패션 공급망 ‘채찍 효과’ AI가 감지
AI, 효율적인 공급망 관리·의사결정에 든든한 조력자
SKU 많은 ‘자라’, ‘H&M’은 AI와 협업
BOF가 내년 공급망의 '채찍효과'를 우려, 이를 위한 대책 마련이 중요하다고 강조했다.
최근 패션비즈니스 전문지 BOF가 맥킨지그룹과 함께 ‘2024 글로벌 패션 전망’을 발표하며 마지막 키워드로 [Bullwhip Snaps Back]을 제시했다.
내년에는 불안정한 경기 여파로 소비자 수요 감소가 예상되고, 이에 따라 주문량도 감소할 전망으로 패션 기업들에게 압력을 가하는 ‘채찍 효과- 공급사슬에서 제품의 수요 정보가 전달될 때마다 왜곡되는 현상’가 발생할 것이라는 전망이다. 이에 따라 패션 기업, 리테일러들이 공급망 관리에 투명성을 더하고 전략적인 협업을 해야 한다고 강조했다.
국내 대기업들도 지난 3분기까지 대부분 늘어난 재고 자산으로 내년 생산물량 결정을 주저하는 모습이다. 기업의 수익과 직결되는 재고 자산 관리, 좀 더 정확하고 효율적으로 하는 방법은 없을까?
패션AI연구소 보니스컴백의 김혜경 대표는 패션 공급망 관리에 있어서도 AI의 활용이 반드시 필요하다고 강조한다.
디토리언 _ 보니스컴백 김혜경 대표____________________________________________
# 예측 불가능의 리스크 ‘AI’로 줄인다
AI 기반 공급망은 의심할 여지 없이 제조업의 미래이며 외부 세계의 변동과 예측 불가능성을 따라잡는 원동력이다. AI와 데이터 과학은 주문 관리에서 시작하여 라스트 마일로 끝나는 다양한 방식으로 패션 공급망을 개선할 수 있는 능력을 가지고 있다. 주문 이행은 대화식의 사용자 친화적인 모바일 인터페이스의 배포를 통해 수행된다.
결과적으로 해당 부문의 기업은 소비자의 탐색 및 구매 경험을 크게 향상시킨다. 공급망에서 AI는 광범위한 응용 분야를 제공한다. 챗봇은 구매 요청을 처리할 수 있고, 지능형 창고는 재고를 관리할 수 있으며, 자율 주행 자동차는 배송을 도울 수 있다.
매장에서는 AI 기술을 활용한 솔루션 도입으로 소비자 경험치를 높이고, 더욱 정확한 수요를 예측할 수 있다.
맥킨지(McKinsey)는 2019년 연구에서 경영진의 61%가 공급망에 AI를 도입한 직접적인 결과로 비용이 절감됐다고 보고했으며, 53%는 수익이 증가했다고 보고했다. 전반적으로 기업은 공급망 내에서 AI를 구현함으로써 연간 1조 3천억~ 2조 달러의 경제적 가치를 얻을 것으로 예상했다.
공급망은 해가 갈수록 점점 더 복잡해지고 있다. 공급망은 더욱 글로벌화되고 경쟁은 점점 더 치열해지며 공급망 리더는 수천 개의 SKU(Stock Keeping Unit)를 포함할 수 있는 대규모 제품 포트폴리오를 감독해야 한다.
AI는 조직이 △공급망을 더 잘 관리하고, △정보에 입각한 의사 결정을 용이하게 하고, △수동 워크로드를 줄이고, △보다 효율적으로 운영하고, △위험을 완화하는 데 도움이 될 수 있다.
# AI가 트렌드 예측뿐만 아니라 리오더 관리까지 척척
공급망 관리에 AI 기술을 적용하는 패션 기업들이 늘어나고 있다.
스웨덴 패션 제국 H&M은 트렌드를 예측하고 분석하기 위해 200명 이상의 데이터 사이언티스트를 고용하고 있다. AI 알고리즘은 검색 엔진과 블로그에서 정보를 캡처하여 패션 트렌드 데이터를 얻는다. 이 정보는 그들이 얼마나 많이 구매하는지, 언제 구매하는지, 매장에 어디에 배치해야 하는지에 대한 모든 것을 알려준다.
중요한 것은 AI가 회사의 구매자가 알아야 할 새로운 트렌드를 예측할 뿐만 아니라 현재 인기 있는 상품에 대한 재입고 여부도 알려준다는 것이다.
