 인력채용은 물론이고 지난 23일에는 베트남에 글로벌 기업 최초로 대규모 R&D센터를 짓기도 했습니다. 이재용 회장도 직접 참석했고요.
✔ 최근 애플도 생산 거점을 점차 인도, 베트남 등으로 옮기고 있죠. 중국의 제로코로나로 인해 정저우 공장 노동자들의 탈출 사태로 크게 데인 탓도 있을 거고요. 닛케이 아시아에 따르면 애플 최대 협력업체 폭스콘은 내년 5월부터 베트남에서 맥북을 생산할 예정이라고 합니다.
✔ 인구 2명 중 1명 꼴로 오토바이가 있어 오토바이의 나라라고도 불립니다. 단순하게 정비도 편하고 가격도 저렴해인데요. 임금 자체가 차를 살 정도로 많지가 않은 거죠. 그러나 대기오염도 심각하고 교통체증도 심해 2030년부터 점차 오토바이 운행을 중단할 계획까지 발표할 정도입니다.
✔ 인구가 1억명에 달하고 근로 인구가 전체 인구의 60%가 넘는 젊은 나라입니다. 또한 중국보다도 최저임금이 낮은 수준에 속하죠. 그러나 아직까지 공급망, 인프라 구축이 더디고 생산거점으로 주목받는 만큼 구인난도 심해져 기대와 우려가 공존하는 나라입니다.
[광고] [로지브리지 멤버십 회원사 소개] (가입혜택 자세히보기 클릭)