H&M의 인공지능의 특징은 회사가 낭비를 줄이고 보다 지속가능한 결정을 내리는 데 도움이 된다는 것이 주요 특징이다.
H&M
마찬가지로 스페인 패션 업체인 Zara는 목표를 달성하기 위해 인공지능으로 눈을 돌렸다. 이 회사는 AI 로봇을 사용하여 온라인 구매 후 매장 픽업(BOPIS) 또는 클릭 앤 콜렉트(Click and Collect) 옵션을 사용해 고객에게 요청된 주문을 가져오는 등 다양한 방식으로 AI 로봇을 사용한다.
AI는 온라인 고객 행동 추세를 추적하여 보다 개인화된 구매 경험을 제공한다. 기계 학습은 소비자 선호도, 구매 추세 및 빈도에 대한 데이터를 수집하는 데 사용된다. 예측 기술을 사용하여 기업은 고객의 요구와 욕구를 예측하여 고객에게 유사한 품목을 제공할 수 있다. 온라인 쇼핑객이 새로운 브랜드를 테스트하는 데 더 개방적일 때에도 감지한다.
생산 속도를 높이기 위해 아웃소싱에 크게 의존하는 H&M과 달리 Zara는 아웃소싱을 최소화한다는 것이 주요 특징이라 할 수 있다.
이 전략의 장점 중 하나는 Zara는 디자인에서 디스플레이, 배송에 이르기까지 모든 것을 중앙에서 제어하여 모든 단계에서 귀중한 데이터를 수집할 수 있다는 점이다. 그런 다음 이 데이터를 분석하여 비효율성을 식별하고, 성공 영역을 정확히 찾아내고, 정확한 예측을 생성할 수 있다.
AI 기반 공급망의 이점은 로보틱스, 스마트 창고, 자율 운송 차량 및 자동화된 예측 분석은 모두 작업 환경의 안전성을 높이고 비용을 절감하며 시스템 및 프로세스를 간소화한다.
예를 들어, AI는 날씨 패턴, GPS 정보 및 경로 변경과 같이 배송 시간에 영향을 줄 수 있는 포괄적인 데이터를 수집하는 데 사용할 수 있다. 이를 통해 영업팀은 보다 정확한 제품 배송 시간을 예측하고 사용자에게 실시간 재고 조정을 즉시 알릴 수 있다. 결과적으로 기업은 신규 및 기존 고객 모두에게 최적의 고객 서비스를 더 잘 제공할 수 있다.
# AI, 인간의 기술과 의사결정 프로세스와 병행해야
AI 기술 활용으로 보다 정확한 제품 배송 시간을 예측하고 사용자에게 실시간 재고 조정을 즉시 알릴 수 있다.
그러나 기억해야 할 것은 AI가 만병통치약은 아니라는 점이다.
여전히 여러 단점들을 보완해 가야 한다. AI는 계속해서 진화하고 있으며 전 세계적으로 수많은 연구 개발 이니셔티브가 진행되고 있다. AI 기반 공급망의 단점은 알고리즘이 다른 알고리즘을 생성하기 시작하고 자동 실행되면 ‘블랙 박스’ 시나리오가 나타난다. 연구원과 AI 엔지니어는 이러한 AI 생성 알고리즘의 핵심을 빠르게 풀지 못할 수 있는 문제가 발생할 수도 있다.
예를 들어, 자율 주행 또는 자율 주행 배달 차량은 AI 알고리즘에 입력되는 센서를 포함하여 매우 복잡한 시스템에 의해 구동되며, 이를 통해 주변 교통을 모니터링하면서 주변 운전자의 행동을 예측하고 설명할 수 있다. 이러한 상황에서 AI 알고리즘의 잘못된 예측은 인간 운전자에게 치명적일 수 있다. 물론 취약한 사이버 보안 프로토콜로 인한 다양한 위험도 무시할 수 없다.
이처럼 AI에는 몇 가지 고유한 문제와 위험이 따른다는 단점이 있지만 이것이 반드시 채택되어서는 안 된다는 의미는 아니다. 대신 공급망 내의 AI는 포괄적인 위험, 비상사태 및 완화 매트릭스 내에서 신중하게 고려되어야 한다. AI는 도구이며 단순히 인간의 노동을 대체하는 것이 아니라 인간의 기술 및 의사 결정 프로세스와 함께 사용하는 것이 가장 바람직할 것이다.
조달은 전통적으로 주로 수동 주도 기능이었으며 Excel 스프레드시트와 같은 여러 구식 레거시 기술에 데이터가 저장됐다. 프로세스에 시간이 많이 걸리고 오류가 발생하기 쉽더라도 "이것이 우리가 항상 해왔던 방식이므로 변경할 필요가 없다" 등의 생각들이 기업이 AI를 구현하는 데 방해가 되는 요인이 되고 있다.
또한 기계가 사람들을 대신해 일자리를 잃게 될지도 모른다는 두려움도 있다. 그러나 AI가 인수하는 것이 아니라 인간과 함께 작동하여 프로세스를 개선하고 보다 전략적이고 부가가치가 높은 작업에 집중할 수 있는 시간을 확보할 수 있을 것이다.
디지털화는 오늘날 소매업체의 가장 중요한 비즈니스 요구 사항 중 하나로 부상했다. COVID-19 전염병이 시작된 이래로 엄청난 인기를 얻었으며 의심할 여지 없이 사람들이 패션 아이템을 구매하는 방식을 변화시켰다.
끊임없이 변화하는 패션 리테일 시장에서 경쟁하기 위해 공급망 민첩성과 유연성을 지속적으로 개발해야 한다.
보다 민첩한 공급망을 구축하려면 리드 타임을 더욱 단축하고, AI 기반 수요 계획을 지속적으로 개선하고, 낭비를 방지할 수 있는 혁신적인 방법을 찾아야 할 것이다.
이를 위해서 패션 기업들은 인공지능을 기반으로 공급망 솔루션을 제공하는 기술기업들과의 공동개발 및 협력을 통해 해당 분야의 기술 발전에 대응하여 기존 공급망 절차를 조정 해 가는데 중점을 두어야 할 것이다.
김혜경 패션AI연구소 보니스컴백 대표, bonnies2215@gmail.com
김혜경 대표는 ‘ZIOZIA’ 디자인실장을 거쳐 서울모드패션전문학교 부학장을 지냈으며, 패션과 IT기술의 융합과 패션 디지털 트랜스포메이션, 패션AI를 활용한 머천다이징과 증강현실 마케팅 등 패션산업 디지털 혁신에 주도적으로 참여하고 있다.
패션 공급망 ‘채찍 효과’ AI가 감지
BOF가 내년 공급망의 '채찍효과'를 우려, 이를 위한 대책 마련이 중요하다고 강조했다.
최근 패션비즈니스 전문지 BOF가 맥킨지그룹과 함께 ‘2024 글로벌 패션 전망’을 발표하며 마지막 키워드로 [Bullwhip Snaps Back]을 제시했다.
내년에는 불안정한 경기 여파로 소비자 수요 감소가 예상되고, 이에 따라 주문량도 감소할 전망으로 패션 기업들에게 압력을 가하는 ‘채찍 효과- 공급사슬에서 제품의 수요 정보가 전달될 때마다 왜곡되는 현상’가 발생할 것이라는 전망이다. 이에 따라 패션 기업, 리테일러들이 공급망 관리에 투명성을 더하고 전략적인 협업을 해야 한다고 강조했다.
국내 대기업들도 지난 3분기까지 대부분 늘어난 재고 자산으로 내년 생산물량 결정을 주저하는 모습이다. 기업의 수익과 직결되는 재고 자산 관리, 좀 더 정확하고 효율적으로 하는 방법은 없을까?
패션AI연구소 보니스컴백의 김혜경 대표는 패션 공급망 관리에 있어서도 AI의 활용이 반드시 필요하다고 강조한다.
디토리언 _ 보니스컴백 김혜경 대표____________________________________________
# 예측 불가능의 리스크 ‘AI’로 줄인다
AI 기반 공급망은 의심할 여지 없이 제조업의 미래이며 외부 세계의 변동과 예측 불가능성을 따라잡는 원동력이다. AI와 데이터 과학은 주문 관리에서 시작하여 라스트 마일로 끝나는 다양한 방식으로 패션 공급망을 개선할 수 있는 능력을 가지고 있다. 주문 이행은 대화식의 사용자 친화적인 모바일 인터페이스의 배포를 통해 수행된다.
결과적으로 해당 부문의 기업은 소비자의 탐색 및 구매 경험을 크게 향상시킨다. 공급망에서 AI는 광범위한 응용 분야를 제공한다. 챗봇은 구매 요청을 처리할 수 있고, 지능형 창고는 재고를 관리할 수 있으며, 자율 주행 자동차는 배송을 도울 수 있다.
매장에서는 AI 기술을 활용한 솔루션 도입으로 소비자 경험치를 높이고, 더욱 정확한 수요를 예측할 수 있다.
맥킨지(McKinsey)는 2019년 연구에서 경영진의 61%가 공급망에 AI를 도입한 직접적인 결과로 비용이 절감됐다고 보고했으며, 53%는 수익이 증가했다고 보고했다. 전반적으로 기업은 공급망 내에서 AI를 구현함으로써 연간 1조 3천억~ 2조 달러의 경제적 가치를 얻을 것으로 예상했다.
공급망은 해가 갈수록 점점 더 복잡해지고 있다. 공급망은 더욱 글로벌화되고 경쟁은 점점 더 치열해지며 공급망 리더는 수천 개의 SKU(Stock Keeping Unit)를 포함할 수 있는 대규모 제품 포트폴리오를 감독해야 한다.
AI는 조직이 △공급망을 더 잘 관리하고, △정보에 입각한 의사 결정을 용이하게 하고, △수동 워크로드를 줄이고, △보다 효율적으로 운영하고, △위험을 완화하는 데 도움이 될 수 있다.
# AI가 트렌드 예측뿐만 아니라 리오더 관리까지 척척
공급망 관리에 AI 기술을 적용하는 패션 기업들이 늘어나고 있다.
스웨덴 패션 제국 H&M은 트렌드를 예측하고 분석하기 위해 200명 이상의 데이터 사이언티스트를 고용하고 있다. AI 알고리즘은 검색 엔진과 블로그에서 정보를 캡처하여 패션 트렌드 데이터를 얻는다. 이 정보는 그들이 얼마나 많이 구매하는지, 언제 구매하는지, 매장에 어디에 배치해야 하는지에 대한 모든 것을 알려준다.
중요한 것은 AI가 회사의 구매자가 알아야 할 새로운 트렌드를 예측할 뿐만 아니라 현재 인기 있는 상품에 대한 재입고 여부도 알려준다는 것이다.
H&M의 인공지능의 특징은 회사가 낭비를 줄이고 보다 지속가능한 결정을 내리는 데 도움이 된다는 것이 주요 특징이다.
H&M
마찬가지로 스페인 패션 업체인 Zara는 목표를 달성하기 위해 인공지능으로 눈을 돌렸다. 이 회사는 AI 로봇을 사용하여 온라인 구매 후 매장 픽업(BOPIS) 또는 클릭 앤 콜렉트(Click and Collect) 옵션을 사용해 고객에게 요청된 주문을 가져오는 등 다양한 방식으로 AI 로봇을 사용한다.
AI는 온라인 고객 행동 추세를 추적하여 보다 개인화된 구매 경험을 제공한다. 기계 학습은 소비자 선호도, 구매 추세 및 빈도에 대한 데이터를 수집하는 데 사용된다. 예측 기술을 사용하여 기업은 고객의 요구와 욕구를 예측하여 고객에게 유사한 품목을 제공할 수 있다. 온라인 쇼핑객이 새로운 브랜드를 테스트하는 데 더 개방적일 때에도 감지한다.
생산 속도를 높이기 위해 아웃소싱에 크게 의존하는 H&M과 달리 Zara는 아웃소싱을 최소화한다는 것이 주요 특징이라 할 수 있다.
이 전략의 장점 중 하나는 Zara는 디자인에서 디스플레이, 배송에 이르기까지 모든 것을 중앙에서 제어하여 모든 단계에서 귀중한 데이터를 수집할 수 있다는 점이다. 그런 다음 이 데이터를 분석하여 비효율성을 식별하고, 성공 영역을 정확히 찾아내고, 정확한 예측을 생성할 수 있다.
AI 기반 공급망의 이점은 로보틱스, 스마트 창고, 자율 운송 차량 및 자동화된 예측 분석은 모두 작업 환경의 안전성을 높이고 비용을 절감하며 시스템 및 프로세스를 간소화한다.
예를 들어, AI는 날씨 패턴, GPS 정보 및 경로 변경과 같이 배송 시간에 영향을 줄 수 있는 포괄적인 데이터를 수집하는 데 사용할 수 있다. 이를 통해 영업팀은 보다 정확한 제품 배송 시간을 예측하고 사용자에게 실시간 재고 조정을 즉시 알릴 수 있다. 결과적으로 기업은 신규 및 기존 고객 모두에게 최적의 고객 서비스를 더 잘 제공할 수 있다.
# AI, 인간의 기술과 의사결정 프로세스와 병행해야
AI 기술 활용으로 보다 정확한 제품 배송 시간을 예측하고 사용자에게 실시간 재고 조정을 즉시 알릴 수 있다.
그러나 기억해야 할 것은 AI가 만병통치약은 아니라는 점이다.
여전히 여러 단점들을 보완해 가야 한다. AI는 계속해서 진화하고 있으며 전 세계적으로 수많은 연구 개발 이니셔티브가 진행되고 있다. AI 기반 공급망의 단점은 알고리즘이 다른 알고리즘을 생성하기 시작하고 자동 실행되면 ‘블랙 박스’ 시나리오가 나타난다. 연구원과 AI 엔지니어는 이러한 AI 생성 알고리즘의 핵심을 빠르게 풀지 못할 수 있는 문제가 발생할 수도 있다.
예를 들어, 자율 주행 또는 자율 주행 배달 차량은 AI 알고리즘에 입력되는 센서를 포함하여 매우 복잡한 시스템에 의해 구동되며, 이를 통해 주변 교통을 모니터링하면서 주변 운전자의 행동을 예측하고 설명할 수 있다. 이러한 상황에서 AI 알고리즘의 잘못된 예측은 인간 운전자에게 치명적일 수 있다. 물론 취약한 사이버 보안 프로토콜로 인한 다양한 위험도 무시할 수 없다.
이처럼 AI에는 몇 가지 고유한 문제와 위험이 따른다는 단점이 있지만 이것이 반드시 채택되어서는 안 된다는 의미는 아니다. 대신 공급망 내의 AI는 포괄적인 위험, 비상사태 및 완화 매트릭스 내에서 신중하게 고려되어야 한다. AI는 도구이며 단순히 인간의 노동을 대체하는 것이 아니라 인간의 기술 및 의사 결정 프로세스와 함께 사용하는 것이 가장 바람직할 것이다.
조달은 전통적으로 주로 수동 주도 기능이었으며 Excel 스프레드시트와 같은 여러 구식 레거시 기술에 데이터가 저장됐다. 프로세스에 시간이 많이 걸리고 오류가 발생하기 쉽더라도 "이것이 우리가 항상 해왔던 방식이므로 변경할 필요가 없다" 등의 생각들이 기업이 AI를 구현하는 데 방해가 되는 요인이 되고 있다.
또한 기계가 사람들을 대신해 일자리를 잃게 될지도 모른다는 두려움도 있다. 그러나 AI가 인수하는 것이 아니라 인간과 함께 작동하여 프로세스를 개선하고 보다 전략적이고 부가가치가 높은 작업에 집중할 수 있는 시간을 확보할 수 있을 것이다.
디지털화는 오늘날 소매업체의 가장 중요한 비즈니스 요구 사항 중 하나로 부상했다. COVID-19 전염병이 시작된 이래로 엄청난 인기를 얻었으며 의심할 여지 없이 사람들이 패션 아이템을 구매하는 방식을 변화시켰다.
끊임없이 변화하는 패션 리테일 시장에서 경쟁하기 위해 공급망 민첩성과 유연성을 지속적으로 개발해야 한다.
보다 민첩한 공급망을 구축하려면 리드 타임을 더욱 단축하고, AI 기반 수요 계획을 지속적으로 개선하고, 낭비를 방지할 수 있는 혁신적인 방법을 찾아야 할 것이다.
이를 위해서 패션 기업들은 인공지능을 기반으로 공급망 솔루션을 제공하는 기술기업들과의 공동개발 및 협력을 통해 해당 분야의 기술 발전에 대응하여 기존 공급망 절차를 조정 해 가는데 중점을 두어야 할 것이다.
김혜경 패션AI연구소 보니스컴백 대표, bonnies2215@gmail.com
김혜경 대표는 ‘ZIOZIA’ 디자인실장을 거쳐 서울모드패션전문학교 부학장을 지냈으며, 패션과 IT기술의 융합과 패션 디지털 트랜스포메이션, 패션AI를 활용한 머천다이징과 증강현실 마케팅 등 패션산업 디지털 혁신에 주도적으로 참여하고 있다.